CN117540156A - 面向任务的复杂装备体系能力分析方法和模拟对抗系统 - Google Patents
面向任务的复杂装备体系能力分析方法和模拟对抗系统 Download PDFInfo
- Publication number
- CN117540156A CN117540156A CN202311430030.1A CN202311430030A CN117540156A CN 117540156 A CN117540156 A CN 117540156A CN 202311430030 A CN202311430030 A CN 202311430030A CN 117540156 A CN117540156 A CN 117540156A
- Authority
- CN
- China
- Prior art keywords
- combat
- model
- capability
- layer
- capacity
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 74
- 230000000694 effects Effects 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 104
- 238000010276 construction Methods 0.000 claims abstract description 82
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims abstract description 43
- 239000010410 layer Substances 0.000 claims description 302
- 239000011159 matrix material Substances 0.000 claims description 151
- 230000003993 interaction Effects 0.000 claims description 33
- 230000001149 cognitive effect Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 16
- 230000006978 adaptation Effects 0.000 claims description 15
- 239000002346 layers by function Substances 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 230000004043 responsiveness Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 230000004083 survival effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000008901 benefit Effects 0.000 description 9
- 238000011835 investigation Methods 0.000 description 9
- 239000000306 component Substances 0.000 description 8
- 238000013468 resource allocation Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000011425 standardization method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000009384 kangtai Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了面向任务的复杂装备体系能力分析方法和模拟对抗系统,所述方法包括:针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型;基于计算机算法构建的体系能力结构模型;描述使命模型和典型作战任务模型;基于多视图模型分析,确定各个作战单元的作战活动和作战能力;基于三层网络模型和模拟对抗技术,通过网络层次分析法对复杂装备体系能力评价;所述系统包括作战网络体系构建模块、体系能力构建模块、任务能力构建模块、作战单元能力构建模块和能力评价模块。本发明采用基于模型驱动的方式深入分析复杂装备体系能力,能够清晰地刻画复杂装备体系中的任务能力与作战单元之间关系,为复杂装备体系能力分析评价提供支撑。
Description
技术领域
本发明涉及网络信息体系建模与分析领域,尤其涉及面向任务的复杂装备体系能力分析方法和模拟对抗系统。
背景技术
复杂装备体系是指一个动态的、开放的、多维的复杂系统网络,体系组织运用灵活多变,其作战能力的发挥首先依赖于装备体系内探测实体、指控实体、通信实体和武器实体四类作战单元的能力;其次依赖于典型任务下各个单元的配置、部署方案,通过探测、指挥、打击等各个作战单元动态的相互协同、相互作用,实现体系的任务能力;最后通过动态协同、即时聚优、敏捷适变等能力,发挥出作战体系的优势。如何描述复杂装备体系的能力结构,有效的评价复杂装备体系能力是提升作战体系能力的关键。
现有方法难以准确刻画复杂装备体系的动态性和多维性,无法全面理解各个作战单元之间的相互关系和相互作用,缺乏对装备体系协同、聚优和适变能力的综合考量,无法准确评估体系的整体优势和适应性,无法满足快速变化的作战需求和决策支持的要求。因此,研究面向任务的复杂装备体系分析方法和系统,显得尤为重要。
发明内容
发明目的:为分析复杂装备体系动态演化分析和作战能力评价,本发明提供面向任务的复杂装备体系能力分析方法和模拟对抗系统。所述方法包括以下步骤:
步骤1,获取复杂装备体系各个作战单元的能力特征元数据,元数据是描述数据,即用于解释或澄清数据特性、性质或结构的信息,由特征元信息构成;特征元数据则是专门用于描述数据集中各个特征(或称为属性、字段等)的元数据。例如,如果有一个包含多个作战单元和它们各种能力指标的数据集,那么这些能力指标(如速度、火力、耐久性等)就是数据的特征,针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型,所述三层网络模型包括体系能力层、任务能力层和作战单元能力层;
步骤2,以复杂装备体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系能力结构模型算法,将体系能力结构模型算法对应至体系能力层;
步骤3,基于高层概念模型算法、体系能力结构模型算法、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将任务需求分析模型对应至任务能力层;
步骤4,获取包含各个作战单元的作战活动和作战能力的多视图图像数据,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将多视图模型对应至作战单元能力层,所述多视图模型通常指从不同角度或方面来分析作战的装备体系能力的一组模型,包括时间视图,即从功能性、效能性等角度来考察作战装备体系;时间视图,即关注装备体系在不同时间尺寸上的作战表现;资源视图,即从作战资源分配和利用的角度分析;环境视图,即考虑外部环境因素,如作战时天气、地形等对装备体系能力的影响。将这些方面对应至作战单元能力层;
步骤5,基于作战体系三层网络模型,通过网络层次分析法对复杂装备体系能力评价。
步骤1包括:
步骤1-1,定义复杂装备体系三层网络模型元素,包括:
在体系能力层,用节点描述包含顶层体系能力和体系特征的元数据,用边描述包含顶层体系能力之间的层级关系的特征元数据;所述顶层体系能力包括联动性、精确性、自主性;所述体系特征包括决策响应时间和综合态势生成时间;
在任务能力层,用节点描述包含编组的探测能力、防御能力和打击能力的特征元数据,用边描述包含各个探测能力、防御能力、打击能力之间的层级关系的特征元数据;
在作战单元能力层,用节点描述包含侦察单元、指控单元和火力单元的特征元数据,用边描述包含实体单元的交互关系的特征元数据;所述交互关系包括情报通信关系、共享关系、指挥关系和控制关系;
步骤1-2,定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*)
其中G为综合作战体系网络模型,它是一个多层次、多维度的网络模型,用于从不同的角度(体系能力、任务能力、作战单元能力)来全面地描述和分析作战体系的综合性能,N是子网集合,N=Ns∪Nt∪Nb,其中Ns,Nt,Nb分别表示体系能力网络、任务能力网络和作战单元能力网络,其中体系能力网络Ns关注的是整个装备体系的宏观能力,包括联动性、精确性和自主性。网络的节点和边描述的是高级战略和战术的能力和需求;任务能力网络Nt关注具体的作战任务,如侦查、防御和攻击等。网络的节点通常表示的是任务类型或者是对应于任务的特定能力,而边表示不同任务或能力之间的依赖或协同关系;作战单元能力网络Nb则是更为底层和具体,它涉及到具体的作战单元(包括物理单元如潜艇、直升机、战斗机,也可能是逻辑单元如信息系统等)和它们的能力。这里的节点和边通常描述的是具体硬件和软件的性能指标,以及它们之间的交互关系,如数据共享、通信、指挥等;
对于子网集合N使用的技术,其中体系能力网络通常涉及战术和战略层面的问题,这些是基于现有的军事理论和实践;体系能力网络通常涉及战术和战略层面的问题,这些是基于现有的军事理论和实践。但是,将这三个网络整合成一个复杂的模型用于能力分析和决策支持,则较为复杂,涉及到多学科交叉,包括数学建模、人工智能、运筹学等。这些网络本身是基于现有技术和理论,但其组合和应用使用了较为先进的算法,如社群检测算法、最短路径算法和网络层次分析等;
V是节点集合,V=Vs∪Vi∪Vd∪Vf∪Ve,其中Vs,Vi,Vd,Vf,Ve分别表示网络中侦察能力特征元数据、信息融合能力特征元数据、决策能力特征元数据、机动能力特征元数据和通信能力数据,其中所述网络是指逻辑网络,即它是一种用于表示复杂体系结构和功能关系的抽象模型。这个逻辑网络包括多种现有技术,例如无人机用于侦查(Vs)、数据中心或服务器用于信息融合(Vi)、指挥中心用于决策(Vd)、各种移动装备用于机动(Vf)、以及各种通讯设备用于信息传递(Ve);
E为链路集合,E=Esi∪Eii∪Eid∪Edd∪Edf∪Efi∪Eff,其中Esi是一组链路,这些链路起始于节点Vs并指向节点Vi;V*为节点属性描述函数,在模型中,V*作为节点属性描述函数,用于描述包含不同节点的状态的计算机数据;具体来说,该函数通常会将每个节点映射到一组属性或特征,这些属性或特征可以是量化的数值或者是更抽象的标签。在这种情况下,V*函数通常基于现有的图论模型或网络分析技术。用于描述不同节点的状态;E*为链路属性描述函数,用于描述包含不同链路的状态的计算机数据,也是一个至关重要的组成部分。将每一条链路(或边)映射到一组属性或特征,这些属性或特征可以是量化的数值(例如链路带宽、延迟等)或更抽象的标签(例如链路的可靠性或安全性等)。V*和E*都是已经在文献中详细描述的函数,用于分析社交网络、物联网、或其他类型的复杂网络。参考引用文献为Barabási AL.Network science[J].Philosophical Transactions of the RoyalSociety A:Mathematical,Physical and Engineering Sciences,2013,371(1987):20120375;
步骤2包括:建立复杂装备体系的四层能力结构:
顶层节点包括即时聚优能力、敏捷适变能力和涌现性能力;
第二层节点包括联动性、精确性、自主性、灵活性、弹性、适应性、鲁棒性、创新性、响应性、协同性、抗毁性等;
第三层节点包括物理域、信息域、认知域、社会域、自主聚势、风险预测、威胁响应、攻击承受、恢复重建等影响因素,以及体系适应、体系生存、预警协同、火力协同等能力;
第四层节点为第三层节点的分解细化,如认知域影响因素可分解为态势判断、方案优选。
体系能力模型是一种多层次、多维度的综合评估方法,通过三层网络模型、多视图模型分析、网络层次分析法,以及五元组表示来全面分析和优化复杂装备或作战体系的能力,具有高度的决策支持和优化价值。使用四层能力结构对体系能力模型进行形式化描述,对应至体系能力层。
步骤3中,所述任务需求分析模型用于确定任务或系统的需求以及如何达到需求,该模型通常会涉及对各种资源、时间和其他限制的分析;
步骤3包括:
步骤3-1,依据使命要求,建立使命模型,在对复杂装备或作战体系进行能力评估和分析时,四层能力结构和使命模型具有重要作用。四层能力结构通过顶层节点(即时聚优能力、敏捷适变能力和涌现性能力)、第二层节点(联动性、精确性、自主性、灵活性、弹性和适应性)、第三层节点(认知域影响因素、社会与影响因素和风险预测影响因素)以及第四层节点(态势判断、方案优选、网络通信)提供了一个细致和全面的视角,能更精确地对应至体系能力模型中的体系能力层。依据使命要求建立使命模型的过程首先涉及使命分解,根据整体使命将其分解成两个或更多的方面战(例如攻防、电子战等)。每个方面战都需要构建基于计算机的高层概念模型算法以概述主要目标、关键流程和所需资源。随后,针对每个方面战,构建装备节点模型,明确哪些具体装备或系统会参与,以及在何种程度上参与。最后,建立组织关系模型,描述不同装备节点和人员如何协作完成任务。这个多层次的分析和模型构建过程都需要根据具体的使命要求和体系资源来定制,最终整合到体系能力模型中,从而实现全面优化和决策支持。将使命分解为两个以上方面战,并针对每个方面战构建基于计算机的高层概念模型算法、装备节点模型和组织关系模型,在复杂装备或作战体系能力分析中,构建基于计算机的高层概念模型算法、装备节点模型和组织关系模型是至关重要的。首先对于高层概念模型算法,其目标是为某一方面战(例如攻防或电子战)提供全局视角。具体构建过程通常包括三个阶段:1)确定主要目标,包括“破坏A方通信系统”或“保护B方基地”;2)描绘关键流程,需要细化达成目标所必须的步骤,例如先进行侦查,然后进行干扰,最后达成破坏;3)列出所需资源,这包括必要的装备、人力和时间等。这个模型通常可以用流程图或思维导图来可视化;
装备节点模型用于明确哪些装备或系统会在何种程度上参与方面战。构建这个模型的步骤包括:1)列举用到的所有装备和系统,2)针对每一项装备或系统,根据其性能参数和特性,决定其在整个方案中的具体角色和重要性,3)将这些装备或系统与高层概念模型算法中的关键流程和目标相匹配。装备节点模型可以通过表格或者数据库来实现,其中会详细列出装备名称、性能参数、预定任务等;
组织关系模型用于描述各装备节点和参与人员如何协同工作,具体构建步骤为:1)根据装备节点模型,为每个装备或系统分配一个或两个以上操作者或负责人;2)明确各操作者或负责人之间的协作关系,其中涉及谁是主导,谁是辅助,以及如何进行信息传递和任务分配;3)确立各节点之间的信息传递和决策流程,这通常需要详细描述通信协议和操作规程。组织关系模型通常可以用组织图或者关系图来可视化;
通过以上步骤和方法,能够构建出针对特定使命和任务场景的高度专业和细致的能力评估模型,这对于决策支持和体系优化具有极高的价值;
步骤3-2,针对各个方面战,派生出一到两个以上作战任务模型,作战任务模型通常不是完全自动产生的,而是依赖于多个因素,包括但不限于战略目标、威胁评估、资源可用性以及现有和潜在的战术方案;
首先,根据整体战略目标和威胁评估,专业人员会识别出的方面战,也就是具体的作战场域或者是战略方向,比如空中优势、海上控制等。针对每个方面战,开始构建一个或多个作战任务模型;
构建这些模型的过程通常包括数据收集、威胁分析、可能性分析和可行性分析等多个步骤。数据收集需要依赖多种手段,包括历史数据、情报信息、地理数据等。威胁分析通常需要了解A方的能力和意图,以此来识别哪些作战任务是必要的。可能性分析会根据现有的技术和资源来评估哪些任务是可行的;
经过这一系列复杂的步骤后,作战任务模型才会被确定下来。这些模型通常需要经过多轮的验证和修正,还会用到模拟和仿真工具来进行测试和优化;
尽管有一些高级的决策支持系统和仿真工具可以辅助这个过程,但由于涉及大量的不确定性和专业判断,因此这个过程很难完全自动化。通常会有一个由决策者、分析师、战术专家和其他相关人员组成的团队来共同完成这一任务;
在多数情况下,构建作战任务模型是一个综合多个领域(包括战术、战略、情报分析等)专业知识的过程,并不完全依赖现有的自动化技术。然而,有一些先进的决策支持系统、数据分析工具和仿真软件可以在某种程度上辅助这个过程;
这些工具自动进行一些基础的数据分析,诸如威胁评估、资源匹配和可能性分析等,并可以生成初步的模型或方案供专家团队进一步评审和优化。但是,由于这个过程涉及到大量的不确定性、模糊性和需要专业判断的环节,完全的自动化在当前的技术水平下还是比较困难的;
总体来说,构建作战任务模型主要还是一个以人为主体、以现有技术为辅助的复杂过程;
步骤3-3,针对每个作战任务模型,构建基于计算机的高层概念模型算法、作战规则模型、作战活动模型算法、能力结构模型、作战事件跟踪描述模型算法和逻辑数据模型,在复杂作战体系的能力分析和决策支持中,构建各种子模型是至关重要的。
高层概念模型算法首先为整个作战提供一个框架,通过确定主要和次级目标以及涉及的关键实体和过程,通常使用思维导图、流程图或UML图来表示。
作战规则模型则列出作战行动,并为每一种行动定义一组规则或条件,通常用表格或决策树表示,主要用于明确在不同情境下应遵循的战术或战略规则;
作战活动模型算法关注作战过程中发生的各种活动,如侦查、定位、打击等,并描述这些活动如何按时间和空间序列进行,通常用时间线图或Gantt图表示。
能力结构模型则列出完成任务所需的各种能力,并明确这些能力如何相互依赖和影响,通常用层次图或矩阵表示。
作战事件跟踪描述模型算法记录作战中的关键事件和里程碑,并明确这些事件如何影响作战结果,通常用日志文件或事件数据库表示。
最后,逻辑数据模型确定作战中将处理哪些类型的数据,并设计这些数据应如何存储、检索和处理,通常用ER图或数据字典表示;
作战规则模型和逻辑数据模型它们各自具有重要作用。作战规则模型主要用于指导战场行动和决策,而逻辑数据模型则关注如何有效地管理和利用作战数据,这对于信息驱动的现代战场至关重要。通过这些多层次的分析和模型构建,决策者可以更全面、更准确地评估作战方案,从而做出更明智的决策;
通常能力结构模型会作为体系能力结构模型算法的一个组成部分或一个特例出现。在实际应用中,针对具体的作战任务或局部环境建立的能力结构模型,经过整合和扩展,可以并入到更全面的体系能力结构模型算法中,以实现全局和局部的优化和平衡。能力结构模型更侧重于具体任务和局部环境,而体系能力结构模型算法则更注重全局视角和长期规划。两者相互补充,共同为复杂装备或作战体系的能力评估和优化提供强有力的支持;
步骤3-4,从能力结构模型中选择能力,逐层分配到作战活动模型算法中的各个活动节点,将预先定义好的“能力”具体地分配到执行作战任务中的不同环节或者说“活动节点”上;
具体来说,首先需要有一个明确的能力结构模型,能力结构模型包括各种能力,比如火力、侦查、指挥控制等,以及这些能力之间的相互依赖关系。然后,需要一个作战活动模型算法,作战活动模型算法中列举出在完成一个作战任务中所有涉及的活动或步骤,比如“获取A方部署信息”、“制定攻击方案”、“执行攻击”等;
接下来的任务就是将这些“能力”分配到这些“活动节点”上。比如,对于“获取敌方部署信息”这个活动节点,需要分配“侦查能力”和“数据分析能力”;而对于“执行攻击”这个活动节点,则需要“火力能力”和“指挥控制能力”;
这样的分配通常是逐层进行的,从最顶层的战略目标开始,逐渐细化到战术和操作层面。在每一层中,需要根据具体情况重新评估和调整能力的分配,以确保各个活动节点都能得到所需的能力支持;
分配完成后,这些信息会被整合到作战活动模型算法中,形成一个更加完善和具体的模型,以便为后续的决策和执行提供支持;
这个过程不仅有助于明确每个活动节点所需的能力,还可以确保整个作战体系的能力得到最优化的配置和使用,从而提高整体作战效能;
步骤3-5,使用三层网络模型对使命模型和使命任务模型进行形式化描述,对应至任务能力层,关于“使命任务模型”,在系统工程和作战分析中,一般指的是从整体“使命”或目标派生出的具体作战或操作任务。这些作战任务模型是为了将大的战略目标分解为更具体、更容易管理和分析的单元;
对于三层网络模型对使命模型和使命任务模型进行形式化描述,涉及以下几个步骤:首先,在第一层(顶层),将总体使命或战略目标进行描述,这通常以非常高层次的语言来完成,比如“消除A方的作战能力”。然后,在第二层,将这个总体目标分解为几个主要的作战任务或目标,比如“摧毁A方指挥中心”或“确保空中优势”。在第三层,进一步分解这些主要任务或目标到具体的操作或步骤,包括包含具体的战术动作、所需资源的特征元数据;每一层都会有其网络结构,描绘包含任务或目标之间的依赖关系、优先级的特征元数据。这种网络结构通常会用一些形式化的方法或工具来表示,比如Petri网、决策树或者是更专业的作战分析软件;
以摧毁A方指挥中心为例,第一层就是这个单一目标。第二层包括“获取目标情报”、“规划攻击方案”和“执行攻击”。第三层则会更详细,比如在“执行攻击”这一任务下,有“空中轰炸”和“导弹打击”两个选项,这两个选项又可能有各自的依赖和限制条件;
通过这样的三层网络模型,可以清晰地看到从总体使命到具体操作的逻辑链路,这对于后续的能力分析和资源分配非常有价值。
步骤4包括:
步骤4-1,建立高层概念视图中作战装备节点与作战活动视图中泳道模型的关联,关联后,泳道模型内的能力模型将自动关联到作战装备节点,在系统工程和模型构建领域,高层概念视图、泳道模型和能力模型是用来描述复杂系统或任务各个方面的术语。高层概念视图通常作为一个图示或框架,展示了系统或任务的高级结构和相互关系。它是基于现有决策支持系统和仿真模型进行构建的。泳道模型则常用于系统工程和业务流程,用以展示不同实体,也就是“泳道”如何交互以完成共同的任务。这一模型通常是需要根据具体的操作需求和环境来进行手动或半自动构建。能力模型则是描述一个系统、装备或实体可以执行哪些任务和功能的多维模型,指出这些能力之间的依赖和交互关系;
关于这些模型的关联,通常是一个集成过程,需要基于各模型内的参数、标识符或其他关键数据进行;
步骤4-2,建立作战活动视图中作战活动模型算法与能力结构模型中的作战能力模型的关联,泳道模型内的作战活动模型算法关联的能力模型将自动关联到作战装备节点,所述作战能力模型是一个复杂的多维模型,用于描述和量化作战体系或个体装备在不同场景和条件下的性能和效能,包括火力、机动性、保护能力、指挥控制能力等;
这个模型包含多种数学表示,如算法、方程或决策树,以及对应的仿真结果。它的目的是为决策者或系统提供一个全面的、可量化的视图,用以评估作战计划、装备或系统配置的有效性。作战能力模型一般需要依据实际战场数据、专家知识和仿真测试来构建,并且会随着时间和经验的累积而进行调整和优化;
步骤4-3,针对作战活动视图中的作战活动模型算法,建立作战事件语义描述模型,描述包含作战活动的交互事件和时序信息的特征元数据,所述作战事件语义描述模型用于描述和解释包含作战活动中各种交互事件和它们的时序信息的特征元数据,作战事件语义描述模型采用结构化或半结构化的数据格式,包含时间戳、事件类型、参与者、地理位置、环境条件,同时,作战事件语义描述模型采用某种领域特定的标记语言或者是基于图论的数据结构,以表达复杂的依赖关系和交互逻辑;
例如,一个简单的作战事件语义描述模型列出一个空袭任务中的关键活动,如飞机起飞、目标定位、导弹发射、击中确认等,以及这些活动之间的时间和顺序关系。更高级的模型会包括条件分支、可能的干扰因素和应对措施等,以形成一个全面的作战活动描述;
步骤4-4,建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述作战装备节点模型详细描述了作战中涉及的所有装备和系统,例如在一场海战中,这些节点包括各种舰艇、潜艇、飞机以及导弹系统。时序规则描述了作战活动中事件发生的先后顺序,例如“确认目标、锁定目标、发射准备、导弹发射”。作战事件语义模型则主要用来描述作战活动中的交互事件以及这些事件发生的时序信息。通过将这些信息整合到一个“装备节点-作战活动-作战事件”的关联矩阵视图中,不仅能使决策者更直观地理解作战各环节的依赖关系和执行顺序,还为进一步的作战分析和优化提供了坚实的基础。这包括但不限于资源调配、风险评估和作战模拟等方面;
步骤4-5,建立高层概念视图中作战装备节点模型与作战事件跟踪描述视图中生命线模型的关联,基于装备节点-作战活动-作战事件关联矩阵,在关联装备节点的生命线模型中自动生成交互事件关系模型,并按照作战事件语义模型描述,从上到下依次按时序先后顺序进行排列布局,其中高层概念视图的作战装备节点模型和作战事件跟踪描述视图中的生命线模型是两个核心组件。作战装备节点模型主要表示作战中涉及的硬件或装备,例如,在一个空战场景中,这个模型包括战斗机、地面防空系统、雷达站等。每个节点都具有特定的属性和能力,如射程、速度、火力等;
生命线模型来自作战事件跟踪描述视图,用于描绘作战过程中装备或系统状态的变化和持续时间。以战斗机为例,生命线模型会记录从起飞、到达作战区、发现敌人、锁定并击中目标,最后返回基地的整个时间线;
装备节点-作战活动-作战事件的关联矩阵是一个多维数组,其中列出了装备节点、相应的作战活动以及作战事件的相互关系。例如,一个战斗机(装备节点)会参与“空中侦查”(作战活动)和“敌机拦截”(作战活动),这些活动中又涉及到多个作战事件,如“目标识别”和“导弹发射”;
作战事件语义模型描述用于定义每个作战事件的具体意义和相关逻辑。例如,在“敌机拦截”的场景中,事件语义模型会详细描述如何识别敌机、如何锁定目标、何时发射导弹等;
通过综合这些信息,系统会在关联装备节点的生命线模型中自动生成交互事件关系模型,并根据作战事件语义模型的描述,从上到下依次按照时序先后顺序进行排列布局。这样,决策者不仅能更准确地理解作战流程,还能对可能出现的问题或风险进行预测和评估;
步骤4-6,针对各个作战任务提取多视图下的作战装备节点、作战活动模型算法、作战能力模型,基于语义匹配,生成包含每个作战装备节点的作战活动、作战能力和信息的交互关系的特征元数据;
步骤4-7,使用三层网络模型对每个作战装备节点模型进行形式化描述,对应至作战单元能力层,其中三层网络模型分别是:物理层、功能层和能力层;
对于物理层:首先,物理层描述了作战装备(例如战斗机、坦克等)的基础物理特性,包括装备的尺寸、重量、材质、能源需求等;
对于功能层:功能层描述了这些装备能执行具体的操作或任务。例如,一个战斗机在功能层有“空中侦查”、“空对地攻击”和“空对空拦截”等功能;
对于能力层:能力层则是一个高度抽象的层面,描述了装备在作战单元中能实现哪些战术或战略目标。例如,一个坦克具有“地面控制”和“火力压制”的能力;
将三层网络模型应用到每个作战装备节点模型后,可以更全面、精确地了解该装备的战场应用范围和潜力;
例如,对于一个战斗机(作战装备节点模型):
在物理层,可以记录它的最大速度为2000km/h,航程为1500km,携带武器的种类和数量等。在功能层,可以描述它能进行空对空作战,也能执行地面攻击任务。在能力层,这种战斗机能在作战单元中执行“空中优势确保”和“地面火力支援”等任务;
通过这样的三层网络模型,决策者能够更有效地了解每个作战装备节点模型在整个作战体系内的作用,从而进行更为科学的战术或战略规划。
步骤5包括:
步骤5-1,将体系能力层、任务能力层和作战单元能力层中分别构建基于计算机的的体系能力结构模型算法、任务需求分析模型、多视图模型组成的三层网络模型映射为评价指标体系,在体系能力层中,以即时聚优、敏捷适变和体系涌现性能力为牵引,构建体系层能力指标结构;在任务层,以作战体系能力需求构建使命任务,并以此为牵引,构建任务层能力指标结构;即将指标体系中各个能力层及其构建模型的各个元素及元素组进行关联;在作战单元层,基于作战任务能力指标,分析作战单元的能力需求,按照控制层,网络层,元素组和元素分类,分别创建控制层指标体系,网络层指标体系,在网络层构建元素之间的连线;将边映射为元素与元素之间及元素组与元素之间的相互影响关系,边的映射过程就是确定所述相互影响关系以及如何具体影响各个元素和元素组的性能和能力,相互依赖,相互制约,来描述元素关联性;
步骤5-2,建立元素两两比较判断矩阵,构建元素组与元素之间的判断矩阵:
其中n表示矩阵的维度,A为一个n×n的矩阵,aij是一个大于0的数,用于表示矩阵中第i行和第j列的元素;
通过元素两两判断矩阵的比较,得到了三层网络模型映射的评价指标体系的相对权重,量化各个评价元素之间的相对重要性,为决策提供一种结构化和标准化的方法;
对判断矩阵的每一列作归一化,更准确地反映评价指标体系各个指标的相对重要性:
其中ai′j表示归一化后的矩阵A中第i行和第j列的元素;
将归一化后的矩阵按行累加;
其中wi表示第i行所有元素的和,它代表了第i个选项或准则的综合评价;
用和积法计算同一层指标对上一层指标的相对重要性:
其中Wi表示第i个选项或准则的相对重要性在所有选项或准则中所占的比例,通过综合了多个评价因素的影响,反映了该准则在多维度指标体系中的相对重要性;
检验公式如下:
其中wj表示第i个选项或准则的综合评价,λmax表示最大特征值,CI为一致性指标,RI为均匀随机一致性指标,CR为一致性比率,当CR小于阈值时(一般取0.1),通过一致性检验,表明各评价元素间的相对重要性是可信的。保证评价指标体系的有效性和可信度,从而使得基于该体系的决策更加合理和准确;
步骤5-3,由判断矩阵计算被比较元素的相对权重,构建初始超矩阵,具体包括:
计算权矩阵:设定控制层准则为P1,P2,…,Pn,网络层元素集为C1,C2,…,Cm,
其中Pn表示控制层准则中的第n个因素,Cm表示网络层元素集中的第m个组或类别;
Ci中的元素为
其中表示在Ci组或类别中的第n个具体元素,通过由判断矩阵计算出的相对权重来构建初始超矩阵和权矩阵有助于量化控制层准则和网络层元素(或指标)之间的关联性和重要性;
依据上下准则判断元素集与Ci之间的影响关系,对Ci有影响的元素集为判断矩阵C为:
其中表示矩阵C中位于第i行和第j列的元素,它代表第i个元素集对第j个元素集的相对重要性,明确各个评价元素(或指标)之间的相互依赖性和相对重要性。有助于优化决策过程,提供更全面、更细致的评价依据;
归一化特征向量为判断矩阵中,对Ci没有关系的特征向量值为0;将/>调整为/> 表示在归一化特征向量中第i个元素,uni表示调整后的归一化特征向量中第i个元素,T表示矩阵转置,组成加权矩阵U:
其中unn表示加权矩阵U中第n行和m列对应的元素之间的相对重要性,通过将特征向量调整和归一化,可以更精确地捕捉各个指标之间的相对权重,从而使整个评价过程更为可靠,进而能更有效地进行决策和资源分配;
构建元素集Ci与Cj的元素之间的判断矩阵Wij,以Wij为块矩阵形成初始超矩阵W;
其中表示第i个元素集Ci中的最后一个元素与第j个元素集Cj中的最后一个元素之间的相对重要性,wnn表示一个mn×mn的方阵,其中mn是集合Cn的元素个数,构建这样的初始超矩阵W和相应的块矩阵有助于整合和量化多层次、多维度的评价因素;
步骤5-4,计算组间权重,构建极限超矩阵,通过对初始超矩阵W进行归一化处理,得到归一化超矩阵,求解归一化超矩阵每一行的加权平均值,得到底层指标的权重向量,基于权重向量得到最终的排序结果,量化并汇总所有评价因素的相对重要性,,将排序结果以可视化的方式通过计算机显示,为决策过程提供一种基于数据的、结构化的参考依据。通过构建极限超矩阵和计算底层指标的权重向量,确保了各层次和各因素在最终决策中的相对影响得以明确和优化。
以一个简化的复杂装备体系为例,假设有两个主要组件:火控系统和推进系统,分别用C1和C2表示。在某个特定决策环境下,C1和C2的重要性权重分别是0.6和0.4。初始的超矩阵W就是一个2x2的矩阵,其中元素值分别代表了这两个组件的相对重要性。在这个简单场景中,火控系统因为权重更高(0.6),在资源有限的情况下获得更多的注意和资源;
在实际应用中,复杂装备体系通常会涉及更多的组件和更复杂的准则,例如各种性能指标、成本、风险等。超矩阵和层次分析法能够综合这些多维度、多层次的信息,为决策者提供一个全面和准确的评估框架,从而更有效地支持决策;
步骤5-4包括:构建加权超矩阵AS为权矩阵;
极限超矩阵:
其中表示极限超矩阵,在无限次迭代之后达到稳态(或收敛)的矩阵,Wk表示第k次迭代后的矩阵,通过构建加权超矩阵和求解极限超矩确定各个评价指标或因素在多准则决策中的相对重要性,反映各个指标之间的关联和影响,从而达到一个稳态分布。这个稳态分布的权重向量通常用于评估、排序或选择不同的决策方案。
本发明还提供了一种存储介质,存储有计算机程序或指令,当所述计算机程序或指令被运行时,实现所述一种面向任务的复杂装备体系能力分析方法。
本发明还提供了面向任务的复杂装备体系模拟对抗系统,包括作战网络体系构建模块、体系能力构建模块、任务能力构建模块、作战单元能力构建模块和能力评价模块;
所述作战网络体系构建模块用于,获取复杂装备体系各个作战单元的能力特征的元数据,针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型,所述三层网络模型包括体系能力层、任务能力层和作战单元能力层;
所述作战网络体系构建模块定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*)
其中G为综合作战体系网络模型,N是子网集合,N=Ns∪Nt∪Nb,其中Ns,Nt,Nb分别表示体系能力网络、任务能力网络和作战单元能力网络,V是节点集合,E为链路集合,所述五元组存储在数据库中;
所述体系能力构建模块以复杂装备体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系能力结构模型算法,将体系能力结构模型算法对应至体系能力层;
所述任务能力构建模块基于高层概念模型算法、体系能力结构模型算法、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将任务需求分析模型对应至任务能力层;
所述作战单元能力构建模块用于获取包含各个作战单元的作战活动和作战能力的多视图图像数据,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将多视图模型对应至作战单元能力层;
所述作战单元能力构建模块建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述视图存储在数据库中;
所述能力评价模块基于作战体系三层网络模型,通过网络层次分析法对复杂装备体系能力评价;
所述能力评价模块还提供模拟对抗算法,来对作战单元在不同对抗环境中的表现进行评估,具体包括如下步骤:
步骤a1,能力评价模块首先利用作战网络体系构建模块针对复杂装备体系的各个作战单元能力特征,建立起体系能力层、任务能力层和作战单元能力层组成的三层网络模型,所述三层网络模型通过一个五元组G=(N,V,E,V*,E*)进行形式化描述,并存储在数据库中;
步骤a2,体系能力构建模块和任务能力构建模块根据即时聚优、敏捷适变和涌现性能力,以及高层概念模型算法、体系能力结构模型算法多视图分析,构建并映射至相应的能力层;
步骤a3,作战单元能力构建模块负责解析各个作战单元的作战活动和能力,并生成装备节点-作战活动-作战事件的关联矩阵视图,关联矩阵视图存储在数据库中;
步骤a4,能力评价模块将数据库中的综合数据特征(包括五元组、关联矩阵视图等)通过模拟对抗算法进行处理,模拟对抗算法模拟各种可能的作战场景和条件,以模拟的方式测试作战单元和整个作战体系在各种情况下的能力表现,模拟结果将作为多维数据集保存在数据库中,并通过高级数据分析和机器学习算法进行深入挖掘,从而形成更为准确和可靠的作战能力评估结果,并将评估结果以可视化的方式通过计算机显示。
在能力评价模块中,除了基于作战体系三层网络模型进行网络层次分析法以评估复杂装备体系能力外,能力评价模块还引入了模拟对抗技术。模拟对抗技术在计算机科学领域已经得到了广泛的应用,尤其是在增强学习和人工智能决策模型中。因此,能力评价模块利用模拟对抗算法,来对作战单元在不同对抗环境中的表现进行评估。这不仅涉及传统的战术和战略评估,还进一步包括了作战单元之间的协同和通信能力的综合评价。在这种情况下,模拟对抗技术为评价模块提供了一种更为动态和全面的评估手段。这种综合应用模拟对抗技术的方法,大大增强了复杂装备体系模拟对抗系统的评估能力和准确性。
在模拟对抗系统中,能力评价模块不仅基于作战体系三层网络模型通过网络层次分析法进行评估,还综合应用了面向任务的复杂装备体系模拟对抗技术。该技术将作战网络体系构建模块、体系能力构建模块、任务能力构建模块和作战单元能力构建模块等多个模块的数据特征整合处理。有益效果:本发明与现有技术相比,具有如下显著优点:建立了一个“体系能力—任务能力—作战单元能力”三层网络模型,构建五元组模型,并在每层采用模型驱动的方式进行描述和分析,在此基础上构建的模拟对抗系统,以支持面向任务的综合分析和评价。对于体系能力层,构建评价指标体系,对于任务能力层和作战单元能力层,本专利采用了基于模型驱动的方式组合不同的分析方法,能够更准确、全面地揭示任务能力和作战单元能力之间的关系,并提供更深入的分析和评估。本方法不仅仅是简单的可视化,而是构架出具有理论和模型支持的分析框架,为决策提供更可靠的依据。
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法流程图。
图2是三层网络模型架构图。
图3是体系能力结构模型算法。
图4是使命任务及作战任务结构模型。
图5是典型作战任务能力层高层概念模型算法。
图6是典型作战任务作战活动模型算法。
图7是典型作战任务作战事件跟踪描述模型算法。
图8是典型作战任务作战单元能力描述模型。
图9是复杂装备体系能力分析系统框架图。
实施例1
如图1所示,本实施例所述的面向任务的复杂装备体系能力分析方法和模拟对抗系统,所述方法具体包括:
步骤1,针对复杂装备体系各个作战单元的能力特征建立作战体系三层网络模型,包括体系能力层、任务能力层和作战单元能力层。
步骤2,以体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系即时聚优能力结构模型,将模型对应至体系能力层。
步骤3,基于高层概念模型算法、能力结构模型、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将模型对应至任务能力层。
步骤4,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将模型对应至作战单元能力层。
以摧毁A方指挥中心为例,第一层就是这个单一目标。第二层包括“获取目标情报”、“规划攻击方案”和“执行攻击”。第三层则会更详细,比如在“执行攻击”这一任务下,有“空中轰炸”和“导弹打击”两个选项,这两个选项又可能有各自的依赖和限制条件;
通过这样的三层网络模型,可以清晰地看到从总体使命到具体操作的逻辑链路,这对于后续的能力分析和资源分配非常有价值。
步骤4包括:
步骤4-1,建立高层概念视图中作战装备节点与作战活动视图中泳道模型的关联,关联后,泳道模型内的能力模型将自动关联到作战装备节点,在系统工程和模型构建领域,高层概念视图、泳道模型和能力模型是用来描述复杂系统或任务各个方面的术语。高层概念视图通常作为一个图示或框架,展示了系统或任务的高级结构和相互关系。它是基于现有决策支持系统和仿真模型进行构建的。泳道模型则常用于系统工程和业务流程,用以展示不同实体,也就是“泳道”如何交互以完成共同的任务。这一模型通常是需要根据具体的操作需求和环境来进行手动或半自动构建。能力模型则是描述一个系统、装备或实体可以执行哪些任务和功能的多维模型,指出这些能力之间的依赖和交互关系;
关于这些模型的关联,通常是一个集成过程,需要基于各模型内的参数、标识符或其他关键数据进行;
步骤4-2,建立作战活动视图中作战活动模型算法与能力结构模型中的作战能力模型的关联,泳道模型内的作战活动模型算法关联的能力模型将自动关联到作战装备节点,所述作战能力模型是一个复杂的多维模型,用于描述和量化作战体系或个体装备在不同场景和条件下的性能和效能,包括火力、机动性、保护能力、指挥控制能力等;
这个模型包含多种数学表示,如算法、方程或决策树,以及对应的仿真结果。它的目的是为决策者或系统提供一个全面的、可量化的视图,用以评估作战计划、装备或系统配置的有效性。作战能力模型一般需要依据实际战场数据、专家知识和仿真测试来构建,并且会随着时间和经验的累积而进行调整和优化;
步骤4-3,针对作战活动视图中的作战活动模型算法,建立作战事件语义描述模型,描述包含作战活动的交互事件和时序信息的特征元数据,所述作战事件语义描述模型用于描述和解释包含作战活动中各种交互事件和它们的时序信息的特征元数据,作战事件语义描述模型采用结构化或半结构化的数据格式,包含时间戳、事件类型、参与者、地理位置、环境条件,同时,作战事件语义描述模型采用某种领域特定的标记语言或者是基于图论的数据结构,以表达复杂的依赖关系和交互逻辑;
例如,一个简单的作战事件语义描述模型列出一个空袭任务中的关键活动,如飞机起飞、目标定位、导弹发射、击中确认等,以及这些活动之间的时间和顺序关系。更高级的模型会包括条件分支、可能的干扰因素和应对措施等,以形成一个全面的作战活动描述;
步骤4-4,建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述作战装备节点模型详细描述了作战中涉及的所有装备和系统,例如在一场海战中,这些节点包括各种舰艇、潜艇、飞机以及导弹系统。时序规则描述了作战活动中事件发生的先后顺序,例如“确认目标、锁定目标、发射准备、导弹发射”。作战事件语义模型则主要用来描述作战活动中的交互事件以及这些事件发生的时序信息。通过将这些信息整合到一个“装备节点-作战活动-作战事件”的关联矩阵视图中,不仅能使决策者更直观地理解作战各环节的依赖关系和执行顺序,还为进一步的作战分析和优化提供了坚实的基础。这包括但不限于资源调配、风险评估和作战模拟等方面;
步骤4-5,建立高层概念视图中作战装备节点模型与作战事件跟踪描述视图中生命线模型的关联,基于装备节点-作战活动-作战事件关联矩阵,在关联装备节点的生命线模型中自动生成交互事件关系模型,并按照作战事件语义模型描述,从上到下依次按时序先后顺序进行排列布局,其中高层概念视图的作战装备节点模型和作战事件跟踪描述视图中的生命线模型是两个核心组件。作战装备节点模型主要表示作战中涉及的硬件或装备,例如,在一个空战场景中,这个模型包括战斗机、地面防空系统、雷达站等。每个节点都具有特定的属性和能力,如射程、速度、火力等;
生命线模型来自作战事件跟踪描述视图,用于描绘作战过程中装备或系统状态的变化和持续时间。以战斗机为例,生命线模型会记录从起飞、到达作战区、发现敌人、锁定并击中目标,最后返回基地的整个时间线;
装备节点-作战活动-作战事件的关联矩阵是一个多维数组,其中列出了装备节点、相应的作战活动以及作战事件的相互关系。例如,一个战斗机(装备节点)会参与“空中侦查”(作战活动)和“敌机拦截”(作战活动),这些活动中又涉及到多个作战事件,如“目标识别”和“导弹发射”;
作战事件语义模型描述用于定义每个作战事件的具体意义和相关逻辑。例如,在“敌机拦截”的场景中,事件语义模型会详细描述如何识别敌机、如何锁定目标、何时发射导弹等;
通过综合这些信息,系统会在关联装备节点的生命线模型中自动生成交互事件关系模型,并根据作战事件语义模型的描述,从上到下依次按照时序先后顺序进行排列布局。这样,决策者不仅能更准确地理解作战流程,还能对可能出现的问题或风险进行预测和评估;
步骤4-6,针对各个作战任务提取多视图下的作战装备节点、作战活动模型算法、作战能力模型,基于语义匹配,生成包含每个作战装备节点的作战活动、作战能力和信息的交互关系的特征元数据;
步骤4-7,使用三层网络模型对每个作战装备节点模型进行形式化描述,对应至作战单元能力层,其中三层网络模型分别是:物理层、功能层和能力层;
对于物理层:首先,物理层描述了作战装备(例如战斗机、坦克等)的基础物理特性,包括装备的尺寸、重量、材质、能源需求等;
对于功能层:功能层描述了这些装备能执行具体的操作或任务。例如,一个战斗机在功能层有“空中侦查”、“空对地攻击”和“空对空拦截”等功能;
对于能力层:能力层则是一个高度抽象的层面,描述了装备在作战单元中能实现哪些战术或战略目标。例如,一个坦克具有“地面控制”和“火力压制”的能力;
将三层网络模型应用到每个作战装备节点模型后,可以更全面、精确地了解该装备的战场应用范围和潜力;
例如,对于一个战斗机(作战装备节点模型):
在物理层,可以记录它的最大速度为2000km/h,航程为1500km,携带武器的种类和数量等。在功能层,可以描述它能进行空对空作战,也能执行地面攻击任务。在能力层,这种战斗机能在作战单元中执行“空中优势确保”和“地面火力支援”等任务;
通过这样的三层网络模型,决策者能够更有效地了解每个作战装备节点模型在整个作战体系内的作用,从而进行更为科学的战术或战略规划。
步骤5包括:
步骤5-1,将体系能力层、任务能力层和作战单元能力层中分别构建基于计算机的的体系能力结构模型算法、任务需求分析模型、多视图模型组成的三层网络模型映射为评价指标体系,在体系能力层中,以即时聚优、敏捷适变和体系涌现性能力为牵引,构建体系层能力指标结构;在任务层,以作战体系能力需求构建使命任务,并以此为牵引,构建任务层能力指标结构;即将指标体系中各个能力层及其构建模型的各个元素及元素组进行关联;在作战单元层,基于作战任务能力指标,分析作战单元的能力需求,按照控制层,网络层,元素组和元素分类,分别创建控制层指标体系,网络层指标体系,在网络层构建元素之间的连线;将边映射为元素与元素之间及元素组与元素之间的相互影响关系,边的映射过程就是确定所述相互影响关系以及如何具体影响各个元素和元素组的性能和能力,相互依赖,相互制约,来描述元素关联性;
步骤5-2,建立元素两两比较判断矩阵,构建元素组与元素之间的判断矩阵:
其中n表示矩阵的维度,A为一个n×n的矩阵,aij是一个大于0的数,用于表示矩阵中第i行和第j列的元素;
通过元素两两判断矩阵的比较,得到了三层网络模型映射的评价指标体系的相对权重,量化各个评价元素之间的相对重要性,为决策提供一种结构化和标准化的方法;
对判断矩阵的每一列作归一化,更准确地反映评价指标体系各个指标的相对重要性:
其中ai′j表示归一化后的矩阵A中第i行和第j列的元素;
将归一化后的矩阵按行累加;
其中wi表示第i行所有元素的和,它代表了第i个选项或准则的综合评价;
用和积法计算同一层指标对上一层指标的相对重要性:
其中Wi表示第i个选项或准则的相对重要性在所有选项或准则中所占的比例,通过综合了多个评价因素的影响,反映了该准则在多维度指标体系中的相对重要性;
检验公式如下:
其中wj表示第i个选项或准则的综合评价,λmax表示最大特征值,CI为一致性指标,RI为均匀随机一致性指标,CR为一致性比率,当CR小于阈值时(一般取0.1),通过一致性检验,表明各评价元素间的相对重要性是可信的。保证评价指标体系的有效性和可信度,从而使得基于该体系的决策更加合理和准确;
步骤5-3,由判断矩阵计算被比较元素的相对权重,构建初始超矩阵,具体包括:
计算权矩阵:设定控制层准则为P1,P2,…,Pn,网络层元素集为C1,C2,…,Cm,
其中Pn表示控制层准则中的第n个因素,Cm表示网络层元素集中的第m个组或类别;
Ci中的元素为
其中表示在Ci组或类别中的第n个具体元素,通过由判断矩阵计算出的相对权重来构建初始超矩阵和权矩阵有助于量化控制层准则和网络层元素(或指标)之间的关联性和重要性;
依据上下准则判断元素集与Ci之间的影响关系,对Ci有影响的元素集为判断矩阵C为:/>
其中表示矩阵C中位于第i行和第j列的元素,它代表第i个元素集对第j个元素集的相对重要性,明确各个评价元素(或指标)之间的相互依赖性和相对重要性。有助于优化决策过程,提供更全面、更细致的评价依据;
归一化特征向量为判断矩阵中,对Ci没有关系的特征向量值为0;将/>调整为/> 表示在归一化特征向量中第i个元素,uni表示调整后的归一化特征向量中第i个元素,T表示矩阵转置,组成加权矩阵U:
其中unn表示加权矩阵U中第n行和m列对应的元素之间的相对重要性,通过将特征向量调整和归一化,可以更精确地捕捉各个指标之间的相对权重,从而使整个评价过程更为可靠,进而能更有效地进行决策和资源分配;
构建元素集Ci与Cj的元素之间的判断矩阵Wij,以Wij为块矩阵形成初始超矩阵W;
其中表示第i个元素集Ci中的最后一个元素与第j个元素集Cj中的最后一个元素之间的相对重要性,wnn表示一个mn×mn的方阵,其中mn是集合Cn的元素个数,构建这样的初始超矩阵W和相应的块矩阵有助于整合和量化多层次、多维度的评价因素;
步骤5-4,计算组间权重,构建极限超矩阵,通过对初始超矩阵W进行归一化处理,得到归一化超矩阵,求解归一化超矩阵每一行的加权平均值,得到底层指标的权重向量,基于权重向量得到最终的排序结果,量化并汇总所有评价因素的相对重要性,,将排序结果以可视化的方式通过计算机显示,为决策过程提供一种基于数据的、结构化的参考依据。通过构建极限超矩阵和计算底层指标的权重向量,确保了各层次和各因素在最终决策中的相对影响得以明确和优化。
以一个简化的复杂装备体系为例,假设有两个主要组件:火控系统和推进系统,分别用C1和C2表示。在某个特定决策环境下,C1和C2的重要性权重分别是0.6和0.4。初始的超矩阵W就是一个2x2的矩阵,其中元素值分别代表了这两个组件的相对重要性。在这个简单场景中,火控系统因为权重更高(0.6),在资源有限的情况下获得更多的注意和资源;
在实际应用中,复杂装备体系通常会涉及更多的组件和更复杂的准则,例如各种性能指标、成本、风险等。超矩阵和层次分析法能够综合这些多维度、多层次的信息,为决策者提供一个全面和准确的评估框架,从而更有效地支持决策;
步骤5-4包括:构建加权超矩阵为权矩阵;
极限超矩阵:
其中表示极限超矩阵,在无限次迭代之后达到稳态(或收敛)的矩阵,Wk表示第k次迭代后的矩阵,通过构建加权超矩阵和求解极限超矩确定各个评价指标或因素在多准则决策中的相对重要性,反映各个指标之间的关联和影响,从而达到一个稳态分布。这个稳态分布的权重向量通常用于评估、排序或选择不同的决策方案。
本发明还提供了一种存储介质,存储有计算机程序或指令,当所述计算机程序或指令被运行时,实现所述一种面向任务的复杂装备体系能力分析方法。
本发明还提供了面向任务的复杂装备体系模拟对抗系统,包括作战网络体系构建模块、体系能力构建模块、任务能力构建模块、作战单元能力构建模块和能力评价模块;
所述作战网络体系构建模块用于,获取复杂装备体系各个作战单元的能力特征的元数据,针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型,所述三层网络模型包括体系能力层、任务能力层和作战单元能力层;
所述作战网络体系构建模块定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*)
其中G为综合作战体系网络模型,N是子网集合,N=Ns∪Nt∪Nb,其中Ns,Nt,Nb分别表示体系能力网络、任务能力网络和作战单元能力网络,V是节点集合,E为链路集合,所述五元组存储在数据库中;
所述体系能力构建模块以复杂装备体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系能力结构模型算法,将体系能力结构模型算法对应至体系能力层;
所述任务能力构建模块基于高层概念模型算法、体系能力结构模型算法、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将任务需求分析模型对应至任务能力层;
所述作战单元能力构建模块用于获取包含各个作战单元的作战活动和作战能力的多视图图像数据,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将多视图模型对应至作战单元能力层;
所述作战单元能力构建模块建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述视图存储在数据库中;
所述能力评价模块基于作战体系三层网络模型,通过网络层次分析法对复杂装备体系能力评价;
所述能力评价模块还提供模拟对抗算法,来对作战单元在不同对抗环境中的表现进行评估,具体包括如下步骤:
步骤a1,能力评价模块首先利用作战网络体系构建模块针对复杂装备体系的各个作战单元能力特征,建立起体系能力层、任务能力层和作战单元能力层组成的三层网络模型,所述三层网络模型通过一个五元组G=(N,V,E,V*,E*)进行形式化描述,并存储在数据库中;
步骤a2,体系能力构建模块和任务能力构建模块根据即时聚优、敏捷适变和涌现性能力,以及高层概念模型算法、体系能力结构模型算法多视图分析,构建并映射至相应的能力层;
步骤a3,作战单元能力构建模块负责解析各个作战单元的作战活动和能力,并生成装备节点-作战活动-作战事件的关联矩阵视图,关联矩阵视图存储在数据库中;
步骤a4,能力评价模块将数据库中的综合数据特征(包括五元组、关联矩阵视图等)通过模拟对抗算法进行处理,模拟对抗算法模拟各种可能的作战场景和条件,以模拟的方式测试作战单元和整个作战体系在各种情况下的能力表现,模拟结果将作为多维数据集保存在数据库中,并通过高级数据分析和机器学习算法进行深入挖掘,从而形成更为准确和可靠的作战能力评估结果,并将评估结果以可视化的方式通过计算机显示。
在能力评价模块中,除了基于作战体系三层网络模型进行网络层次分析法以评估复杂装备体系能力外,能力评价模块还引入了模拟对抗技术。模拟对抗技术在计算机科学领域已经得到了广泛的应用,尤其是在增强学习和人工智能决策模型中。因此,能力评价模块利用模拟对抗算法,来对作战单元在不同对抗环境中的表现进行评估。这不仅涉及传统的战术和战略评估,还进一步包括了作战单元之间的协同和通信能力的综合评价。在这种情况下,模拟对抗技术为评价模块提供了一种更为动态和全面的评估手段。这种综合应用模拟对抗技术的方法,大大增强了复杂装备体系模拟对抗系统的评估能力和准确性。
在模拟对抗系统中,能力评价模块不仅基于作战体系三层网络模型通过网络层次分析法进行评估,还综合应用了面向任务的复杂装备体系模拟对抗技术。该技术将作战网络体系构建模块、体系能力构建模块、任务能力构建模块和作战单元能力构建模块等多个模块的数据特征整合处理。有益效果:本发明与现有技术相比,具有如下显著优点:建立了一个“体系能力—任务能力—作战单元能力”三层网络模型,构建五元组模型,并在每层采用模型驱动的方式进行描述和分析,在此基础上构建的模拟对抗系统,以支持面向任务的综合分析和评价。对于体系能力层,构建评价指标体系,对于任务能力层和作战单元能力层,本专利采用了基于模型驱动的方式组合不同的分析方法,能够更准确、全面地揭示任务能力和作战单元能力之间的关系,并提供更深入的分析和评估。本方法不仅仅是简单的可视化,而是构架出具有理论和模型支持的分析框架,为决策提供更可靠的依据。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法流程图。
图2是三层网络模型架构图。
图3是体系能力结构模型算法。
图4是使命任务及作战任务结构模型。
图5是典型作战任务能力层高层概念模型算法。
图6是典型作战任务作战活动模型算法。
图7是典型作战任务作战事件跟踪描述模型算法。
图8是典型作战任务作战单元能力描述模型。
图9是复杂装备体系能力分析系统框架图。
具体实施方式
实施例1
如图1所示,本实施例所述的面向任务的复杂装备体系能力分析方法和模拟对抗系统,所述方法具体包括:
步骤1,针对复杂装备体系各个作战单元的能力特征建立作战体系三层网络模型,包括体系能力层、任务能力层和作战单元能力层。
步骤2,以体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系即时聚优能力结构模型,将模型对应至体系能力层。
步骤3,基于高层概念模型算法、能力结构模型、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将模型对应至任务能力层。
步骤4,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将模型对应至作战单元能力层。
步骤5,基于三层网络模型开展能力动态演化分析和即时聚优能力预测。
本实施例中,步骤1基于建立复杂装备体系三层网络模型,包括体系能力层、任务能力层和作战单元能力层,如图2所示。
在体系能力层,用“节点”描述联动性、精确性、自主性等顶层体系能力,以及决策响应时间、综合态势生成时间等体系特征,“边”描述各个能力之间的层级关系;
在任务能力层,用“节点”描述某编组的探测能力、防御能力、打击能力,“边”描述各个能力之间的层级关系;在作战单元能力层,用“节点”描述传感单元、通信单元、指控单元和火力单元等,“边”描述实体单元的交互关系,包括情报通信关系、共享关系、指挥关系、控制关系。
定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*);
其中,G为“综合作战体系网络模型”。它是一个多层次、多维度的网络模型,用于从不同的角度(体系能力、任务能力、作战单元能力)来全面地描述和分析作战体系的综合性能,N=Ns∪Nt∪Nb是子网集合,Ns,Nt,Nb分别表示传感网、指控网、火力网和通信网;
V=Vs∪Vi∪Vd∪Vf∪Ve是节点集合,Vs,Vi,Vd,Vf,Ve分别表示网络中侦察、信息融合、决策、行动、通信能力;
E=Esi∪Eii∪Eid∪Edd∪Edf∪Efi∪Eff为链路集合,Esi是一组链路,这些链路起始于节点Vs并指向节点Vi;V*为节点属性描述函数,描述不同节点的状态;E*为链路属性描述函数,描述不同链路的状态。
本实施例中,步骤2以体系的即时聚优、敏捷适变和涌现性等能力为牵引,构建四层基于计算机的体系能力结构模型算法,如图3所示。包括:
建立体系的四层能力结构,顶层节点主要由即时聚优能力、敏捷适变能力和涌现性能力组成;
第二层节点中,即时聚优能力分解为联动性、精确性和自主性;敏捷适变能力可分解为灵活性、弹性、适应性、鲁棒性、创新性、响应性;涌现性能力分解为适应性、协同性和抗毁性;
基于第二层各个阶段,设计第三层和第四层能力,具体包括:
对于即时聚优能力,
联动性分解为物理域、信息域、认知域、社会域等影响因素,其中物理域影响因素包括统一的传输和转换标准、统一的接口等,信息域影响因素包括态势信息实时共享、指控信息精准下达、态势信息实时交互、效果信息及时反馈,认知域影响因素包康泰时判断、方案制定、方案优选等,社会域影响因素包括作战条令条例、作业流程等;
精准性分解为物理域和认知域等影响因素,其中物理域影响包括远程、近程火力打击命中概率,认知域影响包括指挥控制命令准确度、信息反馈准确度;
自主性分解为信息域、认知域、物理域等影响因素以及自主聚势因素,其中信息域影响因素包括综合态势生成时间、作战计划生成时间、网络通信能力等,认知域影响因素包括决策响应时间、决策者能力水平、情报处理能力等,物理域影响因素包括兵力规模、火力强度、快速反应能力、精确制导能力等,自主聚势因素包括寻找天然窗口、造敌困境概率等;
对于敏捷识别能力,
灵活性分解为信息域和认知域灵活性,其中信息域灵活包括超前感知概率、环境剧变程度,认知域灵活性包括互操作能力、灵活决策判断力;
弹性分解为风险预测、威胁响应、攻击承受、恢复重建等影响因素,其中风险预测影响因素包括感知单元协同、态势信息判断、信息交互反馈,威胁响应影响因素包括识别精度、响应策略、要素联动机制,攻击承受影响因素包括攻击位置、攻击强度、任务能力阈值,恢复重建影响因素包括结构复杂度、优先级选择等;
适应性分解为使用和环境适应性,其中使用适应性包括装备维修性、装备测试性、装备保障性、装备可靠性等,环境适应性包括人机、运输、电磁、自然等环境适应性;
鲁棒性分解为网络复杂度,其中网络复杂度包括OODA环数量、通信链路比、环路消耗时间;
创新性分解为认知域创新,其中认知域创新包括主动学习方法效率、用新战法的效率;
响应性分解为物理域和认知域响应,其中物理域响应包括行动速度、打击效果,认知域响应包括新认知产生时间、决策效果;
对于涌现行能力,
适应性分解为体系适应性、体系生存能力,其中体系适应能力包括抗干扰能力、反巡航能力、反隐身能力,体系生存能力包括数据融合能力、指挥决策能力、武器控制能力;
协同性分解为预警协同能力、火力协同能力,其中预警协同能力包括搜索捕获能力、稳定跟踪能力、目标识别能力等,火力协同能力包括精确制导能力、毁伤目标能力等;
抗毁性分解为认知域和信息域因素,其中认知域因素包括指挥人才储备、人员指标抗毁性,信息域因素包括指挥链路完整性、网络连通性。
本实施例中,步骤3基于高层概念模型算法、能力结构模型、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将模型对应至任务能力层,包括:
结合复杂装备体系的作战使命要求,将使命分解为方面战和作战任务,建立使命任务及作战任务结构模型,将使命分解为多个方面战,针对各个方面战,派生出一到多个作战任务模型,如图4所示。
针对每个作战任务模型,构建基于计算机的高层概念模型算法(如图5)、作战活动模型算法(如图6)、作战事件跟踪描述模型算法(如图7)、能力结构模型和逻辑数据模型(如图8);
从能力结构模型中选择能力,逐层分配到作战活动模型算法中的各个“活动”节点;
使用三层网络模型对使命模型和使命任务模型进行形式化描述,对应至任务能力层;
本实施例中,步骤4基于多视图模型分析,确定各个作战单元的作战活动和作战能力,其特征在于,建立装备节点与作战活动、作战事件之间的关联关系,然后基于语义实现多视图模型的融合,提取各个装备节点的作战活动、作战能力和信息交互关系,包括:
建立高层概念视图中“作战装备节点”与作战活动视图中“泳道”模型的关联,关联后,“泳道”模型内的“能力”模型将自动关联到作战装备节点;
建立作战活动视图中“作战活动”模型与能力结构模型中的作战能力模型的关联,“泳道”模型内的“作战活动”模型关联的“能力”模型将自动关联到“泳道”模型关联的作战装备节点;
针对作战活动视图中的“作战活动”模型,建立作战事件语义描述模型,描述作战活动的交互事件和时序信息;
建立高层概念视图中“作战装备节点”模型与作战活动视图中“作战活动”模型以及“作战事件”语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成“装备节点-作战活动-作战事件”关联矩阵视图;
建立高层概念视图中“作战装备节点”模型与作战事件跟踪描述视图中“生命线”模型的关联,基于“装备节点-作战活动-作战事件”关联矩阵,在关联装备节点的“生命线”模型上自动生成“交互事件”关系模型,并按照作战事件语义模型描述,从上到下依次按时序先后顺序进行排列布局;
针对各个作战任务提取多视图下的作战装备节点、作战活动模型算法和作战能力模型,基于语义匹配,生成每个作战装备节点的作战活动、作战能力和信息交互关系;
使用三层网络模型对每个作战装备节点进行形式化描述,对应至三层网络模型作战单元能力层;
本实施例中,步骤5通过网络层次分析法对复杂装备体系能力评价,详细步骤如下:
将三层网络模型映射为评价指标体系,将“边”映射为元素与元素之间及元素组与元素之间的相互影响关系,描述元素关联性;
建立元素两两比较判断矩阵,构建元素组与元素之间的判断矩阵:
其中n表示矩阵的维度,A为一个n×n的矩阵,aij是一个大于0的数,用于表示矩阵中第i行和第j列的元素。对判断矩阵的每一列作归一化;
其中ai′j表示归一化后的矩阵A中第i行和第j列的元素。
将归一化后的矩阵按行累加;
其中wi表示第i行所有元素的和,它代表了第i个选项或准则的综合评价。用和积法计算同一层指标对上一层指标的相对重要性,即对上式作归一化处理:
其中Wi表示第i个选项或准则的相对重要性,在所有选项或准则中所占的比例。断矩阵是否满足,检验公式如下:
其中wj表示第i个选项或准则的综合评价,λmax表示最大特征值,CI为一致性指标,RI为均匀随机一致性指标,CR为一致性比率,当CR<0.1时,通过一致性检验;
由判断矩阵计算被比较元素的相对权重,构建初始超矩阵,包括:
计算权矩阵。设定控制层准则为P1,P2,…,Pn,网络层元素集C1,C2,…,Cm,Ci中的元素为依据上下准则判断元素集与Ci之间的影响关系,对Ci有影响的元素集为/>判断矩阵C:
其中Pn表示控制层准则中的第n个因素,Cm表示网络层元素集中的第m个组或类别,表示在Ci组或类别中的第n个具体元素。/>
其中表示矩阵C中位于第i行和第j列的元素。它代表第i个元素集对第j个元素集的相对重要性。
归一化特征向量为判断矩阵中,对Ci没有关系的特征向量值为0。将/>调整为/>组成加权矩阵U;
其中unn表示加权矩阵U中第n行和m列对应的元素之间的相对重要性。
同理,构建元素集Ci与Cj的元素之间的判断矩阵Wij(不相关时Wij≠0),以Wij为块矩阵形成超矩阵W;
其中表示第i个元素集Ci中的最后一个元素与第j个元素集Cj中的最后一个元素之间的相对重要性,wnn表示一个mn×mn的方阵,其中mn是集合Cn的元素个数;
同理,构建加权超矩阵为权矩阵;
极限超矩阵:
其中表示极限超矩阵,在无限次迭代之后达到稳态(或收敛)的矩阵,Wk表示第k次迭代后的矩阵。
计算组间权重,构建极限超矩阵,计算最终排序结果。
如图9所示,本发明所述系统包括作战网络体系构建模块、体系能力构建模块、任务能力构建模块、作战单元能力构建模块、能力评价模块;
所述作战网络体系构建模块用于建立复杂装备体系的作战体系三层网络模型,包括体系能力层、任务能力层和作战单元能力层,以形式化描述模型元素,实现能力特征建立和联动性分析;
所述体系能力构建模块通过构建即时聚优能力结构模型,实现复杂装备体系的即时聚优、敏捷适变和涌现性能力的构建和优化;
所述任务能力构建模块基于高层概念模型算法、能力结构模型、作战活动模型算法和作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,以构建装备编组的任务能力层;
所述作战单元能力构建模块通过多视图模型分析,确定各个作战单元的作战活动和能力,并将其对应至作战单元能力层,实现作战能力的建立和描述;
所述能力评价模块基于三层网络模型和模拟对抗技术,进行能力动态演化分析和作战能力评价,通过构建判断矩阵和计算相对权重,为提升复杂装备体系能力分析提供评价指标体系和排序结果。
说明:上述实施例仅用于说明本发明的技术方案,而不是对其进行限制。虽然已经参考上述实施例详细描述了本发明,但作为本领域的一般技术,人员应该理解,它仍然可以修改上述实施例中记录的技术方案,或者对一些技术特征进行等效替换。这些修改或替换,对应技术方案的实质并不脱离本发明实施例的技术方案的精神和范围。
Claims (10)
1.面向任务的复杂装备体系能力分析方法,其特征在于,包括以下步骤:
步骤1,获取复杂装备体系各个作战单元的能力特征元数据,元数据是描述数据,即用于解释或澄清数据特性、性质或结构的信息,针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型,所述三层网络模型包括体系能力层、任务能力层和作战单元能力层;
步骤2,以复杂装备体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系能力结构模型算法,将体系能力结构模型算法对应至体系能力层;
步骤3,基于高层概念模型算法、体系能力结构模型算法、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将任务需求分析模型对应至任务能力层;
步骤4,获取包含各个作战单元的作战活动和作战能力的多视图图像数据,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将多视图模型对应至作战单元能力层;
步骤5,基于作战体系三层网络模型,通过网络层次分析法对复杂装备体系能力评价。
2.根据权利要求1所述的方法,其特征在于,步骤1包括:
步骤1-1,定义复杂装备体系三层网络模型元素,包括:
在体系能力层,用节点描述包含顶层体系能力和体系特征的元数据,用边描述包含顶层体系能力之间的层级关系的特征元数据;所述顶层体系能力包括联动性、精确性、自主性;所述体系特征包括决策响应时间和综合态势生成时间;
在任务能力层,用节点描述包含编组的探测能力、防御能力和打击能力的特征元数据,用边描述包含各个探测能力、防御能力、打击能力之间的层级关系的特征元数据;
在作战单元能力层,用节点描述包含侦察单元、指控单元和火力单元的特征元数据,用边描述包含实体单元的交互关系的特征元数据;所述交互关系包括情报通信关系、共享关系、指挥关系和控制关系;
步骤1-2,定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*)
其中G为综合作战体系网络模型,N是子网集合,N=Ns∪Nt∪Nb,其中Ns,Nt,Nb分别表示体系能力网络、任务能力网络和作战单元能力网络;
V是节点集合,V=Vs∪Vi∪Vd∪Vf∪Ve,其中Vs,Vi,Vd,Vf,Ve分别表示网络中侦察能力特征元数据、信息融合能力特征元数据、决策能力特征元数据、机动能力特征元数据和通信能力数据,其中所述网络是指逻辑网络;
E为链路集合,E=Esi∪Eii∪Eid∪Edd∪Edf∪Efi∪Eff,其中Esi是一组链路,链路起始于节点Vs并指向节点Vi;V*为节点属性描述函数,在模型中,V*作为节点属性描述函数,用于描述包含不同节点的状态的计算机数据;E*为链路属性描述函数,用于描述包含不同链路的状态的计算机数据,将每一条链路或边映射到一组属性或特征。
3.根据权利要求2所述的方法,其特征在于,步骤2包括:建立复杂装备体系的四层能力结构:
顶层节点包括即时聚优能力、敏捷适变能力和涌现性能力;
第二层节点包括联动性、精确性、自主性、灵活性、弹性、适应性、鲁棒性、创新性、响应性、协同性、抗毁性;
第三层节点包括物理域、信息域、认知域、社会域、自主聚势、风险预测、威胁响应、攻击承受、恢复重建,以及体系适应、体系生存、预警协同、火力协同能力;
第四层节点为第三层节点的分解细化。
4.根据权利要求3所述的方法,其特征在于,步骤3中,所述任务需求分析模型用于确定任务或系统的需求以及如何达到需求。
5.根据权利要求4所述的方法,其特征在于,步骤3包括:
步骤3-1,依据使命要求,建立使命模型;
装备节点模型用于明确哪些装备或系统会在何种程度上参与方面战,构建步骤包括:列举用到的所有装备和系统,针对每一项装备或系统,根据其性能参数和特性,决定其在整个方案中的具体角色和重要性,将装备或系统与高层概念模型算法中的关键流程和目标相匹配;
组织关系模型用于描述各装备节点和参与人员如何协同工作,具体构建步骤为:根据装备节点模型,为每个装备或系统分配一个或两个以上操作者或负责人;明确各操作者或负责人之间的协作关系;确立各节点之间的信息传递和决策流程;
步骤3-2,针对各个方面战,派生出一到两个以上作战任务模型;
步骤3-3,针对每个作战任务模型,构建基于计算机的高层概念模型算法、作战规则模型、作战活动模型算法、能力结构模型、作战事件跟踪描述模型算法和逻辑数据模型;
高层概念模型算法首先为整个作战提供一个框架,通过确定主要和次级目标以及涉及的关键实体和过程;
作战规则模型则列出作战行动,并为每一种行动定义一组规则或条件,用于明确在不同情境下应遵循的战术或战略规则;
作战活动模型算法关注作战过程中发生的各种活动,并描述活动如何按时间和空间序列进行,用时间线图或Gantt图表示;
能力结构模型则列出完成任务所需的各种能力,并明确能力如何相互依赖和影响,用层次图或矩阵表示;
作战事件跟踪描述模型算法记录作战中的关键事件和里程碑,并明确事件如何影响作战结果,用日志文件或事件数据库表示;
逻辑数据模型确定作战中将处理哪些类型的数据,并设计数据应如何存储、检索和处理,用ER图或数据字典表示;
步骤3-4,从能力结构模型中选择能力,逐层分配到作战活动模型算法中的各个活动节点,将预先定义好的能力具体地分配到执行作战任务中的活动节点上;
首先需要有一个明确的能力结构模型,能力结构模型包括各种能力,以及能力之间的相互依赖关系;然后,需要一个作战活动模型算法,作战活动模型算法中列举出在完成一个作战任务中所有涉及的活动或步骤;
步骤3-5,使用三层网络模型对使命模型和使命任务模型进行形式化描述,对应至任务能力层;
对于三层网络模型对使命模型和使命任务模型进行形式化描述,涉及以下步骤:首先,在顶层,将总体使命或战略目标进行描述,然后,在第二层,将总体目标分解为主要的作战任务或目标,在第三层,进一步分解主要任务或目标到具体的操作或步骤,包括包含具体的战术动作、所需资源的特征元数据;每一层都会有其网络结构,描绘包含任务或目标之间的依赖关系、优先级的特征元数据。
6.根据权利要求5所述的方法,其特征在于,步骤4包括:
步骤4-1,建立高层概念视图中作战装备节点与作战活动视图中泳道模型的关联,关联后,泳道模型内的能力模型将自动关联到作战装备节点,在系统工程和模型构建领域;
步骤4-2,建立作战活动视图中作战活动模型算法与能力结构模型中的作战能力模型的关联,泳道模型内的作战活动模型算法关联的能力模型将自动关联到作战装备节点,所述作战能力模型是一个多维模型,用于描述和量化作战体系或个体装备在不同场景和条件下的性能和效能,包括火力、机动性、保护能力、指挥控制能力;
步骤4-3,针对作战活动视图中的作战活动模型算法,建立作战事件语义描述模型,描述包含作战活动的交互事件和时序信息的特征元数据,所述作战事件语义描述模型用于描述和解释包含作战活动中各种交互事件和它们的时序信息的特征元数据,作战事件语义描述模型采用结构化或半结构化的数据格式,包含时间戳、事件类型、参与者、地理位置、环境条件;
步骤4-4,建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述作战装备节点模型详细描述了作战中涉及的所有装备和系统;
步骤4-5,建立高层概念视图中作战装备节点模型与作战事件跟踪描述视图中生命线模型的关联,基于装备节点-作战活动-作战事件关联矩阵,在关联装备节点的生命线模型中自动生成交互事件关系模型,并按照作战事件语义模型描述,从上到下依次按时序先后顺序进行排列布局;
生命线模型来自作战事件跟踪描述视图,用于描绘作战过程中装备或系统状态的变化和持续时间;
装备节点-作战活动-作战事件的关联矩阵是一个多维数组,其中列出了装备节点、相应的作战活动以及作战事件的相互关系;
作战事件语义模型描述用于定义每个作战事件的具体意义和相关逻辑;
步骤4-6,针对各个作战任务提取多视图下的作战装备节点、作战活动模型算法、作战能力模型,基于语义匹配,生成包含每个作战装备节点的作战活动、作战能力和信息的交互关系的特征元数据;
步骤4-7,使用三层网络模型对每个作战装备节点模型进行形式化描述,对应至作战单元能力层,其中三层网络模型分别是:物理层、功能层和能力层;
对于物理层:首先,物理层描述了作战装备的基础物理特性,包括装备的尺寸、重量、材质、能源需求;
对于功能层:功能层描述了装备能执行具体的操作或任务;
对于能力层:能力层描述了装备在作战单元中能实现哪些战术或战略目标。
7.根据权利要求6所述的方法,其特征在于,步骤5包括:
步骤5-1,将体系能力层、任务能力层和作战单元能力层中分别构建基于计算机的体系能力结构模型算法、任务需求分析模型、多视图模型组成的三层网络模型映射为评价指标体系,在体系能力层中,以即时聚优、敏捷适变和体系涌现性能力为牵引,构建体系层能力指标结构;在任务层,以作战体系能力需求构建使命任务,并以此为牵引,构建任务层能力指标结构;即将指标体系中各个能力层及其构建模型的各个元素及元素组进行关联;在作战单元层,基于作战任务能力指标,分析作战单元的能力需求,按照控制层,网络层,元素组和元素分类,分别创建控制层指标体系,网络层指标体系,在网络层构建元素之间的连线;将边映射为元素与元素之间及元素组与元素之间的相互影响关系;
步骤5-2,建立元素两两比较判断矩阵,构建元素组与元素之间的判断矩阵:
其中n表示矩阵的维度,A为一个n×n的矩阵,aij是一个大于0的数,用于表示矩阵中第i行和第j列的元素;
对判断矩阵的每一列作归一化:
其中ai′j表示归一化后的矩阵A中第i行和第j列的元素;
将归一化后的矩阵按行累加;
其中wi表示第i行所有元素的和,它代表了第i个选项或准则的综合评价;
用和积法计算同一层指标对上一层指标的相对重要性:
其中Wi表示第i个选项或准则的相对重要性在所有选项或准则中所占的比例;
检验公式如下:
其中wj表示第i个选项或准则的综合评价,λmax表示最大特征值,CI为一致性指标,RI为均匀随机一致性指标,CR为一致性比率,当CR小于阈值时,通过一致性检验;
步骤5-3,由判断矩阵计算被比较元素的相对权重,构建初始超矩阵,具体包括:
计算权矩阵:设定控制层准则为P1,P2,…,Pn,网络层元素集为C1,C2,…,Cm,
其中Pn表示控制层准则中的第n个因素,Cm表示网络层元素集中的第m个组或类别;
Ci中的元素为
其中表示在Ci组或类别中的第n个具体元素;
依据上下准则判断元素集与Ci之间的影响关系,对Ci有影响的元素集为判断矩阵C为:
其中表示矩阵C中位于第i行和第j列的元素,它代表第i个元素集对第j个元素集的相对重要性;
归一化特征向量为判断矩阵中,对Ci没有关系的特征向量值为0;将调整为/> 表示在归一化特征向量中第i个元素,uni表示调整后的归一化特征向量中第i个元素,T表示矩阵转置,组成加权矩阵U:
其中unn表示加权矩阵U中第n行和m列对应的元素之间的相对重要性;
构建元素集Ci与Cj的元素之间的判断矩阵Wij,以Wij为块矩阵形成初始超矩阵W;
其中表示第i个元素集Ci中的最后一个元素与第j个元素集Cj中的最后一个元素之间的相对重要性,wnn表示一个mn×mn的方阵,其中mn是集合Cn的元素个数;
步骤5-4,计算组间权重,构建极限超矩阵,通过对初始超矩阵W进行归一化处理,得到归一化超矩阵,求解归一化超矩阵每一行的加权平均值,得到底层指标的权重向量,基于权重向量得到最终的排序结果,将排序结果以可视化的方式通过计算机显示。
8.根据权利要求7所述的方法,其特征在于,步骤5-4包括:构建加权超矩阵AS为权矩阵;
极限超矩阵:
其中表示极限超矩阵,Wk表示第k次迭代后的矩阵。
9.一种存储介质,其特征在于,存储有计算机程序或指令,当所述计算机程序或指令被运行时,实现如权利要求1至8中任一项所述的方法。
10.面向任务的复杂装备体系模拟对抗系统,其特征在于,包括作战网络体系构建模块、体系能力构建模块、任务能力构建模块、作战单元能力构建模块和能力评价模块;
所述作战网络体系构建模块用于,获取复杂装备体系各个作战单元的能力特征元数据,针对复杂装备体系各个作战单元的能力特征,建立作战体系三层网络模型,所述三层网络模型包括体系能力层、任务能力层和作战单元能力层;
所述作战网络体系构建模块定义作战体系三层网络模型的形式化描述,包括:
使用一个五元组表示:
G=(N,V,E,V*,E*)
其中G为综合作战体系网络模型,N是子网集合,N=Ns∪Nt∪Nb,其中Ns,Nt,Nb分别表示体系能力网络、任务能力网络和作战单元能力网络,V是节点集合,E为链路集合,所述五元组存储在数据库中;
所述体系能力构建模块以复杂装备体系的即时聚优、敏捷适变和涌现性能力为牵引,构建体系能力结构模型算法,将体系能力结构模型算法对应至体系能力层;
所述任务能力构建模块基于高层概念模型算法、体系能力结构模型算法、作战活动模型算法、作战事件跟踪描述模型算法,描述使命模型算法和典型作战任务模型算法,将任务需求分析模型对应至任务能力层;
所述作战单元能力构建模块用于获取包含各个作战单元的作战活动和作战能力的多视图图像数据,基于多视图模型分析,确定各个作战单元的作战活动和作战能力,将多视图模型对应至作战单元能力层;
所述作战单元能力构建模块建立高层概念视图中作战装备节点模型与作战活动视图中作战活动模型算法以及作战事件语义模型的关联,根据每个作战活动的作战事件描述的时序规则,生成装备节点-作战活动-作战事件关联矩阵视图,所述视图存储在数据库中;
所述能力评价模块基于作战体系三层网络模型,通过网络层次分析法对复杂装备体系能力评价;
所述能力评价模块还提供模拟对抗算法,来对作战单元在不同对抗环境中的表现进行评估,具体包括如下步骤:
步骤a1,能力评价模块首先利用作战网络体系构建模块针对复杂装备体系的各个作战单元能力特征,建立起体系能力层、任务能力层和作战单元能力层组成的三层网络模型,所述三层网络模型通过一个五元组G=(N,V,E,V*,E*)进行形式化描述,并存储在数据库中;
步骤a2,体系能力构建模块和任务能力构建模块根据即时聚优、敏捷适变和涌现性能力,以及高层概念模型算法、体系能力结构模型算法多视图分析,构建并映射至相应的能力层;
步骤a3,作战单元能力构建模块负责解析各个作战单元的作战活动和能力,并生成装备节点-作战活动-作战事件的关联矩阵视图,关联矩阵视图存储在数据库中;
步骤a4,能力评价模块将数据库中的综合数据特征通过模拟对抗算法进行处理,模拟对抗算法模拟各种可能的作战场景和条件,以模拟的方式测试作战单元和整个作战体系在各种情况下的能力表现,模拟结果将作为多维数据集保存在数据库中,并通过高级数据分析和机器学习算法进行深入挖掘,从而形成更为准确和可靠的作战能力评估结果,并将评估结果以可视化的方式通过计算机显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311430030.1A CN117540156A (zh) | 2023-10-31 | 2023-10-31 | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311430030.1A CN117540156A (zh) | 2023-10-31 | 2023-10-31 | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117540156A true CN117540156A (zh) | 2024-02-09 |
Family
ID=89789003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311430030.1A Pending CN117540156A (zh) | 2023-10-31 | 2023-10-31 | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540156A (zh) |
-
2023
- 2023-10-31 CN CN202311430030.1A patent/CN117540156A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175773A (zh) | 基于贝叶斯网络的侦查无人机作战效能评估方法 | |
CN109597839B (zh) | 一种基于航电作战态势的数据挖掘方法 | |
CN114282833A (zh) | 一种基于规则的海空联合作战行动分层任务规划方法 | |
Biltgen et al. | A Methodology for Capability-Focused Technology Evaluation of Systems of Systems | |
Elliott et al. | Scaling scenarios: Development and application to C4ISR sustained operations research | |
CN107958265A (zh) | 一种基于战时影响因素与ε-SVR的战损备件预测方法 | |
CN115293022A (zh) | 基于OptiGAN和时空注意力的航空兵智能体对抗行为建模方法 | |
CN114912741A (zh) | 一种作战体系结构效能评估方法、装置以及存储介质 | |
Ranque et al. | Stochastic agent-based analysis of UAV mission effectiveness | |
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 | |
CN117540156A (zh) | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 | |
Naikar et al. | Cognitive work analysis for air defense applications in Australia | |
Duan et al. | Dynamic Tasks Scheduling Model for UAV Cluster Flexible Network Architecture | |
DeStefano | Agent based simulation SEAS evaluation of DoDAF architecture | |
CN112016219A (zh) | 一种装备作战试验一体化任务规划方法与系统 | |
CN117932977B (zh) | 一种可计算作战概念模型的构建方法及系统 | |
Adnan et al. | Improvement of the method of estimation and forecasting of the state of the monitoring object in intelligent decision support systems | |
Quan et al. | A Multi-Dimensional Dynamic Evaluation Method for the Intelligence of Unmanned Aerial Vehicle Swarm | |
Vijay Rao | Design and development of intelligent military training systems and wargames | |
Goolsby | System of Systems Composition and Course of Action Pathfinding Tool (CNCPT) | |
CN114529205B (zh) | 马赛克战体系能力需求满足度评估方法及相关设备 | |
Connors | Agent-based Modeling Methodology for Analyzing Weapons Systems | |
Morawietz et al. | A mission-based approach for the holistic evaluation of aerial platforms: implementation and proof of concept | |
Dieffenbacher | Managing portfolios of complex systems with the portfolio-level epoch-era analysis for affordability framework | |
CN115374392A (zh) | 获取目标事件的对象参数的方法、电子设备和存储介质 |
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 |