一种基于杀伤链的智能战术决策方法与流程

1.本发明涉及空战系统技术领域，尤其涉及一种基于杀伤链的智能战术决策方法。


背景技术：

2.联合作战背景下，多域协同已经成为决定战争成败的核心能力要素之一。现代战争已经呈现出体系对抗的特点，通过不同力量、行动间的密切协同与有效控制，形成整体合力，夺取作战的胜利。美军新近提出的nifc-ca(海军一体化防空)、全域联合作战、马赛克以及诸多联合作战理论，更是强调的是体系协同的重要性。信息化、智能化等新兴技术催生了体系协同下的新质作战要素。
3.杀伤链是作战中构成攻防对抗的一系列循环要素，空战制胜的核心在于杀伤链的快速闭环。最具代表性的杀伤链模型为博伊德提出的ooda理论，包含观察(observe)-判断(orient)-决策(decide)-行动(act)4个环节，目前已经成为国内外广泛应用于空战技术研究的方法论。由于空战具有高动态、强博弈的特点，实现杀伤链闭环存在着大量的不确定性，难以形成自动化、机器式的系统。在联合作战、一体化防空、多域协同等背景下，空战过程的杀伤链将融入更多的资源协同、规划和优化问题，作战行动的计划将成为复杂的系统工程。
4.在ooda杀伤链的4个环节中，对闭环效率影响最大的在于判断(orient)和决策(decide)，二者均涉及复杂信息(涵盖外部感知和内部任职)条件下的决策问题。智能算法在处理海量信息和复杂系统学习方面的优势，使其具有解决判断和决策问题的优势。
5.当前智能空战多在确定信息和有限态势条件下开展智能算法设计，对整个杀伤链的信息评估、预判和联合行动计划涉及较少。确定信息指的是，假设战场中的输入信息准确，仅强调决策环节的博弈；有限态势指的是，将空战的复杂度限制在相对确定且较小的规模，仅强调交战级的行为决策。本发明的应用背景为联合作战和多域协同，战场环境设计空中、地/海面作战资源，其作战行动计划的生成需要综合考虑装备能力、编队态势、战术程序等要素。综合而言，当前空战领域中的智能决策难以解决联合作战背景下的行动计划生成问题，主要以下几方面局限性：
6.1)对杀伤链的要素考虑不完整，智能决策多数用在ooda的决策环，如攻防机动决策、电子对抗样式决策等；
7.2)对多域(陆、海、空、天)战场资源的知识建模不足，作战行动计划的生成需要大量的领域知识作为支撑，建模过程需要对知识进行分类管理和运用；
8.3)算法运行效率难以满足运行需求，多域战场涉及的作战资源数量多，其运算量随数量激增。


技术实现要素：

9.本发明提出的一种基于杀伤链的智能战术决策，该方法能够解决杀伤链要素多、战场资源数量大、系统运行效率要求高的问题，显著提高指挥控制系统的辅助指挥决策能
力，为指挥员提供及时、准确的辅助指挥决策方案。
10.为达到上述目的，本发明的实施例采用如下技术方案：
11.一种基于杀伤链的智能战术决策方法，其特征在于，包括如下实施步骤：
12.步骤1)威胁评估与排序：根据敌我双方的战场态势，推断敌方对我方的威胁程度，并在速度、威胁类型、威胁能力、目标优先级层级对敌方来袭目标进行威胁优先级排序，运用多体运动学解析方法分析战场环境态势信息，并运用改进k-means方法实现对敌目标分群，依据威胁度评估指标体系完成排序；
13.步骤2)敌方意图识别：在态势信息和威胁排序的基础上，综合考虑时空关系和领域知识对当前的态势进行解释，将若干随机事件之间复杂的逻辑关系建模为成一个有向无环图和一组概率分布关系描述，运用动态贝叶斯网络dbn算法判断敌方的战场部署和行动企图，识别敌方的意图，其中：算法解析的因素包含：目标运动状态、战场事件、作战条令、战术原则以及节点状态。
14.步骤3)我方任务分析：根据我方指挥意图、敌方意图和敌方武器效能，分析我方的应对策略，运用集成定义模型，用图形化语言分解我方作战使命任务，任务包含采取的任务计划和需使用的武器数量；
15.步骤4)敌方作战重心分析：根据敌方意图和相互之间的影响概率，分析敌方对我方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法anp相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络对作战网络重心进行求解；
16.步骤5)我方作战重心分析：根据我方任务分析和相互之间的影响概率，分析我方对敌方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法anp相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络对作战网络重心进行求解；
17.步骤6)敌方作战行动方案预测：根据敌方意图和作战重心分析结果，以敌方视角，生成敌方可行的作战行动方案，其中：将作战动态抽象为系列状态空间，根据敌方任务分析和作战重心分析结果，生成敌方作战行动决策点和决策线，基于贝叶斯网络对战行动方案进行描述和建模，运用规划算法生成可行的作战行动方案解空间，生成的敌方作战行动方案以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
18.步骤7)我方作战行动方案生成：基于任务需求和态势预测，开发知识库模型；对作战本体进行建模，模型包括作战任务模型、作战单元模型、威胁事件模型、作战资源模型以及约束条件模型；将作战动态抽象为系列状态空间，根据我方任务分析和作战重心分析结果，生成我方作战行动决策点和决策线，基于贝叶斯网络对作战行动方案进行描述和建模，运用规划算法生成可行的作战行动方案解空间；生成的我方作战行动方案以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
19.步骤8)作战推演评估：基于敌我双方的行动矩阵，基于作战效果完成我方可行作战行动方案的推演评估，作战行动方案推演评估判据包含：机动规模、杀伤等级、损失预估、资源耗费、任务柔性以及风险等级。
20.优选的，所述敌方意图识别步骤中：运用基于统计的不确定推理方法，构建动态贝
叶斯网络意图识别模型，实现对敌意图识别分析。
21.优选的，所述作战重心分析步骤中：运用层次递阶结构分析模式与网络分析法提出多目标网络重心模型，多目标网络重心模型分别对敌方作战重心和我方作战重心开展概率推理求解，完成战场关键作战重心分析，其中：多目标网络重心模型包含三种视图：多目标网络态势视图、cog-cc-cr-cv视图和cog网络视图；多目标网络重心模型包含五个步骤：目标分解、依赖关系分析、cog网络构建、重要度计算和演化分析。
22.优选的，所述我方作战行动方案生成步骤中：
23.通过构建基本行动模型、杀伤链模型、决策点模型和作战线模型，规划优选出我方最优作战行动方案，完成智能战术决策，其中：基本作战行动是构建我方作战行动方案模型的基础，我方所有可获取的基本作战行动由我方任务分析模型输入，所需要的作战资源和时间由专家知识确定，基本行动在初始化时会根据杀伤链定义其前序行动、定义行动影响的效果以及影响的概率、定义行动执行的区域、定义所需的作战资源；杀伤链模型为每个作战单元制定相应的作战杀伤链，为后续时间片段划分，基本可行行动数据库的建立提供规则约束。
24.优选的，所述作战推演评估步骤中包括wargaming功能，wargaming功能能够对智能决策生成的作战行动方案开展作战推演评估，将我方的作战行动方案与敌方作战行动方案进行模拟对战，确定我方作战行动方案的优缺点以及在未来作战中需要注意的地方。
25.优选的，基于多域战场环境的决策业务需求，按3个线程并行处理、以实现不同层级的决策需求同步满足任务需求，其中：对态势感知类按50ms级实时运算，所述态势感知包括意图识别和任务分析；对态势预测类按2000ms级低延时运算，所述态势预测包括敌方作战重心生成、我方作战重心生成和敌方作战行动方案预测；对辅助决策类按10s级有限延时运算并推送，所述辅助决策包括作战行动方案生成和作战推演。
26.本发明的一种基于杀伤链的智能战术决策方法具有以下有益效果：
27.1)本发明对联合作战中的杀伤链要素考虑完整，更适用于多域协同应用场景。基于多域联合作战背景，按8步分层决策法，按流程完成态势预测、评估和计划决策细分为敌方意图识别、我方任务分析、敌方cog生成、我方cog生成、敌方coa预测、我方coa生成和作战推演，对杀伤链中的判断(orient)和决策(decide)要素考虑更加完整。
28.2)本发明将智能算法与领域知识解耦，更适合工程上的设计和集成应用。基于战场建模和决策分层，实现不同步骤/模块的智能决策问题域相对确定，实现了多实体贝叶斯网络与作战资源行为知识库的解耦，形成了算法工具与知识建模的工作界面，更加有利于智能决策方法的工程化应用。
29.3)本发明运行效率更高，能够按不同业务需求并行生成/推送预测、评估和决策结果。基于多域战场环境的决策业务需求，按3个线程并行处理，其中对态势感知类(意图识别和任务分析)按实时(50ms级)运算，对态势预测类(敌方cog生成、我方cog生成和敌方coa预测)按低延时(2000ms级)运算，对辅助决策类(coa生成和作战推演)按有限延时(10s级)运算并推送，实现不同层级的决策需求同步满足任务需求。
附图说明
30.图1为本发明的整体工作流程示意图；
31.图2为本发明的三线程并行集成实现方案示意图；
32.图3为本发明的敌方意图识别贝叶斯网络示意图；
33.图4为本发明的cog模型处理流程示意图；
34.图5为本发明的敌方coa预测流程示意图；
35.图6为本发明的我方任务分析idef模型示意图；
36.图7为本发明的我方coa生成流程示意图；
37.图8为本发明的wargaming功能流程示意图。
具体实施方式
38.根据附图所示，对本发明进行进一步说明：
39.如图1和图8所示，本发明面向多域联合作战环境，提出一种行动计划的智能生成方法，重点解决杀伤链要素多、战场资源数量大、系统运行效率要求高的问题。为了提高指挥控制系统的辅助指挥决策能力，利用智能决策系统为指挥员提供及时、准确的辅助指挥决策方案。该方法由一系列作战意图、作战重心、行动预测子功能模块组成，子功能的分析结果既是对战场态势的分析结果，也是下游子功能分析的输入参数，基于杀伤链的智能战术决策方法的最终产出是我方作战行动方案coa。
40.基于杀伤链的智能战术决策方法共分为8个步骤实施：
41.步骤1：威胁评估与排序：根据敌我双方的战场态势，推断敌方对我方的威胁程度，并在速度、威胁类型、威胁能力、目标优先级等多个层级对敌方来袭目标进行威胁优先级排序，运用多体运动学解析方法分析战场环境态势信息，运用改进k-means方法实现对敌目标分群，依据威胁度评估指标体系完成排序。
42.步骤2：敌方意图识别：在态势信息和威胁排序的基础上,综合考虑时空关系和领域知识对当前的态势进行解释。将若干随机事件之间复杂的逻辑关系建模为成一个有向无环图和一组概率分布关系描述，运用动态贝叶斯网络dbn算法判断敌方的战场部署和行动企图，识别敌方的意图。算法解析的因素包含：目标运动状态、战场事件、作战条令、战术原则以及节点状态。
43.步骤3：我方任务分析：根据我方指挥意图、敌方意图和敌方武器效能，分析我方的应对策略，运用集成定义(idef模型，用图形化语言分解我方作战使命任务，任务包含采取的任务计划和需使用的武器数量。
44.步骤4：敌方cog分析：根据敌方意图和相互之间的影响概率，分析敌方对我方的打击重心即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法anp相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络mebn对作战网络重心进行求解。
45.步骤5：我方cog分析：根据我方任务分析和相互之间的影响概率，分析我方对敌方的打击重心即优先打击的目标，算法同步骤4。
46.步骤6：敌方coa预测：根据敌方意图和cog分析结果，以敌方视角，生成敌方可行的coa。算法同步骤7。
47.步骤7：我方coa生成：基于任务需求和态势预测，开发知识库模型；对作战本体进行建模，模型包括作战任务模型、作战单元模型、威胁事件模型、作战资源模型以及约束条
件模型。将作战动态抽象为系列状态空间，根据我方任务分析和cog分析结果，生成我方作战行动决策点和决策线，基于贝叶斯网络对coa进行描述和建模，运用规划算法生成可行的coa解空间。生成的我方coa以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动，甘特图范例见下表。
[0048][0049]
步骤8：作战推演评估：基于敌我双方的行动矩阵，基于作战效果完成我方可行coa的推演评估。coa推演评估判据包含：机动规模、杀伤等级、损失预估、资源耗费、任务柔性以及风险等级。
[0050]
本实施例中，完整的基于杀伤链的智能战术决策方法功能逻辑架构如图1所示，该方法程序实现采用三线程并行运行，技术集成实现方案如图2所示。其中，威胁评估与排序功能通过分析战场环境态势信息，实现对敌目标分群并根据威胁度完成排序。敌方意图识别功能运用基于统计的不确定推理方法，构建动态贝叶斯网络意图识别模型，实现对敌意图识别分析，敌方意图识别贝叶斯网络如图3所示。
[0051]
本实施例中，为了在复杂战场环境下识别作战重心cog，同时保卫我方关键弱点cv，敌/我方cog分析功能运用层次递阶结构分析模式与网络分析法analytic network progress，anp提出多目标网络重心模型，分别对敌方cog和我方cog开展概率推理求解，完成战场关键作战重心分析，gog模型流程框图如图4所示。
[0052]
具体的，本模型主要包含三种视图：多目标网络态势视图、cog-cc-cr-cv视图和cog网络视图；五个步骤:目标分解、依赖关系分析、cog网络构建、重要度计算和演化分析。为了预测当前态势下敌方可能的行动，敌方coa预测功能通过构建敌决策点和作战线模型，利用敌方cog和敌意图分析结果，对敌作战行动方案coa进行预测，敌方coa预测子功能的流程框图如图5所示。
[0053]
本实施例中，我方任务分析运用集成定义integration definition，idef模型，用图形化语言、符号抽象和模块化原则将我方作战使命分解为可以执行的作战任务。我方任务分析idef模型图如图6所示。
[0054]
本实施例中，我方coa生成功能，通过构建基本行动模型、杀伤链模型、决策点模型和作战线模型，规划优选出我方最优作战行动方案，完成智能战术决策。基本作战行动是构建我方coa模型的基础，我方所有可获取的基本作战行动由我方任务分析模型输入，所需要的作战资源和时间由专家知识确定。基本行动在初始化时会根据杀伤链定义其前序行动、定义行动影响的效果以及影响的概率、定义行动执行的区域、定义所需的作战资源。杀伤链
模型为每个作战单元制定相应的作战杀伤链ooda，为后续时间片段划分，基本可行行动数据库的建立提供规则约束。我方coa生成子功能的流程框图如图7所示。
[0055]
需要说明的是，wargaming功能可对智能决策生成的作战行动方案开展作战推演评估。将我方的coa与敌coa进行模拟对战，确定我方coa的优缺点以及在未来作战中需要注意的地方。wargaming功能流程框图如图8所示。
[0056]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。