CN110688754A - 一种作战体系架构建模与最优搜索方法 - Google Patents
一种作战体系架构建模与最优搜索方法 Download PDFInfo
- Publication number
- CN110688754A CN110688754A CN201910912549.0A CN201910912549A CN110688754A CN 110688754 A CN110688754 A CN 110688754A CN 201910912549 A CN201910912549 A CN 201910912549A CN 110688754 A CN110688754 A CN 110688754A
- Authority
- CN
- China
- Prior art keywords
- network
- task
- nodes
- ososa
- combat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008520 organization Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种作战体系架构建模与最优搜索方法,包括基于超网络的OSoSA形式化定义和OSoSA搜索,所述OSoSA由任务网络、***网络和指控网络三种异构网络组成,所述任务网络包含任务节点,所述***网络包含***节点,所述指控网络包含指控节点,所述OSoSA形式化定义的作战能力由OSoS得到,所述任务网络、***网络和指控网络共同构成作战体系。本发明在运用的过程中,使得平均回报值相较于传统的方法能够处于较高的状态,进而有利于进行推广运用。
Description
技术领域
本发明涉及作战***技术领域,尤其涉及一种作战体系架构建模与最优搜索方法。
背景技术
不少学者将作战体系架构建模为超网络模型,有研究人员提出了一个以网络为中心的军事通信超网络结构。该网络由五个异构节点组成:传感器节点、信息节点、决策节点、通信节点和效应节点。有研究人员提出了一种指挥控制***的超网络模型,包括观测节点、指控节点、效应节点,以及三种类型节点之间的关系。此外,还有研究人员建立了基于网络中心模式的武器装备***超网络模型,并提出了一种基于商空间理论降低武器***生成方案复杂度的粒度分析方法。也有研究人员提出了一种基于属性协同优先级和超图理论的多层指挥控制超网络模型。这些研究从装备***、功能和命令与控制结构的角度分别进行了研究,没有从体系能力生成要素出发考虑问题,因而,这些研究方法、模型在实际的实验过曾在的平均回报值较低。为此,我们提出了一种作战体系架构建模与最优搜索方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种作战体系架构建模与最优搜索方法。
为了实现上述目的,本发明采用了如下技术方案:
一种作战体系架构建模与最优搜索方法,包括基于超网络的OSoSA形式化定义和OSoSA搜索,所述OSoSA形式化定义由任务网络、***网络和指控网络三种异构网络组成,所述任务网络包含任务节点,所述***网络包含***节点,所述指控网络包含指控节点,所述OSoSA形式化定义的作战能力由OSoS得到,所述任务网络、***网络和指控网络共同构成作战体系。
优选的,所述任务网络的任务节点是可由装备***执行的作战活动,记为T。
优选的,所述任务网络的***节点是指具有特定功能并能够完成特定任务的装备,记为S。
优选的,所述指控网络的指控节点用于处理信息、管理组织、决策规划、控制反馈等的逻辑节点,表示为C。
本发明提出的一种作战体系架构建模与最优搜索方法,有益效果在于:本方案在运用的过程中,使得通过本方案的平均回报值相较于传统的方法能够处于较高的状态,进而使得本方案变得有利于进行推广运用。
附图说明
图1为本发明的任务网络的示例图;
图2为本发明的***网络的示例图;
图3为本发明的任务网络与***网络的对应关系的二分图;
图4为本发明的指控网络的示例图;
图5为本发明的***网络与指控网络的对应关系的二分图。
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。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1-5,一种作战体系架构建模与最优搜索方法,包括基于超网络的OSoSA形式化定义和OSoSA搜索,OSoSA形式化定义由任务网络、***网络和指控网络三种异构网络组成,任务网络包含任务节点,***网络包含***节点,指控网络包含指控节点,OSoSA形式化定义的作战能力由OSoS得到,任务网络、***网络和指控网络共同构成作战体系。
任务网络的任务节点是可由装备***执行的作战活动,记为T,为了完成体系使命,使命应当分解为一系列可执行的任务,即任务链路;任务链路可以抽象为有向图,一个体系使命可以分解为不同的任务链路,每个任务链路具有起始任务节点和结束任务节点,不同的任务链路可能有不同的效能,任务链路中主要有两类逻辑关系,即顺序执行和并行执行,多个使命对应于构成任务网络的多个任务链路,记为GT=(VT,ET),并如图1所示。
任务网络的***节点是指具有特定功能并能够完成特定任务的装备,记为S,在任务规划法中,具有特定功能的装备***用于完成特定任务,因而***节点(例如无人机、坦克和舰艇)之间的关系受任务节点的影响,如图2:***网络记为GS=(VS,ES);任务节点和***节点之间的对应关系可以被定义为二分图,如图3:记为GTS=(VTS,ETS)。
指控网络的指控节点用于处理信息、管理组织、决策规划、控制反馈等的逻辑节点,表示为C,指控节点处理上级和下级的指令信息,并保持与同级指控节之间的信息交互,因此指控网络是所有指控节点由指令关系构成组织结构,记为GC=(VC,EC),如图4;且多数组织结构都被建模为但不限于树状图,另外,***节点和指控节点之间的对应关系被定义为二分图,记为GSC=(VSC,ESC),如图5。
由于OSoSA形式化定义的作战能力由OSoS得到,因此OSoS可能会受到OSoSA之外的因素的影响,这些因素可能导致涌现。因此,基于OSoSA的OSoS能力可能并不是唯一的,因而每个OSoSA方案具有不确定的潜在回报值。
指挥官需要在架构方案空间中选择一种架构方案(简称方案)来开发作战体系。为简单起见,本本将指挥官、决策机构和咨询机构建模为Agent。OSoS能力由回报值度量。每个方案的回报值xk服从概率分布Fk(xk),不同方案的回报值相互独立。其中,k∈K,K={1,2,…,|K|},K为方案空间中的方案数量。每个架构的回报值事先是不确定的,但可以通过开发OSoS或咨询其他Agent获得。Agent不断探索未开发方案空间中的方案,最后在所有已开发的方案空间中选择一个方案作为最终选项。Agent的目标是选择一个具有最高预期回报值和最少累积搜索成本的架构。
其中,未知状态表明该方案尚未开发,其回报值是未知的;已知状态表明该方案已经被开发,并且其回报值是已知的。搜索状态表示正在查询该方案的回报值。在探索一个方案前,该方案有潜在的回报值。在开发OSoS之后,方案的回报值是已知的。Agent的行动包括:自行开发,由其他Agent开发,以及咨询相关Agent。具体地,在基于具有成本为的方案k被开发之后,未知状态转换到已知状态。此外,Agent可以请求其他Agent以的成本开发OSoS。此外,Agent可以咨询相关Agent,例如可能已经完成类似工作的机构或部门。咨询过程的成本记为
实施例1本发明以方案k为例进行介绍,四个二元决策变量定义如下:如果方案是由Agent本身开发,那么否则如果该方案是由其他Agent开发的,那么否则如果Agent选择咨询相关Agent,那么否则如果选择方案k作为最终方案,那么sk=1,否则sk=0。OSoSA搜索问题(OSoSASP)框架如下:
CSoSAS:
S.t.
目标函数为最大化已开发架构的回报值与最小化累积搜索成本的加和。具体而言,约束(a)确保任一方案要么已经开发,要么未开发。约束(b)表示如果最终选择了一个方案,那么必须已经开发了该方案。约束(c)表示最终只选择一个方案。约束(d)表示四个决策变量的值空间。约束(e)表示Agent请求相关Agent的次数。约束(f)是指折扣率,表示开发时间对回报值的影响。约束(g)表示每个动作的成本。
进一步的解决OSoSA动态规划问题。
(1)决策指标
进一步,
根据状态和指标集合设计一种简单但最优的搜索规则,分为判断规则和选择规则。判断规则指的是,如果Agent要进一步探索效果未知的架构,那么要选择一个具有最大指标的未知架构。同时根据最大指标选择动作,即自己研发,公司开发,还是向相关机构求助。停止规则指的是,当收集的最大采样回报值大于所有位置架构的研发指标、开发指标和咨询指标时,停止搜索并选择具有最大回报值的架构作为方案。
(2)搜索算法
每个指标的计算是独立的,不受其他方案的回报值概率分布的影响。GSDP由指标计算程序、顺序搜索程序和架构开发程序组成。具体而言,Agent首先根据公式计算所有方案的决策指标。其次,根据排序方法对指标进行排序,例如堆排序方法,排序结果保存到向量π中。第三,执行SequenceSearching程序以获得最佳方案。
在SequenceSearching程序中,最多经过K次迭代就可以计算得到最优架构方案。根据设定的规则,每轮迭代中将当前最大采样值y与最大指标π(0)进行对比。如果最大采样值不小于最大指标,则停止搜索,并将具有当前最大采样回报值的架构m作为选择的架构。反之,则根据π(0)对应的架构索引i和动作a,执行Executing程序继续搜索。如果获得了架构i的采样回报值,则更新变量其中表示去除集合中的架构i。
在Executing程序中,如果采取的动作是咨询,则判断是否能够通过相关机构获得架构i的回报值,即判断Available是否为true。其中“~”表示采样,yi~Fi(xi)表示对概率分布Fi(xi)进行采样。
实施例1应用在100例的方案空间场景中,其平均回报值至少超出最优算法平均回报值的17.6%;在方案数为10000的方案空间场景中,其平均回报值至少超出最优算法平均回报值的15.2%;在方案数为1000000的方案空间场景中,其平均回报值至少超出最优算法平均回报值的21.9%,结合最优算法平均回报值的数据,使得本发明中的平均回报值能够处于较高的状态,进而使得本发明有利于进行推广运用。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种作战体系架构建模与最优搜索方法,其特征在于,包括基于超网络的OSoSA形式化定义和OSoSA搜索,所述OSoSA由任务网络、***网络和指控网络三种异构网络组成,所述任务网络包含任务节点,所述***网络包含***节点,所述指控网络包含指控节点,所述OSoSA形式化定义的作战能力由OSoS得到,所述任务网络、***网络和指控网络共同构成作战体系。
2.根据权利要求1所述的一种作战体系架构建模与最优搜索方法,其特征在于,所述任务网络的任务节点是可由装备***执行的作战活动,记为T。
3.根据权利要求1所述的一种作战体系架构建模与最优搜索方法,其特征在于,所述任务网络的***节点是指具有特定功能并能够完成特定任务的装备,记为S。
4.根据权利要求1所述的一种作战体系架构建模与最优搜索方法,其特征在于,所述指控网络的指控节点用于处理信息、管理组织、决策规划、控制反馈等的逻辑节点,表示为C。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912549.0A CN110688754A (zh) | 2019-09-25 | 2019-09-25 | 一种作战体系架构建模与最优搜索方法 |
PCT/CN2020/109335 WO2021057329A1 (zh) | 2019-09-25 | 2020-08-14 | 一种作战体系架构建模与最优搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912549.0A CN110688754A (zh) | 2019-09-25 | 2019-09-25 | 一种作战体系架构建模与最优搜索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688754A true CN110688754A (zh) | 2020-01-14 |
Family
ID=69110265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910912549.0A Pending CN110688754A (zh) | 2019-09-25 | 2019-09-25 | 一种作战体系架构建模与最优搜索方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110688754A (zh) |
WO (1) | WO2021057329A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967741A (zh) * | 2020-08-04 | 2020-11-20 | 中国人民解放军国防科技大学 | 一种基于ec2的无人化作战体系云流化指控架构设计方法 |
CN112422353A (zh) * | 2021-01-25 | 2021-02-26 | 中国人民解放军国防科技大学 | 一种基于效用性的兵力配系网络生成方法 |
WO2021057329A1 (zh) * | 2019-09-25 | 2021-04-01 | 中国人民解放军国防科技大学 | 一种作战体系架构建模与最优搜索方法 |
CN112632744A (zh) * | 2020-11-13 | 2021-04-09 | 中国人民解放军国防科技大学 | 基于超网络模型的作战体系架构建模方法及空间探索算法 |
CN112801539A (zh) * | 2021-02-23 | 2021-05-14 | 中国人民解放军国防科技大学 | 无人机集群任务的柔变网络架构动态调度模型 |
CN114154322A (zh) * | 2021-11-29 | 2022-03-08 | 上海烜翊科技有限公司 | 一种由体系架构模型输出的***总体设计方法 |
GB2618302A (en) * | 2020-11-13 | 2023-11-08 | National Univ Of Defense Technology | Hypernetwork model-based organization architecture modeling method and space exploration algorithm |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937486A (zh) * | 2010-05-06 | 2011-01-05 | 中国人民解放军理工大学 | 复杂***的信息支持能力评估分析方法 |
FR3020889A1 (fr) * | 2014-05-07 | 2015-11-13 | Malbert Michel | Decways- systeme de conduite de projet assurant la supervision de la conduite, la coordination et l'aide aux decisions de l'equipe operationnelle |
CN107707412A (zh) * | 2017-11-08 | 2018-02-16 | 大连大学 | 基于多属性加权的指挥控制网络建模方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9208335B2 (en) * | 2013-09-17 | 2015-12-08 | Auburn University | Space-time separated and jointly evolving relationship-based network access and data protection system |
CN106603309B (zh) * | 2017-01-04 | 2019-04-19 | 大连大学 | 一种基于超网络的指控网络分层演化方法 |
CN110688754A (zh) * | 2019-09-25 | 2020-01-14 | 中国人民解放军国防科技大学 | 一种作战体系架构建模与最优搜索方法 |
-
2019
- 2019-09-25 CN CN201910912549.0A patent/CN110688754A/zh active Pending
-
2020
- 2020-08-14 WO PCT/CN2020/109335 patent/WO2021057329A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937486A (zh) * | 2010-05-06 | 2011-01-05 | 中国人民解放军理工大学 | 复杂***的信息支持能力评估分析方法 |
FR3020889A1 (fr) * | 2014-05-07 | 2015-11-13 | Malbert Michel | Decways- systeme de conduite de projet assurant la supervision de la conduite, la coordination et l'aide aux decisions de l'equipe operationnelle |
CN107707412A (zh) * | 2017-11-08 | 2018-02-16 | 大连大学 | 基于多属性加权的指挥控制网络建模方法 |
Non-Patent Citations (1)
Title |
---|
马力;张明智;: "作战体系网络化效能仿真分析方法", ***仿真学报, no. 1, 25 July 2013 (2013-07-25), pages 307 - 311 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021057329A1 (zh) * | 2019-09-25 | 2021-04-01 | 中国人民解放军国防科技大学 | 一种作战体系架构建模与最优搜索方法 |
CN111967741A (zh) * | 2020-08-04 | 2020-11-20 | 中国人民解放军国防科技大学 | 一种基于ec2的无人化作战体系云流化指控架构设计方法 |
CN112632744A (zh) * | 2020-11-13 | 2021-04-09 | 中国人民解放军国防科技大学 | 基于超网络模型的作战体系架构建模方法及空间探索算法 |
WO2022099915A1 (zh) * | 2020-11-13 | 2022-05-19 | 中国人民解放军国防科技大学 | 基于超网络模型的组织架构建模方法及空间探索算法 |
GB2618302A (en) * | 2020-11-13 | 2023-11-08 | National Univ Of Defense Technology | Hypernetwork model-based organization architecture modeling method and space exploration algorithm |
CN112422353A (zh) * | 2021-01-25 | 2021-02-26 | 中国人民解放军国防科技大学 | 一种基于效用性的兵力配系网络生成方法 |
CN112801539A (zh) * | 2021-02-23 | 2021-05-14 | 中国人民解放军国防科技大学 | 无人机集群任务的柔变网络架构动态调度模型 |
CN114154322A (zh) * | 2021-11-29 | 2022-03-08 | 上海烜翊科技有限公司 | 一种由体系架构模型输出的***总体设计方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021057329A1 (zh) | 2021-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688754A (zh) | 一种作战体系架构建模与最优搜索方法 | |
CN112632744B (zh) | 基于超网络模型的作战体系架构建模方法及空间探索方法 | |
CN105467997A (zh) | 基于线性时序逻辑理论的仓储机器人路径规划方法 | |
Sun et al. | An artificial bee colony algorithm with random location updating | |
Lee et al. | Monte-carlo tree search in continuous action spaces with value gradients | |
Chen et al. | Solving multi-objective optimization problem using cuckoo search algorithm based on decomposition | |
Dong et al. | Intelligent trainer for dyna-style model-based deep reinforcement learning | |
Goel et al. | Improved multi-ant-colony algorithm for solving multi-objective vehicle routing problems | |
CN114815801A (zh) | 一种基于策略-价值网络及mcts的自适应环境路径规划方法 | |
Li et al. | Development of a multi-objective artificial tree (MOAT) algorithm and its application in acoustic metamaterials | |
CN111190711B (zh) | Bdd结合启发式a*搜索的多机器人任务分配方法 | |
Koga et al. | Speeding-up reinforcement learning through abstraction and transfer learning | |
Wang et al. | An optimal approach for combat system-of-systems architecture search under uncertainty | |
CN115759199A (zh) | 基于层次化图神经网络的多机器人环境探索方法及*** | |
Hu et al. | Research on AGV path based on optimal planning | |
CN112348361B (zh) | 基于状态转移路径重构的启发式航天器任务规划方法 | |
Lee et al. | A Distributed Dynamic Framework to Allocate Collaborative Tasks Based on Capability Matching in Heterogeneous Multirobot Systems | |
Zhang | Enviroment Representations with Bisimulation Metrics for Hierarchical Reinforcement Learning | |
Wei et al. | Long-term autonomous mission planning of AUV in large-scale complex marine environment | |
CN114860385B (zh) | 一种基于进化强化学习策略的并行云工作流调度方法 | |
Bard et al. | Necessary conditions for the linear three level programming problem | |
CN116108613B (zh) | 一种可解释的装备组合快速构建方法、***、设备及介质 | |
CN117632086B (zh) | 一种基于需求模型的微服务识别的方法 | |
Huang et al. | A novel mission planning model and method for combat system-of-systems architecture design | |
Peng et al. | Reliability of A Distributed Computing System Considering Task Abort |
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 |