CN113392521A - 面向海空联合作战任务的资源编组模型构建方法及系统 - Google Patents
面向海空联合作战任务的资源编组模型构建方法及系统 Download PDFInfo
- Publication number
- CN113392521A CN113392521A CN202110652837.4A CN202110652837A CN113392521A CN 113392521 A CN113392521 A CN 113392521A CN 202110652837 A CN202110652837 A CN 202110652837A CN 113392521 A CN113392521 A CN 113392521A
- Authority
- CN
- China
- Prior art keywords
- resources
- combat
- fighting
- task
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向海空联合作战任务的资源编组模型构建方法及装置,所述方法包括分解任务,建立分层行为树网络;分解资源,建立作战资源多目标规划模型;按优先级次序,进行单目标规划求解。本发明对复杂作战任务进行形式化描述,分解成不可再分解的元任务集合,提升了任务的表达清晰度,约减了资源调度的决策维度;对联合作战任务规划的资源调度问题进行建模,提炼出任务、目标、资源等多约束条件,以资源和任务之间的效费比为目标建立了目标优化模型,提高在复杂、高动态、不确定博弈环境下快速决策、合理执行战术行为动作的能力。
Description
技术领域
本发明涉及兵棋博弈推演仿真领域,具体涉及一种海空联合作战任务规划资源编组模型构建方法及系统,旨在提高在复杂、高动态、不确定博弈环境下快速决策、合理执行战术行为动作的能力。
背景技术
联合作战是现代战争的主要作战形式,多域战、分布式作战和网络中心战都是联合作战不同具体表现样式。在武器系统效能一定的条件下,有效的任务规划是保证联合作战效果的前提。资源调度是联合作战筹划中拟制行动方案的基础,联合作战方案通过资源调度建立与作战资源之间的连接关系,形成联合作战计划。行动方案一般由任务和任务之间的关系组成,资源调度的目标就是根据既定任务及其优先级、任务间协同关系、作战资源需求等属性,将战场可用资源分配给任务,并确定任务的具体开始时间。
海空联合作战想定下,针对特定使命任务和多作战目标,在有限敌情、环境信息等战场态势前提下,指挥员如何合理设计资源分组调度方案,基于多种作战能力计算需求和结论,依据可用兵力和条件约束,考虑各种性能、组织指挥、战术运用和兼容性,力争以较少作战资源达成作战目标,发挥最大作战效能、完成既定作战任务,成为现有技术亟需解决的技术问题。
发明内容
本发明的目的在于提出一种海空联合作战任务规划资源编组模型构建方法及系统,旨在提高在复杂、高动态、不确定博弈环境下快速决策、合理执行战术行为动作的能力。
为达此目的,本发明采用以下技术方案:
一种面向海空联合作战任务的资源编组模型构建方法,其特征在于,包括如下步骤:
分层行为树网络建立步骤S110:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是条件节点或者动作节点;
作战资源多目标规划模型建立步骤S120:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件;
模型求解步骤S130:
利用步骤S120中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
可选的,在步骤S110中,
使命任务分解包括子任务和元任务,子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路,子任务可以继续分解为元任务和子任务,元任务是不能再继续分解执行的任务,子任务能够按照功能或者目标分解成不同的元任务。
可选的,在步骤S110中,
构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
可选的,作战资源多目标规划模型建立步骤S120具体包括:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij;
(2)作战资源编组问题的多目标规划模型
分解作战资源,确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数;
2)软约束
a.作战能力指数约束
作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求;
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,使得编入编组的作战资源总数尽量少,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
可选的,在所述模型求解步骤S130中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
本发明进一步公开了一种面向海空联合作战任务的资源编组模型构建装置,其特征在于,包括如下单元:
分层行为树网络建立单元210:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是要执行的动作;
作战资源多目标规划模型建立单元220:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件;
模型求解单元230:
利用作战资源多目标规划模型建立单元220中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
可选的,在分层行为树网络建立单元210中,
使命任务分解包括子任务和元任务,子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路,子任务可以继续分解为元任务和子任务,元任务是不能再继续分解执行的任务,子任务能够按照功能或者目标分解成不同的元任务;
构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
可选的,作战资源多目标规划模型建立单元220具体包括:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij;
(2)作战资源编组问题的多目标规划模型
分解作战资源,确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数;
2)软约束
a.作战能力指数约束
作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求;
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,使得编入编组的作战资源总数尽量少,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
可选的,在所述模型求解单元230中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
本发明进一步公开了一种存储介质,用于存储计算机可执行指令,其特征在于:
所述计算机可执行指令在被处理器执行时执行上述的面向海空联合作战任务的资源编组模型构建方法。
本发明具有如下的优点:
1、针对宏观层面的作战任务计算机难以表述的问题,本发明提出基于分层行为树网络的任务分解策略,对复杂作战任务进行形式化描述,分解成不可再分解的元任务集合,提升了任务的表达清晰度,约减了资源调度的决策维度;
2、针对如何有效调度资源保证元任务集的完成的问题,本发明基于多目标规划的思想对联合作战任务规划的资源调度问题进行建模,提炼出任务、目标、资源等多约束条件,以资源和任务之间的效费比为目标建立了目标优化模型,提高在复杂、高动态、不确定博弈环境下快速决策、合理执行战术行为动作的能力。
附图说明
图1是根据本发明具体实施例的面向海空联合作战任务的资源编组模型构建方法的流程图;
图2是根据本发明具体实施例的使命任务分解子任务的示意图;
图3(a)是根据本发明具体实施例的子任务按照功能分解成不同的元任务的示意图;
图3(b)是根据本发明具体实施例的子任务按照目标分解成不同的元任务的示意图;
图4是根据本发明具体实施例的联合作战分层网络模型的整体结构的示意图;
图5是根据本发明具体实施例的面向海空联合作战任务的资源编组模型构建系统的模块图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明主要在于:获取海空战场的态势信息及作战资源情况,将使命任务分解成各作战元任务组成的集合,并建立分层行为树网络,然后进行资源多目标优化建模,最后任务-资源动态搜索对所建模型进行求解。
具体的,参见图1,示出了根据本发明具体实施例的面向海空联合作战任务的资源编组模型构建方法的流程图。
分层行为树网络建立步骤S110:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是条件节点或者动作节点。
具体的,联合作战任务规划按对象划分主要包括任务、目标和资源三类。其中作战任务通常包括情报侦察、目标突击、区域巡逻、空中拦截、护航、返航等;作战目标通常包括指挥所、驱逐舰、地导营、歼击机、轰炸机、预警机、地面雷达等;作战资源是作战能力的载体,通常是区域分布上相对集中的力量集合体,如水面舰艇、作战飞机、建制部队等等。
联合作战任务的分解是广义上的分解,具体是指三个方面的分解:任务分解、目标分解和资源分解。其中,任务分解是指,递归式地将联合作战使命任务分解成由元任务组成的网络;目标分解是指对攻击目标群进行分解;资源分解是指将作战资源分解成一个个作战单元,以便下一步与任务和资源建立联系。目标分解同步体现在任务分解中,资源分解体现在为满足作战能力需求而建立的作战资源多目标规划模型和求解中。
具体而言,作战任务是某级指挥员或区域指挥员领受的本级或本域作战任务,现实中作战任务通常是上级意图的体现,一般是宏观的、笼统的,甚至模糊的,无法为基层作战单元理解和执行。因此需要分解成子任务。
子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路。如图2所示,子任务可以继续分解为元任务和子任务。
元任务是不能再继续分解执行的任务,如果继续分解则导致执行该任务的兵力单元也需要进行细分。子任务能够按照功能或者目标分解成不同的元任务。如空中进攻任务继续分解,按功能分解为空中火力压制和空中攻坚行动;按目标分解为进攻空中目标、进攻海上目标和进攻地面目标,如图3所示。
任务分解的目的在于根据作战任务的要求,经过作战筹划和任务分解,完成作战能力需求的计算,为后期作战资源的编组优化打下基础。传统的分解规则过程和结果,过度依赖于领域知识或专家经验。
本发明构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
在图4中示例性的示出了根据本发明具体实施例的联合作战分层网络模型的整体结构的示意图。
根任务节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,如命令、基础属性、消息、威胁等,同时方法的排列顺序决定了该方法的优先级;中间节点决定了智能体如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,一般由圆形框进行条件判断表示。
行为树的不同节点具有不同的逻辑功能,这是行为树能完成各种复杂逻辑的核心。根据不同的逻辑功能,行为树节点分为选择节点、顺序节点、条件节点以及动作节点。整个行为树中,叶子节点只能是条件节点或者动作节点。以下展示了各种行为树节点的标志。其中,选择节点用“?”表示,顺序节点可以用“→”表示,动作节点可以用“□”表示,条件节点可以用“○”表示。
任务分解的过程为:由根任务开始,遍历其包含的方法,当某个方法的前置条件被满足且优先级比当前执行的任务更高时,将该方法的子任务加入推理的任务栈中继续进行推理。
如图4,根据海空联合作战的任务特点,本发明构建了反舰子树、对地子树、防空子树等。每个子树又分别包括多种行为子树,例如对地子树中又包含掩护子树、拦截子树、轰炸子树等。以拦截行为子树对拦截行为过程进行建模为例。其中条件1为是否到达目标点,条件2为是否处于安全位置。海空联合编队在接收到上级下发的任务命令(目标突击、火力掩护、迂回移动)后,通过感知与分析战场态势,动态分配各作战单元的任务角色,制定相应的战术行为。不同的作战单元分别执行具体的作战任务,如侦察、机动、护航、夺控、攻击、返航等。
作战资源多目标规划模型建立步骤S120:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件。
具体的:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
作战资源中,用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij。
具体的,参见表1,作战资源与任务关系,在表1中可见,由于第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,则作战优先级由左至右逐步降低。
表1作战资源与任务关系
(2)作战资源编组问题的多目标规划模型
分解作战资源,能够确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级,一个规划问题如果有多个目标,可以按照重要性来规定优先等级,越重要的越优先;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数。
编组问题中,绝对约束是指各种型号的作战资源允许出动的数量约束,设编队中实际编成的第i种类型的作战资源数量为xi,数量约束表示为:xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量。该约束控制作战资源编组数量不超过资源,即各种作战资源允许编组的最大数量。共有m种作战资源供选择,故总共有m项数量约束。
2)软约束
作战资源调度决策的目的,是要寻找一种相对可以接受的资源分配方案,既要满足作战资源数量的绝对约束,又要满足任务需求各种其它的软约束。
a.作战能力指数约束
根据使命任务问题的性质要求,作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
由于总共有n种作战能力指标,故该约束总共有n项。其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求。该约束控制所有编入编组的所有作战资源该项作战能力指数之和的实际值不低于需求值。
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,争取使得编入编组的作战资源总数尽量少。其中,总共有(n+1)种优先等级,对应着(n+1)个目标约束,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
模型求解步骤S130:
利用步骤S120中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
在一个具体的实施例中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
实施例:
拟以3种型号的作战资源力量组成的海空联合战斗编队,遂行对敌岛上目标进行夺攻作战任务,如何对编队作战资源力量进行编组才能获取最佳方案。
(一)任务分解,建立分层行为树网络
分层行为树网络根据当前的战术命令选择对应行为子树,并对每个行为子树分别进行建模。如图4所示,根据海空联合作战的任务特点,构建了巡逻子树、进攻子树、防守子树等。每个子树又分别包括多种行为子树,例如进攻子树中又包含掩护子树、拦截子树、轰炸子树等。以拦截行为子树对拦截行为过程进行建模为例。其中条件1为是否到达目标点,条件2为是否处于安全位置。海空联合编队在接收到上级下发的任务命令(目标突击、火力掩护、迂回移动)后,通过感知与分析战场态势,动态分配各作战单元的任务角色,制定相应的战术行为。不同的作战单元分别执行具体的作战任务,如侦察、机动、护航、夺控、攻击、返航等。
根据各型作战资源掩护、拦截、轰炸的作战能力指数和作战能力需求,最后形成如表2所示的作战能力指数和作战需求能力指数表格。经作战筹划和战斗能力分解测算,为使编队具有完成此次作战任务的能力,需要满足以下条件:(1)掩护能力指数需求值不低于295;(2)拦截能力指数需求值不低于350;(3)轰炸能力指数需求值不低于320;(4)在尽量满足前三项作战能力指标的前提下,希望作战编组的总舰艇数量最少。
表2作战能力指数和作战需求能力指数表
(二)分解资源,建立作战资源多目标规划模型
目标函数
根据上节分析,要求尽可能缩小上下偏差,因此构建的目标函数只能为:
约束条件
(1)绝对约束
编队中实际编成的第i种类型对应的作战资源数量为xi,那么绝对约束可表示为:
(2)软约束
1)作战能力指数约束
根据编组每一项作战能力指数最好不低于需求指数,该项约束可列为:
2)作战资源数量约束
根据编组的作战资源数量越少越好的需求,该项约束可列为:
3)偏差变量约束
为保证偏差变量均为非负整数,该项约束可列为:
(三)模型求解
对于三个以上决策变量的线性目标规划问题,传统的图解法无能为力,单纯形表法虽可求解,但过于繁杂,效率低。因此本节采用目标规划序贯分步解法来求解所构模型:按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,然后再依次求解。
(1)根据掩护能力指数不低于295的需求,第一级绝对约束可列为:
(2)根据拦截能力指数不低于350的需求,第二级绝对约束可列为:
(3)根据轰炸能力指数不低于320的需求,第三极绝对约束可列为:
(4)根据编组的作战资源数量越少越好的需求,第四级绝对约束可列为:
输入matlab后求解得到编组作战资源总数为5,其中:1个甲型作战资源,3个乙型作战资源,1个丙型作战资源;偏差变量和均为0,说明战斗编组的3种作战能力均不小于需求值。其中,掩护能力、拦截能力和轰炸能力均略高于需求值,达到了规划目标。
本发明进一步公开了一种面向海空联合作战任务的资源编组模型构建装置,其特征在于,包括如下单元:
分层行为树网络建立单元210:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是条件节点或者动作节点。
作战资源多目标规划模型建立单元220:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件;
模型求解单元230:
利用作战资源多目标规划模型建立单元220中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
具体的,在分层行为树网络建立单元210中,
使命任务分解包括子任务和元任务,子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路,子任务可以继续分解为元任务和子任务,元任务是不能再继续分解执行的任务,子任务能够按照功能或者目标分解成不同的元任务;
构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
具体的,作战资源多目标规划模型建立单元220具体包括:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij;
(2)作战资源编组问题的多目标规划模型
分解作战资源,确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数;
2)软约束
a.作战能力指数约束
作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求;
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,使得编入编组的作战资源总数尽量少,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
具体的,在所述模型求解单元230中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
本发明进一步公开了一种存储介质,用于存储计算机可执行指令,其特征在于:
所述计算机可执行指令在被处理器执行时执行上述的面向海空联合作战任务的资源编组模型构建方法。
综上所述,本发明具有如下的优点:
1、针对宏观层面的作战任务计算机难以表述的问题,本发明提出基于分层行为树网络的任务分解策略,对复杂作战任务进行形式化描述,分解成不可再分解的元任务集合,提升了任务的表达清晰度,约减了资源调度的决策维度;
2、针对如何有效调度资源保证元任务集的完成的问题,本发明基于多目标规划的思想对联合作战任务规划的资源调度问题进行建模,提炼出任务、目标、资源等多约束条件,以资源和任务之间的效费比为目标建立了目标优化模型,提高在复杂、高动态、不确定博弈环境下快速决策、合理执行战术行为动作的能力。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (10)
1.一种面向海空联合作战任务的资源编组模型构建方法,其特征在于,包括如下步骤:
分层行为树网络建立步骤S110:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是条件节点或者动作节点;
作战资源多目标规划模型建立步骤S120:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件;
模型求解步骤S130:
利用步骤S120中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
2.根据权利要求1所述的构建方法,其特征在于:
在步骤S110中,
使命任务分解包括子任务和元任务,子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路,子任务可以继续分解为元任务和子任务,元任务是不能再继续分解执行的任务,子任务能够按照功能或者目标分解成不同的元任务。
3.根据权利要求2所述的构建方法,其特征在于:
在步骤S110中,
构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
4.根据权利要求1所述的构建方法,其特征在于:
作战资源多目标规划模型建立步骤S120具体包括:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij;
(2)作战资源编组问题的多目标规划模型
分解作战资源,确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数;
2)软约束
a.作战能力指数约束
作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求;
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,使得编入编组的作战资源总数尽量少,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
5.根据权利要求4所述的构建方法,其特征在于:
在所述模型求解步骤S130中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
6.一种面向海空联合作战任务的资源编组模型构建装置,其特征在于,包括如下单元:
分层行为树网络建立单元210:
获取战场态势信息及作战资源情况,并根据分解与关联的原则,使用分层行为树网络方法,将使命任务分解成各作战元任务组成的集合,其中所述行为树包括根节点、中间节点和叶子节点,所述根节点由作战资源的多种行为方法组成,每个方法拥有特定的前置条件,所述中间节点决定了如何从根节点根据不同的情况沿着不同的路径到达叶子节点的过程,所述叶子节点是要执行的动作;
作战资源多目标规划模型建立单元220:
对作战资源进行分解,建立作战资源与元任务的对应关系以及作战能力的优先级,构建作战资源编组问题的多目标规划模型,以及相应的约束条件;
模型求解单元230:
利用作战资源多目标规划模型建立单元220中的多目标规划模型,以及相应的约束条件,求解得到各作战编组的作战资源的数量。
7.根据权利要求6所述的构建装置,其特征在于:
在分层行为树网络建立单元210中,
使命任务分解包括子任务和元任务,子任务是使命分解过程中的中介任务结点,辅助建立使命分解和细化思路,子任务可以继续分解为元任务和子任务,元任务是不能再继续分解执行的任务,子任务能够按照功能或者目标分解成不同的元任务;
构建任务较小的子行为树,将复杂的逻辑分解开;再通过多层级多类型子行为树的组合,实现对整个联合作战任务编组的控制,一个行为树可以表示一个作战任务,通过调用不同功能的行为树,创建相互联接的行为树,构造出复杂且满足不同需求的智能体,通过分层行为树网络来理解和描述整个联合作战的任务规划及行为。
8.根据权利要求6所述的构建装置,其特征在于:
作战资源多目标规划模型建立单元220具体包括:
(1)作战资源与元任务的对应关系以及作战能力的优先级具体为:
用Rsc表示所有作战资源的集合Rsc={B1,B2,...,Bm},对应的数量分别为B={b1,b2,...,bm},A表示使命任务经过分解后得到的所有元任务的集合A={A1,A2,...,An},对应的总的作战能力需求指数R={r1,r2,...,rn},Relation表示作战资源和元任务的关系集合,Relation={a11,a12,...,amn},其中m表示编队有m种型号作战资源,n表示作战资源的n种作战能力,以使的编队具备完成各作战元任务的作战能力,并设第j种作战能力等级高于第(j+1)种作战能力等级,即pj>pj+1,j=1,…,n,整个任务中第j种作战能力总的需求指数为rj,第i种作战资源的总数量为bi,第i型作战资源的第j项作战能力为aij;
(2)作战资源编组问题的多目标规划模型
分解作战资源,确定目标,建立目标函数,每一个目标值确定后,要求尽可能缩小偏差;
式中:
pj表示作战能力需要满足的优先等级;
pn+1表示作战资源数量需要满足的优先等级;
n表示作战资源的n种作战能力;
(3)约束条件
1)绝对约束
xi≤bi,xi∈N,i=1,2,...,m,其中bi为第i种作战资源的数量约束,即最大允许编组数量,N表示非负整数;
2)软约束
a.作战能力指数约束
作战资源编组时,每一项作战能力指数最好不低于需求指数,因此有约束:
其中,xi为第i种作战资源的实际编组数量,ri为第i种作战资源作战能力的需求值,也就是理想值,aij为第i种作战资源的第j种作战能力指数,是作战能力的正偏差变量,表示决策值超过目标值的部分,第j种作战能力等级高于第(j+1)种作战能力,即应优先满足排位靠前的作战能力需求;
b.作战资源数量约束
在满足作战能力需求的前提下,编队中的作战资源数量越少越好,因此有约束:
该约束是编入编组的所有作战资源的总数量约束,与达成函数的最后一级共同组成目标约束,使得编入编组的作战资源总数尽量少,其中,前m个目标约束,依次对应着按作战能力优先等级依次递减的n种作战能力,第(n+1)个目标约束则为作战资源总编组数量约束,表示作战资源数量的正负偏差变量。
c.偏差变量约束
9.根据权利要求8所述的构建装置,其特征在于:
在所述模型求解单元230中,按照优先级的先后次序,将目标规划问题分解成一系列的单项目标规划问题,即分解多目标规划模型,然后再依次求解。
10.一种存储介质,用于存储计算机可执行指令,其特征在于:
所述计算机可执行指令在被处理器执行时执行权利要求1-5中任意一项所述的面向海空联合作战任务的资源编组模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110652837.4A CN113392521B (zh) | 2021-06-11 | 2021-06-11 | 面向海空联合作战任务的资源编组模型构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110652837.4A CN113392521B (zh) | 2021-06-11 | 2021-06-11 | 面向海空联合作战任务的资源编组模型构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392521A true CN113392521A (zh) | 2021-09-14 |
CN113392521B CN113392521B (zh) | 2022-02-18 |
Family
ID=77620532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110652837.4A Active CN113392521B (zh) | 2021-06-11 | 2021-06-11 | 面向海空联合作战任务的资源编组模型构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392521B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357741A (zh) * | 2021-12-22 | 2022-04-15 | 中国人民解放军军事科学院战略评估咨询中心 | 一种电子干扰掩护下的多机空战协同行为模拟方法 |
CN114792072A (zh) * | 2022-05-18 | 2022-07-26 | 中国人民解放军国防科技大学 | 一种基于功能的装备决策行为仿真建模方法及系统 |
CN115204523A (zh) * | 2022-09-13 | 2022-10-18 | 中国电子科技集团公司第十五研究所 | 武器-目标分配方法、系统及电子设备 |
CN115204524A (zh) * | 2022-09-13 | 2022-10-18 | 中国电子科技集团公司第十五研究所 | 指挥决策突击方案的生成方法及电子设备 |
CN115759298A (zh) * | 2023-01-09 | 2023-03-07 | 白杨时代(北京)科技有限公司 | 一种决策动作确定方法、装置、设备及介质 |
CN115829034A (zh) * | 2023-01-09 | 2023-03-21 | 白杨时代(北京)科技有限公司 | 一种构建知识规则执行框架的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030061261A1 (en) * | 2001-09-26 | 2003-03-27 | The Boeing Company | System, method and computer program product for dynamic resource management |
CN1818952A (zh) * | 2006-03-15 | 2006-08-16 | 孙玲 | 联合作战信息战资源目标规划最优分配方法 |
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN110929394A (zh) * | 2019-11-14 | 2020-03-27 | 北京华如科技股份有限公司 | 基于超网络理论的联合作战体系建模方法以及存储介质 |
CN111091273A (zh) * | 2019-11-29 | 2020-05-01 | 上海航天控制技术研究所 | 一种基于能力预测的多弹协同任务规划方法 |
CN112329348A (zh) * | 2020-11-06 | 2021-02-05 | 东北大学 | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 |
CN112734239A (zh) * | 2021-01-12 | 2021-04-30 | 中南大学 | 基于任务与资源能力属性的任务规划方法、装置和介质 |
-
2021
- 2021-06-11 CN CN202110652837.4A patent/CN113392521B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030061261A1 (en) * | 2001-09-26 | 2003-03-27 | The Boeing Company | System, method and computer program product for dynamic resource management |
CN1818952A (zh) * | 2006-03-15 | 2006-08-16 | 孙玲 | 联合作战信息战资源目标规划最优分配方法 |
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN110929394A (zh) * | 2019-11-14 | 2020-03-27 | 北京华如科技股份有限公司 | 基于超网络理论的联合作战体系建模方法以及存储介质 |
CN111091273A (zh) * | 2019-11-29 | 2020-05-01 | 上海航天控制技术研究所 | 一种基于能力预测的多弹协同任务规划方法 |
CN112329348A (zh) * | 2020-11-06 | 2021-02-05 | 东北大学 | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 |
CN112734239A (zh) * | 2021-01-12 | 2021-04-30 | 中南大学 | 基于任务与资源能力属性的任务规划方法、装置和介质 |
Non-Patent Citations (1)
Title |
---|
WEI WANG,ET AL.: "Investigation on Works and Military Applications of Artificial Intelligence", 《IEEE ACCESS》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357741A (zh) * | 2021-12-22 | 2022-04-15 | 中国人民解放军军事科学院战略评估咨询中心 | 一种电子干扰掩护下的多机空战协同行为模拟方法 |
CN114792072A (zh) * | 2022-05-18 | 2022-07-26 | 中国人民解放军国防科技大学 | 一种基于功能的装备决策行为仿真建模方法及系统 |
CN114792072B (zh) * | 2022-05-18 | 2024-01-16 | 中国人民解放军国防科技大学 | 一种基于功能的装备决策行为仿真建模方法及系统 |
CN115204523A (zh) * | 2022-09-13 | 2022-10-18 | 中国电子科技集团公司第十五研究所 | 武器-目标分配方法、系统及电子设备 |
CN115204524A (zh) * | 2022-09-13 | 2022-10-18 | 中国电子科技集团公司第十五研究所 | 指挥决策突击方案的生成方法及电子设备 |
CN115204524B (zh) * | 2022-09-13 | 2023-01-24 | 中国电子科技集团公司第十五研究所 | 指挥决策突击方案的生成方法及电子设备 |
CN115204523B (zh) * | 2022-09-13 | 2023-01-24 | 中国电子科技集团公司第十五研究所 | 武器-目标分配方法、系统及电子设备 |
CN115759298A (zh) * | 2023-01-09 | 2023-03-07 | 白杨时代(北京)科技有限公司 | 一种决策动作确定方法、装置、设备及介质 |
CN115829034A (zh) * | 2023-01-09 | 2023-03-21 | 白杨时代(北京)科技有限公司 | 一种构建知识规则执行框架的方法及装置 |
CN115829034B (zh) * | 2023-01-09 | 2023-05-30 | 白杨时代(北京)科技有限公司 | 一种构建知识规则执行框架的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113392521B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113392521B (zh) | 面向海空联合作战任务的资源编组模型构建方法及系统 | |
CN112329348A (zh) | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 | |
CN111240353B (zh) | 基于遗传模糊树的无人机协同空战决策方法 | |
Xin et al. | Efficient decision makings for dynamic weapon-target assignment by virtual permutation and tabu search heuristics | |
CN112307622A (zh) | 一种用于计算机生成兵力的自主规划系统及规划方法 | |
CN107330560A (zh) | 一种考虑时序约束的异构飞行器多任务协同分配方法 | |
CN110222406A (zh) | 一种基于任务阶段复杂性的无人机自主能力评估方法 | |
CN113312172B (zh) | 基于适变网络的多无人机集群动态任务调度模型 | |
CN113625569B (zh) | 一种基于混合决策模型的小型无人机防控决策方法及系统 | |
CN114444201A (zh) | 基于贝叶斯网络的对地攻击无人机自主能力评估方法 | |
CN114240169A (zh) | 一种基于杀伤链的智能战术决策方法 | |
Brynielsson | Using AI and games for decision support in command and control | |
CN115457809A (zh) | 对面支援场景下基于多智能体强化学习的航迹规划方法 | |
KR101345645B1 (ko) | 목표지향 행위계획 결정이 가능한 모의훈련 시스템 및 목표지향 행위계획 결정방법 | |
CN116205499A (zh) | 兵力行动方案的生成方法及电子设备 | |
Zhao et al. | Shuffled frog leaping algorithm with non-dominated sorting for dynamic weapon-target assignment | |
Shuo et al. | Research on distributed task allocation of loitering munition swarm | |
CN114565261A (zh) | 基于gmqn的协同作战控制方法、系统、设备及介质 | |
CN113324545A (zh) | 一种基于混合增强智能的多无人机协同任务规划方法 | |
CN114202175A (zh) | 一种基于人工智能的作战任务规划方法及系统 | |
Zhong et al. | Research on command and control of MAV/UAV engagement from the cooperative perspective | |
CN116679742B (zh) | 一种多六自由度飞行器协同作战决策方法 | |
CN117575299B (zh) | 一种基于改进粒子群算法的协同多任务分配方法 | |
CN116151492B (zh) | 一种联合作战体系辅助决策分析系统 | |
CN118036911A (zh) | 一种基于规则分层强化学习的作战任务规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |