CN114529205A - 马赛克战体系能力需求满足度评估方法及相关设备 - Google Patents
马赛克战体系能力需求满足度评估方法及相关设备 Download PDFInfo
- Publication number
- CN114529205A CN114529205A CN202210162502.9A CN202210162502A CN114529205A CN 114529205 A CN114529205 A CN 114529205A CN 202210162502 A CN202210162502 A CN 202210162502A CN 114529205 A CN114529205 A CN 114529205A
- Authority
- CN
- China
- Prior art keywords
- cluster
- task
- layer
- mosaic
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 90
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 54
- 230000000694 effects Effects 0.000 claims abstract description 42
- 230000002776 aggregation Effects 0.000 claims abstract description 35
- 238000004220 aggregation Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013278 delphi method Methods 0.000 claims description 3
- 238000013341 scale-up Methods 0.000 claims description 2
- 238000013077 scoring method Methods 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 139
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 13
- 230000007123 defense Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000003042 antagnostic effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 230000002147 killing effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010009 beating Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009960 carding Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 238000009527 percussion Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 241000408659 Darpa Species 0.000 description 1
- 102100040160 Rabankyrin-5 Human genes 0.000 description 1
- 101710086049 Rabankyrin-5 Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种马赛克战体系能力需求满足度评估方法及相关设备。方法包括:根据马赛克战体系的参战装备构建马赛克体系超网络模型;接收下达的作战决心,根据作战决心确定使命任务对使命任务进行分解,对分解结果进行逻辑梳理得到任务递阶分解结构,并以任务活动网络的形式部署在任务层中;确定满足使命任务的体系作战能力,基于任务递阶分解结构构建能力需求树型网络部署在能力层中;根据任务层中部署的任务活动网络以及能力层中部署的能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在集群层中;分析集群层中的集群性能指标对能力层的需求满足度,基于能力需求树型网络进行需求满足度的向上聚合得到能力需求满足度评估结果。
Description
技术领域
本申请涉及作战数据分析技术领域,尤其涉及一种马赛克战体系能力需求满足度评估方法及相关设备。
背景技术
由于具有研发周期长、研发成本高、环境适应性弱、***依赖性强等固有特性,大型高端武器装备在未来战场中的战略价值和威慑作用受到限制。以人工智能为核心的新兴军事科技的快速发展推动了新一轮军事变革的进程,成本低廉、开发迅速、组合灵活的小型智能无人装备正逐步取代大型高端武器装备在未来战场中的优势地位。美国国防部高级研究计划局(DARPA)于2017年提出了“马赛克战”的作战模式,其集成和发展了任务式指挥、分布式杀伤、多域联合作战、网络中心战等多种新型作战概念,目前已成为美军作战体系研究的顶层核心作战理念。马赛克战的核心思想是以实际作战任务为导向,实现大量成本低廉、功能单一的小型智能化武器装备的自主编组协同,构造按需集成、极具弹性和适应性的联合作战体系,组成一张高度分散、灵活坚韧、动态组合的作战“杀伤网”。
现有面向传统作战体系的能力需求满足度评估方法主要着眼于评估装备性能指标对任务能力需求的满足程度,而欠缺对集群协同策略因素的考虑。将这些方法直接应用于马赛克战体系的能力需求满足度评估会面临适用性的问题,虽然在理论上保证了装备集群能够满足任务的能力需求,但由于缺乏对集群策略的优化和考虑,在实战中可能会出现集群协同性较差、集群出动成本过高等现实问题,使所得评估结论不符合作战实际。
发明内容
有鉴于此,本申请的目的在于提出一种马赛克战体系能力需求满足度评估方法及相关设备,用以解决或部分解决上述技术问题。
基于上述目的,本申请的第一方面提供了一种马赛克战体系能力需求满足度评估方法,包括:
根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层;
接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中;
确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中;
根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中;
分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
本申请的第二方面提供了一种马赛克战体系能力需求满足度评估装置,包括:
模型构建模块,被配置为根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层;
任务分解模块,被配置为接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中;
能力需求分析模块,被配置为确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中;
集群策略分析模块,被配置为根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中;
需求满足度聚合模块,被配置为分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
本申请的第三方面提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的方法。
本申请的第四方面提出了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行第一方面所述方法。
从上面所述可以看出,本申请提供的马赛克战体系能力需求满足度评估方法及相关设备,以马赛克战体系的实际任务需求为牵引,通过能力需求分析、使命任务分析、集群策略分析和能力聚合分析四个步骤开展评估。方法创新性地将集群编组策略优化引入到体系作战能力需求满足度评估中,从集群协同偏好性、子任务能力需求满足度、集群出动成本等方面对集群编组和任务分配策略开展了综合优化,使得能力满足度评估结论合理可靠,符合作战实际需求,相对于现有的面向传统作战体系的能力满足度评估方法更契合马赛克战的作战特点。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术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申请的实施例,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为本申请实施例的马赛克战体系能力需求满足度评估方法的流程示意图;
图2为本申请实施例的马赛克战体系能力需求满足度评估方法框架示意图;
图3为本申请实施例的马赛克战体系超网络模型示意图;
图4为本申请实施例的马赛克战体系装备层网络基本结构示意图;
图5为本申请实施例的马赛克战体系作战任务IDEF0递阶分解结构示意图;
图6为本申请实施例的马赛克战体系能力需求树型网络结构示意图;
图7为本申请实施例的马赛克战体系集群编组和任务分配方式示意图;
图8为本申请实施例的区间型性能指标在协同偏好评价中的四种情况示意图;
图9为本申请实施例的任务活动能力需求满足函数的四种常见形式示意图;
图10为本申请实施例的能力需求网络邻接矩阵示意图;
图11为本申请实施例的马赛克战体系岛礁夺控想定高级概念图;
图12为本申请实施例的马赛克战体系岛礁夺控想定任务分解图
图13为本申请实施例的马赛克战体系岛礁夺控设定能力需求树型网络示意图;
图14为本申请实施例的综合协同偏好值排名前5的侦干打集群示意图;
图15为本申请实施例的任务能力需求满足度排名前5的侦干打集群示意图;
图16为本申请实施例的TOPSIS出动成本权重对体系能力需求满足度评价值的影响分析示意图;
图17为本申请实施例的TOPSIS子任务能力需求满足度和集群协同偏好性权重对体系能力需求满足度的影响分析示意图;
图18为本申请实施例的电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如何评估马赛克战体系面向特定作战任务的能力需求满足度是建设马赛克战体系、推动马赛克战从基础理念走向实际应用的重要研究课题。能力需求满足度评估是作战体系评估研究领域的热难点问题,其基本研究思路是根据实际作战任务构建能力评估指标体系,从装备性能指标出发评估作战体系在各个方面的作战能力,并通过与预期能力需求进行对比得到最终的能力需求满足度评估结论。然而,现有的作战体系能力需求满足度评估研究大多面向传统作战体系,领域内尚且缺乏面向马赛克战体系的能力需求满足度评估研究成果。
相比于传统作战体系,马赛克战体系在装备组成和协同方式上更为复杂,其构成主体是数量众多、规模庞大、功能各异的小型智能无人装备。受限于单装作战功能的单一性和特异性,马赛克战体系在执行任务时存在更复杂的装备集群协同关系,一项简单作战任务的能力需求通常需要多个功能互补的无人装备组成作战集群来满足。不同的集群协同策略将对集群作战效果和作战体系的整体作战能力产生重要影响,进而影响体系能力需求满足度评估结果,故集群协同策略是马赛克战体系能力需求满足度评估中需要考虑的重要因素。
本方案提出了一种面向任务的马赛克战体系作战能力需求满足度评估方法。以马赛克战体系的实际任务需求为牵引,通过能力需求分析、使命任务分析、集群策略分析和能力聚合分析四个步骤开展评估。方法创新性地将集群编组策略优化引入到体系作战能力需求满足度评估中,从集群协同偏好性、子任务能力需求满足度、集群出动成本等方面对集群编组和任务分配策略开展了综合优化,使得能力满足度评估结论合理可靠,符合作战实际需求,相对于现有的面向传统作战体系的能力满足度评估方法更契合马赛克战的作战特点。
马赛克战体系能力需求满足度评估方法框架如图2所示,评估过程共分为四个步骤,分别为使命任务分析、能力需求分析、集群策略分析和需求满足度聚合。
评估过程以使命任务分解为主要依据,基于任务分解结构构建体系能力需求树型网络。通过综合考量智能化武器装备间的集群协同倾向和对元任务的能力需求满足度,优化作战过程中的集群协同与任务分配策略。然后结合实际作战活动,评估作战集群对底层能力需求指标的支撑度,最终向上聚合形成体系能力需求满足度评估结论。由于集群协同策略与体系整体作战能力密切相关,研究中重点分析了不同集群策略对体系作战能力需求满足度评估结果产生的不同影响。
如图1所示,本实施例提出了一种马赛克战体系能力需求满足度评估方法,包括:
步骤101,根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层。
为服务于能力需求满足度评估,构建了马赛克战体系超网络模型,如图3所示。模型可辅助分析马赛克战作战机理,梳理马赛克战进程中复杂的作战流程、任务分配方式和装备协同模式,剖析马赛克战体系能力需求满足度评估问题的本质特点。
其分层方式契合于上文的评估方法框架,分为装备层网络、集群层网络、任务层网络、能力层网络,其中装备层网络描述了马赛克战体系中武器装备间的协同和关联关系,是超网络模型的建模基础,集群层网络、任务层网络、能力层网络分别对应于能力需求满足度评估中的集群策略分析、使命任务分析和能力需求分析过程。模型自顶向下体现了从体系能力需求到单装性能指标的分解映射关系,自底向上体现从单装性能指标到体系能力需求的能力需求满足度聚合过程。
在一些实施例中,步骤101具体为:
步骤1011,根据所述马赛克战体系的参战装备之间存在的协同关系和关联关系构建装备层,其中,所述装备层的节点类型包括:指挥类、侦察类、决策类、打击类、保障类中的至少之一。
装备层网络Ge描述了马赛克战体系中装备间存在的协同和关联关系。与传统作战体系不同,马赛克战体系将功能集成型平台上的指挥、侦察、决策、打击、干扰等作战功能分散部署到多个小型智能化武器装备上,各装备可根据作战任务需求进行任务竞标和协同组合,以实现复杂的作战功能。因此,装备层网络具有明显的异质性。装备层网络的节点类型包括指挥类Ve C、侦察类Ve S、决策类Ve D、打击类Ve A、保障类Ve G等,具体含义及功能如表1所示。装备连边Ee描述执行作战任务时装备间的作战协同关系,不同类型节点间的协同关系含义如表2所示。装备层网络的基本网络结构如图4所示,其中T代表蓝方目标节点。马赛克战体系中存在高度复杂的OODA循环(包以德循环,Observation OrientationDecisionAction),形成了分布广泛、高度冗余、适应性强的广域杀伤网,改变了传统作战方式依赖单链作战环的弊端,整个体系的作战能力不会因为部分节点的受损失效而受到较大影响。
表1.马赛克战体系装备节点类型
表2.马赛克战体系装备节点间的连边类型
步骤1012,根据所述马赛克战体系在马赛克战中的作战集群组成和集群间的协同关系构建集群层。
集群层网络Gg描述了马赛克战中的作战集群组成和集群间的协同关系,是马赛克战体系区别于传统作战体系的重要体现。受限于单装作战功能的单一性和特异性,存在功能耦合或互补关系的装备通常以组成作战集群的方式执行作战任务。构建集群层网络的目的是辅助分析马赛克战体系中装备组合协同的固有模式,发现潜在的最优组合协同方式。作战集群是由多个智能武器装备针对特定作战任务自主组成的作战协同小组。集群层网络中的节点代表示作战集群,与装备层网络节点存在对应关系。集群层网络的连边代表集群间的协同关系。随着作战过程的推进,集群层网络中的节点和连边会随任务分配和集群编组策略的改变而发生变化。
步骤1013,根据所述马赛克战体系在任务式控制下作战任务的逻辑关系和演进过程,构建任务层,并设置所述任务层与所述集群层间的分配关系,以及设置所述任务层与所述能力层的对应关系。
任务层网络Gt描述了任务式指挥下作战任务的逻辑关系和演进过程,向下描述了任务活动与作战集群间的分配关系,向上描述了任务活动与能力需求的对应关系。构建任务层网络的目的是通过分解作战任务,梳理任务活动间的逻辑关系,辅助对马赛克战体系在任务式指挥下的动态协同和任务分配过程进行建模。任务式指挥是马赛克战的核心指挥方式,其主要思想是指控权力的下放与分散,由上级指挥官负责下达作战任务,任务的具体执行和完成方式交由作战力量自主决策。任务层网络的节点表示作战活动,连边表示作战活动间的逻辑关系。本申请采用IDEF0技术(Icam Definition Method)开展任务层网络建模。其采用图形化和结构化的形式建立活动流程的功能模型,从逻辑关系和内容上理清***活动的整体脉络,将复杂的***流程自上而下地分解成逻辑清晰、功能鲜明的活动单元。
步骤1014,根据所述马赛克战体系中的参战装备的作战能力构建能力需求树型网络,完成所述马赛克体系超网络模型的构建,其中,所述能力层网络的节点包括:能力需求、子能力、元能力中的至少之一。
能力层网络Gc以树型网络的形式描述能力需求的组成结构,展示了从顶层作战需求到底层能力指标的能力需求分层特征。根据能力层级自上而下进行划分,能力层网络的节点包括能力需求、子能力、元能力指标等三类节点,顶层能力需求逐层分解为子能力,最终分解为能够定量化衡量的元能力指标。其中,能力需求为树型网络的顶端节点,对应于顶层作战使命任务。子能力为能力网络的中间层节点,是能力分解的中间产物。元能力指标为能力网络的底层结点,对应于作战集群的作战战技指标或性能指标。能力层网络中的连边包括能力组成和能力依赖两类。能力组成描述了高层能力与低层能力间的从属关系,能力依赖描述了同层能力之间的关联和依赖关系。
马赛克战体系能力需求满足度评估分为四个步骤,即使步骤102命任务分析、步骤103能力需求分析、步骤104集群策略分析、步骤105需求满足度聚合。其中,集群策略分析和需求满足度聚合是体系能力需求满足度评估研究中马赛克战体系有别于传统作战体系的重要体现。
步骤102,接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中。
作战决心是对作战体系提出的整体性战略目标,由上级决策者以战略意图和任务清单的方式下达。由于马赛克战体系中装备功能的单一性和特异性,任务清单中的使命任务需要武器装备以作战集群的方式协同完成。为了确定集群编组和任务分配策略,需要将任务清单详细地分解为明确的任务活动。
在一些实施例中,步骤102具体包括:
步骤1021,接收下达的作战决心,根据所述作战决心确定使命任务,分解所述使命任务得到子任务,分解所述子任务得到元任务。
根据所述作战决心确定使命任务,使命任务是作战力量为达成预定作战目的,执行的一系列相互关联的作战行动的有序集合。在使命任务分解过程中,不同层级作战任务的定义如下:
定义【使命任务】,由上级作战决策者向作战体系提出的总体性、抽象性的高层级战略使命,涵盖了众多具有时间、空间、功能逻辑关系的子任务。
定义【子任务】,从使命任务分解到元任务的中间产物,可由作战集群单独或协同完成,子任务可进一步分解成子任务或元任务。
定义【元任务】,元任务是可被装备执行的最小任务单元,亦称作战活动,不可被继续分解。
与传统作战体系不同,马赛克战是智能化联合作战场景,由于参战武器装备繁多、协同关系复杂,作战任务具有更高的复杂性和层次性。本申请采用IDEF0递阶分解结构技术实现从使命任务到元任务的逐层分解,和各个层级任务活动的逻辑梳理,如图5所示。在任务递阶分解结构中,从上到下分别是使命任务层、子任务层、元任务层,分别对应于装备体系、作战集群和武器装备。
步骤1021,根据分解得到的所述使命任务、所述子任务和所述元任务间的逻辑关系进行活动逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中。
元任务间存在复杂的时序约束和逻辑关系,不同元任务的执行进程存在制约关系,对装备集群编组和任务分配策略也有一定的限制。元任务间的逻辑关系主要包含以下几种:
定义【串行逻辑】元任务间的顺序关系,后序元任务的执行以前序元任务完成为必要条件。
定义【或逻辑】存在于并行元任务间,存在或逻辑关系的元任务之间一般不存在直接影响,完成其中任意一者即可满足后序元任务的执行条件。
定义【与逻辑】存在于并行元任务间,存在与逻辑关系的元任务之间一般不存在直接影响,当所有存在与逻辑关系的元作战任务均完成时,才可满足后序元任务的执行条件。
以图5为例说明元任务间的逻辑关系,元任务层为5个元任务组成的任务网络。其中,T31与T32之间存在与逻辑关系,只有二者均执行完成才可满足的T33的执行条件;T34与T35之间存在或逻辑关系,二者完成其一即可满足后续任务的执行条件。
步骤103,确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中。
能力需求分析的目的是将体系层级的整体能力需求分解为作集群或装备层级的具体战技指标需求,为后续开展集群协同策略优化和能力满足度聚合工作奠定基础。能力需求分析可分为两个具体步骤:提出体系能力需求和构建能力需求网络,其结果以树型网络的形式展现在马赛克体系超网络模型的能力层中。
体系能力需求是上级决策者向作战体系提出的整体性能力需求,以能力愿景的方式下达,与使命任务分析阶段中的作战决心是相对应的。体系能力需求是抽象的、宏观的,对能力需求进行满足度分析需要将体系能力需求进行解构。
在一些实施例中,步骤103具体包括:
步骤1031,根据所述任务层中所述任务递阶分解结构的任务活动网络的分层关系,构建能力需求树型网络。
步骤1032,为所述能力需求树型网络中的各层节点对应的各能力指标确定对应的权重值。
步骤1033,采用层次分析法或德尔菲法对所述能力需求树型网络中作战能力间的从属关系和依赖关系建立对应的连边权重,并将最终得到的能力需求树型网络部署在所述能力层中。
装备体系的能力分解研究通常以能力结构树的形式开展。由于树结构的局限性,其仅考虑了异层能力间的从属关系,而忽视了同层能力间的相互影响。由于马赛克战体系中的装备协同具有更强的紧密性和耦合性,同层能力指标间存在着复杂的关联关系和依赖关系,故忽视这些同层关系会导致能力需求满足度评估结果产生误差。因此,本申请以树型网络的形式开展马赛克战体系的能力需求分解,如图6所示。能力需求网络以树状结构为基础,除层间的能力从属关系之外,增强了对同层能力的关联关系的考量。在分层方式上,能力需求网络的层次结构同装备体系分层结构和使命任务分层结构是相对应的。为了后续能够开展装备战技指标向体系能力需求满足度的向上追溯,能力需求网络在构建时要对应实际的作战任务活动,并映射到具体的作战集群和武器装备。然后,需要进一步确定各能力指标的权重值。目前相关研究一般采用层次分析法或德尔菲法,结合专家经验知识对能力需求网络中作战能力间的从属关系和依赖关系给出连边权重。
步骤104,根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中。
由于单装的作战功能较为单一和特异,作战集群协同是马赛克战的基本作战方式,一项子任务的执行通常由多个功能互补的装备协同完成。自主性集群编组是马赛克战体系区别于传统装备体系的重要方面,装备体系根据战场态势的演化和任务活动的需求开展集群编组决策。集群编组策略影响了作战任务的执行进度和完成程度,进而决定了体系的整体能力水平和能力需求满足度。因此,集群策略分析是马赛克战体系需求满足度评估中不可或缺的关键步骤。
步骤104围绕马赛克战体系集群编组优化模型,根据作战任务能力需求寻找装备体系的最优集群编组策略,具体说明集群协同偏好度、元任务能力需求满足度、集群出动成本等理论重点。
在一些实施例中,步骤104具体包括:
步骤1041,构建所述马赛克战体系的集群编组优化模型,具体公式为:
步骤1042,确定候选集群,根据所述集群编组优化模型计算所述候选集群对应的编组策略的元任务需求满足度、集群协同偏好度和集群出动成本,作为三因素。
步骤1043,确定所述候选集群的作战需求,根据所述作战需求确定所述三因素的相对权重比,并利用TOPSIS综合评分法聚合三因素评分,得到候选集群对应的编组策略的综合得分值。
步骤1044,根据候选集群对应的编组策略的综合得分值确定马赛克战体系对应的最优集群编组策略,并将所述最优集群编组策略部署在所述集群层中。
在上述方案中,马赛克战的作战集群编组实质上是任务式指挥下的智能化装备体系任务分配问题。马赛克战中的任务分配方式通常被理解为“消费者-供应商”模式。作战任务为“消费者(Consumer)”,对装备体系提出特定的战技指标能力需求。装备体系为“供应商(Supplier)”,各装备结合任务的能力需求和自身的能力属性开展任务竞标。在所有参与竞标的装备中,指控装备结合实际态势遴选最佳的武器装备组合,编组为作战集群以执行元任务,如图7所示。
马赛克战体系的集群编组策略优化是一类多目标组合优化问题,其目的是在作战规则的限制和战场态势的约束下,提高集群编组策略的元任务需求满足度和装备集群协同偏好度F,降低集群出动成本C。据此,构建马赛克战体系装备的集群编组优化模型。
在计算候选集群编组策略的元任务需求满足度、集群协同偏好度和集群出动成本后,根据实际作战需求给出三因素的相对权重比,利用TOPSIS综合评价法聚合三因素评分,最终得到集群编组策略的综合得分值。TOPSIS法(Technique for Order Preference bySimilarity to Ideal Solution)是一种常用的综合评价方法,常用于解决工程技术领域的多指标多方案的评价与排序问题,其根据各评价对象与正理想方案和负理想方案的相对接近程度来判断方案的优劣。
步骤104的整个过程涉及的变量符号及定义见表3,下文将对优化模型中的重点理论展开详细说明。
表3.集群编组优化符号说明
在一些实施例中,所述集群协同偏好度的计算过程包括:
装备间固有的集群协同偏好是智能装备集群编组研究领域的重点研究内容。集群协同偏好分析独立于作战场景和作战过程,主要是从某些装备性能指标和功能属性出发,分析装备间性能指标的匹配程度,进而分析装备组成作战集群的固有倾向性。装备的性能指标数据常见为离散类和连续类,根据不同的数据类型采取以下集群协同偏好计算方法。
步骤A1,响应于确定所述候选集群中的装备的性能指标为离散型战技指标,结合装备间的战技指标的适配数据确定装备间的集群协同偏好度,具体公式如下:
离散型战技指标,如枚举型参数(如通信链路类型)、布尔型参数(如是否具备侦察功能)等,需要结合战技指标的适配情况来评价装备间的集群协同偏好度。若两装备在某指标上可相互满足协同需求,则认为协同偏好值为1,否则为0,如上式所示。
步骤A2,响应于确定所述候选集群中的装备的性能指标为连续型指标,计算指标需求值与实际指标值的契合程度,根据所述契合程度确定装备间的集群协同偏好度。
针对连续型指标计算集群协同偏好值时,实值型性能指标一般计算实值趋同率,区间型性能指标一般计算区间覆盖率。
当性能指标需求为实值型时,装备的实际参数值相对越趋近于协同需求值,则认为装备间形成作战集群的可能性越大。趋同率计算方法如下所示。
当性能指标需求为区间型时,根据装备性能指标的实际区间和需求区间的不同位置关系,计算区间型性能指标协同偏好时可能遇到四种情况,如图8所示。除图中情况(1)外,集群协同偏好值均可计算为性能指标实际区间与需求区间的重叠长度占需求长度的比例,计算公式如下所示。
在分别计算各项性能指标下候选集群的协同偏好评价值后,利用TOPSIS综合评价法对各指标下的协同偏好值进行聚合,得到候选集群的综合集群协同偏好度值。
在一些实施例中,所述元任务需求满足度包括:集群性能指标聚合方式和元任务能力需求函数。
马赛克战体系的装备集群编组策略不仅需要考虑装备间固有的集群协同偏好,还需考量集群作战能力对元任务能力需求的满足程度,确保任务能力需求在最大程度上被满足。以下分别从集群性能指标聚合方式、元任务能力需求函数两个方面说明元任务能力需求满足度的计算方法。
所述集群性能指标聚合方式的确定过程包括:
步骤B1,确定执行的元任务的主体为候选集群。
步骤B2,响应于确定所述候选集群内装备性能指标为离散型性能指标,采用布尔逻辑运算的聚合方式确定集群性能指标。
步骤B3,响应于确定所述候选集群内装备性能指标为连续型战技指标采用计算统计值的聚合方式确定集群性能指标。
马赛克战体系中,作战集群是执行元任务的主体,集群的能力属性是集群内装备性能指标的聚合结果。因此,集群性能指标聚合计算是元任务能力需求满足度分析的首要步骤。根据性能指标的不同数据类型,采取不同的集群性能指标聚合方式。
离散类性能指标采用布尔逻辑运算的聚合方式,通过对集群中装备的离散指标进行与、或等逻辑运算得到集群能力属性取值,例如作战集群具备侦察能力的充要条件是集群内存在具备侦察能力的装备个体。对于装备集群g={e1,e2,…,en},集群的性能指标可根据下式计算得到。
g(kp)=e1(kp)∧e2(kp)∧...∧en(kp);g(kp)=e1(kp)Ve2(kp)V...Ven(kp)
连续型战技指标采用计算统计值的聚合方式,包括最大值、最小值、平均值、求和值等,例如作战集群的侦察距离为集群内所有装备的侦察距离的最大值等。对于装备集群g={e1,e2,…,en},集群的战技指标g(kp)可根据下式计算得到。
一些较特殊的指标则采取概率分布值、随机值等。例如,单个打击装备的射弹散布是与目标距离相关的概率密度函数,在计算集群的射弹散布时则需要计算联合概率密度函数。
所述元任务能力需求函数包括下列至少之一:趋大型需求函数、趋小型需求函数、中心型需求函数以及区间型需求函数。
趋大型需求函数:性能指标在某一范围内越大越好,到达某阈值后满足度为1。一般要求指标值不小于某阈值,否则需求满足度为0。例如,远程打击任务对无人轰炸机的航程有一定的要求,若无人轰炸机的航程可以支持完成任务并顺利返回,则认为该性能指标可以基本满足任务能力需求,在此基础上航程越大,认为该装备对任务需求的满足程度越高。
趋小型需求函数:性能指标在某一范围内越小越好,小于某阈值后满足度为1。一般要求指标值不大于某阈值,否则需求满足度为0。例如,某些侦察任务对目指信息的时效性要求较高,无人侦察机向打击装备传递目指的信息时延越小越好,若信息时延大于某预定值,则认为目指信息无效。
中心型需求函数:性能指标为某一特定值时能力需求满足程度最高,越靠近该点越好,越远离该点则越差。例如,电子干扰任务中,干扰机发射的电磁波在特定频率时对敌方的干扰效果最好,偏离该频率则干扰效果减弱。
区间型需求函数:性能指标在某一区间内能力需求满足程度最高,越靠近该区间越好,越远离该区间则越差。例如,在执行精确破击装甲工事的任务时,要求无人轰炸机所携破甲弹的静破甲深度在一定范围内,破深不足则无法实现破甲效果,破深过大则会对周围建筑造成毁伤。
集群出动成本的确定过程为:
集群出动执行任务需要消耗一定的成本。对于含有n个装备的作战集群g={e1,e2,…,en},其出动成本为集群内部装备的成本之和,如下式所示。
除上述优化目标外,马赛克作战装备体系的集群编组策略还受到装备占用状态、装备地理位置等实时战场态势的约束,忽视这些约束将导致集群编组策略无法应用于作战实际。在同一时段内,一项装备至多参与执行一项元任务。由于作战任务间存在复杂的逻辑顺序关系,某些任务间可能在执行时段上存在重叠。在确定集群编组和任务分配策略时,需要规避这些任务间的冲突。以图7为例进行说明,虽然装备2具备元任务3所需的能力D,但由于其已被与元任务3同时进行的元任务2占用,故无法执行元任务3。此外,实际作战对任务时效性的要求通常较高,在集群编组和任务分配时,需要考虑装备完成前序任务后所处的地理位置,判断其能否在指定时间内到达下一任务地点。
步骤105,分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
假设能力需求网络按照节点层级可划分为n层,其中最顶层为体系能力需求层,中间(n-2)层为子能力需求层,最底层为性能指标需求层,各层包含的节点数量分别为{m1,m2,…,mn}。设自顶向下各层内部节点的邻接矩阵分别为{A1,A2,…,An},其中Ai为行数为mi的方阵,其元素值代表了同层节点间是否连接及权重大小。设第i层与第(i-1)层节点间的邻接矩阵为A(i,i-1),为行数为mr,列数为mr-1的矩阵,其元素值代表了异层节点间是否连接及权重大小。以图10所示的三层能力需求网络为例说明,下式展示了其层内邻接矩阵A2,A3和层间邻接矩阵A(2,1),A(3,2)的取值。
设能力需求网络中第i层的输入向量为Pi,输出向量为Qi,输入向量来自于下一层节点输出值的聚合,输出向量为同层传播完成后该层的确定输出值。
能力需求树型网络上的能力需求聚合方式可理解为首先同层横向传播,然后跨层纵向传播的两阶段过程。在同层传播过程中,层输出向量等于层输入向量与层内邻接矩阵的点积,下式展示了第i层的同层传播方式。
Qi=PiAi
同层传播完成后进行跨层传播,将输出向量按照层间邻接矩阵传播至上一层网络,如下式展示了第i层向第i-1层的跨层传播方式。
Pi-1=QiA(i,i-1)=PiAiA(i,i-1)
对于底层能力需求网络,输入向量即为底层性能指标的满足度值,即Pm=[v1,v2,…,vnm]。根据以上能力需求满足度传播公式,推得由底层性能指标层Pm到顶层体系能力需求满足度评估值Q1的聚合计算公式如下式所示。
基于同一个发明构思,下面以一个具体实施例进行本申请的马赛克战体系能力需求满足度评估方法的具体描述。
以马赛克战体系岛礁夺控作战想定为案例,评估马赛克战体系对该想定背景的能力需求满足度,以对本申请提出的马赛克战体系能力需求满足度评估方法开展有效性验证。
步骤201,设定背景
以智能化空中编队作战为主要作战背景,红方参战装备体系为以有/无人战机为主体的马赛克战体系,蓝方部署作战力量为传统的地面防空反导作战体系。红方派遣智能化空中编队对蓝方侵占的D岛开展岛礁夺控作战,作战决心为摧毁蓝方部署在D岛的临时指挥所、发电站、雷达、防空导弹、机库等基础设施和有生力量。
红方作战力量为空中作战力量主要组成的马赛克战体系,具体装备配置如表4所示。蓝方部署在D岛上的主要设施如表5所示。
表4.红方马赛克战体系作战力量
表5.蓝方岛上部署设施与作战力量
本实施例的作战区域为D岛附近开阔海域,如图11所示。根据蓝方侦察预警***和防空反导***的能力水平,将作战区域按距离远近依次分为无对抗区、弱对抗区、强对抗区。对于距离D岛越近的区域,蓝方的侦察预警能力和防空反导能力越强,对无对抗区中的目标不具备预警和防空能力;对弱对抗区的非隐身目标具备预警能力但无法拦截拒止;对强对抗区的非隐身目标和部分隐身目标具备预警和防空能力。在实际交战过程中,红方运输机、预警机等有人非隐身战机位于无对抗区内,无人机和有人歼击机、轰炸机等隐身战机在强对抗区中开展直接作战。
对本实施例中红方马赛克战体系对岛礁夺控任务的能力需求满足度开展评估。由于红方作战体系中小型无人作战装备的作战功能较为单一,为完成复杂的作战活动,装备间存在复杂的面向任务的集群协同关系,装备间的功能耦合性较强,故适用于本申请所提的马赛克战体系能力需求满足度评估方法。
步骤202,实验数据
本想定中的无人机各项性能指标数据为一定范围内生成的随机数,各指标取值范围及基本信息如附表所示。装备的出动成本值与装备的性能参数有关,综合性能越强的装备其出动成本越高,取值为区间[0,100]内的实数。
步骤203,任务分解与描述
本想定中红方马赛克战体系开展岛礁夺控作战的任务分解图如图12所示。整个作战过程可分为三个主要阶段:全域感知阶段、展开阵位阶段、无人主战阶段。下文简要说明各阶段的主要作战任务,后文能力需求满足度评估主要针对无人主战阶段开展。
(1)全域感知阶段
红方有人预警机、运输机(携无人机)飞抵D岛海域蓝方无对抗区,运输机释放无人侦察机,无人机在弱对抗区实现自主编队,并在岛礁外从多个方向对蓝方部署兵力与基础设施开展远距联合侦察。任务完成后相应装备回撤到无对抗区,并向预警机上报态势信息。
(2)阵位展开阶段
预警机根据战场态势和作战决心进行作战任务分解,并下达决策类无人机。后者引导其他无人机根据任务需求和自身能力属性开展任务竞标,然后根据投标情况自主生成任务分配策略和集群编组策略,并指挥无人装备在弱对抗区进行集群编组。
(3)无人主战阶段
无人机进入强对抗区开展作战活动,此阶段包含4个打击子任务,目标依次为蓝方雷达***、防空反导***、临时指挥所、岛上其他基础设施。根据目标属性和数量不同,各子任务下分属的子任务和元任务数量不同。无人主战阶段由无人轰炸机主要执行打击任务,无人侦察机、无人电子战飞机和无人战斗机进行作战保障,分别执行抵近侦察、电子干扰和伴飞护航保障活动。
步骤204,能力需求网络
该步骤主要对本实施例中的无人主战阶段开展能力需求分析,对应的马赛克战体系能力需求树型网络如图13所示。树型网络中的纵向实线代表能力的分层从属关系,横向的虚线代表同层能力的影响关系。无人主战阶段共包含目标侦察、集群编组、精确轰炸、伴飞掩护、毁伤评估等子任务,网络底层的性能指标需求与作战子任务间的对应关系以不同颜色来表示。对于能力需求网络的权重向量,在能力向上聚合时***能力需求向体系能力需求聚合的权重向量定义为ω1={0.2,0.1,0.4,0.1,0.2}。其余各层向上聚合时,父节点下属的所有子节点间的权重相等。同层节点之间的能力影响权重均定义为0.1。
步骤205,无人装备集群协同偏好性计算
无人装备间的集群协同偏好值是根据装备的基础性能指标相似度来计算的,包括巡航速度、巡航高度、作战范围、续航时长、通信链路等。然后根据TOPSIS法来综合分析以上指标的相似度,最终确定装备间的协同偏好综合得分。对于装备数量大于2的作战集群,则分别计算集群中装备两两之间的协同偏好值,再计算偏好值的平均值作为集群的协同偏好分析结果。以精确轰炸子任务涉及的侦干打集群为例展示协同偏好分析结果,图14展示了综合协同偏好值排名前5的侦干打集群装备组合协同方案。
图14共含5个集群方案,每个集群中包含侦察类、干扰类、打击类无人机各1架,图例中的序号分别为三类无人机的编号,例如“方案1:[12,31,78]”则代表由侦察无人机12号、干扰无人机31号、打击无人机78号组成的侦干打作战集群。图中各坐标轴分别代表集群偏好综合得分值和5项基础性能评分,各项评分位于[0,1]区间内,评分越高则代表集群在该项基础性能指标的表现越为突出。可见,在综合分数相近的情况下,各集群方案虽然都具备较强的综合协同偏好性,但在基础性能方面的能力水平存在较大差异,同样该差异也体现在其他性能指标上。
步骤206,无人装备集群的子任务能力需求满足度计算
首先根据任务分解结构确定各任务的具体能力需求,然后根据各任务的需求满足度函数计算无人作战集群方案对子任务能力需求的满足程度。案例分析中采用的几类任务能力需求满足度评价函数的公式如下所示,其中f1(x),f2(x),f3(x),f4(x)分别对应趋大型、趋小型、区间型和中心型需求满足度函数。
根据任务特点,确定其任务能力需求函数类型及函数参数值。在协同偏好值较高的装备集群中,计算各集群的性能指标对任务需求的满足度。图15展示了精确轰炸子任务能力需求满足度排名前5的侦干打无人作战集群方案,选取代表性指标以展示各方案对任务的能力需求满足度水平。五种集群方案的任务能力需求平均满足度相近,但部分方案在航速、侦察范围、毁伤效果等性能方面存在明显短板。
步骤206,基于TOPSIS的作战任务集群分配
在装备集群协同偏好性分析和子任务能力需求满足度分析的基础上,结合集群出动成本,基于TOPSIS法面向各作战子任务计算集群方案的综合评价得分值。选取其中排名前10的集群作为子任务推荐集群集合,并作为体系能力需求满足度分析的依据。
表6以得分排名前10的集群为例,展示了集群协同偏好性、子任务能力需求满足度、集群出动成本值三项指标设置为等权重时,基于TOPSIS法的精确轰炸子任务集群分配结果。
表6.基于TOPSIS法的精确轰炸子任务集群分配结果
步骤207,体系能力需求满足度分析
基于作战任务集群分配结果及装备集群的聚合性能指标,结合能力需求树型网络结构及权重向量,实现能力需求满足度评价的向上聚合,作为体系能力需求满足度评价结果。在集群协同偏好性、子任务能力需求满足度、集群出动成本值的权重设置相等时,得到想定中马赛克战体系对岛礁夺控作战场景的能力需求满足度为0.754。
在基于TOPSIS法的子任务集群分配过程中,集群协同偏好性、子任务能力需求满足度、集群出动成本值三项指标分别代表了决策者对任务分配策略的不同导向性,三者以自身权重分别对任务集群分配的结果施加不同影响,进而影响了体系对作战任务的能力需求满足度。
在固定集群协同偏好性和子任务能力需求满足度权重为0.5时,通过调整任务集群分配中的成本权重,分析集群成本因素对体系作战能力的影响。如图16所示,当集群出动成本权重上升,即决策者对作战成本的限制愈发严格时,子任务能力需求满足度和集群协同偏好度均呈下滑趋势,说明体系的整体作战能力和作战协同性降低,且前者下降趋势较后者更为显著。随之,马赛克战体系在岛礁夺控场景下的整体体系能力需求满足度逐渐下降。通过降低集群出动成本的权重可提高体系能力需求满足度,但当集群出动成本的权重为0.1时,继续放松成本限制将不会对体系能力需求满足度产生较大的提升,体系能力需求满足度到达平台期。
在固定集群出动成本权重为0.5时,通过调整任务集群分配中的子任务能力需求满足度和集群协同偏好性的权重,分析二者对体系能力需求满足度的影响。如图17所示,在固定二者权重之和不变时,当集群协同偏好性权重逐渐降低、子任务能力需求满足度权重逐渐上升时,体系能力需求满足度逐渐提高。然而,与之同时出现的现象是作战集群的协同偏好度变差,即装备体系的作战任务分配和集群编组的合理性和可靠性变差。在实际作战中,若集群内装备的基础性能指标不匹配,可能会在很大程度上影响装备集群的作战效果。
实际上,当集群协同偏好性权重设为0,子任务能力需求满足度权重设为1时,即体系能力需求满足度评估过程仅关注装备能力水平,而不关注装备间的集群协同合理性,此时所得评估结论等同于传统的能力需求满足度方法。虽然这种情况下得到的体系能力需求满足度评估值较高,但由于忽视了马赛克战体系中无人装备间固有的协同组合规律,所得结论是建立在缺乏协同性的集群编组和任务分配策略上的,并不符合马赛克战的实际作战特点,因此不适用于评估马赛克战体系的能力需求满足度。
综上所述,本实施例面向以智能化无人装备为主导的马赛克战背景,提出了马赛克战体系能力需求满足度评估方法框架,评估过程具体分为能力需求分析、使命任务分析、作战集群分析、能力聚合分析等四个步骤。由于马赛克战体系中武器装备的功能较为单一,作战过程中存在大量的集群协同现象,而集群协同策略在很大程度上影响了马赛克战体系的整体作战能力水平。在这一点上,面向传统装备体系的能力满足度评估方法不适用于马赛克战体系,具体表现在这类传统方法缺乏对马赛克战体系中的装备集群策略和任务分配策略的考虑和优化。本实施例提出的马赛克战体系能力需求满足度评估方法以实际作战任务为导向,对装备体系的集群协同偏好性、子任务能力需求满足度和集群出动成本等方面进行了综合优化,所得评估结论贴合马赛克战体系的实际作战特点,与传统评估方法相比更为贴切和可靠。
本实施例以马赛克战体系岛礁夺控场景为想定案例,验证了所提马赛克战体系能力需求满足度评估方法的可行性和有效性。实验结果表明,通过将集群协同偏好分析引入能力满足度评估过程中,本实施例方法所得的评估结论是建立在合理的装备集群协同策略和任务分配策略之上的。与传统方法相比,本实施例方法更贴合马赛克战的实际作战背景,在评估结论的可靠性方面具有优势。
同时,本实施例分析了集群协同偏好性、子任务能力需求满足度和集群出动成本三个因素对体系能力需求满足度评估结论的影响。成本粗放型的集群协同和任务分配策略将促使子任务能力需求满足度和集群协同偏好水平的上涨,继而提高体系能力需求满足度评估值,但当集群成本权重降低到0.1时,继续降低其权重值不会对体系能力需求满足度造成较大的提升;在固定集群出动成本权重时,集群协同偏好性与子任务能力需求满足度对体系能力需求满足度产生了相反的影响作用,在集群策略中将子任务能力需求满足度设定为高权重时,将提高体系能力需求满足度的评估值,但此时所得评估结论是基于集群协同偏好度较低的集群策略的基础上的,故所得评估值虚高,在实际作战中难以达到设想的作战效果。在实际的作战和演训场景下,作战决策人员需要结合具体作战需求,对三要素的权重进行合理的衡量和分配,才能得到合理的能力满足度评估结论。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种马赛克战体系能力需求满足度评估装置。
所述马赛克战体系能力需求满足度评估装置,包括:
模型构建模块,被配置为根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层;
任务分解模块,被配置为接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中;
能力需求分析模块,被配置为确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中;
集群策略分析模块,被配置为根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中;
需求满足度聚合模块,被配置为分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的马赛克战体系能力需求满足度评估方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的马赛克战体系能力需求满足度评估方法。
图18示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1810、存储器1820、输入/输出接口1830、通信接口1840和总线1850。其中处理器1810、存储器1820、输入/输出接口1830和通信接口1840通过总线1850实现彼此之间在设备内部的通信连接。
处理器1810可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1820可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1820可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1820中,并由处理器1810来调用执行。
输入/输出接口1830用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1840用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1850包括一通路,在设备的各个组件(例如处理器1810、存储器1820、输入/输出接口1830和通信接口1840)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1810、存储器1820、输入/输出接口1830、通信接口1840以及总线1850,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的马赛克战体系能力需求满足度评估方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的马赛克战体系能力需求满足度评估方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的马赛克战体系能力需求满足度评估方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种马赛克战体系能力需求满足度评估方法,其特征在于,包括:
根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层;
接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中;
确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中;
根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中;
分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
2.根据权利要求1所述的方法,其特征在于,所述根据马赛克战体系的参战装备构建马赛克体系超网络模型,具体包括:
根据所述马赛克战体系的参战装备之间存在的协同关系和关联关系构建装备层,其中,所述装备层的节点类型包括:指挥类、侦察类、决策类、打击类、保障类中的至少之一;
根据所述马赛克战体系在马赛克战中的作战集群组成和集群间的协同关系构建集群层;
根据所述马赛克战体系在任务式指挥下作战任务的逻辑关系和演进过程,构建任务层,并设置所述任务层与所述集群层间的分配关系,以及设置所述任务层与所述能力层的对应关系;
根据所述马赛克战体系中的参战装备的作战能力构建能力需求树型网络,完成所述马赛克体系超网络模型的构建,其中,所述能力层网络的节点包括:能力需求、子能力、元能力中的至少之一。
3.根据权利要求2所述的方法,其特征在于,所述接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中,具体包括:
接收下达的作战决心,根据所述作战决心确定使命任务,分解所述使命任务得到子任务,分解所述子任务得到元任务;
根据分解得到的所述使命任务、所述子任务和所述元任务间的逻辑关系进行活动逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中。
4.根据权利要求3所述的方法,其特征在于,所述确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中,包括:
根据所述任务层中所述任务递阶分解结构的任务活动网络的分层关系,构建能力需求树型网络;
为所述能力需求树型网络中的各层节点对应的各能力指标确定对应的权重值;
采用层次分析法或德尔菲法对所述能力需求树型网络中作战能力间的从属关系和依赖关系建立对应的连边权重,并将最终得到的能力需求树型网络部署在所述能力层中。
5.根据权利要求4所述的方法,其特征在于,所述根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中,包括:
构建所述马赛克战体系的集群编组优化模型,具体公式为:
确定候选集群,根据所述集群编组优化模型计算所述候选集群对应的编组策略的元任务需求满足度、集群协同偏好度和集群出动成本,作为三因素;
确定所述候选集群的作战需求,根据所述作战需求确定所述三因素的相对权重比,并利用TOPSIS综合评分法聚合三因素评分,得到候选集群对应的编组策略的综合得分值;
根据候选集群对应的编组策略的综合得分值确定马赛克战体系对应的最优集群编组策略,并将所述最优集群编组策略部署在所述集群层中。
7.根据权利要求5所述的方法,其特征在于,所述元任务需求满足度包括:集群性能指标聚合方式和元任务能力需求函数;
所述集群性能指标聚合方式的确定过程包括:
确定执行的元任务的主体为候选集群;
响应于确定所述候选集群内装备性能指标为离散型性能指标,采用布尔逻辑运算的聚合方式确定集群性能指标;
响应于确定所述候选集群内装备性能指标为连续型战技指标采用计算统计值的聚合方式确定集群性能指标;
所述元任务能力需求函数包括下列至少之一:趋大型需求函数、趋小型需求函数、中心型需求函数以及区间型需求函数。
8.一种马赛克战体系能力需求满足度评估装置,其特征在于,包括:
模型构建模块,被配置为根据马赛克战体系的参战装备构建马赛克体系超网络模型,其中,所述马赛克体系超网络模型包括:装备层、集群层、任务层和能力层;
任务分解模块,被配置为接收下达的作战决心,根据所述作战决心确定使命任务,对所述使命任务进行分解,并对分解结果进行逻辑梳理得到任务递阶分解结构,将所述任务递阶分解结构以任务活动网络的形式部署在所述任务层中;
能力需求分析模块,被配置为确定满足所述使命任务的体系作战能力,并基于所述任务递阶分解结构构建能力需求树型网络,将所述能力需求树型网络部署在所述能力层中;
集群策略分析模块,被配置为根据所述任务层中部署的任务活动网络以及能力层中部署的所述能力需求树型网络,确定马赛克战体系对应的最优集群编组策略并部署在所述集群层中;
需求满足度聚合模块,被配置为分析所述集群层中的集群性能指标对所述能力层的需求满足度,并基于所述能力需求树型网络进行需求满足度的向上聚合,得到马赛克战体系的能力需求满足度评估结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任意一项所述的方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至7任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162502.9A CN114529205B (zh) | 2022-02-22 | 2022-02-22 | 马赛克战体系能力需求满足度评估方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162502.9A CN114529205B (zh) | 2022-02-22 | 2022-02-22 | 马赛克战体系能力需求满足度评估方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529205A true CN114529205A (zh) | 2022-05-24 |
CN114529205B CN114529205B (zh) | 2023-05-12 |
Family
ID=81625287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210162502.9A Active CN114529205B (zh) | 2022-02-22 | 2022-02-22 | 马赛克战体系能力需求满足度评估方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529205B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455706A (zh) * | 2013-06-26 | 2013-12-18 | 北京***工程研究所 | 一种产品技术研发能力满足度量化评估方法 |
CN111652475A (zh) * | 2020-05-12 | 2020-09-11 | 北京华如科技股份有限公司 | 联合作战体系作战能力多层次分析评估方法以及存储介质 |
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 |
CN113312172A (zh) * | 2021-02-23 | 2021-08-27 | 中国人民解放军国防科技大学 | 基于适变网络的多无人机集群动态任务调度模型 |
-
2022
- 2022-02-22 CN CN202210162502.9A patent/CN114529205B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455706A (zh) * | 2013-06-26 | 2013-12-18 | 北京***工程研究所 | 一种产品技术研发能力满足度量化评估方法 |
CN111652475A (zh) * | 2020-05-12 | 2020-09-11 | 北京华如科技股份有限公司 | 联合作战体系作战能力多层次分析评估方法以及存储介质 |
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 |
CN113312172A (zh) * | 2021-02-23 | 2021-08-27 | 中国人民解放军国防科技大学 | 基于适变网络的多无人机集群动态任务调度模型 |
Non-Patent Citations (2)
Title |
---|
刘国泰;王锐华;刘靖旭;: "指挥信息***能力需求满足度评估模型", 中国电子科学研究院学报 * |
向南;豆亚杰;姜江;杨克巍;谭跃进;: "马赛克战概念下作战模块应急重构自主决策", 指挥与控制学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN114529205B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647414B (zh) | 基于仿真实验的作战计划适应性分析方法及存储介质 | |
CN110929394B (zh) | 基于超网络理论的联合作战体系建模方法以及存储介质 | |
Chen et al. | Game theoretic approach to threat prediction and situation awareness | |
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 | |
CN115951709A (zh) | 基于td3的多无人机空战策略生成方法 | |
Christensen et al. | An agent-based modeling approach for simulating the impact of small unmanned aircraft systems on future battlefields | |
Christensen et al. | Principles for small-unit sUAS tactical deployment from a combat-simulating agent-based model analysis | |
CN114240169A (zh) | 一种基于杀伤链的智能战术决策方法 | |
Yang et al. | A Hierarchical Game-Theoretic Decision-Making for Cooperative Multiagent Systems Under the Presence of Adversarial Agents | |
Yuksek et al. | Intelligent wargaming approach to increase course of action effectiveness in military operations | |
Kim et al. | Battle experiments of naval air defense with discrete event system-based mission-level modeling and simulations | |
CN114529205B (zh) | 马赛克战体系能力需求满足度评估方法及相关设备 | |
McLemore et al. | A model for geographically distributed combat interactions of swarming naval and air forces | |
Shuo et al. | Research on distributed task allocation of loitering munition swarm | |
Duan et al. | Dynamic Tasks Scheduling Model for UAV Cluster Flexible Network Architecture | |
CN106851689B (zh) | 无线传感器及执行器网络中多因素任务分配方法 | |
Hocaoğlu | Agent-based target evaluation and fire doctrine: an aspect-oriented programming view | |
Frey et al. | Tactical situation modelling of MUM-T helicopter mission scenarios using influence maps | |
Stilman et al. | Operational level decision aids with LG-based tools | |
Root et al. | Randomized path planning with deceptive strategies | |
Meirina et al. | Normative framework and computational models for simulating and assessing command and control processes | |
Goolsby | System of Systems Composition and Course of Action Pathfinding Tool (CNCPT) | |
Liu et al. | Stackelberg game under asymmetric information in unmanned aerial vehicle swarm active deception defense: from a multi-layer network perspective | |
Hu et al. | A Neural Network-Based Intelligent Decision-Making in the Air-Offensive Campaign with Simulation | |
Connors | Agent-based Modeling Methodology for Analyzing Weapons Systems |
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 |