基于概率共识的博弈对抗态势评估方法与系统

本发明涉及智能对抗指挥控制，尤其涉及基于概率共识的博弈对抗态势评估方法与系统。

背景技术：

1、在现代博弈对抗（海、陆、空、天、网多域协同）过程中，指挥员需要对我方和敌方的各对抗单元的综合对抗能力进行实时或准实时评估，以支撑兵力部署、目标分配、威胁排序等关键决策。然而，实际战场环境下，仍面临以下三大困境：

2、（1）多源情报专家知识冲突。来自侦察、情报、火力、电子对抗等不同领域的对抗参谋或专家，对同一对抗单元（如敌方某型战机）在“探测距离”、“机动过载”、“电子对抗能力”等指标上的合格/威胁阈值往往存在分歧甚至矛盾。传统方法（如加权平均、德尔菲法）难以动态量化这种共识与冲突，导致能力评估结果主观性强、可信度低。

3、（2）对抗能力指标的非线性耦合。对抗单元的各项能力指标之间存在复杂的协同或拮抗效应。例如，战斗机的“雷达探测距离”与“隐身性能”存在非线性权衡；舰艇的“防空反导能力”与“反潜能力”受平台资源约束相互制约。简单的线性加权求和无法准确刻画这种耦合关系，容易造成评估失真，进而误导指挥决策。

4、（3）态势输入数据类型的混合性。现代战场获得的对抗单元能力数据来源多样：有基于蒙特卡洛仿真得到的概率分布（如某型导弹对移动目标的命中概率分布），也有基于侦察情报得到的确定点（如敌方雷达的精确开机时间、某舰艇的当前航速），现有方法通常只能处理其中一类，缺乏统一的评估框架。

5、在多源情报专家意见冲突、对抗能力指标非线性耦合以及混合类型态势输入数据的条件下，如何对敌我双方各对抗单元进行动态、鲁棒、可解释的综合对抗能力评估与排序，为博弈对抗指挥提供量化决策依据，成为亟待解决的关键问题。为此，基于联合概率目标构建一种系统性融合与自适应决策机制，为多目标参数相互耦合的决策寻优探索可行路径。

技术实现思路

1、为了解决上述现有技术中存在的多个专家冲突融合与对抗单元能力非线性评估这一问题，本发明提出一种基于概率共识的博弈对抗态势评估方法与系统。

2、本发明通过以下技术方案得以实现上述目的：

3、本发明公开的第一方面的技术方案为：基于概率共识的博弈对抗态势评估方法，包括以下步骤：

4、构建多个对抗专家共识的联合概率密度函数；

5、基于联合概率密度函数，定义具有置信层次的概率目标集；

6、获取待评估对抗单元在当前态势下的战场能力数据并判断数据类型，根据数据类型得到对应的效能评估值，所述数据类型包括随机分布数据和确定点数据；

7、根据效能评估值对多个对抗单元进行排序，输出对抗能力评估结果。

8、作为进一步地优选方案，构建多个对抗专家共识的联合概率密度函数，包括：

9、接收多个对抗专家对对抗单元的各对抗能力指标所给出的区间评估；

10、将每个区间评估转化为参数空间上的个体概率密度函数，所述参数空间由多个对抗能力指标构成；

11、融合多个个体概率密度函数生成联合概率密度函数。

12、进一步地优选方案为，定义具有置信层次的概率目标集的步骤包括：

13、给定置信水平参数λ∈[0，1]，构建λ-水平概率目标集，其表达式为：

14、；

15、式中：r(λ)表示λ-水平概率目标集，p为对抗能力指标，p为参数空间，fjoint(p)为联合概率密度函数；

16、依据对抗专家共识的生成逻辑差异，将λ-水平概率目标集划分为高置信区域和扩展置信区域，其表达式分别如下：

17、；

18、；

19、式中：r (λ)为高置信区域，为扩展置信区域，j为第j个专家，且j=1,2,…m，fj (p)为概率密度函数。

20、作为进一步优选方案，根据数据类型得到对应的效能评估值，包括：

21、若数据类型为随机分布数据，通过基于重叠度的效能测度模型计算随机分布数据落入概率目标集的概率重叠度，得到第一效能评估值；

22、若数据类型为确定点数据，通过基于距离的效能测度模型计算确定点数据与概率目标集边界的归一化距离，得到第二效能评估值。

23、基于上述方案，进一步地，基于重叠度的效能测度模型融合了高置信区域与扩展置信区域，其表达式为：

24、；

25、式中：er为第一效能评估值，fsim (p)为仿真对抗能力指标的概率分布函数，k∈[0，1]为平衡系数，ii(.)为指示函数。

26、作为进一步地优选方案，通过基于重叠度的效能测度模型计算随机分布数据落入概率目标集的概率重叠度，得到第一效能评估值，包括：

27、引入蒙特卡洛积分近似计算概率重叠度，则基于重叠度的效能测度模型的表达式为：

28、；

29、式中：pi为第i个对抗能力指标，且i=1，2，…n；

30、基于二分搜索算法，在置信水平区间内迭代并求解效能均衡点；

31、将效能均衡点作为第一效能评估值的输出。

32、进一步地优选方案为，基于距离的效能测度模型的表达式为：

33、；

34、式中：dr(p)为第二效能评估值，dis(p，λ)为置信水平参数λ下的加权距离，为决策者关心的置信水平区间，，为调节系数，为中间置信水平对应的高置信边界，表示在中间置信水平对应的高置信边界上所有点与评价点之间的相对欧氏距离的最大值，为相对欧氏距离，为评价点到高置信边界的最近相对距离，为中间置信水平对应的高置信边界。

35、进一步地优选方案为，通过基于距离的效能测度模型计算确定点数据与概率目标集边界的归一化距离，得到第二效能评估值，包括：

36、采用马氏距离度量确定点到概率目标集边界的接近程度；

37、通过平衡系数调节对高置信区域和扩展置信区域的偏重；

38、利用基于距离的效能测度模型输出第二效能评估值，所述的第二效能评估值越小，表示对抗单元的威胁程度越高。

39、本发明公开的第二方面的技术方案为：基于概率共识的博弈对抗态势评估系统，所述系统用于实现以上所述方法的步骤，所述系统包括：

40、知识融合模块，用于接收多个对抗专家对对抗单元的各对抗能力指标所给出的区间评估，并将每个区间评估转化为参数空间上的个体概率密度函数，将个体概率密度函数融合构建多个对抗专家共识的联合概率密度函数；

41、概率目标集构建模块，用于基于联合概率密度函数，定义具有置信层次的概率目标集；

42、分类模块，用于获取待评估对抗单元在当前态势下的战场能力数据并判断数据类型，根据数据类型评估其与概率目标集的关系，并计算对应的效能评估值，所述数据类型包括随机分布数据和确定点数据；

43、评估模块，根据数据类型得到对应的效能评估值，若数据类型为随机分布数据，通过基于重叠度的效能测度模型计算随机分布数据落入概率目标集的概率重叠度，得到第一效能评估值；若数据类型为确定点数据，通过基于距离的效能测度模型计算确定点数据与概率目标集边界的归一化距离，得到第二效能评估值；

44、输出模块，用于根据效能评估值对多个对抗单元进行排序，输出对抗能力评估结果。

45、与现有技术相比，本发明的有益效果为：

46、本发明系统性构建了概率融合-非线性评估-自适应决策的闭环体系，首先，基于概率分布重叠度的动态置信融合机制，将多个专家的区间评估转化为参数空间上的概率分布，通过计算概率分布之间的重叠区域，量化专家共识与冲突区域，依据重叠度动态调整各专家意见在融合中的权重， 实现专家知识从定性、离散判断到定量、连续概率信度的融合；其次，通过构建与sm模型的双耦合非线性集成框架，针对不同类型数据分别设计了基于重叠度的效能测度模型（vm模型）和基于距离的效能测度模型（sm模型）替代传统线性加权方式，共同解决了复杂系统中非线性交互关系的难题，实现了更符合系统整体性的效能评估；最后，通过引入平衡系数调节决策者对“宽松共识”与“严格共识”的偏好，利用置信水平参数λ动态调控概率目标集边界的置信水平，二者协同使模型不依赖外部数据情况下，响应不同的风险容忍度与任务目标变化，显著增强了决策过程的灵活性与鲁棒性。