周超 胡曉峰 鄭書(shū)奎 夏榮祥

隨著諸軍兵種聯(lián)合作戰(zhàn)成為未來(lái)戰(zhàn)爭(zhēng)的主要形式,聯(lián)合戰(zhàn)役參戰(zhàn)兵力數(shù)量的劇增,給指揮員迅速掌握戰(zhàn)場(chǎng)兵力態(tài)勢(shì)帶來(lái)了巨大挑戰(zhàn)[1].兵棋態(tài)勢(shì)顯示系統(tǒng)為了真實(shí)詳細(xì)反應(yīng)戰(zhàn)場(chǎng)情況,所采用的兵力粒度就是兵棋推演中最小作戰(zhàn)單元,這樣的顯示方式能夠?yàn)橹笓]員提供詳細(xì)的兵力情況,但給指揮員從宏觀上迅速掌握戰(zhàn)場(chǎng)態(tài)勢(shì)帶來(lái)一定困難,指揮員急需兵棋系統(tǒng)為其提供一個(gè)以作戰(zhàn)編隊(duì)為兵力粒度的態(tài)勢(shì)顯示界面,實(shí)現(xiàn)多層次兵力態(tài)勢(shì)顯示.

1 基于EBI的兵力聚合模型

為實(shí)現(xiàn)多層次兵力態(tài)勢(shì)顯示,就要對(duì)兵力按照作戰(zhàn)編隊(duì)進(jìn)行兵力聚合.EBI是以實(shí)體（Entity）、行動(dòng)（Behavior）和交互（Interaction）為基本要素的建模思想,它把系統(tǒng)中任何一個(gè)元素都?xì)w結(jié)為實(shí)體、行動(dòng)和交互[2].兵力是戰(zhàn)爭(zhēng)體系的一部分,根據(jù)EBI的建模思想,可以把兵力聚合分為兵力實(shí)體屬性聚合、兵力行動(dòng)屬性聚合和兵力交互屬性聚合.建立基于EBI的兵力聚合模型,用EBNF范式描述如下:

＜兵力屬性＞::=[＜兵力實(shí)體屬性＞][＜兵力行動(dòng)屬性＞][＜兵力交互屬性＞]

＜兵力實(shí)體屬性＞::=[＜兵力基本屬性＞][＜兵力空間屬性＞][＜兵力速度屬性＞]

＜兵力基本屬性＞::=＜兵力名稱＞|＜兵力標(biāo)識(shí)編碼＞|＜部隊(duì)級(jí)別＞|＜隸屬編制＞|＜軍種類(lèi)型＞|＜隸屬編組＞

＜兵力空間屬性＞::=＜兵力位置＞|＜部隊(duì)展開(kāi)半徑＞|＜展開(kāi)隊(duì)形＞

＜兵力速度屬性＞::=＜速度大小＞|＜兵力朝向＞|＜運(yùn)動(dòng)方向＞

＜兵力行動(dòng)屬性＞::=＜進(jìn)攻＞|＜機(jī)動(dòng)＞|＜防御＞|＜偵察＞|＜保障＞|＜其他＞

＜兵力交互屬性＞::=＜戰(zhàn)斗力＞|＜戰(zhàn)損＞|＜信息交互＞

＜聚合級(jí)兵力模型＞::=[＜作戰(zhàn)編隊(duì)＞]+[＜高分辨率模型＞]

＜作戰(zhàn)編隊(duì)＞::=＜陸軍合成分隊(duì)＞|＜艦艇編隊(duì)＞|＜飛機(jī)編隊(duì)＞

＜聚合過(guò)程＞::=[＜聚合對(duì)象＞][＜聚合屬性＞][＜聚合時(shí)機(jī)＞]＜聚合方法＞[＜聚合規(guī)則＞]

＜聚合對(duì)象＞::=＜高分辨率兵力模型＞|＜低分辨率兵力模型＞

＜聚合屬性＞::=＜兵力實(shí)體屬性＞＜兵力行動(dòng)屬性＞＜兵力交互屬性＞

＜聚合規(guī)則＞::=＜軍事規(guī)則＞＜作戰(zhàn)數(shù)據(jù)＞＜戰(zhàn)場(chǎng)態(tài)勢(shì)＞＜兵力屬性＞

2 戰(zhàn)略戰(zhàn)役兵棋系統(tǒng)兵力聚合方法

兵力聚合不是簡(jiǎn)單的多分辨率實(shí)體模型的轉(zhuǎn)換,它包含著大量的軍事屬性和作戰(zhàn)信息[3],因此,兵力聚合的過(guò)程和方法上應(yīng)充分考慮軍事屬性和作戰(zhàn)信息,確保聚合后兵力屬性更加準(zhǔn)確合理,滿足兵力聚合所需要達(dá)到的軍事目的.考慮到兵力實(shí)體屬性、行動(dòng)屬性、交互屬性在軍事特點(diǎn)上的差異性,要根據(jù)這3個(gè)屬性不同的特征規(guī)律,采用不同的方法進(jìn)行聚合.

2.1 基于動(dòng)態(tài)AHP算法的兵力實(shí)體屬性聚合方法

兵力實(shí)體屬性的聚合,就是將兵力實(shí)體屬性集合按照一定的規(guī)則進(jìn)行對(duì)應(yīng)映射,兵力實(shí)體屬性集合為:

其中,m i表示第i個(gè)高分辨率兵力單元的名稱,b i表示部隊(duì)級(jí)別,j i表示軍種類(lèi)型,lz i表示隸屬編制,lu i表示隸屬編組,x i,y i分別表示兵力的橫坐標(biāo)和縱坐標(biāo),也就是兵力的具體位置,在兵棋系統(tǒng)中采用的是經(jīng)緯度坐標(biāo),z i表示高度,地面和海上兵力就是地形高程,水下兵力為潛水深度,空中兵力是某一時(shí)刻飛行高度,r i表示作戰(zhàn)兵力的展開(kāi)半徑,v i表示兵力運(yùn)動(dòng)速度的大小,靜止的兵力單元速度大小為0.αi,βi分別表示兵力的朝向和運(yùn)動(dòng)方向.兵力實(shí)體屬性聚合框架圖如圖1所示.

將這些影響兵力實(shí)體屬性聚合的因素組合成影響因素矩陣R,即:

矩陣中,XZ代表兵力作戰(zhàn)性質(zhì)影響因素,LX表示對(duì)進(jìn)攻目標(biāo)類(lèi)型,ZT表示主助攻狀態(tài),ZDL代表兵力戰(zhàn)斗力的影響因素,JB表示部隊(duì)編制級(jí)別.兵力實(shí)體屬性的聚合用函數(shù)映射來(lái)表示:

根據(jù)上式映射關(guān)系,為實(shí)現(xiàn)兵力實(shí)體屬性的聚合,就要實(shí)現(xiàn)每一個(gè)屬性值的函數(shù)映射.對(duì)于兵力單元的名稱、部隊(duì)級(jí)別、軍種類(lèi)型、隸屬編制和隸屬編組5個(gè)屬性通過(guò)一定計(jì)算就可以實(shí)現(xiàn)聚合,而對(duì)于兵力的位置屬性和運(yùn)動(dòng)屬性包含的6個(gè)參數(shù)值,要結(jié)合影響因素矩陣R進(jìn)一步求解.影響因素矩陣各因素之間的影響具有一定的層次性,對(duì)于不同兵力單元的影響又是不同的,在不同戰(zhàn)斗時(shí)刻,由于兵力單元的變化以及作戰(zhàn)狀態(tài)的改變對(duì)于實(shí)體屬性值聚合又是一個(gè)動(dòng)態(tài)的過(guò)程,因此,下面通過(guò)建立基于動(dòng)態(tài)AHP算法的兵力實(shí)體屬性聚合模型來(lái)實(shí)現(xiàn)兵力位置屬性和運(yùn)動(dòng)屬性的聚合.

在計(jì)算兵力位置屬性和運(yùn)動(dòng)屬性聚合的過(guò)程中,重要的就是確定影響因素的權(quán)重,AHP層次分析法在確定權(quán)重矩陣上通過(guò)因素間影響大小比較來(lái)構(gòu)建對(duì)比判斷矩陣,然后求解對(duì)比判斷矩陣最大特征向量,計(jì)算標(biāo)準(zhǔn)化權(quán)重因素所占相對(duì)比例,再進(jìn)行一致性驗(yàn)證,確定最終的權(quán)重因素影響矩陣,最后進(jìn)行兵力位置屬性和運(yùn)動(dòng)屬性的聚合求解.

有n個(gè)高分辨率兵力單元,當(dāng)前位置分別為此時(shí)刻對(duì)各作戰(zhàn)兵力單元的影響因素權(quán)向量矩陣判斷對(duì)比矩陣為T(mén),則聚合體兵力位置為:

2.2 基于PNN概率神經(jīng)網(wǎng)絡(luò)的兵力行動(dòng)屬性聚合方法

要實(shí)現(xiàn)兵棋系統(tǒng)中兵力行動(dòng)屬性的聚合,首先要將兵棋推演中陸上作戰(zhàn)行動(dòng)、海上作戰(zhàn)行動(dòng)、空中作戰(zhàn)行動(dòng)進(jìn)行分類(lèi)處理,例如在兵棋中,將陸軍合成分隊(duì)的行動(dòng)分為進(jìn)攻、防御、機(jī)動(dòng)、阻擊和撤出戰(zhàn)斗5類(lèi)[4].那么兵力行動(dòng)狀態(tài)的聚合就可以表示為:

設(shè)有n個(gè)高分辨兵力需要聚合,每個(gè)兵力可能都有5種行動(dòng)狀態(tài),那么n個(gè)兵力就有5n種組合,問(wèn)題就在于如何將這么多種組合聚合成聚合體兵力的最終狀態(tài).對(duì)于聚合體兵力狀態(tài)的識(shí)別,一個(gè)優(yōu)秀的指揮員可以通過(guò)兵力的構(gòu)成、各兵力的作戰(zhàn)性質(zhì)、兵力狀態(tài)數(shù)值、當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)和作戰(zhàn)環(huán)境綜合判斷,最終確定聚合體兵力的狀態(tài).對(duì)于兵力行動(dòng)狀態(tài)的聚合本質(zhì)上就是一個(gè)分類(lèi)識(shí)別問(wèn)題,概率神經(jīng)網(wǎng)絡(luò)（Probabilistic Neural Networks,PNN）是D.F.Specht博士在1989年首先提出的,是一種徑向基神經(jīng)網(wǎng)絡(luò)模型,對(duì)于解決模式分類(lèi)識(shí)別問(wèn)題有很強(qiáng)的優(yōu)勢(shì)[5?6].在PNN概率神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,構(gòu)建基于概率神經(jīng)網(wǎng)絡(luò)的兵力行動(dòng)狀態(tài)聚合模型.

基于概率神經(jīng)網(wǎng)絡(luò)的兵力行動(dòng)狀態(tài)聚合模型由輸入層、隱含層、求和層、輸出層共4層組成,如圖2所示.第1層輸入層,輸入對(duì)象為兵力行動(dòng)狀態(tài)的特征值,就是從進(jìn)攻兵力權(quán)重值、防御兵力權(quán)重值、機(jī)動(dòng)兵力權(quán)重值、偵察兵力權(quán)重值、保障兵力權(quán)重值、敵我態(tài)勢(shì)優(yōu)劣值,聚合體重心、速度、高度、運(yùn)動(dòng)方向或朝向、兵力展開(kāi)規(guī)模大小、交戰(zhàn)部隊(duì)權(quán)重值12個(gè)屬性值中提取的特征值模型.

第2層是隱含層,計(jì)算輸入的特征值與訓(xùn)練樣本中5種兵力行動(dòng)狀態(tài)的匹配關(guān)系,模式層神經(jīng)元的個(gè)數(shù)等于各行動(dòng)狀態(tài)訓(xùn)練樣本數(shù)之和,該層每個(gè)模式單元的輸出為[7]:

式中w i為兵力行動(dòng)狀態(tài)特征值輸入層到聚合體兵力行動(dòng)狀態(tài)模式層連接的權(quán)重,θ為平滑因子.

第3層是求和層,分別求出兵力行動(dòng)狀態(tài)進(jìn)攻類(lèi)、防御類(lèi)、機(jī)動(dòng)類(lèi)、撤退類(lèi)和其他行動(dòng)類(lèi)的累計(jì)概率,從而得到兵力行動(dòng)狀態(tài)的概率密度矩陣.每一個(gè)行動(dòng)狀態(tài)類(lèi)別只有一個(gè)求和層單元,求和層單元與只屬于自己類(lèi)的隱含層節(jié)點(diǎn)單元相連接,而與隱含層中的其他節(jié)點(diǎn)單元沒(méi)有連接.求和層單元的輸出與各類(lèi)基于內(nèi)核的概率密度的估計(jì)成比例,通過(guò)輸出層的處理,就能得到各類(lèi)的概率估計(jì).

第4層為輸出決策層,其作用是在兵力行動(dòng)狀態(tài)識(shí)別模式的估計(jì)概率密度中選擇一個(gè)最大后驗(yàn)概率密度的神經(jīng)元作為最后行動(dòng)狀態(tài)結(jié)果的輸出.輸出層神經(jīng)元是一種競(jìng)爭(zhēng)神經(jīng)元,每個(gè)神經(jīng)元分別對(duì)應(yīng)于一個(gè)兵力行動(dòng)狀態(tài)類(lèi)型,概率最大的那個(gè)神經(jīng)元輸出為1,即對(duì)應(yīng)的神經(jīng)元所映射的兵力行動(dòng)狀態(tài)類(lèi)別就是聚合體兵力的行動(dòng)狀態(tài),其他神經(jīng)元輸出全為0.

如果在安排生產(chǎn)的過(guò)程中，企業(yè)采用多種組織結(jié)構(gòu)形式進(jìn)行生產(chǎn)，則不同組織形式生產(chǎn)過(guò)程中的人員為主的組織能力

2.3 基于系統(tǒng)勢(shì)能函數(shù)的兵力交互屬性聚合方法

聚合體兵力戰(zhàn)斗力由各個(gè)高分辨率兵力單元組合形成,但聚合體的戰(zhàn)斗力數(shù)值不能由各高分辨率兵力單元戰(zhàn)斗力數(shù)值線性相加或者相乘得到,因?yàn)閼?zhàn)斗力具有系統(tǒng)性和體系性的特征,需要從系統(tǒng)的角度來(lái)求解聚合后的戰(zhàn)斗力數(shù)值.

網(wǎng)絡(luò)是描述系統(tǒng)內(nèi)部結(jié)構(gòu)的一種有效手段[8],將一個(gè)聚合體兵力內(nèi)高分辨率兵力單元集合B={b1,b2,···,b n}構(gòu)造成網(wǎng)絡(luò)節(jié)點(diǎn)V={v1,v2,···v n},定義這樣的網(wǎng)絡(luò)節(jié)點(diǎn)為兵力節(jié)點(diǎn),兵力節(jié)點(diǎn)的數(shù)據(jù)項(xiàng)存儲(chǔ)兵力屬性值.聚合體兵力的戰(zhàn)斗力不僅跟各節(jié)點(diǎn)兵力自身的當(dāng)前戰(zhàn)斗力、心理戰(zhàn)效果系數(shù)、聯(lián)合效能系數(shù)有關(guān),還跟各兵力節(jié)點(diǎn)之間能否互相通信和兵力節(jié)點(diǎn)協(xié)同度有關(guān).網(wǎng)絡(luò)節(jié)點(diǎn)的邊集E由兵力節(jié)點(diǎn)通信連通性T和兵力節(jié)點(diǎn)協(xié)同度X構(gòu)成,網(wǎng)絡(luò)結(jié)構(gòu)G可以描述為G=＜B,T,X＞,t ij表示第i個(gè)兵力節(jié)點(diǎn)與第j個(gè)兵力節(jié)點(diǎn)連通性數(shù)值,對(duì)于能夠通信和不能夠通信兩種狀態(tài)可以描述為:

x ij表示第i個(gè)兵力節(jié)點(diǎn)與第j個(gè)兵力節(jié)點(diǎn)協(xié)同權(quán)重值,截取兵棋系統(tǒng)某一刻紅方飛機(jī)編隊(duì)可視圖,按照上述分析連接飛機(jī)節(jié)點(diǎn),其網(wǎng)絡(luò)結(jié)構(gòu)圖如3所示,虛線表示網(wǎng)絡(luò)邊集T,有虛線連接表示兩架飛機(jī)可直接通信聯(lián)絡(luò).實(shí)線表示網(wǎng)絡(luò)邊集X,有實(shí)線連接表明該距離下兩飛機(jī)能夠產(chǎn)生協(xié)同作戰(zhàn)效能.

系統(tǒng)優(yōu)勢(shì)函數(shù)描述的是各分系統(tǒng)涌現(xiàn)而產(chǎn)生的整體效能,它能夠表示各個(gè)部分相互作用的效果[9],設(shè)某系統(tǒng)Y的各分系統(tǒng)為(y1,y2,···,y n),那么系統(tǒng)效能F(Y)可用系統(tǒng)優(yōu)勢(shì)函數(shù)表示[10]:

系統(tǒng)優(yōu)勢(shì)函數(shù)描述的就是整個(gè)系統(tǒng)的效能,在系統(tǒng)優(yōu)勢(shì)函數(shù)的基礎(chǔ)上,來(lái)進(jìn)一步計(jì)算聚合體兵力的戰(zhàn)斗值.在兵力網(wǎng)絡(luò)結(jié)構(gòu)中兵力節(jié)點(diǎn)的戰(zhàn)斗值表示各分系統(tǒng)效能,那么兵力實(shí)際戰(zhàn)斗值跟心理戰(zhàn)效果系數(shù)xl、聯(lián)合效能系數(shù)lh和不同狀態(tài)下兵力戰(zhàn)斗力分配比例有關(guān),其實(shí)際戰(zhàn)斗值ZDL實(shí)際為:

其中,w1表示進(jìn)攻狀態(tài)下攻擊戰(zhàn)斗力分配比例,w2表示進(jìn)攻狀態(tài)下防御戰(zhàn)斗力分配比例,w3表示進(jìn)攻狀態(tài)下掩護(hù)戰(zhàn)斗力分配比例,w4表示防御狀態(tài)下掩護(hù)戰(zhàn)斗力分配比例.兵力網(wǎng)絡(luò)節(jié)點(diǎn)邊集為通信連通性T和協(xié)同作戰(zhàn)度X,其鄰接矩陣T和X分別為:

綜上分析,各高分辨率兵力單元戰(zhàn)斗值為(z1,z2,···,z n),則聚合體兵力當(dāng)前戰(zhàn)斗力Z聚合體計(jì)算公式為:

3 案例分析

以201X年XX部隊(duì)組織的一次空地聯(lián)合戰(zhàn)役兵棋推演為想定背景,紅方部隊(duì)和藍(lán)方部隊(duì)為演習(xí)對(duì)抗方,雙方指揮員使用兵棋系統(tǒng)進(jìn)行實(shí)時(shí)空地聯(lián)合戰(zhàn)役推演,推演步長(zhǎng)為6,演習(xí)作戰(zhàn)時(shí)間XX時(shí)XX分XX秒,通過(guò)兵棋綜合態(tài)勢(shì)顯示系統(tǒng),觀察到某一局部作戰(zhàn)區(qū)域紅藍(lán)雙方兵力顯示情況如圖4所示.

下面對(duì)各編隊(duì)兵力進(jìn)行兵力聚合.根據(jù)論文提出的基于EBI的兵力聚合模型,按照兵力實(shí)體屬性、行動(dòng)屬性、交互屬性進(jìn)行聚合.

首先從演習(xí)動(dòng)態(tài)數(shù)據(jù)庫(kù)讀取到紅藍(lán)雙方當(dāng)前兵力屬性數(shù)據(jù),兵力屬性主要包含兵力名稱、參演方向、部隊(duì)級(jí)別、軍種類(lèi)型、部隊(duì)類(lèi)型、隸屬編制、隸屬編組、位置經(jīng)度、位置緯度、展開(kāi)半徑、最大速度、當(dāng)前速度、兵力朝向、運(yùn)動(dòng)方向、行動(dòng)狀態(tài)、戰(zhàn)斗力值、通信頻繁度、作戰(zhàn)時(shí)間、高度、所在地形20個(gè)數(shù)據(jù)項(xiàng),紅藍(lán)雙方兵力屬性數(shù)據(jù)如表1所示.

表格共包含紅藍(lán)雙方局部134個(gè)兵力單元的屬性數(shù)據(jù),這里只列出部分屬性和數(shù)據(jù).下面對(duì)局部區(qū)域內(nèi)紅藍(lán)雙方134個(gè)兵力進(jìn)行聚合,利用本文提出的兵力實(shí)體聚合算法,得到聚合后紅藍(lán)雙方兵力名稱、參演方向、部隊(duì)級(jí)別、軍種類(lèi)型、部隊(duì)類(lèi)型如表2所示.

表1 紅藍(lán)雙方兵力屬性數(shù)據(jù)表

表2 紅藍(lán)雙方兵力屬性數(shù)據(jù)表

利用兵力實(shí)體聚合算法分別對(duì)19個(gè)聚合體兵力位置坐標(biāo)、速度大小、兵力朝向、運(yùn)動(dòng)方向、展開(kāi)半徑、重心性質(zhì)進(jìn)行聚合.聚合得到的19個(gè)聚合體兵力位置坐標(biāo)、速度大小、兵力朝向、運(yùn)動(dòng)方向、兵力位置坐標(biāo)、展開(kāi)半徑、重心性質(zhì)的結(jié)果如表3所示.

首先通過(guò)聚合體兵力實(shí)體屬性表生成兵力實(shí)體屬性狀態(tài)圖,如圖5所示,然后通過(guò)戰(zhàn)略戰(zhàn)役演習(xí)系統(tǒng)讀取那一時(shí)間段的戰(zhàn)場(chǎng)情況報(bào)告,指揮員指揮命令下達(dá)數(shù)據(jù),雙方當(dāng)時(shí)的作戰(zhàn)計(jì)劃,結(jié)合那一時(shí)刻的戰(zhàn)場(chǎng)態(tài)勢(shì)和戰(zhàn)場(chǎng)環(huán)境分析出紅藍(lán)雙方作戰(zhàn)態(tài)勢(shì),通過(guò)對(duì)比驗(yàn)證了兵力實(shí)體屬性聚合結(jié)果和當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)具有較好的一致性.

紅藍(lán)雙方19個(gè)旅團(tuán)級(jí)兵力行動(dòng)屬性的聚合,必須針對(duì)不同兵種的特點(diǎn),按照論文提出的兵力行動(dòng)屬性聚合算法依次進(jìn)行聚合,下面以裝甲旅為例進(jìn)行兵力行動(dòng)屬性的聚合.

對(duì)于裝甲旅行動(dòng)狀態(tài)的聚合,首先在戰(zhàn)略戰(zhàn)役兵棋系統(tǒng)歷史數(shù)據(jù)庫(kù)中提取400條裝甲旅機(jī)動(dòng)、進(jìn)攻、防御、阻擊、撤出戰(zhàn)斗5種行動(dòng)狀態(tài)的記錄,每一條記錄包含了裝甲旅各營(yíng)連作戰(zhàn)兵力基礎(chǔ)數(shù)據(jù),根據(jù)兵力基礎(chǔ)數(shù)據(jù)計(jì)算出裝甲旅各行動(dòng)狀態(tài)的進(jìn)攻兵力權(quán)重值、防御兵力權(quán)重值、機(jī)動(dòng)兵力權(quán)重值、阻擊兵力權(quán)重值、撤出戰(zhàn)斗兵力權(quán)重值、敵我態(tài)勢(shì)優(yōu)劣值,聚合體重心、速度、高度、運(yùn)動(dòng)方向或朝向、兵力展開(kāi)半徑、交戰(zhàn)部隊(duì)權(quán)重等特征屬性,計(jì)算結(jié)果如表4所示.

表格中部分記錄和屬性已經(jīng)省略,其中敵我態(tài)勢(shì)優(yōu)劣值表示局部區(qū)域內(nèi)我方兵力數(shù)量占優(yōu)勢(shì)時(shí)為1,占劣勢(shì)時(shí)為?1,基本相等時(shí)為0.聚合體重心在裝甲旅前方時(shí)為1,在裝甲旅后方時(shí)為?1,重心在中間時(shí)為0.利用以上400條裝甲旅行動(dòng)狀態(tài)記錄構(gòu)成模型的訓(xùn)練樣本和檢驗(yàn)樣本,提取單號(hào)記錄構(gòu)成訓(xùn)練樣本,利用主成分分析法提取裝甲旅行動(dòng)狀態(tài)聚合主要特征屬性,將得到的裝甲旅行動(dòng)狀態(tài)聚合特征屬性貢獻(xiàn)度繪制成柱狀圖,如圖6所示.

表3 兵力實(shí)體屬性聚合結(jié)果

表4 裝甲旅各行動(dòng)狀態(tài)特征屬性數(shù)據(jù)

根據(jù)排序確定進(jìn)攻兵力權(quán)重值、防御兵力權(quán)重值、運(yùn)動(dòng)方向、兵力展開(kāi)半徑、兵力重心位置、敵我態(tài)勢(shì)優(yōu)劣值6個(gè)屬性作為確定裝甲旅行動(dòng)狀態(tài)的主要特征屬性.

利用400條裝甲旅各行動(dòng)狀態(tài)記錄對(duì)裝甲旅行動(dòng)狀態(tài)聚合模型進(jìn)行訓(xùn)練和檢驗(yàn),以200條單數(shù)訓(xùn)練樣本記錄對(duì)模型進(jìn)行有監(jiān)督訓(xùn)練,以雙數(shù)200條記錄對(duì)模型進(jìn)行檢驗(yàn),不斷調(diào)整參數(shù)直到模型正確率達(dá)到95%以上.用訓(xùn)練好的概率神經(jīng)網(wǎng)絡(luò)模型識(shí)別案例中裝甲旅作戰(zhàn)編隊(duì)的聚合行動(dòng)狀態(tài).采用同樣的方法依次識(shí)別案例中敵方各個(gè)兵種的行動(dòng)狀態(tài),得到紅藍(lán)雙方兵力行動(dòng)狀態(tài),如圖7所示.

4 結(jié)論

本文針對(duì)兵棋系統(tǒng)兵力聚合的問(wèn)題,構(gòu)建了基于EBI的兵力聚合模型,將兵力聚合分為兵力實(shí)體屬性聚合、兵力行動(dòng)屬性聚合、兵力交互屬性聚合.在動(dòng)態(tài)AHP算法、PNN概率神經(jīng)網(wǎng)絡(luò)、系統(tǒng)勢(shì)能函數(shù)算法的基礎(chǔ)上,提出了新型兵力聚合算法,并通過(guò)空地聯(lián)合戰(zhàn)役兵棋推演驗(yàn)證了本文兵力聚合方法的合理性,較好地解決了兵棋系統(tǒng)多層次兵力態(tài)勢(shì)顯示問(wèn)題.該方法可以應(yīng)用到未來(lái)聯(lián)合作戰(zhàn)的兵力態(tài)勢(shì)顯示中,為指揮員快速掌握戰(zhàn)場(chǎng)態(tài)勢(shì)提供較好的輔助作用.

1 馬平.聯(lián)合作戰(zhàn)研究[M].北京:國(guó)防大學(xué)出版社,2013.

2 候春龍,衛(wèi)翔,齊新戰(zhàn).多分辨率建模在潛艇作戰(zhàn)仿真中的應(yīng)用[J].潛艇學(xué)術(shù)研究,2011,29（4）:38?40.

3 李京偉.多分辨率建模在航母戰(zhàn)斗群作戰(zhàn)仿真中應(yīng)用[J].系統(tǒng)仿真報(bào)2013,25(8):1924?1927.

4 肖明彥,董漢權(quán),史楊.基于多重表示的艦艇作戰(zhàn)仿真模型[J].計(jì)算機(jī)工程,2010,36（13）:248?250.

5 LU Z Z,SHEN D H,ZHANG Z.Study of hierarchical federation architecture of submarine voyage training simulation system[J].Journal of System Simulation(S1004-731X),2005,17(7):1626?1630

6 李明忠,畢長(zhǎng)劍,劉小荷,等.空軍作戰(zhàn)仿真模型聚合與解聚研究[J].系統(tǒng)仿真學(xué)報(bào)2008,20(14):3679?3684

7 李可心,徐國(guó)鑫.基于D-S證據(jù)理論的空中目標(biāo)識(shí)別[J].紅外與激光工程,2007(S2):193?196

8 周忠旺,柳少軍.基于EBI框架的戰(zhàn)爭(zhēng)模擬多分辨率概念建模[J].計(jì)算機(jī)仿真,2014,31(9):1?3.

9 張國(guó)春,胡曉峰.模型的聚合與解聚研究[J].計(jì)算機(jī)仿真2003,20(3):1?3.

10 賈子英,李勇,劉衛(wèi)東.基于系統(tǒng)優(yōu)勢(shì)函數(shù)和IAHP的預(yù)警機(jī)作戰(zhàn)效能評(píng)估[J].海軍航空工程學(xué)院學(xué)報(bào),2011,26(4):461?464.