CN115374392B - 获取目标事件的对象参数的方法、电子设备和存储介质 - Google Patents
获取目标事件的对象参数的方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115374392B CN115374392B CN202211317236.9A CN202211317236A CN115374392B CN 115374392 B CN115374392 B CN 115374392B CN 202211317236 A CN202211317236 A CN 202211317236A CN 115374392 B CN115374392 B CN 115374392B
- Authority
- CN
- China
- Prior art keywords
- parameter
- cea
- task
- model
- dua
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 70
- 230000003993 interaction Effects 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 19
- 238000013210 evaluation model Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 230000035945 sensitivity Effects 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000013401 experimental design Methods 0.000 description 6
- 238000005755 formation reaction Methods 0.000 description 6
- 238000010206 sensitivity analysis Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种获取目标事件的对象参数的方法，包括：基于目标事件，形成执行任务集、参与实体集、任一参与实体完成目标事件所需要的交互信息集以及第二关联方的参与实体；获取任一执行任务的任务节点集以及获取任一参与实体的固有参数集；构建活动能力映射关系表、构建任务测度参数体系和构建能力效能映射关系表；构建任一关于参与实体的目标模型，基于参与实体的目标模型、固有参数的初始参数值组以及交互信息的初始参数值集，获取对应的任务测度参数值组；基于得到的任务测度参数值组，从固有参数的初始参数值组中获取固有参数的目标参数组。本发明能够尽可能准确地获取到参与实体的目标参数组。本发明还提供一种电子设备和存储介质。
Description
技术领域
本发明涉及参与实体论证领域，特别是涉及一种获取目标事件的对象参数的方法、电子设备和存储介质。
背景技术
在装备论证阶段，基于数字仿真实验和定量化效能评估来对装备系统能力进行优选配置已经是一个通用且有效的实现手段，近年来越来越受到关注。面向具体应用问题，开展仿真实验评估，涉及到作战、装备、专业、建模和软件等多个领域的知识和经验，目前，很难有一套流程或工具能够针对具体问题给出系统性地解决方案，在实际论证过程中，要么侧重于定性决策，要么侧重于系统建设，很难形成一套行之有效的通用方法理论。因此，无法更全面、更有效、更明确地指导面向装备论证过程中的仿真实验评估工作开展与实施。
发明内容
针对上述技术问题，本发明采用的技术方案为：
本发明实施例提供一种获取目标事件的对象参数的方法，所述方法包括如下步骤：
S100，基于目标事件，确定第一关联方的执行任务、参与实体、完成目标事件所需要的交互信息以及第二关联方的参与实体，并形成执行任务集A=（A1，A2，…，Ai，…，An）、参与实体集EA=（EA1，EA2，…，EAi，…，EAn）、任一参与实体EAi完成目标事件所需要的交互信息集Ii=（Ii1，Ii2，…，Iib，…，Iiw（i）），以及第二关联方的参与实体；Ai为第i个执行任务，i的取值为1到n，n为执行任务数量，EAi为完成执行任务Ai的参与实体；Iib为第Ii中的b个交互信息，b的取值为1到w（i），w（i）为Ii中的交互信息的数量；
S200，获取任一执行任务Ai的任务节点集MAi=（Ai1，Ai2，…，Aij，…，Aim（i））以及获取任一参与实体EAi的固有参数集CEAi=（CEAi1，CEAi2，…，CEAik，…，CEAig（i）），Aij为Ai的第j个任务节点，j的取值为1到m（i），m（i）为Ai的任务节点数量；CEAik为EAi具备的第k个固有参数，k的取值为1到g（i），g（i）为EAi具备的固有参数的数量；
S300，基于MAi和CEAi获取第一映射关系表、第二映射关系表和第三映射关系表，其中，所述第一映射关系表的第k行包括（MCi k1，MCi k2，…，MCi kj，…，MCi km（i）），其中，MCi kj表示CEAik和Aij之间的映射关系，如果EAik和Aij之间存在映射关系，MCi kj通过第一标识表示，如果CEAik和Aij之间不存在映射关系，MCi kj通过第二标识表示；所述第二映射关系表的第r行包括（MUi r1，MUi r2，…，MUi rj，…，MUi rm（i）），其中，MUi rj表示UAe ir和Aij之间的映射关系，如果UAe ir和Aij之间存在映射关系，MUi rj通过第一标识表示，如果UAe ir和Aij之间不存在映射关系，MUi rj通过第二标识表示；UAe ir为基于MAi构建任务测度参数体系的最末级任务测度参数集UAe i中的第r个任务测度参数，r的取值为1到h（i），h（i）为UAe i中的任务测度参数的数量；所述第三映射关系表的第r行包括（CUi r1，CUi r2，…，CUi rk，…，CUi rg（i）），其中，CUi rk表示CEAik和UAe ir之间的映射关系，如果CEAik和UAe ir之间存在映射关系，CUi rk通过第一标识表示，如果CEAik和UAe ir之间不存在映射关系，CUi rk通过第二标识表示；
S400，基于S100~S300构建任一关于参与实体EAi的目标模型，所述目标模型包括参与实体模型、执行任务模型、交互信息模型和任务测度参数评估模型，其中，参与实体模型和交互信息模型的输出作为执行任务模型的输入，执行任务模型的输出作为任务测度参数评估模型的输入，任务测度参数评估模型的输出为任务测度参数体系的第一级任务测度参数的参数值；
S500，基于参与实体EAi的目标模型、固有参数的初始参数值组DEAi1，DEAi2，…，DEAit，…，DEAiu（i）以及交互信息的初始参数值集DIi1，DIi2，…，DIib，…，DIiw（i），获取对应的任务测度参数值组DUAs i1，DUAs i2，…，DUAs it，…，DUAs iu（i）；其中，固有参数的初始参数值组DEAit=（dEAt i1，dEAt i2，…，dEAt ik，…，dEAt ig（i）），dEtAik为DEAit中的EAik的初始参数值，t的取值为1到u（i），u（i）为固有参数的初始参数值组的数量；DIib为Iib对应的初始参数值；DUAs it为DEAit对应的任务测度参数值；
S600，基于得到的任务测度参数值组，从所述固有参数的初始参数值组中获取固有参数的目标参数组。
本发明另一实施例提供一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述方法。
本发明另一实施例提供一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：
本发明实施例提供的获取目标事件的对象参数的方法，首先，基于目标事件，确定第一关联方的执行任务、参与实体、完成目标事件所需要的交互信息以及第二关联方的参与实体，并形成执行任务集、参与实体集、任一参与实体完成目标事件所需要的交互信息集以及第二关联方的参与实体；接着，获取任一执行任务的任务节点集以及获取任一参与实体的固有参数集；然后，基于任务节点集和固有参数集构建活动能力映射关系表，基于任务节点集构建任务测度参数体系，并获取任务测度参数体系的最末级任务测度参数集以及构建活动效能映射关系表，基于固有参数集和最末级任务测度参数集构建能力效能映射关系表；接着，基于前述内容，构建任一关于参与实体的目标模型，基于参与实体的目标模型、固有参数的初始参数值组以及交互信息的初始参数值集，获取对应的任务测度参数值组；最后，基于得到的任务测度参数值组，从固有参数的初始参数值组中获取固有参数的目标参数组。通过本发明提供的方法，能够尽可能准确地获取到参与实体的目标参数组。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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为本发明实施例提供的获取目标事件的对象参数的方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的获取目标事件的对象参数的方法的流程图。如图1所示，本发明实施例提供了一种获取目标事件的对象参数的方法，所述方法包括如下步骤：
S100，基于目标事件，确定第一关联方的执行任务、参与实体、完成目标事件所需要的交互信息以及第二关联方的参与实体，并形成执行任务集A=（A1，A2，…，Ai，…，An）、参与实体集EA=（EA1，EA2，…，EAi，…，EAn）、任一参与实体EAi完成目标事件所需要的交互信息集Ii=（Ii1，Ii2，…，Iib，…，Iiw（i）），以及第二关联方的参与实体；Ai为第i个执行任务，i的取值为1到n，n为执行任务数量，第i个参与实体EAi为完成执行任务Ai的参与实体；Iib为第Ii中的b个交互信息，b的取值为1到w（i），w（i）为Ii中的交互信息的数量。
在本发明实施例中，目标事件可基于实际情况确定。在一示意性实施例中，目标事件可为设定战役，例如，A国攻打B国。参与实体为执行目标事件的实体。第一关联方和第二关联方分别为目标事件涉及的参与对象，第一关联方为发起目标事件的一方，例如A国。第二关联方为目标事件所针对的一方，例如B国。在目标事件为设定战役的情况下，参与实体可为执行战役的作战装备，例如，飞机、导弹、坦克等。
在目标事件为设定战役的情况下，可基于设定战役，设计军事意图、作战对手及威胁程度、作战任务空间及战场环境、敌我双方军事力量构成等，形成以文字、军事图形为特征的作战任务描述，即军事概念图。
任一参与实体EAi完成目标事件所需要的交互信息可基于实际需要进行设置，例如，可包括：参与实体之间的指挥信息交互、参与实体之间的目标与威胁信息交互、参与实体内部的指挥控制信息交互等。
S200，获取任一执行任务Ai的任务节点集MAi=（Ai1，Ai2，…，Aij，…，Aim（i））以及获取任一参与实体EAi的固有参数集CEAi=（CEAi1，CEAi2，…，CEAik，…，CEAig（i）），Aij为Ai的第j个任务节点，j的取值为1到m（i），m（i）为Ai的任务节点数量；CEAik为EAi具备的第k个固有参数，k的取值为1到g（i），g（i）为EAi具备的固有参数的数量。
在本发明实施例中，可根据每个执行任务的基本执行流程，将每个执行任务逐级细化分解为多个层级的任务节点。
任一参与实体的固有参数可为该参与实体本身所固有的功能。以参与实体为作战装备为例，参与实体的固有属性为装备的能力。
S300，基于MAi和CEAi获取第一映射关系表、第二映射关系表和第三映射关系表。
进一步地，S300可包括：
S301，基于MAi和CEAi构建第一映射关系表，所述第一映射关系表的第k行包括（MCi k1，MCi k2，…，MCi kj，…，MCi km（i）），其中，MCi kj表示CEAik和Aij之间的映射关系，如果CEAik和Aij之间存在映射关系，MCi kj通过第一标识表示，如果CEAik和Aij之间不存在映射关系，MCi kj通过第二标识表示。
在本发明实施例中，如果CEAik和Aij之间存在映射关系，表示Aij需要CEAik来完成，反之则亦然。第一标识和第二标识可基于需要自定义设置。在一个示意性实施例中，第一标识可以“√”表示，第二标识可以“空白”表示。在一个示意性实施例中，基于MAi和CEAi构建的第一映射关系表可如下表1所示：
表1：基于MAi和CEAi构建的第一映射关系表
S302，基于MAi，构建任务测度参数体系，并获取任务测度参数体系的最末级任务测度参数集UAe i=（UAe i1，UAe i2，…，UAe ir，…，UAe ih（i）），UAe ir为UAe i中的第r个任务测度参数，r的取值为1到h（i），h（i）为UAe i中的任务测度参数的数量。
在本发明实施例中，可以执行任务的多层级任务节点的分解结果为基础，针对执行任务、任务节点，逐一建立其完成情况测度指标，形成执行任务的任务测度评估指标体系。测度指标用于评估执行任务的结果好坏，可自定义设置。
在本发明示意性实施例中，任务测度参数体系可包括多级，每一级可包括多个下级参数。例如，以飞机F攻打城堡C为例。任务测度参数体系的一级指标包括：飞机自身不能被击落；飞机不容易被敌方探测到。每个一级指标又可包括多个二级指标，依次类推，直到最后一级测度指标。
在目标事件为作战战役的情况下，任务测度指标可称作作战效能指标。
S303，基于MAi和UAe i构建第二映射关系表，所述第二映射关系表的第r行包括（MUi r1，MUi r2，…，MUi rj，…，MUi rm（i）），其中，MUi rj表示UAe ir和Aij之间的映射关系，如果UAe ir和Aij之间存在映射关系，MUi rj通过第一标识表示，如果UAe ir和Aij之间不存在映射关系，MUi rj通过第二标识表示。
在本发明实施例中，如果UAe ir和Aij之间存在映射关系，表示UAe ir为Aij的测度指标，反之则亦然。在一个示意性实施例中，基于MAi和UAe i构建的第二映射关系表可如下表2所示：
表2：基于MAi和UAe i构建的第二映射关系表
S304，基于CEAi和UAi构建第三映射关系表，所述第三映射关系表的第r行包括（CUi r1，CUi r2，…，CUi rk，…，CUi rg（i）），其中，CUi rk表示CEAik和UAe ir之间的映射关系，如果CEAik和UAe ir之间存在映射关系，CUi rk通过第一标识表示，如果CEAik和UAe ir之间不存在映射关系，CUi rk通过第二标识表示。
在本发明实施例中，如果CEAik和UAe ir之间存在映射关系，则表示CEAik和UAe ir相关联。在一个示意性实施例中，基于CEAi和UAe i构建的第三映射关系表可如下表3所示：
表3：基于CEAi和UAe i构建的第三映射关系表
S400，基于S100~S300构建任一关于参与实体EAi的目标模型，所述目标模型包括参与实体模型、执行任务模型、交互信息模型和任务测度参数评估模型，其中，参与实体模型和交互信息模型的输出作为执行任务模型的输入，执行任务模型的输出作为任务测度参数评估模型的输入，任务测度参数评估模型的输出为任务测度参数体系的第一级任务测度参数的参数值。
在本发明实施例中，在构建目标模型之前，可先构建数学域抽象规划模型，以指导后续基于仿真手段的任务测度指标的评估与优化。
在一个具体应用场景中，以作战效能最大为优化目标的装备能力指标的优选配置问题，从复杂系统优化视角，可描述为数学规划模型（寻优模型）：
s.t.y=f(x)
x∈X
其中， g（x，y）是优化的目标函数，向量x为决策变量，X为决策变量的可行域，向量y是效能指标。
x装备的单个能力，X是装备的能力集合。
（1）决策变量
决策变量x是装备系统能力指标配置策略，其中x=（x1，x2，…，xn），各分量分别表示任务测度参数体系中的最末级测度指标。
（2）可行域
可行域X表示决策变量的x的约束条件，用于指导和约束实验设计阶段样本的产生规则，此问题下X是考虑经费、研制周期、技术约束以及各指标之间的耦合约束关系等因素的约束模型。
（3）效能映射函数
y=f（x）是装备能力指标与作战效能指标映射关系矩阵中的映射函数，其中y=（y1，y2，…，ym），各分量分别表示表3中的最左侧列中的各任务测度参数。
函数f本质上是一系列映射函数的集合，例如针对UAe i1（用yd表示），经过分析，UAe i1与CEAi1（xi）、CEAi3（xj）和CEAi5（xk）等有关，有如下映射关系：yd=fd（xi，xj，xk）。
（4）目标函数
g（x，y）表示任务测度参数体系的聚合函数，可以根据各效能指标的重要性程度赋予权重，将聚合成的顶层作战效能作为目标函数。
（5）优化求解方法
上述规划模型可支撑装备系统能力指标的优选，其模型求解方法如下：
i.根据“系统能力指标-作战效能指标”的映射关系，采用仿真建模的方法构建y=f（x）的映射关系模型；
ii.基于作战效能指标体系，建立作战效能评估模型g（x，y）；
iii.针对系统能力指标设计约束条件X，确定解空间；
iv.在解空间内采用正交、均匀等方法设计实验样本，通过基于仿真的作战效能评估分析进行实验样本的优选。
进一步地，在本发明实施例中，可基于现有的想定编辑工具例如fosim平台上构建目标模型。对于参与实体模型和执行任务模型，可以第三映射关系表为基础，将面向过程的映射关系抽象为面向实体、任务等对象的体系模型。以作战准备为例，主要包括属性模型、装备模型、环境模型、服务模型、认知模型和消息模型六大类。参与实体的能力指标主要通过参与实体模型的输入参数来反映，任务测度参数指标主要通过仿真结果统计数据来反映。
在本发明实施例中，装备模型用来模拟各种类型装备的特征和行为属性。这些装备模型组件可以通过实体和外部环境或其它加载这些装备模型组件的实体进行交互，一个实体如果没有附加的装备模型，它就不能移动、感知环境或其它实体，也无法消灭其它实体。装备模型组件分为通信装备、数据处理器、电子干扰装备、武器系统、子系统、传感器、平台和弹药8类。
环境模型是空域、大气、效果、地形、地球模型的统称，是体系作战仿真不可或缺的组成部分。其中，地形模型和地球模型属于自带模型，不支持自主开发。地形模型能够加载DTED格式的高程数据，所支持的地理范围与高程数据的分辨率成反比，提供通视查询、高度查询等相关函数。地球模型则支持WGS-84的椭球和正球两种地固坐标系，并提供地固、本地、机体坐标的转换函数。空域模型用来描述与仿真想定中的模型处理有关的空中体积或区域、地上的线，如导弹攻击区、运输走廊就是其中的例子；大气模型用于描述给定空间的大气条件，包括压力、密度、温度、湿度、风速等，是人工合成环境的重要组成部分；效果模型用于描述烟雾、爆炸和火焰等，产生对实体的毁伤效果。
属性模型是目标特性、编队队形和特征模型等模型的统称，这一部分不属于体系作战仿真的必备模型，可以通过其它方式简化或其它模型代替。其中，目标特性模型通常是平台模型组件的一个可选参数，用于描述平台作为被探测目标的RCS、红外等特性；编队队形模型也是平台模型组件的一个可选参数，用于描述作战飞机、战车等实体在执行作战任务中的队形；特征模型用于描述森林、河流、土壤等自然特征，以及建筑和道路等的物理特征。挂载方案模型用于描述作战飞机在作战任务中的挂载方案，包括弹药、吊舱、副油箱等，有内挂、外挂两种类型；航路模型用于描述巡航弹飞行过程中的路径规划。
认知模型是一个很特殊的模型类，其建模方式与作战人员的指挥决策过程相吻合，便于理解和知识获取，可实现灵活、强大的、用户自定义的决策行为模拟仿真，是模拟人类行为的基础。
服务模型属于独立于红蓝双方之外的公共模型组件，如行动计划模型、实验设计模型等。以行动计划模型为例，可用于在作战仿真中将上层的作战计划自动分解生成单实体或编队的行动计划，该计划将控制实体或编队的运动和作战，在仿真中是批量赋予实体任务的基础。
交互模型主要包括：
消息：主要用于实体之间的通信交互；
事件：主要用于实体之间必达的、不考虑过程的自然交互，如爆炸、信号等；
控制指令：主要用于实体中装备或决策模型组件（Atomic）之间的相互控制；
启动决策指令：主要用于实体中或实体之间多个决策模型组件下属决策函数的相互调用；
消息处理指令：主要用于实体的决策模型组件处理通信装备组件接收的各消息；
修改指令：主要用于实体中装备或决策模型组件之间的相互修改属性。
进一步地，在本发明实施例中，任务测度参数评估模型可基于如下步骤构建:
步骤一、确定权重
基于效能评估理论，可采用层次分析法（AHP），借助领域专家力量开展指标权重的确定。其过程是：（1）根据总目标建立递阶的层次结构模型；（2）对同层因素两两比较量化，形成判断矩阵；（3）层次排序及其一致性检验。
层次分析法的关键在于判断矩阵的合理性以及层次排序的一致性检验，为了提高判断矩阵的合理性，利用专家评分机制，将专家对同层因素比较量化，然后取均值确定判断矩阵。
步骤二、评估计算
为如实反映各底层测度指标对顶层测度指标的影响，需要首先建立每个底层指标的归一化方法来消除底层指标的量纲影响，再利用加权聚合原则，对指标体系的中层和顶层效能指标进行定量计算。具体表达式为：E=∑m i=1 wi*xi。其中，E为该层次的测度评估值；wi为指标i的权重；xi为指标i的值；m为指标的数量。
步骤三、仿真实验设计与实施
以作战战役为例，基于体系作战仿真系统加载仿真模型开展仿真实验的设计与实施，主要包括以下几个步骤：
（1）利用想定编辑工具，以设定战役的作战概念描述和作战任务分解为基础，完成敌我双方的武器装备部署和作战任务设置，生成仿真实验想定；
（2）利用实验样本设计工具，采用正交、均匀等实验设计方法：针对每个装备的能力指标优化，固定仿真想定参数，提取装备模型中的RCS、作战半径等系统能力指标相关参数为实验因子生成仿真实验样本空间；针对作战使用策略优化，固定装备模型参数，提取出动数量、挂载数量等想定参数为实验因子生成仿真实验样本空间；
（3）利用仿真控制工具，加载仿真实验样本空间，控制仿真引擎进行多样本、大批量的仿真运算，为消除或减小仿真模型中随机数的影响，每个样本通常需要进行多次运算取平均值作为仿真结果。
步骤四、效能分析评估
以各实验样本的仿真结果为基础，利用体系作战仿真系统的效能评估工具加载效能评估模型进行各样本的作战效能评估计算，并以第四映射关系表为依据，针对不同实验设计策略，开展实验因子与效能指标之间的方差分析、回归分析和灵敏度分析等，得到能力指标/作战使用策略与作战效能的关系曲线，为系统能力指标优选/作战使用策略优选提供支撑。
1、方差分析
该分析方法主要适用于基于正交实验设计策略的实验数据分析。
该方法分析流程如下。
1)针对正交实验设计中的正交表，计算各列的离差平方和及其自由度。
2)计算总平方和，特别是在使用完全正交表时，即为上述离差平方和求和而来。
3)确定误差平方和，该平方和由空白列的平方和与若干相对小的列平方和组成。
4)进行方差分析，计算各实验因子的F比，在给定的显著性水平下，确定拒绝域。通过比较各实验因子F比和该显著性水平下的分位数，从而说明该实验因子是否对效能指标值存在显著性影响。
2、回归分析
回归分析方法主要适用于均匀实验设计策略的实验数据分析。回归分析方法的优点在于可应用数学方法对实验数据去粗存精，去伪存真。
回归分析流程如下：
1)建立线性回归的数学模型如下
y=b0+ b1*x1+b2*x2+…+bn*xn
其中x表示各实验因子，y表示某效能指标。
2)根据实验样本，获得仿真实验数据，计算各个效能指标值y的集合。
3)确定估计值和估计标准，例如确定各个实验因子的回归系数估计。
4)求偏导数，简化偏导数表达式
5)求解偏导数方程，得到回归方程表达式，确定各实验因子对效能指标的影响。
3、敏感性分析
敏感性分析主要针对各个实验因子（系统能力指标或作战使用策略）的水平变化对效能指标的影响开展分析，从而能够找出影响效能最显著的实验因子。该方法主要包括以下两个方面。
1)确定敏感性参数
效能敏感性分析核心是从诸多不确定因素中寻觅出最敏感性因素和其余因素敏感性排序，并提出相应的控制对策。对选出的要进行敏感性分析的参数，可采用逐项替代的方法进行计算，即在计算中，逐次地只变化某个参数而令其他参数保持不变（单因素敏感性分析），观察效能值的变化情况，把参数或因素值域变动及相应系统效能变动结果用表或图的形式表示出来，分析该参数对装备效能的影响程度，以便于测定敏感因素。最后确定该参数是否为敏感性参数。可以通过计算敏感度系数来确定敏感性因素。敏感度系数表示系统效能对各种战技参数和环境因素的敏感程度，可表示为：Cmgx=∣△E/E∣/∣△P/P∣。
式中，Cmgx是系统效能针对某一参数（因素）的敏感度系数，△E/E是系统效能的变化率，△E/E为某一参数（因素）的变化率。Cmgx越大，表明系统效能对于参数（因素）P越敏感；反之，则越不敏感。
2)进行作战效能敏感性综合分析
根据仿真实验设计所确定的敏感性参数进行综合分析，研究各敏感性参数之间对作战效能影响的数量关系，考虑各种实际情况，从而得到系统能力指标/作战使用策略与作战效能之间的敏感度曲线。
S500，基于参与实体EAi的目标模型、固有参数的初始参数值组（DEAi1，DEAi2，…，DEAit，…，DEAiu（i））以及交互信息的初始参数值集（DIi1，DIi2，…，DIib，…，DIiw（i）），获取对应的任务测度参数值组（DUAs i1，DUAs i2，…，DUAs it，…，DUAs iu（i））；其中，固有参数的初始参数值组DEAit=（dEAt i1，dEAt i2，…，dEAt ik，…，dEAt ig（i）），dEtAik为DEAit中的EAik的初始参数值，t的取值为1到u（i），u（i）为固有参数的初始参数值组的数量；DIib为Iib对应的初始参数值；DUAs it为DEAit对应的任务测度参数值。
在具体实施时，可将固有参数的每个初始参数值组输入到目标模型中，从而得到对应的任务测度参数值。
进一步地，为使得输出结果更准确，可对同一初始参数值组运行多次，即，DUAs it=（DUAs1 it+…+ DUAsp it +… + DUAsp(t) it）/p(t)，DUAsp it 为在目标模型中第p次运行DEAit得到的任务测度参数值组，p(t)为DEAit的运行次数。
S600，基于得到的任务测度参数值组，从所述固有参数的初始参数值组中获取固有参数的目标参数组。
在本发明一个示意性实施例中，S600可具体包括：
获取max（DUAs i1，DUAs i2，…，DUAs it，…，DUAs iu（i））即任务测度参数值组中的最大值对应的固有参数的初始参数值组作为固有参数的目标参数组。
本发明另一个示意性实施例中，S600具体包括：
S610，基于初始参数值组和得到的任务测度参数值组，分别获取每个固有参数对第一级任务测度参数的影响值。
在本发明实施例中，S610可具体包括：
S6101，获取由CEAi1，CEAi2，…，CEAi（k-1），CEAi（k+1），…，CEAig（i）的设定初始参数值形成的N种参数组合。
CEAi1，CEAi2，…，CEAi（k-1），CEAi（k+1），…，CEAig（i）的设定初始参数值可基于实际情况进行设置，例如，每个固有参数的初始参数值的数量可相同，但取值可不相同。本领域技术人员知晓，在已知每个固有参数的初始参数值的情况下，获取由各个固有参数的设定初始参数值形成的参数组合可为现有方法。例如，如果包括3个固有参数，每个固有参数具有10个初始值，则参数组合一共有10*10*10=1000种。
S6102，获取在N种参数组合中的任一参数组合和EAik的M个设定初始参数值中的任一设定初始参数值形成的初始参数值组得到对应的任务测度参数值组；得到N个任务测度参数值组。
在该步骤中，在除CEAik之外的固有参数的初始参数值形成的每种参数组合下，通过改变CEAik的初始参数值，可得到包括M个任务测度参数值的任务测度参数值组。这样，N种参数组合可得到N个任务测度参数值组。
S6103，获取CEAik对应的任一任务测度参数值组的变化曲线；得到N个变化曲线。
在本发明实施例中，变化曲线的横坐标可为初始参数值，或者为任务测度参数值，纵坐标可为任务测度参数值，或者为初始参数值。
S6104，基于N个变化曲线获取对应的曲线变化程度。
在本发明实施例中，可通过N个变化曲线的影响曲率特征确定对应的曲线变化程度。例如，可自定义曲线变化程度等级，例如，可基于N个变化曲线中的最大曲率和最小曲率之间的差值设置曲线变化程度等级，但并不作特别限定，可采用现有的任何可以确定曲线变化程度的方式。
在本发明实施例中，曲线变化程度越大，则说明固有参数对第一级任务测度参数的影响值越大，反之亦然。
S620，获取影响值集（fi1，fi2，…，fik，…，fig（i））；fik为CEAik对第一级任务测度参数的影响值，并且，fik＜fi（k+1）＜fi（k+2）；
S630，基于影响值集从所述固有参数的初始参数值组中获取固有参数的目标参数组。
在本发明实施例中，固有参数的目标参数组中的参数值与影响值集的分布规律相同。即，在本发明实施例中，对于影响值大的固有参数，可选取较大的值，反之，可选择较小的值。具体选择方式可为现有方法。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质，该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (5)
1.一种获取目标事件的对象参数的方法，其特征在于，所述方法用于武器装备能力的仿真实验评估，所述方法包括如下步骤：
S100，基于目标事件，确定第一关联方的执行任务、参与实体、完成目标事件所需要的交互信息以及第二关联方的参与实体，并形成执行任务集A=（A1，A2，…，Ai，…，An）、参与实体集EA=（EA1，EA2，…，EAi，…，EAn）、任一参与实体EAi完成目标事件所需要的交互信息集Ii=（Ii1，Ii2，…，Iib，…，Iiw（i）），以及第二关联方的参与实体；Ai为第i个执行任务，i的取值为1到n，n为执行任务数量，EAi为完成执行任务Ai的参与实体； Iib为Ii中的b个交互信息，b的取值为1到w（i），w（i）为Ii中的交互信息的数量；其中，所述目标事件为设定战役，所述参与实体为执行战役的作战装备，所述交互信息包括参与实体之间的指挥信息交互、参与实体之间的目标与威胁信息交互、参与实体内部的指挥控制信息交互；
S200，获取任一执行任务Ai的任务节点集MAi=（Ai1，Ai2，…，Aij，…，Aim（i））以及获取任一参与实体EAi的固有参数集CEAi=（CEAi1，CEAi2，…，CEAik，…，CEAig（i）），Aij为Ai的第j个任务节点，j的取值为1到m（i），m（i）为Ai的任务节点数量；CEAik为EAi具备的第k个固有参数，k的取值为1到g（i），g（i）为EAi具备的固有参数的数量；任一参与实体的固有参数为该参与实体本身所固有的能力；
S300，基于MAi和CEAi获取第一映射关系表、第二映射关系表和第三映射关系表；其中，所述第一映射关系表的第k行包括（MCi k1，MCi k2，…，MCi kj，…，MCi km（i）），其中，MCi kj表示CEAik和Aij之间的映射关系，如果CEAik和Aij之间存在映射关系，表示Aij需要CEAik来完成，MCi kj通过第一标识表示，如果CEAik和Aij之间不存在映射关系，表示Aij不需要CEAik来完成，MCi kj通过第二标识表示；所述第二映射关系表的第r行包括（MUi r1，MUi r2，…，MUi rj，…，MUi rm（i）），其中，MUi rj表示UAe ir和Aij之间的映射关系，如果UAe ir和Aij之间存在映射关系，表示UAe ir为Aij的测度指标，MUi rj通过第一标识表示，如果UAe ir和Aij之间不存在映射关系，表示UAe ir不是Aij的测度指标，MUi rj通过第二标识表示；UAe ir为基于MAi构建任务测度参数体系的最末级任务测度参数集UAe i中的第r个任务测度参数，r的取值为1到h（i），h（i）为UAe i中的任务测度参数的数量；所述第三映射关系表的第r行包括（CUi r1，CUi r2，…，CUi rk，…，CUi rg（i）），其中，CUi rk表示CEAik和UAe ir之间的映射关系，如果CEAik和UAe ir之间存在映射关系，表示CEAik和UAe ir相关联，CUi rk通过第一标识表示，如果CEAik和UAe ir之间不存在映射关系，表示CEAik和UAe ir不关联，CUi rk通过第二标识表示；
S400，基于S100~S300构建任一关于参与实体EAi的目标模型；所述目标模型包括参与实体模型、执行任务模型、交互信息模型和任务测度参数评估模型，其中，参与实体模型和交互信息模型的输出作为执行任务模型的输入，执行任务模型的输出作为任务测度参数评估模型的输入，任务测度参数评估模型的输出为任务测度参数体系的第一级任务测度参数的参数值；
S500，基于参与实体EAi的目标模型、固有参数的初始参数值组DEAi1，DEAi2，…，DEAit，…，DEAiu（i）以及交互信息的初始参数值集DIi1，DIi2，…，DIib，…，DIiw（i），获取对应的任务测度参数值组DUAs i1，DUAs i2，…，DUAs it，…，DUAs iu（i）；其中，固有参数的初始参数值组DEAit=（dEAt i1，dEAt i2，…，dEAt ik，…，dEAt ig（i）），dEtAik为DEAit中的CEAik的初始参数值，t的取值为1到u（i），u（i）为固有参数的初始参数值组的数量；DIib为Iib对应的初始参数值；DUAs it为DEAit对应的任务测度参数值，DUAs it=（DUAs1 it+…+ DUAsp it +… + DUAsp(t) it）/p(t)，DUAsp it 为在目标模型中第p次运行第t个固有参数的初始参数值组DEAit得到的任务测度参数值组，p(t)为DEAit的运行次数，t的取值为1到u（i），u（i）为固有参数的初始参数值组的数量；
S600，基于得到的任务测度参数值组，从所述固有参数的初始参数值组中获取固有参数的目标参数组；
S600具体包括：
S610，基于设定的初始参数值组和得到的任务测度参数值组，分别获取每个固有参数对第一级任务测度参数的影响值；
S620，获取影响值集（fi1，fi2，…，fik，…，fig（i））；fik为CEAik对第一级任务测度参数的影响值，并且，fik≤fi（k+1）≤fi（k+2）；
S630，基于影响值集从所述固有参数的初始参数值组中获取固有参数的目标参数组。
2.根据权利要求1所述的方法，其特征在于，DUAs it=（DUAs1 it+…+ DUAsp it +… + DUAsp (t) it）/p(t)，DUAsp it 为在目标模型中第p次运行第t个固有参数的初始参数值组DEAit得到的任务测度参数值组，p(t)为DEAit的运行次数，t的取值为1到u（i），u（i）为固有参数的初始参数值组的数量。
3.根据权利要求1所述的方法，其特征在于，S610包括：
S6101，获取由CEAi1，CEAi2，…，CEAi（k-1），CEAi（k+1），…，CEAig（i）的设定初始参数值形成的N种参数组合；
S6102，获取在N种参数组合中的任一参数组合和EAik的M个设定初始参数值中的任一设定初始参数值形成的初始参数值组得到对应的任务测度参数值组；
S6103，获取CEAik对应的任一任务测度参数值组的变化曲线；得到N个变化曲线；
S6104，基于N个变化曲线获取对应的曲线变化程度。
4.一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-3中任意一项所述的方法。
5.一种电子设备，其特征在于，包括处理器和权利要求4中所述的非瞬时性计算机可读存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211317236.9A CN115374392B (zh) | 2022-10-26 | 2022-10-26 | 获取目标事件的对象参数的方法、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211317236.9A CN115374392B (zh) | 2022-10-26 | 2022-10-26 | 获取目标事件的对象参数的方法、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115374392A CN115374392A (zh) | 2022-11-22 |
| CN115374392B true CN115374392B (zh) | 2023-11-24 |
Family
ID=84073782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211317236.9A Active CN115374392B (zh) | 2022-10-26 | 2022-10-26 | 获取目标事件的对象参数的方法、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115374392B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3082079A1 (en) * | 2015-04-17 | 2016-10-19 | Orizzonte Sistemi Navali S.p.A. | Method and system for identifying naval configurations through evaluation of operational and design parameters |
| 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 |
| CN114219242A (zh) * | 2021-12-01 | 2022-03-22 | 中国人民解放军32200部队 | 车辆装备的效能评估方法及效能评估体系构建系统 |
| CN114239228A (zh) * | 2021-11-24 | 2022-03-25 | 中国运载火箭技术研究院 | 一种基于海量对抗仿真推演数据建模与分析的效能评估方法 |
| CN114912741A (zh) * | 2022-03-23 | 2022-08-16 | 武汉工程大学 | 一种作战体系结构效能评估方法、装置以及存储介质 |
-
2022
- 2022-10-26 CN CN202211317236.9A patent/CN115374392B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3082079A1 (en) * | 2015-04-17 | 2016-10-19 | Orizzonte Sistemi Navali S.p.A. | Method and system for identifying naval configurations through evaluation of operational and design parameters |
| 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 |
| CN114239228A (zh) * | 2021-11-24 | 2022-03-25 | 中国运载火箭技术研究院 | 一种基于海量对抗仿真推演数据建模与分析的效能评估方法 |
| CN114219242A (zh) * | 2021-12-01 | 2022-03-22 | 中国人民解放军32200部队 | 车辆装备的效能评估方法及效能评估体系构建系统 |
| CN114912741A (zh) * | 2022-03-23 | 2022-08-16 | 武汉工程大学 | 一种作战体系结构效能评估方法、装置以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115374392A (zh) | 2022-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ilachinski | Irreducible semi-autonomous adaptive combat (ISAAC): An artificial-life approach to land combat | |
| CN114239228A (zh) | 一种基于海量对抗仿真推演数据建模与分析的效能评估方法 | |
| CN112861257B (zh) | 一种基于神经网络的飞机火控系统精度敏感性分析方法 | |
| RU2702503C1 (ru) | Способ моделирования процессов обоснования требуемого уровня живучести распределенных сетей связи вышестоящей системы управления в условиях вскрытия и внешних деструктивных воздействий | |
| CN114912741A (zh) | 一种作战体系结构效能评估方法、装置以及存储介质 | |
| Ingber | Statistical mechanics of combat and extensions | |
| 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 | |
| Ilachinski | Towards a science of experimental complexity: An artificial-life approach to modeling warfare | |
| CN113408137B (zh) | 一种基于任务完成度和损失比的体系作战效能分析方法 | |
| CN115640755A (zh) | 一种基于极限学习机的空战非完备信息数据处理方法 | |
| CN115392434A (zh) | 一种基于图结构变异测试的深度模型加固方法 | |
| Ginting et al. | Data mining, neural network algorithm to predict students grade point average: backpropagation algorithm | |
| Pérez et al. | Model testing and assessment: perspectives from a swarm intelligence, agent-based model of forest insect infestations | |
| Green et al. | Modeling wildfire using evolutionary cellular automata | |
| Bezuhlyi et al. | Development of object state estimation method in intelligent decision support systems | |
| Jung et al. | Weapon Combat Effectiveness Analytics Using Big Data and Simulations: A Literature Review | |
| Huang et al. | Simulation-based decision support for command and control in joint operations | |
| Alam et al. | An artificial neural network based metamodel for analysing a stochastic combat simulation | |
| CN116362413A (zh) | 基于神经网络验证的无人平台协同体系韧性度量方法 | |
| Enders | Methodology for the Selection of Pivotal Features in AFSIM Meta-Markov Models | |
| Hagen-Zanker | Measuring the performance of geosimulation models by map comparison | |
| CN113222797A (zh) | 一种作战方法和系统 | |
| Jung II | A Methodology on Weapon Combat Effectiveness Analytics using Big Data and Live, Virtual, or/and Constructive Simulations | |
| CN117932977A (zh) | 一种可计算作战概念模型的构建方法及系统 | |
| Meyer et al. | How simple is simple enough? military modeling case studies |
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 |