面向对抗性决策的人机协同因果修正方法

本发明涉及复杂系统效能评估与智能博弈领域，具体提供了一种面向对抗性决策的人机协同因果修正方法。

背景技术：

1、对抗性决策的效能评估是现代智能决策系统的核心环节，其核心任务是准确厘清“哪些因素以何种先后与时延作用于关键效能指标”，并将分析结果用于博弈局势预测、对抗策略推演与系统诊断。该过程高度依赖来自环境探测器、光学传感器、协同通信网络、决策控制系统等多模态的交互数据，这些数据具有采样频率不一、时钟不统一、受对抗干扰影响显著等特点，导致因果信息通道的生效存在不同步与显著时延。

2、当前，博弈效能分析领域已有多种技术手段。其中，基于相关性分析或黑箱模型的预测方法，侧重于变量间的统计关联，但弱于揭示因果机制，且对时延的表达极为粗糙；基于动态图或图网络的方法虽然提升了模型精度，但可解释性差，其因果结构在不同博弈环境环境下容易发生漂移，稳定性不足；传统的因果发现算法多假设变量间为同期因果关系或简单的固定滞后，难以纳入领域专家的先验知识以及物理、博弈策略层面的硬性约束；而基于知识工程的方法虽具可解释性，但构建与维护成本高昂，更新迭代缓慢，难以适应高动态对抗环境的快节奏变化。

3、综上，现有技术因忽视因果时延致归因偏差，且所构建的模型跨环境稳定性差、缺乏在线更新与专家知识注入能力，同时缺少对图谱的逻辑一致性校核与版本化管理，导致其分析结果可信度不足。

4、因此，提出一种能够将时序因果发现、边级人机协同修正、多约束一致性校核与在线增量更新形成闭环的因果修正方法，成为亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种面向对抗性决策的人机协同因果修正方法，以解决现有技术存在的问题。

2、为实现上述目的，本发明提供了一种面向对抗性决策的人机协同因果修正方法，包括：

3、s1：建立统一多源数据的时间基准，配置因果分析的滑动窗口、步长以及时延搜索范围，配置时钟同步方案；

4、s2：接入感知单元、协同通信网络、决策控制系统的多模态仿真数据，进行数据清洗、频率统一与时钟同步，并按滑动窗口生成带环境标签的分析样本；

5、s3：基于规则与先验约束，采用因果发现算法对所述样本进行处理，生成带有因果方向、时延范围及置信度的因果初稿图谱；

6、s4：接收专家对所述因果初稿图谱的修订；

7、s5：对经修订的因果图谱执行一致性校核，检查其是否满足有向无环、时间可实现及物理/博弈策略约束，若发现冲突，则生成并应用最小修改以恢复一致性；

8、s6：将专家的修订操作与理由，沉淀为可计算的结构先验与发现模板；

9、s7：基于所述滑动窗口，对持续输入的仿真数据进行增量式因果发现，当监测到数据分布或因果结构发生漂移时，触发告警与再学习流程。

10、优选，s3中，所述因果发现算法采用基于约束与分数的混合框架，包括：基于时序约束确定无向因果骨架及对应的时延；基于分数确定无向因果骨架的因果方向。

11、进一步优选，s3中，基于时序约束确定无向因果骨架及对应的时延具体如下：通过条件独立性检验剔除虚假关联，统计判断并初步确定无向因果骨架及对应的时延。

12、进一步优选，s3中，基于分数确定无向因果骨架的因果方向具体包括：引入贝叶斯信息准则作为评分函数；采用贪婪等价搜索算法，以分数为优化目标，在所述无向因果骨架上进行边的增、删、反转操作，直至分数不再增加，得到无向因果骨架的因果方向。

13、进一步优选，s4中，所述修订包括确定、反转、删除、限定时窗。

14、进一步优选，s4中，还包括基于历史模板向专家推荐的高不确定性因果边的操作，以提示专家优先审核，其中，高不确定性因果边的确定方法如下：计算每条因果边的置信度方差或因果边方向的后验概率熵，并将熵值最高或方差最大的边确定为最高不确定性因果边。

15、进一步优选，s5中，通过计算图编辑距离来生成最小修改集，其中，图编辑距离定义为将当前图转换为满足所有约束的目标图所需的最少编辑操作的代价总和；采用搜索算法从所述最小修改集中找到满足所有一致性约束且图编辑距离最小的修改序列。

16、进一步优选，增量式因果发现的流程如下：当新的一个时间窗口数据到达时，将新窗口数据与之前数个窗口的数据进行对比；针对发生显著统计变化的变量及其关联边，在上一版本因果图谱的基础上，仅对这些高变化性的局部子图重新运行因果发现算法，进行条件独立性测试与评分优化，以更新该局部区域的因果结构；最后，将更新后的局部子图与全局图谱进行融合，并通过全局一致性校核确保整合后图谱的逻辑正确。

17、进一步优选，s7中，通过计算相邻窗口间数据分布的ks统计量监控数据分布漂移；通过计算相邻窗口因果图谱之间的结构相似度jaccard指数监控因果结构漂移。

18、进一步优选，所述面向对抗性决策的人机协同因果修正方法还包括如下步骤：

19、s8：将通过一致性校核的因果图谱进行版本化存储，记录审计日志，并生成因果图谱数据。

20、本发明提供的面向对抗性决策的人机协同因果修正方法的有益效果如下：

21、（1）通过“方向+时延范围+置信度”的因果表达，形成了可解释、可量化的时延因果图谱，能够清晰回答“何时起效、快到何种程度、可靠性几何”的博弈策略问题；

22、（2）引入了边级人机协同闭环，将专家知识结构化沉淀为先验与模板，显著降低了因果发现中的伪边与方向误判，实现了越用越准的持续优化；

23、（3）在发布前执行多维度一致性校核并以最小修改自动修复冲突，结合版本化审计，确保了因果图谱的逻辑合理性与演化过程的可靠追溯；

24、（4）通过基于滑动窗口的增量发现与漂移检测，实现了因果图谱的在线修正与自适应更新，使其能够随作战数据与环境的演变而持续演化，有效提升了模型的跨环境稳定性与长期实用价值。

1.一种面向对抗性决策的人机协同因果修正方法，其特征在于，包括：

2.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：s3中，所述因果发现算法采用基于约束与分数的混合框架，包括：基于时序约束确定无向因果骨架及对应的时延；基于分数确定无向因果骨架的因果方向。

3.按照权利要求2所述面向对抗性决策的人机协同因果修正方法，其特征在于：s3中，基于时序约束确定无向因果骨架及对应的时延具体如下：通过条件独立性检验剔除虚假关联，统计判断并初步确定无向因果骨架及对应的时延。

4.按照权利要求2所述面向对抗性决策的人机协同因果修正方法，其特征在于：s3中，基于分数确定无向因果骨架的因果方向具体包括：引入贝叶斯信息准则作为评分函数；采用贪婪等价搜索算法，以分数为优化目标，在所述无向因果骨架上进行边的增、删、反转操作，直至分数不再增加，得到无向因果骨架的因果方向。

5.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：s4中，所述修订包括确定、反转、删除、限定时窗。

6.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：s4中，还包括基于历史模板向专家推荐的高不确定性因果边的操作，以提示专家优先审核，其中，高不确定性因果边的确定方法如下：计算每条因果边的置信度方差或因果边方向的后验概率熵，并将熵值最高或方差最大的边确定为最高不确定性因果边。

7.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：s5中，通过计算图编辑距离来生成最小修改集，其中，图编辑距离定义为将当前图转换为满足所有约束的目标图所需的最少编辑操作的代价总和；采用搜索算法从所述最小修改集中找到满足所有一致性约束且图编辑距离最小的修改序列。

8.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：增量式因果发现的流程如下：当新的一个时间窗口数据到达时，将新窗口数据与之前数个窗口的数据进行对比；针对发生显著统计变化的变量及其关联边，在上一版本因果图谱的基础上，仅对这些高变化性的局部子图重新运行因果发现算法，进行条件独立性测试与评分优化，以更新该局部区域的因果结构；最后，将更新后的局部子图与全局图谱进行融合，并通过全局一致性校核确保整合后图谱的逻辑正确。

9.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：s7中，通过计算相邻窗口间数据分布的ks统计量监控数据分布漂移；通过计算相邻窗口因果图谱之间的结构相似度jaccard指数监控因果结构漂移。

10.按照权利要求1所述面向对抗性决策的人机协同因果修正方法，其特征在于：还包括如下步骤：