CN114117710A - 一种基于复杂网络的作战方案优化和选择方法及存储介质 - Google Patents

一种基于复杂网络的作战方案优化和选择方法及存储介质 Download PDF

Info

Publication number
CN114117710A
CN114117710A CN202210110317.5A CN202210110317A CN114117710A CN 114117710 A CN114117710 A CN 114117710A CN 202210110317 A CN202210110317 A CN 202210110317A CN 114117710 A CN114117710 A CN 114117710A
Authority
CN
China
Prior art keywords
nodes
index
node
calculating
links
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
Application number
CN202210110317.5A
Other languages
English (en)
Other versions
CN114117710B (zh
Inventor
王伟
程永军
李妍
张峰
林旺群
田成平
沈洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Strategic Evaluation And Consultation Center Of Pla Academy Of Military Sciences
Original Assignee
Strategic Evaluation And Consultation Center Of Pla Academy Of Military Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Strategic Evaluation And Consultation Center Of Pla Academy Of Military Sciences filed Critical Strategic Evaluation And Consultation Center Of Pla Academy Of Military Sciences
Priority to CN202210110317.5A priority Critical patent/CN114117710B/zh
Publication of CN114117710A publication Critical patent/CN114117710A/zh
Application granted granted Critical
Publication of CN114117710B publication Critical patent/CN114117710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于复杂网络的作战方案优化和选择方法，按照复杂网络的思想，把作战方案设计成具有一定结构的节点、链路，按照某种方式连接的复杂网络系统，从基础效果参量、体系效果指标、以及二者之间的聚合关系构建模型框架，重点突出了体系级对抗中作战方案效能的瞬态、演化、对抗特性等基础效果指标，以及指挥体系、打击体系和交战体系等关键特征，既考虑作战方案的静态效果、又考虑作战体系演化的动态特点，能够实现对于作战方案的选择和优化。

Description

一种基于复杂网络的作战方案优化和选择方法及存储介质
技术领域
本发明涉及模拟仿真领域，特别的，涉及一种对复杂网络的作战方案进行评估，从而对作战方案进行优化和选择的方法。
背景技术
评估作战方案的决策效果是指在对抗环境下描述计算作战方案与决策目标（作战任务）的达成情况，主要用于衡量作战方案付诸实施后，属于作战决策的核心内容，也是选择作战方案的基本依据。作战是一个多尺度、多粒度、极其复杂的过程，在一定程度上是一个多目标优化问题，对抗的任何一方都不可能在所有角度占尽优势，只有对整个作战过程进行全方位的客观评估才能够更全面地反映作战方案的决策效果。
对于作战方案的评估，现有技术中主要采用解析法、多属性评估法和建模仿真法。但解析法把战争看作是一个确定的过程，缺乏对战争动态演化特性的表现；多属性评估法主观性较强，需要人为定义权重；建模仿真法系统复杂度高，模型体系复杂，模型置信度和数据源不统一。
因此，如何提出一种新的评估方法，既规避现有技术对于作战方案存在的缺陷，又提高评估的效能，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基于复杂网络的作战方案优化和选择方法，能够既考虑作战方案的静态效果、又考虑作战体系演化的动态特点，将仿真推演引入到决策环节，通过推演输出的结果，跟踪用户关心的各项与方案效果有关的数据，再通过这些数据，评估作战方案的可行性与科学性，并对方案进行优化和选择。
为达此目的，本发明采用以下技术方案：
一种基于复杂网络的作战方案优化和选择方法，其特征在于，包括如下步骤：
复杂网络系统构建步骤S110：
按照复杂网络的思想，将作战方案设计成具有一定结构的节点、链路，按照某种方式连接的复杂网络系统；
所述节点为将具有一定职责权限、完成特定功能、物理上独立存在的作战体系的参战对象或其它构成要素抽象为复杂网络的节点，
链路是参战对象的节点之间的关系，被抽象成复杂网络中的链路；
作战方案决策效果评估网络构建步骤S120：
基于复杂网络的作战方案结构，构建作战方案决策效果评估网络体系，具体的，所述体系包括：基础效果指标 𝛿和体系效果指标𝜃；
所述基础效果指标𝛿分为计算瞬态类指标𝛼、演化类指标𝛽、对抗类指标𝛾，并根据这三个指标的加权计算得到；
所述体系效果指标𝜃分为计算指挥体系特征指标𝑎、打击体系特征指标𝑏和交战体系特征指标𝑐，并根据这三个指标的加权计算得到；
作战方案选择优化步骤S130：
利用步骤S120计算得到的基础效果指标𝛿和体系效果指标𝜃，对作战方案进行选择或者优化，从而得到最优的作战方案。
可选的，所述节点包括：
指挥节点、传感节点、物理打击节点、信息融合节点、通信节点、信息作战节点、保障节点以及分域信息；
所述链路包括：
情报通报链路、信息攻击链路、物理攻击链路以及保障链路。
可选的，节点的属性包括：节点编号、父节点编号、节点名称、节点属性、经纬高、毁伤状态、对抗方以及分域和作战空间。
可选的，所述瞬态类指标𝛼分别设定重心性指标𝑒、抗毁性指标𝑔、结构分散性指标𝑆、体系运行效率指标𝑡̅，并根据这四个指标的按照一定权重聚合后得到瞬态类指标𝛼；
（1）重心性指标𝑒：
首先求取所有节点的中心度，得到全局中心节点的排布顺序；再分别求取各个分域中的中心节点，即局部中心节点的排布顺序，最后得到全局中心节点和局部中心节点重合后的综合排序；
具体的，计算步骤如下：
1）遍历复杂网络中所有节点，根据节点ID,即节点编号和其父节点ID，即父节点编号，计算每个节点的度
Figure 475275DEST_PATH_IMAGE001
；
其中，
Figure 228468DEST_PATH_IMAGE002
Figure 109836DEST_PATH_IMAGE003
为节点𝑖的节点属性数据中单元父节点为𝑖出现的次数，
Figure 137835DEST_PATH_IMAGE004
为节点𝑖的节点属性数据中𝑖出现的次数；
2）对复杂网络中的所有节点的度
Figure 788259DEST_PATH_IMAGE005
由大到小进行排序，如果多个节点的度
Figure 961620DEST_PATH_IMAGE005
并列最大，则按节点所属分域排序，排列顺序为：陆域>海域>空域>天域，选择前N个节点，即获得全局中心节点的排序；
3）遍历每个分域中的节点，根据节点ID和其父节点ID，计算每个节点的度
Figure 64705DEST_PATH_IMAGE005
，将每个分域中的度最大的节点作为分域中心节点，即局部中心节点,如果多个节点的度
Figure 99658DEST_PATH_IMAGE005
并列最大，则选取全部的并列节点；
4）提取在全局中心节点和局部中心节点中存在重合的节点，计算重合的数量𝑒；
（2）抗毁性指标𝑔：
以重点军事节点的连通数量在全部网络连通数量中的占比得到；
其计算步骤如下：
1）计算节点𝑖的度
Figure 604588DEST_PATH_IMAGE005
：
Figure 496321DEST_PATH_IMAGE006
则节点间所有连接数量d，即
Figure 601549DEST_PATH_IMAGE007
其中N为复杂网络节点的总数；
2）计算重要军事节点间的连通数量，
Figure 174613DEST_PATH_IMAGE008
,m为重要军事节点的个数，
3）计算重要军事节点的连通数量在网络中全部连通数量的占比为抗毁性指标𝑔，如下：
Figure 534050DEST_PATH_IMAGE009
（3）结构分散性指标S
通过计算复杂网络的节点空间分散性E和网络中的平均连通数量，进行加权求和计算结构分散性指标S；
1）节点空间分散性E计算步骤为：
②计每个分域的节点个数
Figure 799946DEST_PATH_IMAGE010
，统计节点总数𝑛；
②计算每个分域的节点占比：
Figure 126891DEST_PATH_IMAGE011
③计算节点空间分散性
Figure 565963DEST_PATH_IMAGE012
；
2）节点间平均连通数量
节点间平均连通数量以体系的初始综合数据为输入，计算每个节点的度数，求取所有节点的平均度数作为节点间平均连通数量，其计算步骤如下：
节点间平均连通数量：
Figure 45486DEST_PATH_IMAGE013
，
对上述计算得到的节点空间分散性和节点间平均连通数量进行加权求和，得到复杂军事网络的结构分散性S如下：
Figure 482283DEST_PATH_IMAGE014
；
（4）体系运行效率指标
Figure 781678DEST_PATH_IMAGE015
用节点间连接建立时间表示体系运行效率，具体计算步骤如下：
1）提取统计所有的信息攻击链路和物理攻击链路，设其有𝑛条；
2）根据每个链路计算每两个节点间的连接建立时间为：
Figure 948741DEST_PATH_IMAGE016
，
Figure 548350DEST_PATH_IMAGE017
表示连接结束时间点，
Figure 156049DEST_PATH_IMAGE018
表示连接开始时间点，
3）对𝑘个链路的节点间的连接时间进行平均，计算节点间连接建立时间为：
Figure 5056DEST_PATH_IMAGE019
（5）瞬态类指标𝛼
Figure 723613DEST_PATH_IMAGE020
；
对于所述演化类指标𝛽，
演化类单项指标与瞬态类单项指标相对应，包括单位时间内重心性、抗毁性、结构分散性和体系运行效率的对应变化情况，通过瞬态类指标内的重心性指标、抗毁性指标、结构分散性指标和体系运行效率指标中每一类指标中的Δt时间间隔前后两个指标的差值对于Δt求商得到，用于动态演化效能的分析，然后将单位时间内重心性、抗毁性、结构分散性和体系运行效率乘以对应的权重值后相加得到所述演化类指标𝛽；
对于所述交战类指标𝛾，
交战类指标与演化类指标一一对应，每个单项指标通过相同时间点敌我双方的演化类单项指标的对比值计算得到，即交战双方在某个时间点的重心性、抗毁性、结构分散性和体系运行效率的比值，然后将各个单项指标的比值乘以对应的权重值后相加得到所述交战类指标𝛾；
基础效果指标𝛿：
Figure 161417DEST_PATH_IMAGE021
其中
Figure 940017DEST_PATH_IMAGE022
分别是瞬态类指标、演化类指标和对抗类指标的权重。
可选的，所述体系效果指标𝜃中，
所述体系效果指标𝜃中，
对于所述指挥体系指标𝑎，
首先分别计算指挥节点占比𝑎1和指挥节点平均作业时长占比𝑎2，并根据这两个指标加权计算得到；
（1）指挥节点占比偏离度𝑎1
指挥节点占比偏离度𝑎1，计算步骤如下：
1）统计本方节点总数𝑘，以及统计指挥节点数量𝑗；
2）计算指挥节点占比𝑗/𝑘；
3）计算指挥节点占比偏离度
Figure 479583DEST_PATH_IMAGE023
；
（2）指挥节点平均作业时长占比𝑎2
计算步骤如下：
1）计算本方所有的信息攻击链路，物理攻击链路，共得到𝑤条链路；
2）计算本方每个链路中的指挥节点作业时间，提取每个链路中第一个节点出现的时间
Figure 798568DEST_PATH_IMAGE024
和最后一个节点出现的时间
Figure 107190DEST_PATH_IMAGE025
，则这个链路的作业时间为
Figure 305959DEST_PATH_IMAGE026
；
3）计算𝑤个链路中每个链路的指挥节点的作业时间
Figure 801663DEST_PATH_IMAGE027
，则所有指控节点的平均作业时长为
Figure 127602DEST_PATH_IMAGE028
，以本方平均作业时长𝑎2作为该项评价指标；
（3）指挥体系指标𝑎
Figure 290730DEST_PATH_IMAGE029
其中
Figure 660400DEST_PATH_IMAGE030
分别是指挥节点占比偏离度𝑎1和指挥节点平均作业时长占比𝑎2的权重；
对于所述打击体系特征𝑏
打击体系指标𝑏分别计算物理攻击链路平均生成时间𝑏1和物理攻击链路打击距离𝑏2，并根据这两个指标加权计算得到，
（1）物理攻击链路平均生成时间𝑏1
计算步骤如下：
1）统计的本方物理攻击链路数量𝑥；
2）统计本方每个物理攻击链路的第二个节点出现的时间
Figure 971296DEST_PATH_IMAGE031
和第一个节点出现的时间
Figure 835346DEST_PATH_IMAGE032
，计算打击时间
Figure 852981DEST_PATH_IMAGE033
；
3）计算出本方物理攻击链路的平均生成时间
Figure 409864DEST_PATH_IMAGE034
，以物理攻击链路的平均生成时间𝑏1作为该项评价指标；
（2）物理攻击链路平均打击距离𝑏2
计算步骤如下：
1）统计本方物理攻击链路数量𝑦；
2）计算本方每个物理攻击链路的打击距离，根据第一节点的经纬高和第二节点的经纬高计算距离
Figure 126498DEST_PATH_IMAGE035
；
3）计算本方物理攻击链路的平均距离
Figure 528660DEST_PATH_IMAGE036
，以物理攻击链路的平均距离速度 𝑏2作为该项评价指标；
（3）打击体系指标𝑏
Figure 666381DEST_PATH_IMAGE037
其中
Figure 394165DEST_PATH_IMAGE038
分别是物理攻击链路平均生成时间和物理攻击链路平均打击距离分指标的权重；
对于所述交战体系特征𝑐，
分别计算交战链路数量𝑐1和信息融合能力𝑐2，并根据这两个指标加权计算得到，
（1）交战链路数量𝑐1，以我方打击链路数量𝑐1作为该项评价指标；
（2）信息融合能力𝑐2，计算步骤如下：
1）提取本方所有链路𝑧；
2）提取我方链路，并统计带有信息融合节点F的节点数量𝑓；
3）计算我方信息融合能力占比
Figure 148495DEST_PATH_IMAGE039
,以我方信息融合能力占比𝑐2作为该项评价指标;
（3）交战体系特征𝑐
Figure 869195DEST_PATH_IMAGE040
其中
Figure 861422DEST_PATH_IMAGE041
分别是交战链路数量和信息融合能力分指标的权重，
综合得到体系效果指标𝜃
Figure 494528DEST_PATH_IMAGE042
其中
Figure 939416DEST_PATH_IMAGE043
分别是指挥体系指标𝑎、打击体系𝑏和交战体系𝑐的权重，根据具体应用的需要设置大小。
可选的，本方法能够对优化后的方案再次执行步骤S110和S120，循环多次，直到得到最终需要的优化后的作战方案。
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，所述计算机可执行指令在被处理器执行时执行上述的基于复杂网络的作战方案优化方法。
本发明具有如下的优点：
以复杂网络的思想为切入点，设计出包括节点和链路等作战方案的复杂网络结构，根据该网络结构提出一套相互关联的指标体系框架及其构建流程，重点突出了体系级对抗中作战方案效能的瞬态、演化、对抗特性等基础效果指标，以及指挥体系、打击体系和交战体系等关键特征，既考虑作战方案的静态效果、又考虑作战体系演化的动态特点，能够实现对于作战方案的选择和优化。
附图说明
图1是根据本发明具体实施例的基于复杂网络的作战方案优化和选择方法的流程图；
图2是根据本发明具体实施例的基于复杂网络的决策基础效果的指标分析示意图；
图3是根据本发明另一个具体实施例的对作战方案进行决策评估的流程示例。
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：按照复杂网络的思想，把作战方案设计成具有一定结构的节点、链路，按照某种方式连接的复杂网络系统，从基础效果参量、体系效果指标、以及二者之间的聚合关系构建模型框架，重点突出了体系级对抗中作战方案效能的瞬态、演化、对抗特性等基础效果指标，以及指挥体系、打击体系和交战体系等关键特征；从而对作战方案进行选择或者优化。
具体的，参见图1，示出了根据本发明具体实施例的基于复杂网络的作战方案优化和选择方法的流程图，包括如下步骤：
复杂网络系统构建步骤S110：
按照复杂网络的思想，将作战方案设计成具有一定结构的节点、链路，按照某种方式连接的复杂网络系统；
其中所述节点为将具有一定职责权限、完成特定功能、物理上独立存在的作战体系的参战对象或其它构成要素抽象为复杂网络的节点，示例性的可以用V进行表示；
在一个具体的实施例中，所述节点包括：
指挥节点(P)、传感节点(S)、物理打击节点(U)、信息融合节点(F)、通信节点(C)、信息作战节点(J)、保障节点(D)以及分域信息。
在一个示例性的实施例中，所述复杂网络的节点的具体说明如表1所示。
表1 复杂网络节点说明
Figure 198228DEST_PATH_IMAGE044
Figure 44961DEST_PATH_IMAGE045
Figure 911286DEST_PATH_IMAGE046
节点具有三方面属性，包括：
1)节点依附于指挥控制组织实体，履行组织赋予的相关使命任务，具有明确的职责和任务范围；2)节点具有明确的功能，比如侦察预警、信息处理和指挥控制功能等；3)节点是一个物理实体，不是一个逻辑的概念，有具体的物理位置和网络地址。
在一个具体的实施例中，节点的属性可以包括：节点编号、父节点编号、节点名称、节点属性、经纬高、毁伤状态、对抗方以及分域和作战空间，构建的节点属性如表2所示。
表2 节点属性描述
Figure 46732DEST_PATH_IMAGE047
Figure 656705DEST_PATH_IMAGE048
链路是参战对象的节点之间的关系，被抽象成复杂网络中的链路，用E表示。这种相互关系主要是信息交互关系，代表了连通性、流动的信息内容和业务处理上的先后顺序，通过仿真数据探测以链路的形式呈现。
本发明可以将探测到所有节点在某一时刻的状态（探测到敌方探测或被敌方节点探测），根据时间先后顺序、节点属性及节点之间的位置等关系构造成：情报通报链路、信息攻击链路、物理攻击链路以及保障链路。
具体的，不同层级的各节点之间以指挥关系、信息给予关系和反馈关系为主，而同级的节点之间往往以信息交互关系为主。
示例的，表3中示出了复杂网络链路的说明。
表3 复杂网络链路说明
Figure 872792DEST_PATH_IMAGE049
作战方案决策效果评估网络构建步骤S120：
参见图2，基于复杂网络的作战方案结构，构建作战方案决策效果评估网络体系，具体的，所述体系包括：基础效果指标𝛿和体系效果指标𝜃；
所述基础效果指标𝛿根据体系的瞬态、演化、对抗特性相应地分为计算瞬态类指标𝛼、演化类指标𝛽、对抗类指𝛾，并根据这三个指标的加权计算得到；
所述体系效果指标𝜃根据评估目标分为三个部分，分别计算指挥体系特征指标𝑎、打击体系特征指标𝑏和交战体系特征指标𝑐，并根据这三个指标的加权计算得到。
对于所述瞬态类指标𝛼：
传统效果评估方法针对的对象是单一作战行动或武器装备，但这种评估方法无法满足体系作战的要求。本发明设计的评估方法不是对单一对象的单项评估，而是向对体系化对象的综合评估转变，相应的指标体系构建也更加突出整体性。
因此，本发明瞬态指标反映的就是作战方案的整体瞬态性能，对与体系效能密切相关的节点、结构、连通性、重心和网络化效应进行整体性的量化度量，直接通过对定义的复杂网络参数进行量化而获得，进而计算整体的瞬态效能。
具体的，本发明中的瞬态类指标分别设定重心性指标𝑒、抗毁性指标𝑔、结构分散性指标𝑆、体系运行效率指标
Figure 847701DEST_PATH_IMAGE050
，并根据这四个指标的按照一定权重聚合后得到瞬态类指标𝛼。
（1）重心性指标𝑒：
重心性是通过对重要节点在整个军事体系中的分布进行评估，以评估整个军事网络体系的分布科学性。在实际中，军事布局呈现多区域性及多网络性，即存在海、陆、空、天、信息等超网络性，又呈现一定的区域性。根据不同分域的部队得到军事网络的具体分布图，其中每个分域的部队中心节点则根据所有部队节点的中心度进行求取，求其中心度（度、接近中心度、介数中心度）最大值的节点作为中心节点。全局和局部中心点的排序分布，是用来表示起重要作用的重要目标节点在整个军事网络体系的分布情况。其衡量标准为度，即各军事节点之间的连接数量。通过全局中心节点和局部中心节点分布的交集，得出整个军事体系中重要目标节点在军事体系中影响程度大小的排序分布。
根据中心度求全局中心节点，即一个复杂军事网络中的重要军事节点。所以，重心性指标具体为：首先求取所有节点的中心度，得到全局中心节点的排布顺序；再分别求取各个分域中的中心节点，即局部中心节点的排布顺序，最后得到全局中心节点和局部中心节点的综合排序，以分析网络重心性分布在哪些重要军事节点。局部中心节点与全局中心节点的重合性越高，说明复杂网络的重心性越高。
在本发明中，重要军事节点是指复杂军事网络中，对保持系统正常运行、功能正常发挥起主导作用、或对维护系统结构稳定产生重要影响的节点，如指挥中枢、通信枢纽等节点。在全局中心节点和局部中心节点的综合排序，排序越靠前，重要性越高。具体的重要军事节点的数量，可以根据要求来设定。
具体的，计算步骤如下：
1）遍历复杂网络中所有节点，根据节点ID和其父节点ID，计算每个节点的度
Figure 267181DEST_PATH_IMAGE051
；
其中，
Figure 618528DEST_PATH_IMAGE052
Figure 236591DEST_PATH_IMAGE053
为节点𝑖的节点属性数据中单元父节点PID为𝑖出现的次数，
Figure 837861DEST_PATH_IMAGE054
为节点𝑖的节点属性数据中𝑖出现的次数；
2）对复杂网络中的所有节点的度
Figure 541375DEST_PATH_IMAGE051
由大到小进行排序，如果多个节点的度
Figure 696413DEST_PATH_IMAGE051
并列最大，则按节点所属分域排序，排列顺序为：陆域>海域>空域>天域，选择前N个节点，即获得全局中心节点的排序；
3）遍历每个分域中的节点，根据节点ID和其父节点ID，计算每个节点的度
Figure 106666DEST_PATH_IMAGE051
将每个分域中的度最大的节点作为分域中心节点，即局部中心节点,同样的，如果多个节点的度
Figure 938224DEST_PATH_IMAGE051
并列最大，则选取全部的并列节点；
4）提取在全局中心节点和局部中心节点中存在重合的节点，计算重合的数量𝑒。局部中心节点与全局中心节点的重合性越高，说明复杂网络的重心性越高。
（2）抗毁性指标𝑔：
在军事网络中，抗毁性被定义为：在遭受敌人攻击时，能够保持军事武器、设备或其他军事力量性能的能力。用重要军事节点的连通数量在网络中全部连通数量的占比来表示网络体系结构的抗毁性：根据重心性指标中得出的重要军事节点，计算这些节点与其他节点间的连通数量，并计算其占网络中全部连通数量的比例，所占比例越大，网络的抗毁性越高。
节点间的连通数量是用来衡量军事复杂网络的节点之间的连通情况。网络中节点间的全部连通数量以体系的初始综合数据为输入，计算每个节点的度数，并求和；然后计算重点军事节点的连通数量在全部网络中的占比，其计算步骤如下：
1）计算节点𝑖的度
Figure 332296DEST_PATH_IMAGE055
：
Figure 25446DEST_PATH_IMAGE056
则节点间所有连接数量d，即
Figure 618101DEST_PATH_IMAGE057
其中N为复杂网络节点的总数；
2）计算重要军事节点间的连通数量，
Figure 371294DEST_PATH_IMAGE058
，𝑚为重要军事节点的个数，
3）计算重要军事节点的连通数量在网络中全部连通数量的占比为抗毁性指标𝑔，如下：
Figure 236350DEST_PATH_IMAGE059
（3）结构分散性指标𝑆
结构分散性是一种衡量重要目标节点在整个军事对抗体系中分布的均匀性，通过计算复杂网络的节点空间分散性和网络中的平均连通数量，进行加权求和来评估复杂网络的结构分散性。
1）节点空间分散性E
节点空间分散性表示各分域的分布情况，是以军事空间结构（即各分域，陆、海、空、天）为标准来衡量节点分布的均匀性。
计算步骤：
①统计每个分域的节点个数
Figure 467612DEST_PATH_IMAGE060
，统计节点总数𝑛；
②计算每个分域的节点占比：
Figure 118036DEST_PATH_IMAGE061
③计算节点空间分散性
Figure 42129DEST_PATH_IMAGE062
2）节点间平均连通数量
节点间平均连通数量是用来衡量复杂军事网络的节点之间的连通情况，计算各个节点之间的平均连接情况。节点间平均连通数量以体系的初始综合数据为输入，计算每个节点的度数，求取所有节点的平均度数作为节点间平均连通数量，其计算步骤如下：
节点间平均连通数量：
Figure 207532DEST_PATH_IMAGE063
对上述计算得到的节点空间分散性和节点间平均连通数量进行加权求和，得到复杂军事网络的结构分散性S，如下：
Figure 491751DEST_PATH_IMAGE064
（4）体系运行效率指标
Figure 996682DEST_PATH_IMAGE065
用节点间连接建立时间表示体系运行效率，节点间连接建立时间衡量的是军事对抗各种链路建立过程中，节点之间能否迅速建立联系。具体计算步骤如下：
1）提取统计所有的信息攻击链路和物理攻击链路，设其有𝑛条；
2）根据每个链路计算每两个节点间的连接建立时间为：
Figure 91677DEST_PATH_IMAGE066
，
Figure 682058DEST_PATH_IMAGE067
表示连接结束时间点，
Figure 767039DEST_PATH_IMAGE068
表示连接开始时间点
3）对𝑘个链路的节点间的连接时间进行平均，计算节点间连接建立时间为：
Figure 392055DEST_PATH_IMAGE069
（5）瞬态类指标𝛼
Figure 657952DEST_PATH_IMAGE070
其中𝛼1，𝛼2，𝛼3，𝛼4分别是重心性指标、抗毁性指标、结构分散性指标和体系运行效率指标的权重，能够根据具体应用的需要设置大小。
对于所述演化类指标𝛽
作战是动态演化的过程，要求作战方案的决策效果评估指标体系注重动态性。演化类指标反映的是作战方案随时间动态演化的特征，在一系列的设定的时间步长Δt进行采样后形成动态演化指标值，得到动态效能趋势。
具体的，演化类单项指标与瞬态类单项指标相对应，包括单位时间内重心性、抗毁性、结构分散性和体系运行效率的对应变化情况，通过瞬态类指标内的重心性指标、抗毁性指标、结构分散性指标和体系运行效率指标中每一类指标中的Δt时间间隔前后两个指标的差值对于Δt求商得到，用于动态演化效能的分析，然后将单位时间内重心性、抗毁性、结构分散性和体系运行效率乘以对应的权重值后相加得到所述演化类指标𝛽。
演化类指标𝛽体现由静态评估向动态评估转变，可充分体现体系的动态演化特性，同时并未沿用传统的独立性指标体系，而是更加强调各指标之间的关联关系。
对于所述交战类指标𝛾
作战是作战双方体系的对抗，要求作战方案的决策效果评估指标体系强调对抗性。本发明提出的评估模型针对不同的对手采用不同的评估方法，具有明显的相对性特点。交战类指标 𝛾衡量的是交战过程中的显著对抗特性，主要突出体系对抗过程中的对比值，即对抗前后体系的效能增量或减量。如交战双方在采取某次交战行动后，对某些关键链路和节点进行了攻击，体系所产生的效能损失的对比度量。
具体的，交战类指标与演化类指标一一对应，每个单项指标通过相同时间点敌我双方的演化类单项指标的对比值计算得到，即交战双方在某个时间点的重心性、抗毁性、结构分散性和体系运行效率的比值，然后将各个单项指标的比值乘以对应的权重值后相加得到所述交战类指标𝛾。
主要体现的是对比效果。这里中间计算过程与演化类指标相对应，结果指标用𝛾表示。
例如，对于重心性指标，演化类指标包括单位时间内重心性、抗毁性、结构分散性和体系运行效率的对应变化情况，而交战类指标则包括交战双方在某个时间点的重心性、抗毁性、结构分散性和体系运行效率的比值，相当于数学函数中“斜率的比值”的概念，即
Figure 735629DEST_PATH_IMAGE071
的概念。
综合得到基础效果指标𝛿：
Figure 361651DEST_PATH_IMAGE072
其中𝜆1，𝜆2，𝜆3分别是瞬态类指标、演化类指标和对抗类指标的权重，根据具体应用的需要设置大小。
所述体系效果指标结合作战方案决策效果评估的目标需求，一方面要适应对仿真推演、军事演习或实战方案的评估；另一方面要合理、全面和量化。因此，本发明从体系效果视角提出特征，力求合理全面地量化评估作战方案的决策效果。体系效果特征由体系的类型和功能决定，不同的体系类别对应不同的效果评估项。其中：指挥体系特征用来描述作战指挥过程中体系运转的效率；打击体系特征用来描述整个打击过程中时间距离等效率；交战体系特征用来描述各节点之间复杂的连接关系，三者互相关联、互相影响，共同决定了作战方案的体系效果。各体系指标的计算过程为：
所述体系效果指标𝜃中，
对于所述指挥体系指标𝑎，
首先分别计算指挥节点占比偏离度𝑎1和指挥节点平均作业时长占比𝑎2，并根据这两个指标加权计算得到；
（1）指挥节点占比偏离度𝑎1
指挥节点占比偏离度𝑎1，计算步骤如下：
1）统计本方节点总数𝑘，以及统计指挥节点数量𝑗；
2）计算指挥节点占比𝑗/𝑘；
3）计算指挥节点占比偏离度
Figure 231387DEST_PATH_IMAGE073
；
（2）指挥节点平均作业时长占比𝑎2
计算步骤如下：
1）计算本方所有的信息攻击链路，物理攻击链路，共得到𝑤条链路；
2）计算本方每个链路中的指挥节点作业时间，提取每个链路中第一个节点出现的时间
Figure 668185DEST_PATH_IMAGE074
和最后一个节点出现的时间
Figure 233158DEST_PATH_IMAGE075
，则这个链路的作业时间为
Figure 413604DEST_PATH_IMAGE076
；
3）计算𝑤个链路中每个链路的指挥节点的作业时间
Figure 262480DEST_PATH_IMAGE077
，则所有指控节点的平均作业时长为
Figure 870179DEST_PATH_IMAGE078
，以本方平均作业时长𝑎2作为该项评价指标；
（3）指挥体系指标𝑎
Figure 453607DEST_PATH_IMAGE079
其中𝜇1, 𝜇2分别是指挥节点占比偏离度𝑎1和指挥节点平均作业时长占比𝑎2的权重，根据具体应用的需要设置大小。
对于所述打击体系特征𝑏
打击体系指标𝑏分别计算物理攻击链路平均生成时间𝑏1和物理攻击链路打击距离𝑏2，并根据这两个指标加权计算得到，
（1）物理攻击链路平均生成时间𝑏1
计算步骤如下：
1）统计的本方物理攻击链路数量𝑥；
2）统计本方每个物理攻击链路的第二个节点出现的时间𝑡1和第一个节点出现的时间𝑡0，计算打击时间
Figure 437744DEST_PATH_IMAGE080
；
3）计算出本方物理攻击链路的平均生成时间
Figure 891859DEST_PATH_IMAGE081
，以物理攻击链路的平均生成时间𝑏1作为该项评价指标；
（2）物理攻击链路平均打击距离𝑏2
计算步骤如下：
1）统计本方物理攻击链路数量𝑦；
2）计算本方每个物理攻击链路的打击距离，根据第一节点的经纬高和第二节点的经纬高计算距离
Figure 922656DEST_PATH_IMAGE082
；
3）计算本方物理攻击链路的平均距离
Figure 196643DEST_PATH_IMAGE083
，以物理攻击链路的平均距离速度𝑏2作为该项评价指标；
（3）打击体系指标𝑏
Figure 718891DEST_PATH_IMAGE084
其中𝑣1，𝑣2分别是物理攻击链路平均生成时间和物理攻击链路平均打击距离分指标的权重，根据具体应用的需要设置大小。
对于所述交战体系特征𝑐，
分别计算交战链路数量𝑐1和信息融合能力𝑐2，并根据这两个指标加权计算得到，
（1）交战链路数量𝑐1，以我方打击链路数量𝑐1作为该项评价指标；
（2）信息融合能力𝑐2，计算步骤如下：
1）提取本方所有链路𝑧；
2）提取我方链路，并统计带有信息融合节点F的节点数量𝑓；
3）计算我方信息融合能力占比
Figure 27512DEST_PATH_IMAGE085
，以我方信息融合能力占比𝑐2作为该项评价指标;
（3）交战体系特征𝑐
Figure 226282DEST_PATH_IMAGE086
其中𝜉1，𝜉2分别是交战链路数量和信息融合能力分指标的权重，
综合得到体系效果指标𝜃
Figure 253143DEST_PATH_IMAGE087
其中ω1，ω2，ω2分别是指挥体系指标𝑎、打击体系𝑏和交战体系𝑐的权重，根据具体应用的需要设置大小。
作战方案选择优化步骤S130：
利用步骤S120计算得到的基础效果指标𝛿和体系效果指标𝜃，对作战方案进行选择或者优化，从而得到最优的作战方案。
在本发明中，如果进行优化，能够对优化后的方案再次执行步骤S110和S120，循环多次，直到得到最终需要的优化后的作战方案。
例如，参见图3，根据本发明的方案能够从作战方案库中获取作战方案，将其转换为复杂网络模型，利用本发明的作战方案决策效果评估网络进行评估，用户根据评估的效果选择相应的方案，或者对该方案进行优化后重新进行评估和选择。
实施例
本发明针对某岛礁夺控任务拟定3个作战方案，根据仿真推演提取相关数据，在设计复杂网络结构的基础上计算出效果评估指标结果如表4所示。可见，根据基础效果由大到小排序应为方案3、方案1和方案2，优选方案为方案3，但该方案对抗前后体系所产生的效能损失过大，在对抗过程中需要减少体系效能损失；根据体系效果由大到小排序应为方案1、方案2和方案3，优选方案为方案1，但该方案交战体系运转效率低，需要从交战链路数量和信息融合能力两方面提高体系运作效率。
表4各作战方案评估指标计算结果
Figure 313503DEST_PATH_IMAGE088
由于不同作战样式的特殊性，对不同体系的作战效能进行评估需要根据作战目标需求设计不同的复杂网络结构，构建不同的评估模型，最终选择最合适的作战方案，修改完善所选方案的不足。
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，所述计算机可执行指令在被处理器执行时执行本发明的基于复杂网络的作战方案优化方法。
综上，本发明具有如下的优点：
以复杂网络的思想为切入点，设计出包括节点和链路等作战方案的复杂网络结构，根据该网络结构提出一套相互关联的指标体系框架及其构建流程，重点突出了体系级对抗中作战方案效能的瞬态、演化、对抗特性等基础效果指标，以及指挥体系、打击体系和交战体系等关键特征，既考虑作战方案的静态效果、又考虑作战体系演化的动态特点，能够实现对于作战方案的选择和优化。
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 (7)

1.一种基于复杂网络的作战方案优化和选择方法，其特征在于，包括如下步骤：
复杂网络系统构建步骤S110：
按照复杂网络的思想，将作战方案设计成具有一定结构的节点、链路，按照某种方式连接的复杂网络系统；
所述节点为将具有一定职责权限、完成特定功能、物理上独立存在的作战体系的参战对象或其它构成要素抽象为复杂网络的节点，
链路是参战对象的节点之间的关系，被抽象成复杂网络中的链路；
作战方案决策效果评估网络构建步骤S120：
基于复杂网络的作战方案结构，构建作战方案决策效果评估网络体系，具体的，所述体系包括：基础效果指标𝛿和体系效果指标𝜃；
所述基础效果指标𝛿分为计算瞬态类指标𝛼、演化类指标𝛽、对抗类指标𝛾，并根据这三个指标的加权计算得到；
所述体系效果指标𝜃分为计算指挥体系特征指标𝑎、打击体系特征指标𝑏和交战体系特征指标𝑐，并根据这三个指标的加权计算得到；
作战方案选择优化步骤S130：
利用步骤S120计算得到的基础效果指标𝛿和体系效果指标𝜃，对作战方案进行选择或者优化，从而得到最优的作战方案。
2.根据权利要求1所述的作战方案优化和选择方法，其特征在于，
所述节点包括：
指挥节点、传感节点、物理打击节点、信息融合节点、通信节点、信息作战节点、保障节点以及分域信息；
所述链路包括：
情报通报链路、信息攻击链路、物理攻击链路以及保障链路。
3.根据权利要求2所述的作战方案优化和选择方法，其特征在于，
节点的属性包括：节点编号、父节点编号、节点名称、节点属性、经纬高、毁伤状态、对抗方以及分域和作战空间。
4.根据权利要求2或3所述的作战方案优化和选择方法，其特征在于，
所述瞬态类指标𝛼分别设定重心性指标𝑒、抗毁性指标𝑔、结构分散性指标𝑆、体系运行效率指标
Figure 735482DEST_PATH_IMAGE001
，并根据这四个指标的按照一定权重聚合后得到瞬态类指标𝛼；
（1）重心性指标𝑒：
首先求取所有节点的中心度，得到全局中心节点的排布顺序；再分别求取各个分域中的中心节点，即局部中心节点的排布顺序，最后得到全局中心节点和局部中心节点重合后的综合排序；
具体的，计算步骤如下：
1）遍历复杂网络中所有节点，根据节点编号和其父节点编号算每个节点的度
Figure 278459DEST_PATH_IMAGE002
；
其中，
Figure 102058DEST_PATH_IMAGE003
Figure 755894DEST_PATH_IMAGE004
为节点𝑖的节点属性数据中单元父节点为𝑖出现的次数，
Figure 981339DEST_PATH_IMAGE005
为节点𝑖的节点属性数据中𝑖出现的次数；
2）对复杂网络中的所有节点的度
Figure 429638DEST_PATH_IMAGE002
由大到小进行排序，如果多个节点的度
Figure 6112DEST_PATH_IMAGE002
并列最大，则按节点所属分域排序，排列顺序为：陆域>海域>空域>天域，选择前N个节点，即获得全局中心节点的排序；
3）遍历每个分域中的节点，根据节点编号和其父节点，计算每个节点的度
Figure 932480DEST_PATH_IMAGE002
，将每个分域中的度最大的节点作为分域中心节点，即局部中心节点,如果多个节点的度
Figure 549449DEST_PATH_IMAGE002
并列最大，则选取全部的并列节点；
4）提取在全局中心节点和局部中心节点中存在重合的节点，计算重合的数量𝑒；
（2）抗毁性指标𝑔：
以重点军事节点的连通数量在全部网络连通数量中的占比得到；
其计算步骤如下：
1）计算节点𝑖的度
Figure 168650DEST_PATH_IMAGE002
：
Figure 966841DEST_PATH_IMAGE003
则节点间所有连接数量d，即
Figure 431321DEST_PATH_IMAGE006
其中N为复杂网络节点的总数；
2）计算重要军事节点间的连通数量，
Figure 365779DEST_PATH_IMAGE007
,𝑚为重要军事节点的个数，
3）计算重要军事节点的连通数量在网络中全部连通数量的占比为抗毁性指标𝑔，如下：
Figure 155880DEST_PATH_IMAGE008
；
（3）结构分散性指标𝑆
通过计算复杂网络的节点空间分散性E和网络中的平均连通数量，进行加权求和计算结构分散性指标𝑆；
1）节点空间分散性E
计算步骤为：
计每个分域的节点个数
Figure 441368DEST_PATH_IMAGE009
，统计节点总数𝑛；
②计算每个分域的节点占比：
Figure 709538DEST_PATH_IMAGE010
③计算节点空间分散性
Figure 764082DEST_PATH_IMAGE011
；
2）节点间平均连通数量
节点间平均连通数量以体系的初始综合数据为输入，计算每个节点的度数，求取所有节点的平均度数作为节点间平均连通数量，其计算步骤如下：
节点间平均连通数量：
Figure 725085DEST_PATH_IMAGE012
，
对上述计算得到的节点空间分散性和节点间平均连通数量进行加权求和，得到复杂军事网络的结构分散性𝑆，如下：
Figure 232289DEST_PATH_IMAGE013
；
（4）体系运行效率指标
Figure 304151DEST_PATH_IMAGE001
用节点间连接建立时间表示体系运行效率，具体计算步骤如下：
1）提取统计所有的信息攻击链路和物理攻击链路，设其有𝑛条；
2）根据每个链路计算每两个节点间的连接建立时间为：
Figure 478780DEST_PATH_IMAGE014
,
Figure 79526DEST_PATH_IMAGE015
表示连接结束时间点，
Figure 339606DEST_PATH_IMAGE016
表示连接开始时间点，
3）对𝑘个链路的节点间的连接时间进行平均，计算节点间连接建立时间为：
Figure 949579DEST_PATH_IMAGE017
（5）瞬态类指标𝛼
Figure 978714DEST_PATH_IMAGE018
；
对于所述演化类指标𝛽，
演化类单项指标与瞬态类单项指标相对应，包括单位时间内重心性、抗毁性、结构分散性和体系运行效率的对应变化情况，通过瞬态类指标中的每一类指标在Δt时间间隔前后两个指标差值后再对Δt求商得到，用于系统的动态演化效能分析，然后将单位时间内重心性、抗毁性、结构分散性和体系运行效率乘以对应的权重相加，得到所述演化类指标𝛽；
对于所述交战类指标𝛾，
交战类指标与演化类指标一一对应，每个单项指标通过相同时间点敌我双方的演化类单项指标的对比值计算得到，即交战双方在某个时间点的重心性、抗毁性、结构分散性和体系运行效率的比值，然后将然后各个单项指标的比值乘以对应的权重值后相加得到所述交战类指标𝛾；
基础效果指标𝛿：
Figure 15941DEST_PATH_IMAGE019
其中
Figure 763317DEST_PATH_IMAGE020
分别是瞬态类指标、演化类指标和对抗类指标的权重。
5.根据权利要求4所述的作战方案优化和选择方法，其特征在于，
所述体系效果指标𝜃中，
对于所述指挥体系指标𝑎，
首先分别计算指挥节点占比偏离度
Figure 176980DEST_PATH_IMAGE021
和指挥节点平均作业时长占比
Figure 60623DEST_PATH_IMAGE022
，并根据这两个指标加权计算得到；
（1）指挥节点占比偏离度
Figure 534330DEST_PATH_IMAGE021
指挥节点占比偏离度
Figure 503423DEST_PATH_IMAGE021
，计算步骤如下：
1）统计本方节点总数𝑘，以及统计指挥节点数量𝑗；
2）计算指挥节点占比𝑗/𝑘；
3）计算指挥节点占比偏离度
Figure 455198DEST_PATH_IMAGE023
；
（2）指挥节点平均作业时长占比
Figure 458926DEST_PATH_IMAGE024
计算步骤如下：
1）计算本方所有的信息攻击链路，物理攻击链路，共得到𝑤条链路；
2）计算本方每个链路中的指挥节点作业时间，提取每个链路中第一个节点出现的时间
Figure 837955DEST_PATH_IMAGE025
和最后一个节点出现的时间
Figure 28765DEST_PATH_IMAGE026
，则这个链路的作业时间为
Figure 49810DEST_PATH_IMAGE027
；
3）计算𝑤个链路中每个链路的指挥节点的作业时间
Figure 908045DEST_PATH_IMAGE028
，则所有指控节点的平均作业时长为
Figure DEST_PATH_IMAGE029
，以本方平均作业时长
Figure 254713DEST_PATH_IMAGE024
作为该项评价指标；
（3）指挥体系指标𝑎
Figure 198398DEST_PATH_IMAGE030
其中
Figure DEST_PATH_IMAGE031
分别是指挥节点占比偏离度
Figure 282854DEST_PATH_IMAGE032
和指挥节点平均作业时长占比
Figure 730016DEST_PATH_IMAGE024
的权重；
对于所述打击体系特征𝑏
打击体系指标𝑏分别计算物理攻击链路平均生成时间
Figure DEST_PATH_IMAGE033
和物理攻击链路打击距离
Figure 247585DEST_PATH_IMAGE034
，并根据这两个指标加权计算得到，
（1）物理攻击链路平均生成时间
Figure 678567DEST_PATH_IMAGE033
计算步骤如下：
1）统计的本方物理攻击链路数量𝑥；
2）统计本方每个物理攻击链路的第二个节点出现的时间
Figure 775836DEST_PATH_IMAGE035
和第一个节点出现的时间
Figure 608662DEST_PATH_IMAGE036
，计算打击时间
Figure 500395DEST_PATH_IMAGE037
；
3）计算出本方物理攻击链路的平均生成时间
Figure 418672DEST_PATH_IMAGE038
，以物理攻击链路的平均生成时间
Figure 54053DEST_PATH_IMAGE033
作为该项评价指标；
（2）物理攻击链路平均打击距离
Figure 741386DEST_PATH_IMAGE034
计算步骤如下：
1）统计本方物理攻击链路数量𝑦；
2）计算本方每个物理攻击链路的打击距离，根据第一节点的经纬高和第二节点的经纬高计算距离
Figure 69600DEST_PATH_IMAGE039
；
3）计算本方物理攻击链路的平均距离
Figure 209594DEST_PATH_IMAGE040
，以物理攻击链路的平均距离速度
Figure 914245DEST_PATH_IMAGE041
作为该项评价指标；
（3）打击体系指标𝑏
Figure 456084DEST_PATH_IMAGE042
其中
Figure 955199DEST_PATH_IMAGE043
分别是物理攻击链路平均生成时间和物理攻击链路平均打击距离分指标的权重；
对于所述交战体系特征𝑐，
分别计算交战链路数量
Figure 582489DEST_PATH_IMAGE044
和信息融合能力
Figure 559673DEST_PATH_IMAGE045
，并根据这两个指标加权计算得到，
（1）交战链路数量
Figure 221598DEST_PATH_IMAGE044
，以我方打击链路数量
Figure 626035DEST_PATH_IMAGE045
作为该项评价指标；
（2）信息融合能力
Figure 740621DEST_PATH_IMAGE045
,计算步骤如下：
1）提取本方所有链路𝑧；
2）提取我方链路，并统计带有信息融合节点F的节点数量𝑓；
3）计算我方信息融合能力占比
Figure 521495DEST_PATH_IMAGE046
,以我方信息融合能力占比
Figure 37927DEST_PATH_IMAGE045
作为该项评价指标;
（3）交战体系特征𝑐
Figure 878844DEST_PATH_IMAGE047
其中
Figure 480727DEST_PATH_IMAGE048
分别是交战链路数量和信息融合能力分指标的权重，
综合得到体系效果指标𝜃
Figure 65292DEST_PATH_IMAGE049
其中
Figure 701810DEST_PATH_IMAGE050
分别是指挥体系指标𝑎、打击体系𝑏和交战体系𝑐的权重，根据具体应用的需要设置大小。
6.根据权利要求5所述的作战方案优化和选择方法，其特征在于，
本方法能够对优化后的方案再次执行步骤S110和S120，循环多次，直到得到最终需要的优化后的作战方案。
7.一种存储介质，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1-6中任意一项所述的基于复杂网络的作战方案优化和选择方法。
CN202210110317.5A 2022-01-29 2022-01-29 一种基于复杂网络的作战方案优化和选择方法及存储介质 Active CN114117710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210110317.5A CN114117710B (zh) 2022-01-29 2022-01-29 一种基于复杂网络的作战方案优化和选择方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210110317.5A CN114117710B (zh) 2022-01-29 2022-01-29 一种基于复杂网络的作战方案优化和选择方法及存储介质

Publications (2)

Publication Number Publication Date
CN114117710A true CN114117710A (zh) 2022-03-01
CN114117710B CN114117710B (zh) 2022-06-21

Family

ID=80361750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210110317.5A Active CN114117710B (zh) 2022-01-29 2022-01-29 一种基于复杂网络的作战方案优化和选择方法及存储介质

Country Status (1)

Country Link
CN (1) CN114117710B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110271822A1 (en) * 2010-05-04 2011-11-10 Makor Issues And Rights Ltd. Automatic Real Time Command and Control System
US20170011007A1 (en) * 2015-07-08 2017-01-12 National Tsing Hua University Land battle process evaluation method and system thereof
CN106899442A (zh) * 2017-03-16 2017-06-27 大连大学 基于作战链路效率的指控网络抗毁测度方法
CN110290006A (zh) * 2019-06-25 2019-09-27 大连交通大学 基于节点重要度的指挥控制网络级联失效模型构建方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110271822A1 (en) * 2010-05-04 2011-11-10 Makor Issues And Rights Ltd. Automatic Real Time Command and Control System
US20170011007A1 (en) * 2015-07-08 2017-01-12 National Tsing Hua University Land battle process evaluation method and system thereof
CN106899442A (zh) * 2017-03-16 2017-06-27 大连大学 基于作战链路效率的指控网络抗毁测度方法
CN110290006A (zh) * 2019-06-25 2019-09-27 大连交通大学 基于节点重要度的指挥控制网络级联失效模型构建方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘海洋等: "基于时序超网的作战体系效能指标动态测量方法", 《火力与指挥控制》 *
马力等: "作战体系网络化效能仿真分析方法", 《系统仿真学报》 *

Also Published As

Publication number Publication date
CN114117710B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN107454105B (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
CN110099045B (zh) 基于定性微分博弈和演化博弈的网络安全威胁预警方法及装置
CN112580217A (zh) 基于复杂网络的通信体系结构参数化建模方法
CN107220549A (zh) 基于cvss的漏洞风险基础评估方法
CN107483487B (zh) 一种基于topsis的多维网络安全度量方法
Lucas The stochastic versus deterministic argument for combat simulations: Tales of when the average won't do
CN115310345B (zh) 基于人工势场的智能算法评估方法及装置
CN114021188A (zh) 一种联邦学习协议交互安全验证方法、装置及电子设备
CN112258062A (zh) 一种体系贡献度确定方法及装置
CN114117710B (zh) 一种基于复杂网络的作战方案优化和选择方法及存储介质
CN110059948A (zh) 一种ooda环的分层网络分析方法
CN113326400A (zh) 基于深度伪造视频检测的模型的评价方法及系统
CN113656962A (zh) 一种基于信息流的战略层博弈推演方法
CN110969376A (zh) 基于复杂网络的建材供应链金融风险评估算法
Liu et al. Exploring functional dependency network based order-degree analysis for resilient system-of-systems architecture design
CN113537461B (zh) 基于sir值学习的网络关键节点发现方法及系统
CN114862152A (zh) 基于复杂网络的目标重要度评估方法
CN113837644A (zh) 基于灰色关联的装备作战效能与贡献率一体化评估方法
CN111654855A (zh) 基于ahp的水下无线传感器网络中的信任更新方法
CN116805136A (zh) 基于多层图网络的异构多智能体评估指标构建方法及装置
CN116956642B (zh) 一种威胁评估算法性能动态仿真验证方法
CN113067726B (zh) 一种基于双逻辑层Agent的网络节点失效判定方法
CN115374392B (zh) 获取目标事件的对象参数的方法、电子设备和存储介质
Shkiliuk et al. Discrete-Continuous Stochastic Model of Behavior Algorithm of Surveillance and Target Acquisition System.
CN114038198B (zh) 一种考虑用户疏散行为的交通风险防控决策方法及系统

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