左欽文,張杰民,劉曉宏,楊 明

(1.防化研究院，北京 102205；2.國營785廠，太原 030024)

未來戰(zhàn)爭是復雜巨系統(tǒng)體系之間的對抗，具有不確定性、自主性和層次涌現(xiàn)性等特征。開展武器裝備作戰(zhàn)能力和體系貢獻率的評估研究，對裝備體系論證、裝備使用研究、作戰(zhàn)試驗開展、實戰(zhàn)化訓練等具有重要意義[1]。

作戰(zhàn)評估反映了一定作戰(zhàn)環(huán)境和作戰(zhàn)任務下，評估對象對作戰(zhàn)體系內(nèi)各系統(tǒng)作戰(zhàn)能力及整個體系作戰(zhàn)能力影響作用的度量。在未來復雜體系對抗中，隨著裝備種類繁多、作戰(zhàn)樣式擴展、戰(zhàn)場環(huán)境復雜、作戰(zhàn)過程快速演化，現(xiàn)有預先構(gòu)建裝備性能、作戰(zhàn)方案、評估指標的靜態(tài)作戰(zhàn)評估方法的科學性、實用性和可信性不足，已不能滿足作戰(zhàn)評估發(fā)展需要，需發(fā)展新的作戰(zhàn)評估模式和框架[1-2]。

現(xiàn)有作戰(zhàn)評估技術(shù)根據(jù)其原理可分為統(tǒng)計法、解析法、仿真法和綜合法。統(tǒng)計法應用數(shù)理統(tǒng)計的方法，利用實戰(zhàn)、演習、試驗等獲取的數(shù)據(jù)統(tǒng)計分析獲得；解析法通過解析式的計算而獲得；仿真法利用仿真實驗獲得仿真數(shù)據(jù)并進行分析而獲得。綜合法采用一種或多種以上方法綜合而成。以上方法均未能充分考慮作戰(zhàn)過程的整體性、復雜性、對抗性、動態(tài)性和評估指標的不確定性。

本文從大數(shù)據(jù)與機器學習角度，立足復雜系統(tǒng)體系視角，依據(jù)仿真推演過程的時序及數(shù)據(jù)，從網(wǎng)絡性、動態(tài)性、關聯(lián)性等方面提取體系對抗中的關鍵指標并進行評估，為效能評估和體系貢獻率分析提供方法。

1 總體構(gòu)架

基于大數(shù)據(jù)及機器學習的體系評估技術(shù)一方面基于武器裝備體系作戰(zhàn)網(wǎng)絡模型，利用復雜網(wǎng)絡的相關性能指標及計算方法，從作戰(zhàn)網(wǎng)絡評估和特定目標場景下的體系作戰(zhàn)能力分析兩方面對體系效能進行評估，發(fā)現(xiàn)體系能力建設中的短板及關鍵裝備，對武器裝備體系結(jié)構(gòu)頂層設計進行優(yōu)化，以滿足未來作戰(zhàn)需求；另一方面，構(gòu)建裝備體系對抗過程中的作戰(zhàn)環(huán)路，在特定對抗場景下，依托實時推演仿真數(shù)據(jù)驅(qū)動大量作戰(zhàn)環(huán)路的協(xié)同流轉(zhuǎn)，通過梳理作戰(zhàn)環(huán)路的數(shù)量、長度、閉合性、有效性，支撐指控關系網(wǎng)、通信交互網(wǎng)及裝備效能網(wǎng)的分析評估。

基于大數(shù)據(jù)及機器學習的作戰(zhàn)評估技術(shù)總體架構(gòu)如圖1所示。

基于大數(shù)據(jù)及機器學習的作戰(zhàn)評估技術(shù)通過構(gòu)建作戰(zhàn)體系、交戰(zhàn)任務、裝備性能、指控鏈路、作戰(zhàn)能力等不同層次、維度的評估視圖，實現(xiàn)體系仿真過程中的數(shù)據(jù)分析、對抗效果的評定與對抗過程中重點對抗指標的定位。在評估分析中，通過大數(shù)據(jù)分析與機器學習技術(shù)挖掘評估指標體系中的關聯(lián)關系與時序?qū)惯壿?，實現(xiàn)基于指標及關聯(lián)關系的復雜體系評估。在評估分析的基礎上，實現(xiàn)特定場景下裝備體系貢獻率評估分析，支持現(xiàn)有裝備體系結(jié)構(gòu)的改進優(yōu)化。將大數(shù)據(jù)及機器學習方法應用到仿真系統(tǒng)作戰(zhàn)任務體系評估中，可實現(xiàn)對海量數(shù)據(jù)、復雜關系的自動學習、自動評估，大大提高武器裝備作戰(zhàn)評估的科學性。

圖1 基于大數(shù)據(jù)及機器學習的作戰(zhàn)評估技術(shù)總體架構(gòu)示意圖

2 關鍵技術(shù)

2.1 作戰(zhàn)體系復雜性評估指標智能構(gòu)建

構(gòu)建合適的指標體系是對戰(zhàn)場對抗進行評估的基礎。傳統(tǒng)評估方法中，需在仿真前預先設計完整的評估指標體系。由于對抗過程的復雜性，評估指標體系設計難度大，實用性較差[3]。面向復雜性的評估指標體系智能構(gòu)建方式下，將指標體系構(gòu)建轉(zhuǎn)換為仿真前構(gòu)建評估問題、確立評估指導原則和戰(zhàn)場要素要求，通過在仿真過程中引入攝動條件，進行大樣本對抗仿真，抽取仿真大數(shù)據(jù)，從大數(shù)據(jù)分析中尋找對戰(zhàn)場對抗走向起到關鍵作用的特征指標，與傳統(tǒng)純?nèi)斯?gòu)建的指標體系共同進行分析，實現(xiàn)人機結(jié)合、面向問題的智能化評估指標體系構(gòu)建。指標體系智能構(gòu)建過程如圖2所示。

面向復雜性的評估指標體系智能構(gòu)建技術(shù)，利用復雜網(wǎng)絡的相關性能指標及計算方法，從作戰(zhàn)網(wǎng)絡評估和特定目標場景下的體系作戰(zhàn)能力分析兩方面對體系效能進行評估，對武器裝備體系結(jié)構(gòu)設計進行優(yōu)化，以滿足未來作戰(zhàn)需求。

圖2 面向體系復雜性的指標體系智能構(gòu)建過程框圖

2.2 基于時序的作戰(zhàn)任務網(wǎng)絡分析

傳統(tǒng)評估方式僅僅統(tǒng)計分析各類作戰(zhàn)效果信息，丟失了大量的時序邏輯[4]?；跁r序的作戰(zhàn)任務網(wǎng)絡分析方法保留了體系交戰(zhàn)過程中的任務時序信息，通過利用大數(shù)據(jù)關聯(lián)分析能力，可建立不同任務間及任務內(nèi)部不同階段的關聯(lián)關系，形成完整的任務依賴關系和支撐關系網(wǎng)絡，將靜態(tài)的裝備體系結(jié)構(gòu)拓撲轉(zhuǎn)換為動態(tài)的任務支撐關系，凸顯裝備體系結(jié)構(gòu)對任務能力生成的重要影響[4]?；跁r序的數(shù)據(jù)關聯(lián)分析評估方法如圖3所示。

圖3 基于時序的數(shù)據(jù)關聯(lián)分析評估方法示意圖

2.3 基于大數(shù)據(jù)的體系評估視圖構(gòu)建

從仿真大數(shù)據(jù)恢復對抗中可能出現(xiàn)的體系協(xié)同與對抗關系，并將各類對抗關系進行整合，按照多任務對抗仿真的作戰(zhàn)任務進行展現(xiàn)[5]。提供對抗過程中體系對抗關系、單項作戰(zhàn)任務內(nèi)作戰(zhàn)關系的圖形化分析能力。同時，支持將不同樣本的仿真數(shù)據(jù)進行整合，通過統(tǒng)一的可視化分析，實現(xiàn)不同樣本下的統(tǒng)計特征提取，實現(xiàn)基于人機交互的對抗特征提取[6-7]。體系評估視圖構(gòu)建流程如圖4所示。

圖4 體系評估視圖構(gòu)建流程框圖

傳統(tǒng)評估指標構(gòu)建與評估方式下，重點關注對抗最終效果的分析。大數(shù)據(jù)及深度學習方法，提供了在對抗模式、關聯(lián)關系分析的新可能[8]?；诖髷?shù)據(jù)和深度學習的評估技術(shù)在傳統(tǒng)指標評估基礎上，利用時序任務數(shù)據(jù)、態(tài)勢數(shù)據(jù)及對抗過程數(shù)據(jù)，收集傳統(tǒng)作戰(zhàn)效果統(tǒng)計外的對抗過程信息，實現(xiàn)對態(tài)勢演化過程、任務依賴關系的動態(tài)把握。態(tài)勢演進過程中，通過基于徑向基的深度神經(jīng)網(wǎng)絡實現(xiàn)對態(tài)勢數(shù)據(jù)的動態(tài)挖掘。提取典型對抗模式信息。將傳統(tǒng)的連續(xù)對抗過程提煉為不同對抗模式間的轉(zhuǎn)換，實現(xiàn)對抗過程的定量把握，驗證裝備體系改變對對抗模式產(chǎn)生的沖擊影響。

2.4 裝備貢獻率多維度評估分析

裝備貢獻率多維度評估分析技術(shù)將裝備置身于近似真實的作戰(zhàn)條件下，根據(jù)裝備承擔的作戰(zhàn)任務，充分考慮裝備使用中的真實作戰(zhàn)對手及作戰(zhàn)環(huán)境，評估該裝備對作戰(zhàn)體系效能提升的貢獻程度。可從任務、能力、結(jié)構(gòu)、演化4個維度來探討體系貢獻度的內(nèi)涵和分類，構(gòu)建裝備貢獻率多維度評估分析方法[9]。裝備體系貢獻度評估總體如圖5所示。

圖5 裝備體系貢獻度評估總體框圖

任務貢獻度指作戰(zhàn)體系滿足任務需求的程度。從效能提升度角度來講，任務貢獻度指包含該武器裝備的作戰(zhàn)體系任務完成程度的變化量或變化率。

能力貢獻度一般分為火力打擊能力、信息支援能力、指揮控制能力、機動能力、綜合防護能力、作戰(zhàn)保障能力。從滿足作戰(zhàn)需求角度，能力貢獻度指作戰(zhàn)體系滿足能力需求的程度，能力需求指作戰(zhàn)體系為完成使命任務時應達到的總體能力目標；從效能提升度的角度，能力貢獻度是指作戰(zhàn)體系能力的變化量或變化率。

結(jié)構(gòu)貢獻度是指作戰(zhàn)體系在編成編組、信息連通、作戰(zhàn)協(xié)同、結(jié)構(gòu)特性等滿足需求的程度。從效能提升度的角度來講，結(jié)構(gòu)貢獻度指作戰(zhàn)體系功能結(jié)構(gòu)和信息結(jié)構(gòu)效能帶來的的變化量或變化率。

演化貢獻度從實戰(zhàn)的動態(tài)變化角度，反映體系內(nèi)作戰(zhàn)對手、戰(zhàn)術(shù)戰(zhàn)法的影響和涌現(xiàn)效應。從需求滿足的角度來講，演化貢獻度指作戰(zhàn)體系的結(jié)構(gòu)、狀態(tài)、功能、行為等在體系對抗過程中隨時間滿足需求的程度；從效能提升角度來講，演化貢獻度指作戰(zhàn)體系在協(xié)同打擊能力、協(xié)同偵察能力、協(xié)同保障能力方面的變化量或變化率。

3 結(jié)論

戰(zhàn)爭是復雜巨系統(tǒng)體系之間的激烈對抗。當前作戰(zhàn)評估方法普遍對作戰(zhàn)要素的體系性、關聯(lián)性和作戰(zhàn)過程的對抗性、動態(tài)性、隨機性考慮不足，評估方法的可信度和科學性急需提高。本研究從大數(shù)據(jù)分析與機器學習角度，基于作戰(zhàn)仿真推演數(shù)據(jù)，提出了一套智能作戰(zhàn)評估方法和評估框架。通過構(gòu)建作戰(zhàn)體系、交戰(zhàn)任務、指控流程、裝備能力等不同層次、不同維度的評估視圖，實現(xiàn)對抗過程核心評估指標體系的智能構(gòu)建。通過挖掘評估指標體系的相互關系與時序?qū)惯壿?，實現(xiàn)基于動態(tài)關聯(lián)關系的作戰(zhàn)網(wǎng)絡評估。通過分析時序任務數(shù)據(jù)、態(tài)勢數(shù)據(jù)及過程數(shù)據(jù)，實現(xiàn)對作戰(zhàn)演化過程、對抗關系、對抗策略、對抗效果等的動態(tài)評估。在以上評估基礎上，針對具體裝備，提出任務、能力、結(jié)構(gòu)、演化四個維度的體系貢獻率分析方法，支持裝備體系與能力的改進優(yōu)化。

將大數(shù)據(jù)及機器學習方法應用到作戰(zhàn)評估中，滿足了戰(zhàn)爭作為復雜巨系統(tǒng)的體系性、關聯(lián)性、動態(tài)性和對抗性要求，提高作戰(zhàn)評估的科學性和準確性。未來需對評估指標智能構(gòu)建、作戰(zhàn)任務動態(tài)分析、多維度評估分析等關鍵技術(shù)中的分析模型和實現(xiàn)方法開展深入研究。