CN113568782A - 作战装备体系动态恢复方法、电子设备及存储介质 - Google Patents
作战装备体系动态恢复方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113568782A CN113568782A CN202110867209.8A CN202110867209A CN113568782A CN 113568782 A CN113568782 A CN 113568782A CN 202110867209 A CN202110867209 A CN 202110867209A CN 113568782 A CN113568782 A CN 113568782A
- Authority
- CN
- China
- Prior art keywords
- equipment
- combat
- index
- recovery
- time
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
- G06F11/1469—Backup restoration techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种作战装备体系动态恢复方法、电子设备及存储介质。所述方法包括:获取多个所述装备实体的属性信息,根据所述属性信息构建所述作战装备体系的超网络模型;获取多个候选恢复策略,分别基于多个候选恢复策略利用所述超网络模型对所述作战装备体系进行动态仿真;计算所述作战装备体系的作战效能以确定初始稳定时间、抗干扰稳定时间与恢复稳定时间;根据初始稳定时间、抗干扰稳定时间与恢复稳定时间相应的所述作战效能计算所述作战装备体系的体系韧性值;确定多个所述候选恢复策略相应的多个所述体系韧性值,选取体系韧性最大的所述候选恢复策略作为最优恢复策略;以及基于所述最优恢复策略对所述作战装备系统进行动态恢复。
Description
技术领域
本发明涉及装备系统技术领域,尤其涉及一种作战装备体系动态恢复方法、电子设备及存储介质。
背景技术
进入21世纪以来,以人工智能为代表的一系列颠覆性技术的“爆发式”发展,信息化战争加速演变,智能化战争初见端倪。智能化战争中,智能化装备将成为战场主体,彻底将人类在战争从“幕前”推到了“幕后”,并将在空间域、物理域、信息域、认知域等多个方面对传统作战形成压制性优势。然而智能化战争不仅强调单个装备中智能技术的嵌入带来的感知决策能力的广泛增强,更加注重由智能装备之间的互联互通、协同配合、群体决策而涌现出的体系“增量式”力量。其中智能化装备体系具有三个特点:(1)具有高度自适应性,可根据战场上的实时态势,统筹调度各种资源,实时进行动态分配,形成最优自适应网络。(2)强恢复性与冗余性,智能化战争中装备大量、小型、廉价且多样,没有缺之不可的装备,敌方很难造成致命性破坏。(3)强自组织性,一旦受到攻击,体系可自行从受到攻击后的无序状态向稳定状态演化。针对智能化装备体系的特点,如何选取确定合适的动态恢复策略具有重要的意义。
发明内容
有鉴于此,本发明的目的在于提出一种作战装备体系动态恢复方法、电子设备及存储介质。
基于上述目的,本发明提供了一种作战装备体系动态恢复方法,其中,所述作战装备体系包括多个装备实体,所述方法包括:
获取多个所述装备实体的属性信息,根据所述属性信息构建所述作战装备体系的超网络模型;
获取多个候选恢复策略,分别基于多个候选恢复策略利用所述超网络模型对所述作战装备体系进行动态仿真;
在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间;
根据所述初始稳定时间、所述抗干扰稳定时间以及所述恢复稳定时间相应的所述作战效能计算基于所述候选恢复策略所述作战装备体系的体系韧性值;
确定多个所述候选恢复策略相应的多个所述体系韧性值,选取体系韧性最大的所述候选恢复策略作为最优恢复策略;以及
基于所述最优恢复策略对所述作战装备系统进行动态恢复。
其中,所述根据所述属性信息构建所述作战装备体系的超网络模型,进一步包括:
根据所述属性信息确定类属性信息与连接关系信息,根据所述类属性信息与所述连接关系信息构建逻辑层网络,所述逻辑层网络Gl表示为:
Gl=(Vl,El)
其中,Vl={VS,VD,VI,VT}表示装备节点集合,El表示装备节点间的关系矩阵,在所述装备节点集合Vl中,VS={vS1,vS2,…,vSs}表示侦察类节点集合,,VD={vD1,vD2,…,vDd}表示决策类节点集合,VI={vA1,vA2,…,vAα}表示打击类节点集合,VT={vT1,vT2,…,vTτ}表示目标类节点集合,
根据所述属性信息确定指标属性信息以及指标属性影响关系,根据所述指标属性信息与所述指标属性影响关系构建所述指标层网络,所述指标层网络Gz表示为:
Gz=(Vz,Ez)
其中,Vz=<VzS,VzD,VzI,VzT>表示指标属性集合,Ez表示指标属性影响关系,在所述指标属性集合Vz中,VzS表示侦察类指标属性,VzD表示决策类指标属性,VzI表示打击类指标属性,VzT表示目标类指标属性;
根据所述属性信息确定多个所述装备实体的交互约束信息,其中,所述交互约束信息包括服务供需信息、通信约束信息、作战范围约束信息以及时间约束信息;
根据所述交互约束信息确定多个所述装备实体间的连接关系,根据所述连接关系构建所述交互层网络,在相应时刻所述交互层网络GJ(t)表示为:
GJ(t)=(VJ(t),EJ(t))
其中,VJ(t)表示相应适合正常运行的所述装备实体,EJ(t)表示所述装备实体间的交互连接关系。
其中,所述动态仿真过程包括性能稳定阶段、性能下降阶段、性能恢复阶段与新稳定阶段;
其中,在所述性能稳定阶段,所述作战装备体系尚未遭受打击,多个所述装备实体正常运行,作战效能保持在第一稳定值;
在所述性能下降阶段,所述作战装备体系遭受打击干扰,部分所述装备实体失效,所述装备实体间的交互连接关系被破坏,作战效能从所述第一稳定值持续下降至一极小值;
在所述性能恢复阶段,所述作战装备体系基于所述候选恢复策略通过自组织、自适应对体系性能进行恢复,作战效能从所述极小值开始逐步增大至第二稳定值;
在所述新稳定阶段,所述作战装备系统性能恢复完成达成新的稳定状态,作战效能保持在所述第二稳定值;
所述根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间,进一步包括:
根据所述动态仿真过程中的所述作战效能确定所述动态仿真过程的所述性能稳定阶段、所述性能下降阶段、所述性能恢复阶段与所述新稳定阶段;
所述初始稳定时间为所述性能稳定阶段与所述性能下降阶段的交界时间;
所述抗干扰稳定时间为所述性能下降阶段与所述性能恢复阶段的交界时间;
所述恢复稳定时间为所述性能恢复阶段与所述新稳定阶段的交界时间。
其中,所述在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,进一步包括:
在所述动态仿真过程中相应时刻根据所述超网络模型计算确定多个所述装备实体的装备单元能力;
根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力;
确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能。
其中,所述在所述动态仿真过程中相应时刻根据所述超网络模型计算确定所述作战装备体系中多个所述装备实体的装备单元能力,进一步包括:
在所述指标层网络中确定所述装备实体相应的多个所述指标属性;
分别计算多个所述指标属性到所述逻辑层网络中的多个所述装备节点的链路数量;
根据所述链路数量确定各所述指标属性相应的性能权重:
其中,wi表示所述装备实体中第i个所述指标属性的所述性能权重,i=1,2,3,…,rs,rs表示所述装备实体的所述指标属性的数量;
根据所述指标属性的归一化数值与所述性能权重计算确定所述装备实体的装备单元能力:
其中,m表示相互之间独立的所述指标属性的数目,xj表示相互之间独立的所述指标属性相应的所述归一化数据,wj表示相互之间独立的所述指标属性的所述性能权重;
其中,n表示所述装备实体的具有直接影响关系的多个所述指标属性所组成的指标簇数目,l表示在一个所述指标簇中是所述指标属性的数目,xk表示所述指标簇中所述指标属性相应的所述归一化数据,wk表示所述指标簇中所述指标属性的所述性能权重。
其中,所述根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力,进一步确定:
所述作战环的作战能力Cbc为:
其中表示所述作战环中侦察类装备实体的所述装备单元能力,表示所述作战环中决策类装备实体的所述装备单元能力,CI表示所述作战环中打击类装备实体的所述装备单元能力,CT表示所述作战环中目标类装备实体的所述装备单元能力;
所述确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能,进一步包括:
所述作战时间效率为:
所述作战环的所述作战效能为:
EC=Cbc×Efficiency
所述作战装备系统在t时刻完成对目标实施多次打击,所述作战装备系统t时刻的所述作战效能为:
其中,所述根据所述初始稳定时间、所述抗干扰稳定时间以及所述恢复稳定时间相应的所述作战效能计算基于所述候选恢复策略所述作战装备体系的体系韧性值,进一步包括:
所述初始稳定时间、所述抗干扰稳定时间与所述恢复稳定时间分别为t1,t2,t3;
根据所述初始稳定时间t1、所述抗干扰稳定时间t2的作战效能计算确定所述作战装备体系的抗干扰性Jam:
根据所述抗干扰稳定时间t2、所述恢复稳定时间t3的作战效能计算确定所述作战装备体系的可恢复性Rec:
所述作战装备体系的体系韧性为:
R=Jam*Rec.
基于同样的发明目的,本发明还提供了一种作战装备体系动态恢复电子设备,所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述作战装备体系动态恢复方法。
基于同样的发明目的,本发明还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行所述作战装备体系动态恢复方法。
所述作战装备体系动态恢复方法、电子设备及存储介质,构建与所述作战装备系统相应的超网络模型并对作战装备体系进行动态仿真,基于不同候选恢复策略具有不同的动态仿真情况,相应的确定多个候选恢复策略情况下所述超网络模型的体系韧性,以所述体系韧性为依据确定最优恢复策略,这样的方式综合考虑作战装备系统中的静态属性以及动态影响因素,依此对作战装备体系进行恢复性能表现更优。
附图说明
为了更清楚地说明本发明或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种作战装备体系动态恢复方法的示意图;
图2为本发明实施例所提供的一种作战装备体系动态恢复方法中超网络模型结构示意图;
图3为本发明实施例所提供的一种作战装备体系动态恢复方法中构建超网络模型的方法示意图;
图4为本发明实施例所提供的一种作战装备体系动态恢复方法中计算作战效能的方法示意图;
图5为本发明实施例所提供的一种作战装备体系动态恢复电子设备结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明实施例提供了一种作战装备体系动态恢复方法。
如图1所示,本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法,包括:
S1:获取多个所述装备实体的属性信息,根据所述属性信息构建所述作战装备体系的超网络模型。
所述作战装备体系中装备实体的属性信息可以是用于表征装备间逻辑交互关系、指标影响关系和实际作战交互影响关系的各方面属性,例如,可以包括类属性信息、连接关系信息、指标属性信息、指标属性影响关系以及交互约束信息等。利用装备实体的属性信息分别从逻辑层、指标层和交互层三方面对作战装备体系进行建模并将三者综合构建得到超网络模型,所述超网络模型能够对作战装备体系中存在的静态、动态交互关系进行全面描述,为后续对作战装备体系的分析与仿真提供依据。
S2:获取多个候选恢复策略,分别基于多个候选恢复策略利用所述超网络模型对所述作战装备体系进行动态仿真。
利用超网络模型对作战装备体系进行动态仿真即通过改变超网络模型中各网络节点状态及网络节点间的连接关系对作战装备体系进行仿真,其中包括受攻击后进行恢复过程的仿真。
作战装备体系在面对复杂战场态势下会主动防护,在遭受外部攻击后会通过自组织、自适应等恢复自身性能以保证作战任务继续完成。其中,在进行自身恢复时,可以采用多种不同的恢复策略。例如,多个装备实体遭受打击后,选择优先恢复决策类装备实体的策略进行恢复;或者,当某一装备遭受打击后作战任务链路中断,之前与该装备相连的对端装备优先与该装备同一编组中相近的其他任务连接以恢复作战任务链路;又或者,在某一决策装备所负责指挥的多个打击装备中的部分遭受打击的情况下,当遭受打击的装备占比不高于某特定值,则先不考虑进行恢复,只有超过特定值后再进行恢复,等等。本领域技术人员应当理解的是,基于不同恢复策略利用超网络模型进行动态反正也会有不同的仿真结果,因此可以分别基于多个候选恢复策略进行动态仿真,后续可以根据不同的动态仿真结果来评价和比较多个候选恢复策略。
S3:在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间。
作战装备体系的的作战能力装备体系完成一定作战任务的本领或潜力,是所有装备实体共同的结果,但其是一个相对静态的概念,而作战效能则是对体系具体完成作战任务程度的度量,是一个动态概念,面向作战过程,考虑时间因素,从体系层面综合衡量装备体系的作战效果,体系对目标的打击力度越大、时效性越强,体系的作战效能越高,因此作战效能是衡量系统性能的综合性指标。在动态仿真过程中所述作战装备体系的作战效能也随之变化,可以通过计算确定所述作战效能。进一步的可以根据作战效能的变化情况确定动态仿真过程中的三个关键时间点:初始稳定时间、抗干扰稳定时间与恢复稳定时间。
S4:根据所述初始稳定时间、所述抗干扰稳定时间以及所述恢复稳定时间相应的所述作战效能计算基于所述候选恢复策略所述作战装备体系的体系韧性值。
根据在初始稳定时间、抗干扰稳定时间与恢复稳定时间这三个关键时间点的作战效能分别确定所述作战装备体系的抗干扰性和可恢复性,从而基于所述抗干扰性和所述可恢复性确定整体的体系韧性。
S5:确定多个所述候选恢复策略相应的多个所述体系韧性值,选取体系韧性最大的所述候选恢复策略作为最优恢复策略;以及
S6:基于所述最优恢复策略对所述作战装备系统进行动态恢复。
所述作战装备体系动态恢复方法、电子设备及存储介质,构建与所述作战装备系统相应的超网络模型并对作战装备体系进行动态仿真,基于不同候选恢复策略具有不同的动态仿真情况,相应的确定多个候选恢复策略情况下所述超网络模型的体系韧性,以所述体系韧性为依据确定最优恢复策略,这样的方式综合考虑作战装备系统中的静态属性以及动态影响因素,依此对作战装备体系进行恢复性能表现更优。
图2示出了根据本发明实施例的一种作战装备体系动态恢复方法中所述超网络模型示意图,所述超网络模型包括逻辑层网络、指标层网络与交互层网络。
如图3所示,在本发明一个或多个可选实施例提供的一种作战装备体系动态恢复方法中,所述根据所述属性信息构建所述作战装备体系的超网络模型,进一步包括:
S301:根据所述属性信息确定类属性信息与连接关系信息,根据所述类属性信息与所述连接关系信息构建逻辑层网络,所述逻辑层网络Gl表示为:
Gl=(Vl,El)
其中,Vl={VS,VD,VI,VT}表示装备节点集合,El表示装备节点间的关系矩阵,在所述装备节点集合Vl中,VS={vS1,vS2,…,vSs}表示侦察类节点集合,VD={vD1,vD2,…,vDd}表示决策类节点集合,VI={vA1,vA2,…,vAα}表示打击类节点集合,VT={vT1,vT2,…,vTτ}表示目标类节点集合。如图2中所示,S节点即表示所述侦察类节点,D节点即表示所述决策类节点,I节点即表示所述打击类节点,T节点即表示所述目标类节点。
逻辑层网络描述装备间的逻辑关系,是装备的功能体现,不随战场态势发生变化。节点表示各类装备实体,具有多重属性。边关系表示装备间的静态连接关系,不随时间发生变化,包括侦察、指挥、打击、协同关系等。
在所述装备节点集合中,所述侦察类节点S(Sensor)是指在作战过程中对战场和目标实施侦察、搜集信息和预警的装备节点。所述决策类节点D(Decider)是指将搜集到的信息进行分析决策,对其他装备下达指令的装备节点。所述打击类节点I(Impact)是服从指令对敌方目标实施打击和干扰的装备节点。所述目标类节点T(Target)包括敌方的所有目标装备节点。
逻辑层网络中节点间的交互关系以装备间的逻辑关联为基础,并不意味着装备间存在实际连接情况。在所述逻辑层网络中,存在以下7种逻辑连接类型:
S→S边:侦察装备间的信息共享。
D→D边:决策装备间的指挥协同。
T→S边:侦察装备获取敌方情报。
S→D边:侦察装备将侦察到的情报传输给决策装备。
D→T边:决策装备对打击装备的指挥控制。
D→S边:决策装备对侦察装备的指挥控制。
I→T边:打击装备对敌方目标实施干扰或打击。
S302:根据所述属性信息确定指标属性信息以及指标属性影响关系,根据所述指标属性信息与所述指标属性影响关系构建所述指标层网络,所述指标层网络Gz表示为:
Gz=(Vz,Ez)
其中,Vz=<VzS,VzD,VzI,VzT>表示指标属性集合,Ez表示指标属性影响关系,在所述指标属性集合Vz中,VzS表示侦察类指标属性,VzD表示决策类指标属性,VzI表示打击类指标属性,VzT表示目标类指标属性。
所述指标层网络是所述逻辑层网络和所述交互层网络的子网络,主要描述装备的属性参数,从而帮助后续韧性评估。实际作战中,不同属性之间存在一定影响,比如对于某项任务中,网络通信效率对信息处置效率存在影响,因此装备体系的指标体系是网状结构。如图2中所示,对应于决策类节点D,可能具有多个指标属性Vz(例如,网络通信效率、信息处置效率等),决策类节点D的多个指标属性相互之前可能存在影响关系。
在指标层网络中,每个属性对应网络中的节点,属性之间存在影响关系意味着节点之间存在连边。例如,存在有向连边从网络通信效率指向信息处置效率。
指标层网络也并不是一成不变的,装备的指标属性众多,但并不是每项任务每个指标都能体现,因此针对不同的任务不同场景,所突出的指标属性不同,指标层网络也会发生变化。
S303:根据所述属性信息确定多个所述装备实体的交互约束信息,根据所述交互约束信息确定多个所述装备实体间的连接关系,根据所述连接关系构建所述交互层网络。
其中,所述交互约束信息包括服务供需信息、通信约束信息、作战范围约束信息以及时间约束信息。
在所述交互层网络中多个装备实体节点之间的连接情况是随时间不断变化的,判断某个时刻两节点间是否存在连接,需要同时考虑以下几种约束:
(1)服务供需:两节点间的供需达到一致才有可能存在连接。服务供需约束可以表示为:
其中ServiceProvidedi表示装备i可提供的服务集合,ServicesNeededj表示装备j需求的服务集合。服务包括侦察(Sensor)、通信(Comms)、指控(command and control,C2)、打击(Weapon)、预警(Early Warning,EW)等。
(2)通信约束:两节点之间可以达成通信要求才可能存在连接,通信约束包括通信范围约束与通信接口约束。其中,通信范围约束是指两节点间的距离需满足同时小于二者的最大可通信范围,通信接口约束是指两节点需满足具有相同类型的的通信接口。
(3)侦察/打击范围约束:对于侦察类/打击类节点与目标节点之间的连接关系判断,需要考虑目标节点是否处于侦察类/打击类节点的侦察/打击范围之内。
(4)时间约束:作战中,各项活动都是有时间顺序的,且装备间的连边是有向的,两装备节点之间存在连接关系的前提之一就是两节点间的一者参与作战的时间不能再另一者退出作战之后。
根据所述交互约束信息确定多个所述装备实体间的连接关系,根据所述连接关系构建所述交互层网络,在相应时刻所述交互层网络GJ(t)表示为:
GJ(t)=(VJ(t),EJ(t))
其中,VJ(t)表示相应适合正常运行的所述装备实体,EJ(t)表示所述装备实体间的交互连接关系。
在本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法中,所述动态仿真过程包括性能稳定阶段、性能下降阶段、性能恢复阶段与新稳定阶段;
其中,在所述性能稳定阶段,所述作战装备体系尚未遭受打击,多个所述装备实体正常运行,作战效能保持在第一稳定值;
在所述性能下降阶段,所述作战装备体系遭受打击干扰,部分所述装备实体失效,所述装备实体间的交互连接关系被破坏,作战效能从所述第一稳定值持续下降至一极小值;
在所述性能恢复阶段,所述作战装备体系基于所述候选恢复策略通过自组织、自适应对体系性能进行恢复,作战效能从所述极小值开始逐步增大至第二稳定值;
在所述新稳定阶段,所述作战装备系统性能恢复完成达成新的稳定状态,作战效能保持在所述第二稳定值;
所述根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间,进一步包括:
根据所述动态仿真过程中的所述作战效能确定所述动态仿真过程的所述性能稳定阶段、所述性能下降阶段、所述性能恢复阶段与所述新稳定阶段;
所述初始稳定时间为所述性能稳定阶段与所述性能下降阶段的交界时间;
所述抗干扰稳定时间为所述性能下降阶段与所述性能恢复阶段的交界时间;
所述恢复稳定时间为所述性能恢复阶段与所述新稳定阶段的交界时间。
如图4所示,在本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法中,所述在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,进一步包括:
S401:在所述动态仿真过程中相应时刻根据所述超网络模型计算确定多个所述装备实体的装备单元能力;
S402:根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力;
S403:确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能。
在本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法中,所述在所述动态仿真过程中相应时刻根据所述超网络模型计算确定所述作战装备体系中多个所述装备实体的装备单元能力,进一步包括:
在所述指标层网络中确定所述装备实体相应的多个所述指标属性;
分别计算多个所述指标属性到所述逻辑层网络中的多个所述装备节点的链路数量;
根据所述链路数量确定各所述指标属性相应的性能权重:
其中,wi表示所述装备实体中第i个所述指标属性的所述性能权重,i=1,2,3,…,rs,rs表示所述装备实体的所述指标属性的数量;
根据所述指标属性的归一化数值与所述性能权重计算确定所述装备实体的装备单元能力:
其中,m表示相互之间独立的所述指标属性的数目,xj表示相互之间独立的所述指标属性相应的所述归一化数据,wj表示相互之间独立的所述指标属性的所述性能权重;
其中,n表示所述装备实体的具有直接影响关系的多个所述指标属性所组成的指标簇数目,l表示在一个所述指标簇中是所述指标属性的数目,xk表示所述指标簇中所述指标属性相应的所述归一化数据,wk表示所述指标簇中所述指标属性的所述性能权重。
在本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法中,所述根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力,进一步确定:
所述作战环的作战能力Cbc为:
其中表示所述作战环中侦察类装备实体的所述装备单元能力,表示所述作战环中决策类装备实体的所述装备单元能力,CI表示所述作战环中打击类装备实体的所述装备单元能力,CT表示所述作战环中目标类装备实体的所述装备单元能力;
所述确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能,进一步包括:
所述作战时间效率为:
所述作战环的所述作战效能为:
EC=Cbc×Efficiency
所述作战装备系统在t时刻完成对目标实施多次打击,所述作战装备系统t时刻的所述作战效能为:
在本发明一个或多个可选实施例所提供的一种作战装备体系动态恢复方法中,,所述根据所述初始稳定时间、所述抗干扰稳定时间以及所述恢复稳定时间相应的所述作战效能计算基于所述候选恢复策略所述作战装备体系的体系韧性值,进一步包括:
所述初始稳定时间、所述抗干扰稳定时间与所述恢复稳定时间分别为t1,t2,t3;
根据所述初始稳定时间t1、所述抗干扰稳定时间t2的作战效能计算确定所述作战装备体系的抗干扰性Jam:
根据所述抗干扰稳定时间t2、所述恢复稳定时间t3的作战效能计算确定所述作战装备体系的可恢复性Rec:
所述作战装备体系的体系韧性为:
R=Jam*Rec.
需要说明的是,本发明实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本发明的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的作战装备体系动态恢复方法方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的所述作战装备体系动态恢复方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本发明还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的作战装备体系动态恢复方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的作战装备体系动态恢复方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种作战装备体系动态恢复方法,其中,所述作战装备体系包括多个装备实体,其特征在于,所述方法包括:
获取多个所述装备实体的属性信息,根据所述属性信息构建所述作战装备体系的超网络模型;
获取多个候选恢复策略,分别基于多个候选恢复策略利用所述超网络模型对所述作战装备体系进行动态仿真;
在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间;
根据所述初始稳定时间、所述抗干扰稳定时间以及所述恢复稳定时间相应的所述作战效能计算基于所述候选恢复策略所述作战装备体系的体系韧性值;
确定多个所述候选恢复策略相应的多个所述体系韧性值,选取体系韧性最大的所述候选恢复策略作为最优恢复策略;以及
基于所述最优恢复策略对所述作战装备系统进行动态恢复。
2.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息构建所述作战装备体系的超网络模型,进一步包括:
根据所述属性信息确定类属性信息与连接关系信息,根据所述类属性信息与所述连接关系信息构建逻辑层网络,所述逻辑层网络Gl表示为:
Gl=(Vl,El)
其中,Vl={VS,VD,VI,VT}表示装备节点集合,El表示装备节点间的关系矩阵,在所述装备节点集合Vl中,表示侦察类节点集合,,VD={vD1,vD2,...,vDd}表示决策类节点集合,VI={vA1,vA2,...,vAα}表示打击类节点集合,VT={vT1,vT2,...,vTτ}表示目标类节点集合;
根据所述属性信息确定指标属性信息以及指标属性影响关系,根据所述指标属性信息与所述指标属性影响关系构建所述指标层网络,所述指标层网络Gz表示为:
Gz=(Vz,Ez)
其中,Vz=<VzS,VzD,VzI,VzT>表示指标属性集合,Ez表示指标属性影响关系,在所述指标属性集合Vz中,VzS表示侦察类指标属性,VzD表示决策类指标属性,VzI表示打击类指标属性,VzT表示目标类指标属性;
根据所述属性信息确定多个所述装备实体的交互约束信息,其中,所述交互约束信息包括服务供需信息、通信约束信息、作战范围约束信息以及时间约束信息;
根据所述交互约束信息确定多个所述装备实体间的连接关系,根据所述连接关系构建所述交互层网络,在相应时刻所述交互层网络GJ(t)表示为:
GJ(t)=(VJ(t),EJ(t))
其中,VJ(t)表示相应适合正常运行的所述装备实体,EJ(t)表示所述装备实体间的交互连接关系。
3.根据权利要求1所述的方法,其特征在于,所述动态仿真过程包括性能稳定阶段、性能下降阶段、性能恢复阶段与新稳定阶段;
其中,在所述性能稳定阶段,所述作战装备体系尚未遭受打击,多个所述装备实体正常运行,作战效能保持在第一稳定值;
在所述性能下降阶段,所述作战装备体系遭受打击干扰,部分所述装备实体失效,所述装备实体间的交互连接关系被破坏,作战效能从所述第一稳定值持续下降至一极小值;
在所述性能恢复阶段,所述作战装备体系基于所述候选恢复策略通过自组织、自适应对体系性能进行恢复,作战效能从所述极小值开始逐步增大至第二稳定值;
在所述新稳定阶段,所述作战装备系统性能恢复完成达成新的稳定状态,作战效能保持在所述第二稳定值;
所述根据所述作战效能确定初始稳定时间、抗干扰稳定时间与恢复稳定时间,进一步包括:
根据所述动态仿真过程中的所述作战效能确定所述动态仿真过程的所述性能稳定阶段、所述性能下降阶段、所述性能恢复阶段与所述新稳定阶段;
所述初始稳定时间为所述性能稳定阶段与所述性能下降阶段的交界时间;
所述抗干扰稳定时间为所述性能下降阶段与所述性能恢复阶段的交界时间;
所述恢复稳定时间为所述性能恢复阶段与所述新稳定阶段的交界时间。
4.根据权利要求2所述的方法,其特征在于,所述在动态仿真过程中根据所述超网络模型计算所述作战装备体系的作战效能,进一步包括:
在所述动态仿真过程中相应时刻根据所述超网络模型计算确定多个所述装备实体的装备单元能力;
根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力;
确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能。
5.根据权利要求4所述的方法,其特征在于,所述在所述动态仿真过程中相应时刻根据所述超网络模型计算确定所述作战装备体系中多个所述装备实体的装备单元能力,进一步包括:
在所述指标层网络中确定所述装备实体相应的多个所述指标属性;
分别计算多个所述指标属性到所述逻辑层网络中的多个所述装备节点的链路数量;
根据所述链路数量确定各所述指标属性相应的性能权重:
其中,wi表示所述装备实体中第i个所述指标属性的所述性能权重,i=1,2,3,…,rs,rs表示所述装备实体的所述指标属性的数量;
根据所述指标属性的归一化数值与所述性能权重计算确定所述装备实体的装备单元能力:
其中,m表示相互之间独立的所述指标属性的数目,xj表示相互之间独立的所述指标属性相应的所述归一化数据,wj表示相互之间独立的所述指标属性的所述性能权重;
其中,n表示所述装备实体的具有直接影响关系的多个所述指标属性所组成的指标簇数目,l表示在一个所述指标簇中是所述指标属性的数目,xk表示所述指标簇中所述指标属性相应的所述归一化数据,wk表示所述指标簇中所述指标属性的所述性能权重。
6.根据权利要求4所述的方法,其特征在于,所述根据多个所述装备实体的所述装备单元能力计算确定所述作战装备系统中执行目标打击的作战环的作战能力,进一步确定:
所述作战环的作战能力Cbc为:
其中表示所述作战环中侦察类装备实体的所述装备单元能力,表示所述作战环中决策类装备实体的所述装备单元能力,CI表示所述作战环中打击类装备实体的所述装备单元能力,CT表示所述作战环中目标类装备实体的所述装备单元能力;
所述确定所述作战环的作战时间效率,根据所述作战时间效率与所述作战能力计算确定所述作战装备系统的作战效能,进一步包括:
所述作战时间效率为:
所述作战环的所述作战效能为:
EC=Cbc×Efficiency
所述作战装备系统在t时刻完成对目标实施多次打击,所述作战装备系统t时刻的所述作战效能为:
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
9.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110867209.8A CN113568782B (zh) | 2021-07-29 | 2021-07-29 | 作战装备体系动态恢复方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110867209.8A CN113568782B (zh) | 2021-07-29 | 2021-07-29 | 作战装备体系动态恢复方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113568782A true CN113568782A (zh) | 2021-10-29 |
CN113568782B CN113568782B (zh) | 2023-07-18 |
Family
ID=78169279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110867209.8A Active CN113568782B (zh) | 2021-07-29 | 2021-07-29 | 作战装备体系动态恢复方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568782B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619105A (zh) * | 2022-12-05 | 2023-01-17 | 中国电子科技集团公司第二十八研究所 | 基于仿真大数据的动态演化体系能力分析方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180341876A1 (en) * | 2017-05-25 | 2018-11-29 | Hitachi, Ltd. | Deep learning network architecture optimization for uncertainty estimation in regression |
CN112580217A (zh) * | 2020-12-25 | 2021-03-30 | 北京机电工程研究所 | 基于复杂网络的通信体系结构参数化建模方法 |
-
2021
- 2021-07-29 CN CN202110867209.8A patent/CN113568782B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180341876A1 (en) * | 2017-05-25 | 2018-11-29 | Hitachi, Ltd. | Deep learning network architecture optimization for uncertainty estimation in regression |
CN112580217A (zh) * | 2020-12-25 | 2021-03-30 | 北京机电工程研究所 | 基于复杂网络的通信体系结构参数化建模方法 |
Non-Patent Citations (3)
Title |
---|
李际超: "异质信息网络数据挖掘关键技术研究", 中国博士学位论文全文数据库信息科技辑, pages 20 - 30 * |
葛冰峰,李际超,赵丹玲,杨克巍,谭跃进: "基于元路径的武器装备体系作战网络链路预测方法", 系统工程与电子技术, vol. 41, no. 05 * |
贾妮萍: "基于超网络的装备体系建模与评估方法研究", 中国优秀硕士学位论文全文数据库 社会科学Ⅰ辑 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619105A (zh) * | 2022-12-05 | 2023-01-17 | 中国电子科技集团公司第二十八研究所 | 基于仿真大数据的动态演化体系能力分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113568782B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929394B (zh) | 基于超网络理论的联合作战体系建模方法以及存储介质 | |
Cheng et al. | Resilience evaluation for UAV swarm performing joint reconnaissance mission | |
CN111784135B (zh) | 基于超网络和ooda环理论的体系作战能力量化分析方法 | |
CN112422699B (zh) | 一种基于动态调整的无人机集群行动方案生成方法 | |
CN110519094B (zh) | 一种基于装备体系网络的打击链路评估方法 | |
CN113568782A (zh) | 作战装备体系动态恢复方法、电子设备及存储介质 | |
CN116820126A (zh) | 基于多无人机路径规划的深度强化学习系统及方法 | |
CN115348073A (zh) | 一种基于博弈论的DDoS攻击下CPPS防御策略决策方法 | |
CN114996703A (zh) | 一种电力系统网络安全靶场混合仿真方法、系统及设备 | |
Rosser et al. | Implementation of Strangely Behaving Intelligent Agents to Determine Human Intervention During Reinforcement Learning | |
CN112883589B (zh) | 一种场景关联度计算方法、装置、计算机设备和存储介质 | |
Chen et al. | Overload: Latency attacks on object detection for edge devices | |
Wigness et al. | Efficient and resilient edge intelligence for the internet of battlefield things | |
CN115239941B (zh) | 对抗图像生成方法、相关装置及存储介质 | |
CN114722998B (zh) | 一种基于cnn-ppo的兵棋推演智能体构建方法 | |
Riccio et al. | Context-based coordination for a multi-robot soccer team | |
CN113312802B (zh) | 一种基于异构系统的联合仿真方法和装置 | |
CN113015169B (zh) | 充电无线传感器网络恶意程序传播最优控制方法、设备及介质 | |
CN115169131A (zh) | 基于韧性的作战体系节点保护方法、装置及电子设备 | |
Al Aqqad et al. | Modeling command and control systems in wildfire management: characterization of and design for resiliency | |
Oyenan et al. | Design and evaluation of a multiagent autonomic information system | |
Zhou et al. | The resilience evaluation of unmanned autonomous swarm with informed agents under partial failure | |
CN117441168A (zh) | 用于深度强化学习中的对抗性攻击的方法和装置 | |
WO2021262139A1 (en) | Distributed machine learning models | |
CN113518062B (zh) | 攻击检测方法、装置及计算机设备 |
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 |