CN110519094B - 一种基于装备体系网络的打击链路评估方法 - Google Patents
一种基于装备体系网络的打击链路评估方法 Download PDFInfo
- Publication number
- CN110519094B CN110519094B CN201910800907.9A CN201910800907A CN110519094B CN 110519094 B CN110519094 B CN 110519094B CN 201910800907 A CN201910800907 A CN 201910800907A CN 110519094 B CN110519094 B CN 110519094B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- class
- vector
- decision
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于装备体系网络的打击链路评估方法,提出基于打击链路的装备体系网络化描述与建模,利用概率参数描述装备自身属性以及各装备间的相互作用关系,避免了以往技术方案中遍历寻找装备体系网络中所有打击链路的不合理性,使得分析结果更具真实性,解决了装备体系建模描述不规范的问题,为装备体系分析提供了一个适用性更强,更符合实际作战规范的模型,能够提高装备体系效能评估结果的有效性和准确性。
Description
技术领域
本发明属于装备技术领域,尤其涉及一种基于装备体系网络的打击链路评估方法。
背景技术
随着信息化和智能化技术的飞速发展,现代化战争已逐步从传统的机械化战争转向信息化战争模式。信息化条件下的战争是不同作战体系之间的对抗。由于装备的种类和作用越来越多样化,不同装备间的相互关系也变得更加复杂和紧密,基于传统体系平台的装备建设方式越来越难以适应现代战争的发展,需要建设较为完备和规范的新型装备体系。在实际场景中,装备体系的应用具有更强的广泛性和针对性。装备体系化作战更加成熟与稳定,在执行作战任务时,整个体系反应更快,各类装备配合更默契。对于战场中各类突发情况和战场环境变换的应对准备更加充分,战术的执行方案有更多选择。且装备体系开发思路着重于不同装备间的配合,可以舍弃一些代价昂贵但在体系开发中并不迫切的技术,大幅度的缩减了装备体系建立的研发费用和时间周期。
为了满足不同的实际应用需求,使得装备体系的效能发挥到最大,需要选择合理的效能评估指标,提出高效的装备体系效能分析与评估方法。然而目前某些技术方案中,对于评估指标的选取与实际任务需求的描述方法并不规范,无法准确的描述任务需求与装备体系效能间的关系,将实际应用问题抽象成网络模型的方法缺乏科学性,难以应用于实际场景下装备体系的性能分析,而且,对于装备网络动态变化时,装备体系性能的分析也存在一定的局限性。
除此之外,当前大多数装备体系评估方案仅针对静态体系的分析,忽略或者过度简化了不同装备实体在应用场景中可能发生移动和出现异常的实际情况。因此,还需要研究一种能够有效应对装备体系网络动态变化的效能分析与评估方法,提高体系效能评估结果的有效性和准确性。
发明内容
为解决上述问题,本发明提供一种基于装备体系网络的打击链路评估方法,能够提高装备体系效能评估结果的有效性和准确性。
一种基于装备体系网络的打击链路评估方法,所述装备体系网络包括目标类节点、侦察类节点、决策类节点以及影响类节点,所述评估方法为依次将各个目标类节点作为起点执行打击链路评估操作,得到各目标类节点对应的目标毁伤概率最大的打击链路,完成打击链路的评估,其中,所述打击链路评估操作包括以下步骤:
S1:对装备体系网络中的所有节点统一进行编号,并将矢量D初始化为全零矢量,其中,装备体系网络中的各节点按编号顺序与矢量D中的各元素一一对应,且矢量D中的元素值d[r]表征作为本次打击链路评估操作的起点的目标类节点到其余各节点的连接概率,其中,r=1,2,...,M,M=S+I+J+L,S为目标类节点的个数,I为侦察类节点的个数,J为决策类节点的个数,L为影响类节点的个数;
S2:对矢量D进行第一次更新,具体为:
获取与起点V[s]直接相邻的各个侦察类节点V[i],其中,s为目标类节点的序号,s∈{1,2,…,S},i为起点V[s]直接相邻的侦察类节点的序号,i∈{S+1,S+2,...,S+I};
获取起点V[s]与其直接相邻的各侦察类节点V[i]之间的权值w(s,i),其中,权值大小表征两个节点间连接的强弱,然后将矢量D中与侦察类节点V[i]的序号对应位置上的元素值更新为权值w(s,i);
S3:构造矢量vis并将其初始化为全零矩阵,其中,装备体系网络中的各节点按编号顺序与矢量vis中的各元素一一对应,然后将矢量vis中与起点V[s]的序号对应位置上的元素值更新为1;
S4:在与起点V[s]直接相邻的侦察类节点V[i]中,获取权值w(s,i)最大值对应的侦察类节点,并将该侦察类节点记为V[k],权值w(s,i)最大值记为max_1,其中,k为权值w(s,i)最大值对应的侦察类节点的序号,k∈{S+1,S+2,...,S+I};
S5:在步骤S3得到的更新后的矢量vis中,将与侦察类节点V[k]的序号对应位置上的元素值更新为1;
S6:获取与侦察类节点V[k]直接相邻的各个决策类节点V[j],其中,j为与侦察类节点V[k]直接相邻的各个决策类节点的序号,j∈{S+I+1,S+I+2,...,S+I+J},然后将各个决策类节点V[j]与起点V[s]之间的连接概率d[j]与max_1×w(k,j)进行比较,其中,w(k,j)为侦察类节点V[k]与其直接相邻的决策类节点V[j]之间的权值,若max_1×w(k,j)大于d[j],则将d[j]的值更新为max_1×w(k,j),否则d[j]的值保持不变,从而完成矢量D的第二次更新;然后,在二次更新后的矢量D中,将与起点V[s]之间的连接概率最大的决策类节点记为V[p],并将该连接概率最大值记为max_2,其中,p为该决策类节点的序号,p∈{S+I+1,S+I+2,...,S+I+J},并在步骤S5更新得到的矢量vis中,将与决策类节点V[p]的序号对应位置上的元素值更新为1;
S7:获取与决策类节点V[p]直接相邻的各个影响类节点V[l],其中,l为与决策类节点V[p]直接相邻的各个影响类节点的序号,l∈{S+I+J+1,S+I+J+2,...,S+I+J+L},然后将各个影响类节点V[l]与起点V[s]之间的连接概率d[l]与max_2×w(p,l)进行比较,其中,w(p,l)为决策类节点V[p]与影响类节点V[l]之间的权值,若max_2×w(p,l)大于d[l],则将d[l]的值更新为max_2×w(p,l),否则d[l]的值保持不变,从而完成矢量D的第三次更新;
S8:获取与决策类节点V[p]直接相邻的各个影响类节点V[l]与起点V[s]之间的权值W(l,s),然后将各个权值W(l,s)与步骤S7中三次更新后的矢量D中的各个d[l]对应相乘,然后获取对应相乘结果的最大值以及该最大值对应的影响类节点V[a],其中,a为该影响类节点的序号,a∈{S+I+J+1,S+I+J+2,...,S+I+J+L},然后在步骤S6更新得到的矢量vis中,将与影响类节点V[a]的序号对应位置上的元素值更新为1,得到最终的矢量vis;则最终的矢量vis中值为1的元素对应的节点,构成起点V[s]对应的目标毁伤概率最大的打击链路。
进一步的,在每获取一个目标类节点对应的目标毁伤概率最大的打击链路后,先执行以下步骤,再获取下一个目标类节点对应的目标毁伤概率最大的打击链路:
获取各个已完成打击链路评估操作的目标类节点的目标毁伤概率最大的打击链路所选取的侦查节点、决策节点以及影响节点的累计使用次数,若其中任意一个节点的累计使用次数达到其可使用次数上限,则将该达到可使用次数上限的节点从所述装备体系网络中去除。
进一步的,在获取所有目标类节点的目标毁伤概率最大的打击链路后,若装备体系网络中的侦察类节点、决策类节点以及影响类节点中任意一个节点出现无法正常工作的情况,则对包含无法正常工作节点的各个打击链路执行以下步骤:
S9:获取与无法正常工作节点相邻接的上一级节点和下一级节点,然后将上一级节点作为出发节点,下一级节点作为终止节点,并将出发节点、正常工作节点以及终止节点统一进行局部编号,其中,所述正常工作节点与无法正常工作节点属于同一类别;
S10:构造矢量D*并将其初始化为全零矢量,其中,矢量D*元素的个数为无法正常工作节点所属类别的节点个数+1,且出发节点、正常工作节点以及终止节点按编号顺序与矢量D*中的各元素一一对应,矢量D*中的元素值表征出发节点到正常工作节点以及终止节点的连接概率,然后对矢量D*进行更新,更新方法具体为:
S101:获取与出发节点直接相邻的正常工作节点;
S102:获取出发节点与其直接相邻的各正常工作节点之间的权值w(出发,正常),然后将矢量D*中与正常工作节点的序号对应位置上的元素值更新为对应的权值w(出发,正常);
S11:获取与出发节点直接相邻的正常工作节点与终止节点之间权值w(正常,终止),然后将各个权值w(正常,终止)与步骤S10中更新后的矢量D*中的各权值w(出发,正常)对应相乘,对相乘结果取最大值,并得到该最大值对应的正常工作节点V[正常];
S12:将正常工作节点V[正常]代替打击链路中无法正常工作的节点。
进一步的,两个节点之间的权值通过邻接矩阵W获取,其中,所述邻接矩阵W的获取方法为:
将邻接矩阵W初始化为M×M维的全零矩阵;
将装备体系网络中的各节点按编号顺序分别与邻接矩阵W的各行、列对应;
将目标类节点、侦察类节点、决策类节点以及影响类节点分别作为第一级节点~第四级节点,且不同级别的节点之间不能跨级直接连接;
分别为具有直接连接关系的两个节点赋予权值,然后在邻接矩阵W中将两个节点所在行、所在列对应的元素值更新为所述权值,其中,权值大小为表征两个节点间连接的强弱;
对于没有直接连接关系的两个节点,邻接矩阵W中两个节点所在行、所在列对应的元素值保持不变。
进一步的,任意一个决策类节点V[j]与起点V[s]之间的连接概率d[j]的获取方法为:
S61:获取与决策类节点V[j]直接相邻的各个侦察类节点V[直接];
S62:在邻接矩阵W中,获取决策类节点V[j]与各侦察类节点V[直接]之间的权值;
S63:在邻接矩阵W中,获取各侦察类节点V[直接]与起点V[s]之间的权值;
S64:将步骤S62和步骤S63得到的权值对应相乘,则相乘结果最大值为决策类节点V[j]与起点V[s]之间的连接概率d[j]。
进一步的,任意一个影响类节点V[l]与起点V[s]之间的连接概率d[l]的获取方法为:
S71:获取与影响类节点V[l]直接相邻的各个决策类节点V1[直接];
S72:在邻接矩阵W中,获取影响类节点V[l]与各决策类节点V1[直接]之间的权值;
S73:获取与各决策类节点V1[直接]直接相邻的各侦查类节点V2[直接];
S74:在邻接矩阵W中,获取各决策类节点V1[直接]与各侦查类节点V2[直接]之间的权值;
S75:在邻接矩阵W中,获取各侦察类节点V2[直接]与起点V[s]之间的权值;
S76:将步骤S72、S74以及S75中得到的权值对应相乘,则相乘结果最大值为影响类节点V[l]与起点V[s]之间的连接概率d[l]。
有益效果:
1、本发明提供一种基于装备体系网络的打击链路评估方法,提出基于打击链路的装备体系网络化描述与建模,利用概率参数描述装备自身属性以及各装备间的相互作用关系,避免了以往技术方案中遍历寻找装备体系网络中所有打击链路的不合理性,使得分析结果更具真实性,解决了装备体系建模描述不规范的问题,为装备体系分析提供了一个适用性更强,更符合实际规范的模型,能够提高装备体系效能评估结果的有效性和准确性。
2、本发明提供一种基于装备体系网络的打击链路评估方法,考虑了实际应用场景中各装备实体可能出现无法正常工作节点的变化情况,仅在发生节点变动的局部进行重新规划,节省了重新进行完整的打击链路评估操作需要的计算资源消耗,具有较强的实际应用能力。
附图说明
图1为本发明提供的一种基于装备体系网络的打击链路评估方法的流程图;
图2为本发明提供的基于打击链路评估方法,仅增加装备体系网络中侦查类节点的个数时,对装备体系网络性能提升比率的示意图;
图3为本发明提供的基于打击链路评估方法,仅增加装备体系网络中决策类节点的个数时,对装备体系网络性能提升比率的示意图;
图4为本发明提供的基于打击链路评估方法,仅增加装备体系网络中影响类节点的个数时,对装备体系网络性能提升比率的示意图。
具体实施方式
为了使本领域技术人员更好的理解本申请方案,下面结合本申请实施例中的附图,对本申请实施例的技术方案进行清楚、完整的描述。
参见图1,该图为本发明提供的一种基于装备体系网络的打击链路评估方法的流程图。一种基于装备体系网络的打击链路评估方法,所述装备体系网络包括目标类节点、侦察类节点、决策类节点以及影响类节点,所述评估方法为依次将各个目标类节点作为起点执行打击链路评估操作,得到各目标类节点对应的目标毁伤概率最大的打击链路,完成打击链路的评估。
需要说明的是,目标类节点一般为敌方目标实体,如敌方体系中对我方有较大威胁的装备、设施等;侦察类节点一般为侦察、监视、预警类装备实体,如侦察卫星、无人侦察机等;决策类节点一般为通信与指挥控制类实体,如控制指挥***等;影响类节点一般为火力打击和干扰类实体,如导弹、武装直升机、坦克等;此外,考虑到实际场景中,我方节点也存在被敌方装备打击和干扰的可能性,对于目标类节点、侦察类节点、决策类节点以及影响类节点这四类节点设定了抗毁性能的指标,用0-1的概率来描述,例如某个目标类节点的抗毁性能为0.7,则表示该节点有70%的概率不被毁伤。在上述基础上,将四类装备实体间的关联关系抽象为装备体系网络中的边,例如侦察类实体与敌方目标实体间的关系可以用探测概率来描述,通信指挥类实体与火力打击类实体间的关系可以用通信成功概率来表征,更具体的,可以用邻接矩阵来表示。
下面获取四类装备实体所对应网络节点数目的配比,并根据相应的实际规范和约束,设定不同类别节点的属性:
在此基础上,利用节点间的相互距离,以及“目标——侦察——决策——影响”的基本打击链路形式,设定不同节点间的相互关联关系:
参见图2~图3,分别为本发明提供的基于打击链路评估方法,改变装备体系网络中侦查类节点、决策类节点以及影响类节点的个数时,对装备体系网络性能提升比率的示意图。由图2可知,当装备体系网络中的侦查类节点增加到一个数量时,就无法进一步提升装备体系网络性能了;由图3可知,装备体系网络中的决策类节点对装备体系网络性能的提升无影响;由图4可知,在较大的数值范围内,增加影响类节点的数量,均能够有效提升装备体系网络性能。
在装备体系网络中,需要对所有的目标类节点找到毁伤概率最大的打击链路,即从目标类节点出发,依次经过侦察类节点、决策类节点、影响类节点再回到目标类节点的环路。本发明基于装备体系网络中各节点的自身属性以及节点间的相互作用关系参数,提出适用于装备体系网络化分析的打击链路评估操作。
其中,所述打击链路评估操作包括以下步骤:
S1:对装备体系网络中的所有节点统一进行编号,并将矢量D初始化为全零矢量,其中,装备体系网络中的各节点按编号顺序与矢量D中的各元素一一对应,且矢量D中的元素值d[r]表征作为本次打击链路评估操作的起点的目标类节点到其余各节点的连接概率,其中,r=1,2,...,M,M=S+I+J+L,S为目标类节点的个数,I为侦察类节点的个数,J为决策类节点的个数,L为影响类节点的个数。
例如,当目标类节点为5个,侦察类节点为6个,决策类节点为7个,影响类节点为8个,且第一个目标类节点作为本次打击链路评估操作的起点时,矢量D为[1,0,0,0,0,0.5,0.4,0.5,0.6,...,0.75,0.64,0.9];也就是说,起点与自身的连接概率为1,起点与其他目标类节点的连接概率为0,起点与侦察类节点、决策类节点以及影响类节点的连接概率依次为矢量D的后续元素值;同理,当第二个目标类节点作为本次打击链路评估操作的起点时,矢量D为[0,1,0,0,0,0.6,0.5,0.5,0.46,...,0.65,0.74,0.8]。
S2:对矢量D进行第一次更新,具体为:
获取与起点V[s]直接相邻的各个侦察类节点V[i],其中,s为目标类节点的序号,s∈{1,2,...,S},i为起点V[s]直接相邻的侦察类节点的序号,i∈{S+1,S+2,...,S+I}。
需要说明的是,s∈{1,2,...,S},i∈{S+1,S+2,...,S+I},指的是s的取值只可以是集合{1,2,...,S}中的数值,i的取值只可以是集合{S+1,S+2,...,S+I}中的数值,也就是说,i∈{S+1,S+2,...,S+I}并不是指I个侦察类节点均与起点V[s]直接相邻,有可能只是其中的几个与起点V[s]直接相邻,例如是第2个和第4个侦查类节点与起点V[s]直接相邻,则此时i的取值为S+2和S+4;同理,若第一个目标类节点作为本次打击链路评估操作的起点,则s=1,若第二个目标类节点作为本次打击链路评估操作的起点,则s=2。
获取起点V[s]与其直接相邻的各侦察类节点V[i]之间的权值w(s,i),其中,权值大小表征两个节点间连接的强弱,然后将矢量D中与侦察类节点V[i]的序号对应位置上的元素值更新为权值w(s,i)。
需要说明的是,任意两个节点之间的权值通过邻接矩阵W获取,例如起点V[s]与其直接相邻的各侦察类节点V[i]之间的权值w(s,i),而邻接矩阵W的获取方法可以为:
S21:将邻接矩阵W初始化为M×M维的全零矩阵;
S22:将装备体系网络中的各节点按编号顺序分别与邻接矩阵W的各行、列对应;
S23:将目标类节点、侦察类节点、决策类节点以及影响类节点分别作为第一级节点~第四级节点,且不同级别的节点之间不能跨级直接连接;
S24:分别为具有直接连接关系的两个节点赋予权值,然后在邻接矩阵W中将两个节点所在行、所在列对应的元素值更新为所述权值,其中,权值大小为表征两个节点间连接的强弱;
S25:对于没有直接连接关系的两个节点,邻接矩阵W中两个节点所在行、所在列对应的元素值保持不变。
S3:构造矢量vis并将其初始化为全零矩阵,其中,装备体系网络中的各节点按编号顺序与矢量vis中的各元素一一对应,然后将矢量vis中与起点V[s]的序号对应位置上的元素值更新为1。
S4:在与起点V[s]直接相邻的侦察类节点V[i]中,获取权值w(s,i)最大值对应的侦察类节点,并将该侦察类节点记为V[k],权值w(s,i)最大值记为max_1,其中,k为权值w(s,i)最大值对应的侦察类节点的序号,k∈{S+1,S+2,...,S+I}。
S5:在步骤S3得到的更新后的矢量vis中,将与侦察类节点V[k]的序号对应位置上的元素值更新为1。
S6:获取与侦察类节点V[k]直接相邻的各个决策类节点V[j],其中,j为与侦察类节点V[k]直接相邻的各个决策类节点的序号,j∈{S+I+1,S+I+2,...,S+I+J},然后将各个决策类节点V[j]与起点V[s]之间的连接概率d[j]与max_1×w(k,j)进行比较,其中,w(k,j)为侦察类节点V[k]与其直接相邻的决策类节点V[j]之间的权值,若max_1×w(k,j)大于d[j],则将d[j]的值更新为max_1×w(k,j),否则d[j]的值保持不变,即通过更新后的d[j]取代矢量D中对应位置上的元素值,从而完成矢量D的第二次更新;然后,在二次更新后的矢量D中,将与起点V[s]之间的连接概率最大的决策类节点记为V[p],并将该连接概率最大值记为max_2,其中,p为该决策类节点的序号,p∈{S+I+1,S+I+2,…,S+I+J},并在步骤S5更新得到的矢量vis中,将与决策类节点V[p]的序号对应位置上的元素值更新为1。
需要说明的是,任意一个决策类节点V[j]与起点V[s]之间的连接概率d[j]的获取方法为:
S61:获取与决策类节点V[j]直接相邻的各个侦察类节点V[直接];
S62:获取决策类节点V[j]与各侦察类节点V[直接]之间的权值;
S63:在邻接矩阵W中,获取各侦察类节点V[直接]与起点V[s]之间的权值;
S64:将步骤S62和步骤S63得到的权值对应相乘,则相乘结果最大值为决策类节点V[j]与起点V[s]之间的连接概率d[j]。
S7:获取与决策类节点V[p]直接相邻的各个影响类节点V[l],其中,l为与决策类节点V[p]直接相邻的各个影响类节点的序号,l∈{S+I+J+1,S+I+J+2,…,S+I+J+L},然后将各个影响类节点V[l]与起点V[s]之间的连接概率d[l]与max_2×w(p,l)进行比较,其中,w(p,l)为决策类节点V[p]与影响类节点V[l]之间的权值,若max_2×w(p,l)大于d[l],则将d[l]的值更新为max_2×w(p,l),否则d[l]的值保持不变,即通过更新后的d[j]取代矢量D中对应位置上的元素值,从而完成矢量D的第三次更新。
需要说明的是,任意一个影响类节点V[l]与起点V[s]之间的连接概率d[l]的获取方法为:
S71:获取与影响类节点V[l]直接相邻的各个决策类节点V1[直接];
S72:在邻接矩阵W中,获取影响类节点V[l]与各决策类节点V1[直接]之间的权值;
S73:获取与各决策类节点V1[直接]直接相邻的各侦查类节点V2[直接];
S74:在邻接矩阵W中,获取各决策类节点V1[直接]与各侦查类节点V2[直接]之间的权值;
S75:在邻接矩阵W中,获取各侦察类节点V2[直接]与起点V[s]之间的权值;
S76:将步骤S72、S74以及S75中得到的权值对应相乘,则相乘结果最大值为影响类节点V[l]与起点V[s]之间的连接概率d[l]。
S8:在邻接矩阵W中,获取与决策类节点V[p]直接相邻的各个影响类节点V[l]与起点V[s]之间的权值W(l,s),然后将各个权值W(l,s)与步骤S7中三次更新后的矢量D中的各个d[l]对应相乘,然后获取对应相乘结果的最大值以及该最大值对应的影响类节点V[a],其中,a为该影响类节点的序号,a∈{S+I+J+1,S+I+J+2,…,S+I+J+L},然后在步骤S6更新得到的矢量vis中,将与影响类节点V[a]的序号对应位置上的元素值更新为1,得到最终的矢量vis;则最终的矢量vis中值为1的元素对应的节点,构成起点V[s]对应的目标毁伤概率最大的打击链路,且目标毁伤概率最大值为所述对应相乘结果的最大值。
进一步的,在每获取一个目标类节点对应的目标毁伤概率最大的打击链路后,先执行以下步骤,再获取下一个目标类节点对应的目标毁伤概率最大的打击链路:
获取各个已完成打击链路评估操作的目标类节点的目标毁伤概率最大的打击链路所选取的侦查节点、决策节点以及影响节点的累计使用次数,若其中任意一个节点的累计使用次数达到其可使用次数上限,则将该达到可使用次数上限的节点从所述装备体系网络中去除。
由此可见,本发明的打击链路评估方法考虑了各节点的饱和度,即考虑了各节点的可使用次数上限,有利于提高体系效能评估结果的有效性和准确性。
进一步的,在实际环境中,各类装备实体可能由于自身供给不足、敌方干扰和打击以及保障不及时、或者存在位置变化的可能等原因而失去其原有功能,无法正常工作。上述情形都会导致装备体系网络拓扑的改变,一些目标所对应的原有打击链路将不存在或者可被性能更优的打击链路所取代。对于拓扑改变后的装备体系网络重新进行打击链路的选择与规划,计算资源和计算时间消耗过大。考虑到网络拓扑的变化往往发生在某些局部位置,例如某个节点供给不足或移动位置等,本发明提出基于局部优化的快速自适应链路规划算法。具体包括以下步骤:
在获取所有目标类节点的目标毁伤概率最大的打击链路后,若装备体系网络中的侦察类节点、决策类节点以及影响类节点中任意一个节点出现无法正常工作的情况,则对包含无法正常工作节点的各个打击链路执行以下步骤:
S9:获取与无法正常工作节点相邻接的上一级节点和下一级节点,然后将上一级节点作为出发节点,下一级节点作为终止节点,并将出发节点、正常工作节点以及终止节点统一进行局部编号,其中,所述正常工作节点与无法正常工作节点属于同一类别;
S10:构造矢量D*并将其初始化为全零矢量,其中,矢量D*元素的个数为无法正常工作节点所属类别的节点个数+1,且出发节点、正常工作节点以及终止节点按编号顺序与矢量D*中的各元素一一对应,矢量D*中的元素值表征出发节点到正常工作节点以及终止节点的连接概率,然后对矢量D*进行更新,更新方法具体为:
S101:获取与出发节点直接相邻的正常工作节点;
S102:在所述邻接矩阵W中,获取出发节点与其直接相邻的各正常工作节点之间的权值w(出发,正常),然后将矢量D*中与正常工作节点的序号对应位置上的元素值更新为对应的权值w(出发,正常);
S11:在所述邻接矩阵W中,获取与出发节点直接相邻的正常工作节点与终止节点之间权值w(正常,终止),然后将各个权值w(正常,终止)与步骤S10中更新后的矢量D*中的各权值w(出发,正常)对应相乘,对相乘结果取最大值,并得到该最大值对应的正常工作节点V[正常];
S12:将正常工作节点V[正常]代替打击链路中无法正常工作的节点。
由此可见,除去或移动装备体系网络中的某些节点,针对动态拓扑变化的实际情况,利用本发明所提出的网络动态拓扑变化下的路径快速规划算法,在发生节点变动的局部进行重新规划。例如,对于某个目标类节点T1,在网络拓扑变化前,寻找到其打击链路为T1-S1-D1-I1-T1。此时若侦察类节点S1发生故障,无法正常工作,可利用上述的基于局部优化的快速自适应链路规划算法,寻找从目标类节点T1到决策类节点D1的局部最优链路,无需在变化后的网络拓扑下重新对目标类节点T1进行链路的选择规划。假设找到的打击链路为T1-S2-D1,则此时对于目标类节点T1的打击链路变为T1-S2-D1-I1-T1。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种基于装备体系网络的打击链路评估方法,其特征在于,所述装备体系网络包括目标类节点、侦察类节点、决策类节点以及影响类节点,所述评估方法为依次将各个目标类节点作为起点执行打击链路评估操作,得到各目标类节点对应的目标毁伤概率最大的打击链路,完成打击链路的评估,其中,所述打击链路评估操作包括以下步骤:
S1:对装备体系网络中的所有节点统一进行编号,并将矢量D初始化为全零矢量,其中,装备体系网络中的各节点按编号顺序与矢量D中的各元素一一对应,且矢量D中的元素值d[r]表征作为本次打击链路评估操作的起点的目标类节点到其余各节点的连接概率,其中,r=1,2,...,M,M=S+I+J+L,S为目标类节点的个数,I为侦察类节点的个数,J为决策类节点的个数,L为影响类节点的个数;
S2:对矢量D进行第一次更新,具体为:
获取与起点V[s]直接相邻的各个侦察类节点V[i],其中,s为目标类节点的序号,s∈{1,2,...,S},i为起点V[s]直接相邻的侦察类节点的序号,i∈{S+1,S+2,...,S+I};
获取起点V[s]与其直接相邻的各侦察类节点V[i]之间的权值w(s,i),其中,权值大小表征两个节点间连接的强弱,然后将矢量D中与侦察类节点V[i]的序号对应位置上的元素值更新为权值w(s,i);
S3:构造矢量vis并将其初始化为全零矩阵,其中,装备体系网络中的各节点按编号顺序与矢量vis中的各元素一一对应,然后将矢量vis中与起点V[s]的序号对应位置上的元素值更新为1;
S4:在与起点V[s]直接相邻的侦察类节点V[i]中,获取权值w(s,i)最大值对应的侦察类节点,并将该侦察类节点记为V[k],权值w(s,i)最大值记为max_1,其中,k为权值w(s,i)最大值对应的侦察类节点的序号,k∈{S+1,S+2,...,S+I};
S5:在步骤S3得到的更新后的矢量vis中,将与侦察类节点V[k]的序号对应位置上的元素值更新为1;
S6:获取与侦察类节点V[k]直接相邻的各个决策类节点V[j],其中,j为与侦察类节点V[k]直接相邻的各个决策类节点的序号,j∈{S+I+1,S+I+2,…,S+I+J},然后将各个决策类节点V[j]与起点V[s]之间的连接概率d[j]与max_1×w(k,j)进行比较,其中,w(k,j)为侦察类节点V[k]与其直接相邻的决策类节点V[j]之间的权值,若max_1×w(k,j)大于d[j],则将d[j]的值更新为max_1×w(k,j),否则d[j]的值保持不变,从而完成矢量D的第二次更新;然后,在二次更新后的矢量D中,将与起点V[s]之间的连接概率最大的决策类节点记为V[p],并将该连接概率最大值记为max_2,其中,p为该决策类节点的序号,p∈{S+I+1,S+I+2,…,S+I+J},并在步骤S5更新得到的矢量vis中,将与决策类节点V[p]的序号对应位置上的元素值更新为1;
S7:获取与决策类节点V[p]直接相邻的各个影响类节点V[l],其中,l为与决策类节点V[p]直接相邻的各个影响类节点的序号,l∈{S+I+J+1,S+I+J+2,…,S+I+J+L},然后将各个影响类节点V[l]与起点V[s]之间的连接概率d[l]与max_2×w(p,l)进行比较,其中,w(p,l)为决策类节点V[p]与影响类节点V[l]之间的权值,若max_2×w(p,l)大于d[l],则将d[l]的值更新为max_2×w(p,l),否则d[l]的值保持不变,从而完成矢量D的第三次更新;
S8:获取与决策类节点V[p]直接相邻的各个影响类节点V[l]与起点V[s]之间的权值W(l,s),然后将各个权值W(l,s)与步骤S7中三次更新后的矢量D中的各个d[l]对应相乘,然后获取对应相乘结果的最大值以及该最大值对应的影响类节点V[a],其中,a为该影响类节点的序号,a∈{S+I+J+1,S+I+J+2,…,S+I+J+L},然后在步骤S6更新得到的矢量vis中,将与影响类节点V[a]的序号对应位置上的元素值更新为1,得到最终的矢量vis;则最终的矢量vis中值为1的元素对应的节点,构成起点V[s]对应的目标毁伤概率最大的打击链路。
2.如权利要求1所述的一种基于装备体系网络的打击链路评估方法,其特征在于,在每获取一个目标类节点对应的目标毁伤概率最大的打击链路后,先执行以下步骤,再获取下一个目标类节点对应的目标毁伤概率最大的打击链路:
获取各个已完成打击链路评估操作的目标类节点的目标毁伤概率最大的打击链路所选取的侦查节点、决策节点以及影响节点的累计使用次数,若其中任意一个节点的累计使用次数达到其可使用次数上限,则将该达到可使用次数上限的节点从所述装备体系网络中去除。
3.如权利要求1所述的一种基于装备体系网络的打击链路评估方法,其特征在于,在获取所有目标类节点的目标毁伤概率最大的打击链路后,若装备体系网络中的侦察类节点、决策类节点以及影响类节点中任意一个节点出现无法正常工作的情况,则对包含无法正常工作节点的各个打击链路执行以下步骤:
S9:获取与无法正常工作节点相邻接的上一级节点和下一级节点,然后将上一级节点作为出发节点,下一级节点作为终止节点,并将出发节点、正常工作节点以及终止节点统一进行局部编号,其中,所述正常工作节点与无法正常工作节点属于同一类别;
S10:构造矢量D*并将其初始化为全零矢量,其中,矢量D*元素的个数为无法正常工作节点所属类别的节点个数+1,且出发节点、正常工作节点以及终止节点按编号顺序与矢量D*中的各元素一一对应,矢量D*中的元素值表征出发节点到正常工作节点以及终止节点的连接概率,然后对矢量D*进行更新,更新方法具体为:
S101:获取与出发节点直接相邻的正常工作节点;
S102:获取出发节点与其直接相邻的各正常工作节点之间的权值w(出发,正常),然后将矢量D*中与正常工作节点的序号对应位置上的元素值更新为对应的权值w(出发,正常);
S11:获取与出发节点直接相邻的正常工作节点与终止节点之间权值w(正常,终止),然后将各个权值w(正常,终止)与步骤S10中更新后的矢量D*中的各权值w(出发,正常)对应相乘,对相乘结果取最大值,并得到该最大值对应的正常工作节点V[正常];
S12:将正常工作节点V[正常]代替打击链路中无法正常工作的节点。
4.如权利要求1所述的一种基于装备体系网络的打击链路评估方法,其特征在于,两个节点之间的权值通过邻接矩阵W获取,其中,所述邻接矩阵W的获取方法为:
将邻接矩阵W初始化为M×M维的全零矩阵;
将装备体系网络中的各节点按编号顺序分别与邻接矩阵W的各行、列对应;
将目标类节点、侦察类节点、决策类节点以及影响类节点分别作为第一级节点~第四级节点,且不同级别的节点之间不能跨级直接连接;
分别为具有直接连接关系的两个节点赋予权值,然后在邻接矩阵W中将两个节点所在行、所在列对应的元素值更新为所述权值,其中,权值大小为表征两个节点间连接的强弱;
对于没有直接连接关系的两个节点,邻接矩阵W中两个节点所在行、所在列对应的元素值保持不变。
5.如权利要求4所述的一种基于装备体系网络的打击链路评估方法,其特征在于,任意一个决策类节点V[j]与起点V[s]之间的连接概率d[j]的获取方法为:
S61:获取与决策类节点V[j]直接相邻的各个侦察类节点V[直接];
S62:在邻接矩阵W中,获取决策类节点V[j]与各侦察类节点V[直接]之间的权值;
S63:在邻接矩阵W中,获取各侦察类节点V[直接]与起点V[s]之间的权值;
S64:将步骤S62和步骤S63得到的权值对应相乘,则相乘结果最大值为决策类节点V[j]与起点V[s]之间的连接概率d[j]。
6.如权利要求4所述的一种基于装备体系网络的打击链路评估方法,其特征在于,任意一个影响类节点V[l]与起点V[s]之间的连接概率d[l]的获取方法为:
S71:获取与影响类节点V[l]直接相邻的各个决策类节点V1[直接];
S72:在邻接矩阵W中,获取影响类节点V[l]与各决策类节点V1[直接]之间的权值;
S73:获取与各决策类节点V1[直接]直接相邻的各侦查类节点V2[直接];
S74:在邻接矩阵W中,获取各决策类节点V1[直接]与各侦查类节点V2[直接]之间的权值;
S75:在邻接矩阵W中,获取各侦察类节点V2[直接]与起点V[s]之间的权值;
S76:将步骤S72、S74以及S75中得到的权值对应相乘,则相乘结果最大值为影响类节点V[l]与起点V[s]之间的连接概率d[l]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800907.9A CN110519094B (zh) | 2019-08-28 | 2019-08-28 | 一种基于装备体系网络的打击链路评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800907.9A CN110519094B (zh) | 2019-08-28 | 2019-08-28 | 一种基于装备体系网络的打击链路评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110519094A CN110519094A (zh) | 2019-11-29 |
CN110519094B true CN110519094B (zh) | 2020-08-11 |
Family
ID=68628333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910800907.9A Active CN110519094B (zh) | 2019-08-28 | 2019-08-28 | 一种基于装备体系网络的打击链路评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110519094B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371604B (zh) * | 2020-02-27 | 2022-09-20 | 重庆邮电大学 | 一种装备体系网络重构方法、***、机器可读介质及设备 |
CN112395543B (zh) * | 2020-10-12 | 2024-04-16 | 中国兵器科学研究院 | 一种装备体系侦察能力评估方法、装置、设备及介质 |
CN112396288B (zh) * | 2020-10-12 | 2023-12-29 | 中国兵器科学研究院 | 一种装备体系火力打击能力评估方法、装置、设备和介质 |
CN112702208B (zh) * | 2020-12-28 | 2021-12-07 | 西北工业大学 | 一种基于关系的异质多层作战体系打击链路生成方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364138A (zh) * | 2018-03-15 | 2018-08-03 | 中国人民解放军国防科技大学 | 基于对抗视角的武器装备发展规划建模与求解方法 |
CN108489329A (zh) * | 2018-03-15 | 2018-09-04 | 中国人民解放军国防科技大学 | 一种基于杀伤链的武器装备体系分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150199623A1 (en) * | 2012-05-11 | 2015-07-16 | Saab Ab | Method for resource allocation in mission planning |
-
2019
- 2019-08-28 CN CN201910800907.9A patent/CN110519094B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364138A (zh) * | 2018-03-15 | 2018-08-03 | 中国人民解放军国防科技大学 | 基于对抗视角的武器装备发展规划建模与求解方法 |
CN108489329A (zh) * | 2018-03-15 | 2018-09-04 | 中国人民解放军国防科技大学 | 一种基于杀伤链的武器装备体系分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110519094A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110519094B (zh) | 一种基于装备体系网络的打击链路评估方法 | |
CN110138764A (zh) | 一种基于层次攻击图的攻击路径分析方法 | |
CN109639515A (zh) | 基于隐马尔可夫和Q学习协作的DDoS攻击检测方法 | |
US20020152209A1 (en) | Method, system and computer program product for classifying packet flows with a bit mask | |
CN111784135B (zh) | 基于超网络和ooda环理论的体系作战能力量化分析方法 | |
CN111722643A (zh) | 仿狼群合作狩猎机制的无人机集群动态任务分配方法 | |
CN106779210A (zh) | 基于蚁群算法的火力分配方法 | |
CN104539601A (zh) | 动态网络攻击过程可靠性分析方法及*** | |
CN110619131A (zh) | 一种基于加权模糊Petri网的UUV智能体行为规划方法 | |
CN110874413B (zh) | 一种基于关联规则挖掘的防空多武器***效能评估指标体系建立方法 | |
CN112380686A (zh) | 一种基于离散事件仿真的武器装备体系贡献度计算方法 | |
CN115906673B (zh) | 作战实体行为模型一体化建模方法及*** | |
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 | |
CN113536699B (zh) | 基于图论算法的作战环推荐方法、***、设备和存储介质 | |
CN106851689B (zh) | 无线传感器及执行器网络中多因素任务分配方法 | |
CN115909027A (zh) | 一种态势估计方法及装置 | |
CN115422404A (zh) | 基于知识图谱表示学习的通信辐射源威胁评估方法 | |
Wu et al. | Heterogeneous networks topology optimization based on simulated annealing algorithm | |
Li et al. | A new bayesian network structure learning algorithm mechanism based on the decomposability of scoring functions | |
CN111696626A (zh) | 一种融合社区结构和节点度的局部路径相似度的蛋白质链接预测算法 | |
CN113067726B (zh) | 一种基于双逻辑层Agent的网络节点失效判定方法 | |
CN118036812A (zh) | 一种基于动态知识图谱的战场胜负预测方法 | |
LU501958B1 (en) | Graph structure learning based detection method for abnormal users | |
CN114329928B (zh) | 一种装备模型的模块化组装与总体参数快速生成方法 | |
CN116366359B (zh) | 一种工业控制网络的智能协同自进化防御方法及*** |
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 |