常曉飛，蔣鄧懷，姬曉闖，符文星

（1.西北工業(yè)大學(xué)無人系統(tǒng)技術(shù)研究院，西安 710072；2.西北工業(yè)大學(xué)航天學(xué)院，西安 710072）

1 引 言

無人系統(tǒng)由單個無人平臺或多個無人平臺構(gòu)成，具備機械化、信息化和智能化等特征，能夠自主或通過遠(yuǎn)程操控完成指定任務(wù)。典型對象包括無人飛行器、無人車輛、無人艦船、無人潛航器等[1]。隨著信息技術(shù)、控制技術(shù)、人工智能技術(shù)的快速發(fā)展，無人系統(tǒng)在控制方式上朝著智能自主化方向發(fā)展；在作戰(zhàn)規(guī)模上朝著集群化方向發(fā)展；在應(yīng)用范圍上向陸地、海洋、太空多域進行拓展[2]。目前，無人系統(tǒng)已經(jīng)逐步擴展到工業(yè)生產(chǎn)、社會治理、戰(zhàn)場空間等領(lǐng)域，極大地改變了軍事作戰(zhàn)樣式與社會生產(chǎn)生活方式[3]。

仿真技術(shù)作為系統(tǒng)研制的重要手段，能夠在可控的實驗環(huán)境下開展可重復(fù)的試驗驗證，驗證系統(tǒng)關(guān)鍵技術(shù)、考核關(guān)鍵技術(shù)指標(biāo)、評估系統(tǒng)作戰(zhàn)能力[4]。因此，仿真與評估在無人系統(tǒng)的研制中依然發(fā)揮著重要作用，在美軍在最新的《無人系統(tǒng)綜合路線圖（2017—2042）》中，將“用于自主系統(tǒng)的測試、評估、校核和驗證（TEVV）新方法”作為未來的發(fā)展方向之一，將“自主性建模和仿真”作為涉及的關(guān)鍵技術(shù)之一[5]。但隨著無人作戰(zhàn)系統(tǒng)朝著集群化和智能化方向發(fā)展，參戰(zhàn)規(guī)模愈加龐大、任務(wù)平臺愈加智能、戰(zhàn)場環(huán)境愈加復(fù)雜、戰(zhàn)場任務(wù)愈加多變、研制進度愈加緊湊，使得傳統(tǒng)的試驗方法和試驗手段難以滿足復(fù)雜條件下智能無人集群作戰(zhàn)的仿真驗證評估需求。

2 無人系統(tǒng)仿真面臨的問題

無人系統(tǒng)作戰(zhàn)是目前各個國家所推崇的作戰(zhàn)思想與方式。區(qū)別于傳統(tǒng)作戰(zhàn)模式，一方面，無人作戰(zhàn)系統(tǒng)表現(xiàn)為集群化，通過將傳統(tǒng)單個完備作戰(zhàn)平臺所具備的各項功能，如偵察監(jiān)視、電子干擾、打擊與評估等能力分散到大量低成本、功能單一的作戰(zhàn)平臺中，通過大量異構(gòu)跨域的個體來實現(xiàn)原本復(fù)雜的系統(tǒng)功能，甚至具備遠(yuǎn)超單一平臺的作戰(zhàn)能力。另一方面，無人作戰(zhàn)系統(tǒng)表現(xiàn)為智能化，無須借助作戰(zhàn)人員的指令導(dǎo)引，以高度智能為前提，實現(xiàn)人機協(xié)同、智能集群的作戰(zhàn)方式，自主完成對戰(zhàn)場復(fù)雜態(tài)勢的統(tǒng)一認(rèn)知、作戰(zhàn)決策的分析計算以及作戰(zhàn)任務(wù)的協(xié)調(diào)分配。

無人系統(tǒng)集群化和智能化的發(fā)展趨勢對仿真評估技術(shù)提出了新的挑戰(zhàn)。一方面，與傳統(tǒng)作戰(zhàn)系統(tǒng)相比，無人集群系統(tǒng)的仿真節(jié)點逐漸增多，各仿真對象之間呈現(xiàn)異構(gòu)性，這就給系統(tǒng)建模方法與模型間的接口問題提出了新的挑戰(zhàn)，且仿真人員需要對集群系統(tǒng)內(nèi)部的網(wǎng)絡(luò)管理進行建模仿真。另一方面，在智能自主系統(tǒng)的仿真中，由于復(fù)雜作戰(zhàn)環(huán)境下的對抗數(shù)據(jù)稀缺問題，對智能算法的數(shù)據(jù)提取方法提出了新的要求，作戰(zhàn)平臺的智能化對于仿真模型的建立、系統(tǒng)仿真的條件與試驗環(huán)境也提出了全新的要求。

3 集群系統(tǒng)仿真

3.1 無人集群仿真的基本概念分析

無人集群最初是由無人機發(fā)展來的，在智能技術(shù)以及自組網(wǎng)技術(shù)的飛速發(fā)展后，美國 DOD等將“無人機集群”擴展為“無人集群”，使得該概念能夠涵蓋海、陸、空、天等各個領(lǐng)域[6]，并逐步向跨域的混合集群方向發(fā)展。

由于無人集群系統(tǒng)通常是由異構(gòu)跨域平臺組成的集群網(wǎng)絡(luò)，其仿真時面臨集群系統(tǒng)的建模、異構(gòu)仿真系統(tǒng)接入、復(fù)雜仿真網(wǎng)絡(luò)管理等諸多問題。

3.2 無人集群仿真的研究現(xiàn)狀

3.2.1 集群系統(tǒng)的建模

無人集群系統(tǒng)作為一種由大量實體組成的分布式網(wǎng)絡(luò)系統(tǒng)，其仿真模型不僅包含了描述無人平臺單體行為的運動模型、傳感器模型、制導(dǎo)控制模型等，同時還包含了大量描述集群群體行為的網(wǎng)絡(luò)模型、通信模型、避撞規(guī)則模型[6]。

集群行為的最初建模工作是由生物學(xué)家完成的。生物數(shù)學(xué)家 Parr 于1927年在解釋魚群的內(nèi)聚性現(xiàn)象時最先提出了群體中個體間的相互作用由引力、斥力引起的建模思想。

目前，隨著建模仿真技術(shù)的不斷發(fā)展，集群系統(tǒng)的建模已經(jīng)逐漸成熟，出現(xiàn)了較多的建模方法，主要有動力學(xué)建模、蟻群優(yōu)化算法、蜂群算法與狼群算法等智能算法。動力學(xué)建模屬于自上而下的方法，通過分析系統(tǒng)架構(gòu)建立微分方程，進而模擬、解釋和預(yù)測系統(tǒng)在不同情況的變化行為與趨勢。目前，主要有拉格朗日法、歐拉法、仿真法與基于 A/R 作用的集群行為建模方法。近年來，主要使用的 SWARM 平臺[7]就是基于仿真法的思想，建立一系列獨立個體，通過獨立個體之間進行交互，考察和研究系統(tǒng)的行為和演化規(guī)律。

蟻群優(yōu)化算法（Ant Colony Optimization, ACO）是由Dorigo 等在20 世紀(jì)90年代提出來的[8]。目前，基于ACO 而建立的一系列模型主要都是采用信息激素變化實現(xiàn)問題空間的演化求解問題的。Wan 等[9]針對基本蟻群算法在機器人路徑規(guī)劃中存在的搜索低、時間長等問題，對其進行改進，實現(xiàn)了更高效率的機器人最優(yōu)路徑搜索。吳鵬等[10]針對傳統(tǒng)的無人艇路徑規(guī)劃算法存在的問題，提出一種結(jié)合了勢場蟻群算法與人工勢場法的組合策略。

狼群算法最早由Yang[11]提出，算法基于狼群群體智能、模擬狼群捕食行為及其獵物分配方式,抽象出游走、召喚、圍攻3 種智能行為以及“勝者為王”的頭狼產(chǎn)生規(guī)則和“強者生存”的狼群更新機制。吳虎勝等[12]基于狼群游走、召喚、圍攻3 種行為提出了狼群算法（Wolf Pack Algorithm，WPA），頭狼通過勝者為王機制產(chǎn)生，種族更新通過優(yōu)勝劣汰實現(xiàn)，并用馬爾科夫鏈理論驗證了其收斂性良好。Chen 等[13]利用改進的狼群算法，計算了旋翼無人機在真假三維空間內(nèi)部的復(fù)雜三維空間中的準(zhǔn)最優(yōu)軌跡。

蜂群算法由Karaboga[14]于2005年提出，基本思想是啟發(fā)于蜂群通過個體分工和信息交流，相互協(xié)作完成采蜜任務(wù)。趙曉林等[15]為提高多無人機動態(tài)偵察分配效率與實時動態(tài)偵察的要求，利用改進的人工蜂群算法對其建立的動態(tài)偵察資源模型求解。王海泉等[16]針對避障環(huán)境下的機器人的最優(yōu)路徑規(guī)劃問題，提出一種基于改進蜂群算法的3 次Bezier 曲線優(yōu)化的路徑規(guī)劃方法。

目前，各國對于集群系統(tǒng)的建模方法已經(jīng)逐漸成熟且趨向于智能化，出現(xiàn)較多以個體研究為基礎(chǔ)，之后再擴展到個體間的智能算法。近年來，群集智能的出現(xiàn)極大地促進了集群系統(tǒng)的建模仿真，但仍未進入成熟的階段。由于其數(shù)學(xué)基礎(chǔ)理論薄弱，且實際應(yīng)用于無人作戰(zhàn)系統(tǒng)的算法類型不多，現(xiàn)在仍有許多問題需要進一步分析與討論。

3.2.2 異構(gòu)系統(tǒng)的模型接口

隨著現(xiàn)代戰(zhàn)爭從集中式向分布式發(fā)展，傳統(tǒng)的單一全功能平臺將逐漸被多個單功能平臺所取代，使得無人集群中的平臺對象功能、研制廠家、模型接口均存在較大差異。因此，異構(gòu)模型接口的標(biāo)準(zhǔn)化問題已經(jīng)成為困擾集群異構(gòu)仿真的重要問題。經(jīng)過多年的發(fā)展，異構(gòu)模型接口的標(biāo)準(zhǔn)化問題已經(jīng)有了基于高層體系結(jié)構(gòu)（High Level Architecture, HLA）、統(tǒng)一建模語言與標(biāo)準(zhǔn)接口（Functional Mockup Interface，F(xiàn)MI）的3 種解決模式。

HLA 的多領(lǐng)域建模仿真方法通過運行支撐軟件（Run Time Infrastructure, RTI）提供通用的、相對獨立的支撐服務(wù)程序，將仿真應(yīng)用同底層的支撐環(huán)境分開，從而使各部分可以相對獨立地進行開發(fā)。它克服了基于接口的方法開放性差、無統(tǒng)一標(biāo)準(zhǔn)、難以擴充等缺點[17]。目前，基于HLA的建模仿真方法可以從對非 HLA 仿真系統(tǒng)的HLA 兼容性改造、中間件技術(shù)和擴展聯(lián)邦成員架構(gòu)3 方面入手。盛德號等[18]對非HLA 系統(tǒng)的兼容性改造進行了研究，提出了開發(fā)仿真對象模型（Simulation Object Model, SOM）、開發(fā)HLA 軟件接口和使聯(lián)邦成員獨立于聯(lián)邦成員對象模型（Federate Object Model，F(xiàn)OM）等方法。中間件技術(shù)通過通用的仿真系統(tǒng)框架中間件屏蔽了仿真應(yīng)用層與仿真平臺的實現(xiàn)細(xì)節(jié)，使仿真應(yīng)用層的仿真模型組件能夠在異構(gòu)的仿真平臺上運行，提高了仿真系統(tǒng)的重用性和互操作性。例如SIMplicity、SimBulider、KD-SmartSim 等[19]。龔建興等[20]提出可擴展聯(lián)邦成員運行框架是可擴展聯(lián)邦成員架構(gòu)的核心部件，且通過實例構(gòu)建可擴展的聯(lián)邦成員架構(gòu)，從而使聯(lián)邦成員能夠適應(yīng)不同的聯(lián)邦。

基于統(tǒng)一建模語言的多領(lǐng)域建模方法具有與領(lǐng)域無關(guān)的通用模型描述能力，對于任何確定了的領(lǐng)域，由于采用相同的模型描述形式，都可以實現(xiàn)統(tǒng)一的建模。Modelica 作為一種統(tǒng)一建模語言，目前得到廣泛使用，其采用數(shù)學(xué)方程描述不同領(lǐng)域的物理規(guī)律，可以為任何能夠用微分方程或代數(shù)方程描述的問題進行建模和仿真[21]。目前，較為成熟的是基于Modelica 語言的仿真工具Dymola 和MathModelica。張慧靜[22]利用Dymola軟件建立了包含電源、動力學(xué)和控制等分系統(tǒng)的衛(wèi)星系統(tǒng)多領(lǐng)域仿真模型。華中科技大學(xué)[23]基于Modelica 語言建立了MWorks 平臺，并由實現(xiàn)了在MWorks 上與外部工具，如MATLAB/Simulink模型進行集成。

Daimler AG 公司為解決異構(gòu)模型標(biāo)準(zhǔn)化問題提出了FMI 標(biāo)準(zhǔn)[24]，該標(biāo)準(zhǔn)可以在不同建模仿真軟件中設(shè)計出具有統(tǒng)一的模型格式和數(shù)據(jù)存儲方式的模型，且一個建模仿真軟件設(shè)計出的模型可以在其他建模仿真軟件上使用而不需要進行任何的更改。陸冠華等[25]針對飛行器設(shè)計領(lǐng)域的異構(gòu)模型問題，提出采用FMI 構(gòu)建多源異構(gòu)模型的通用通信接口，從功能模型單元（Functional Mockup Unit，F(xiàn)MU）模型封裝與聯(lián)合仿真兩方面，給出了一種一體化仿真平臺解決方案。徐東[26]針對應(yīng)用傳統(tǒng)分析方法對于異構(gòu)模型仿真出現(xiàn)的分析結(jié)果不準(zhǔn)確問題，提出一種基于FMI 協(xié)議的跨領(lǐng)域多學(xué)科仿真系統(tǒng)建模分析方法，此方法相比于傳統(tǒng)方法，可以得到更為準(zhǔn)確的分析結(jié)果。

隨著多域聯(lián)合作戰(zhàn)概念的不斷深入，異構(gòu)模型接口問題逐漸成為建模仿真過程中的一大難題，以上提出的3 種方法由于其具備標(biāo)準(zhǔn)性、開放性、可擴充性以及支持分布式仿真等特點，已經(jīng)在各國得到了充分的應(yīng)用。

3.2.3 集群體系的仿真管理

隨著仿真節(jié)點的逐漸增多，仿真系統(tǒng)也變得愈加復(fù)雜，這就使得仿真人員在仿真過程中對復(fù)雜系統(tǒng)的管理提出了新的要求，本節(jié)從對復(fù)雜集群仿真系統(tǒng)的時間管理、任務(wù)調(diào)度以及自組網(wǎng)網(wǎng)絡(luò)仿真3 方面展開論述。

對仿真系統(tǒng)的時間管理問題，在本質(zhì)上就是要始終確保將消息按順序發(fā)送，確保仿真執(zhí)行的正確性與可重復(fù)性[27]。對于時間管理機制，連續(xù)系統(tǒng)最主要采用 HLA 保守時間管理協(xié)議，離散系統(tǒng)最主要采用的是保守時間推進機制與樂觀時間推進機制[28-29]，與在此基礎(chǔ)上發(fā)展的受約束的樂觀策略、混合策略和自適應(yīng)策略等。這幾種管理策略目前均在特定領(lǐng)域得到較好的實際應(yīng)用。張翔等[30]針對含有DIS、TENA、HLA 的兩種及兩種以上的多體系結(jié)構(gòu)仿真系統(tǒng)的結(jié)構(gòu)特點，對實時仿真與非實時仿真分別設(shè)計了時間管理方案。Huang 等[31]提出一種為智能時間管理的代理接口，可以用來統(tǒng)一 HLA 規(guī)范中時間步進、事件驅(qū)動和樂觀時間推進的時間管理服務(wù)。

對仿真系統(tǒng)的任務(wù)調(diào)度問題，實質(zhì)上就是按照一定的規(guī)律將多個仿真任務(wù)映射至仿真節(jié)點上，重新排列任務(wù)的執(zhí)行順序，以符合任務(wù)間的相互依賴關(guān)系，并獲得最小調(diào)度長度[32]。針對無人機分布式仿真系統(tǒng)，目前主要采用功能分布式調(diào)度方式。該調(diào)度方式將命令與數(shù)據(jù)調(diào)度分開，指令采用集中式調(diào)度，數(shù)據(jù)則采用分布式調(diào)度方式。吳文波[33]針對多核集群實時仿真系統(tǒng)的任務(wù)調(diào)度問題，在遺傳算法和模擬退火算法的基礎(chǔ)上提出模擬退火算法以解決多核集群系統(tǒng)的網(wǎng)絡(luò)流問題。Muthsamy 等[34]為滿足多個服務(wù)質(zhì)量指標(biāo)，提出一種基于蜂群覓食優(yōu)化的任務(wù)調(diào)度方法，可以獲得可用虛擬機的最有任務(wù)調(diào)度。

對于自組網(wǎng)網(wǎng)絡(luò)仿真問題，就是要保證在無人集群系統(tǒng)協(xié)同作戰(zhàn)時，多個個體之間要時刻保持互聯(lián)通信。自組網(wǎng)技術(shù)無須固定基礎(chǔ)設(shè)施，網(wǎng)絡(luò)的運行完全由節(jié)點自身實現(xiàn)，能夠滿足無人集群系統(tǒng)的作戰(zhàn)特點與要求。杜曉博[35]針對由艦船、飛機等平臺在海上形成的大規(guī)模軍用自組織網(wǎng)絡(luò)，提出了一種聯(lián)合仿真方法，設(shè)計了基于連通度的分層分簇路由算法，解決了其路由仿真工作面臨的高計算復(fù)雜度和時間復(fù)雜度問題，并通過仿真驗證了該方法的可行性。Deng 等[36]針對傳統(tǒng)自組網(wǎng)路由協(xié)議存在局限性的問題，提出一種改進的CA-DSR 協(xié)議。該協(xié)議綜合考慮利用編碼機會、尋找最短路徑和靈活地避免長路徑時延等因素作為路由選擇準(zhǔn)則。

對于集群體系的仿真管理問題是當(dāng)下的一個研究熱點，從本節(jié)可以看出，目前各國研究學(xué)者對此已經(jīng)提出一些相對成熟的理論，但仍有許多亟待解決的問題。例如，如何更好地實現(xiàn)仿真系統(tǒng)負(fù)載均衡與跨平臺仿真，以及對于時間推進機制算法中如何保證系統(tǒng)不會有過多的開銷與運行成本等。開展集群體系的仿真問題研究對于提高仿真的實時性、可信性、可用性等具有重要意義。

4 智能自主系統(tǒng)仿真

4.1 智能自主系統(tǒng)仿真的基本概念分析

對無人系統(tǒng)而言，智能是指具備自動地獲取和應(yīng)用知識的能力、思維與推理的能力、問題求解的能力和自動學(xué)習(xí)的能力[37]。而根據(jù)美軍2017版《無人系統(tǒng)路線圖》中提到的內(nèi)容，自主是指一個實體根據(jù)對世界、自身和情況的了解和理解，自主地開發(fā)和選擇不同的行動方案以實現(xiàn)目標(biāo)的能力[38]。自主性和智能性是智能無人系統(tǒng)最重要的兩個特征，智能自主系統(tǒng)是一個具有高等級智能性的自主系統(tǒng)。

未來戰(zhàn)爭將向著深度信息化、智能無人化、網(wǎng)絡(luò)體系化的方向發(fā)展，智能無人系統(tǒng)將成為未來戰(zhàn)場的重要角色。智能自主系統(tǒng)的建模與仿真技術(shù)將以大數(shù)據(jù)資源、高性能計算能力、智能算法為基礎(chǔ)，將新一代信息通信技術(shù)及各類應(yīng)用領(lǐng)域?qū)I(yè)技術(shù)深度融合，以提升仿真系統(tǒng)的整體智能化水平[39]。

4.2 無人智能自主系統(tǒng)仿真的研究現(xiàn)狀

4.2.1 智能自主系統(tǒng)建模

無人作戰(zhàn)系統(tǒng)具有智能性、自主性，它是由多個智能個體組成的具有協(xié)同作戰(zhàn)能力的復(fù)雜武器裝備系統(tǒng)，對于智能仿真技術(shù)提出了全新的要求。隨著建模仿真技術(shù)的不斷發(fā)展，對于智能自主系統(tǒng)有很多的建模方法[40]，下面主要對基于Agent、大數(shù)據(jù)智能與深度學(xué)習(xí)的建模方法進行介紹。

基于 Agent 的建模仿真方法為作戰(zhàn)模擬仿真提供了一種新方法。它是對復(fù)雜系統(tǒng)中基本元素及基本元素間相互作用的建模和仿真，將復(fù)雜系統(tǒng)中的微觀行為和宏觀涌現(xiàn)現(xiàn)象有機地結(jié)合，是一種自頂向下分析、自底向上綜合的建模方式[41]。目前的熱點課題主要是 Agent 的理論模型、多Agent 系統(tǒng)（Multi-Agent System，MAS）及其開發(fā)應(yīng)用。意大利熱那亞大學(xué)Bruzzone 等[42]構(gòu)建了一種基于Agent 驅(qū)動的異構(gòu)仿真環(huán)境。該環(huán)境包括UUV、水下潛艇平臺、水面無人船和GPS 衛(wèi)星等仿真作戰(zhàn)實體，實現(xiàn)對系統(tǒng)結(jié)構(gòu)、管理過程和人為因素的綜合分析。日本東海大學(xué) Watanabe[43]設(shè)計了一個通用化的 MAS 仿真支撐環(huán)境以及半實物仿真平臺，可滿足UUV 系統(tǒng)的水聲傳感器、推進器、能源以及 CCD 相機測試工作。哈爾濱工程大學(xué)Liu 等[44]在BDI-Agent 模型的基礎(chǔ)上，借鑒神經(jīng)生理結(jié)構(gòu)模型，提出了包含感知區(qū)、反射區(qū)和慎思區(qū)的AUV 心智模型，并通過多AUV編隊穿越未知雷區(qū)的仿真試驗驗證了心智模型的有效性。

由于智能自主系統(tǒng)機理具有高度的復(fù)雜性，往往難以得到解析解，而需要大量實驗與數(shù)據(jù)對其內(nèi)部機理進行模擬與仿真。基于大數(shù)據(jù)智能的建模方法是利用海量觀測與應(yīng)用數(shù)據(jù)實現(xiàn)對不明確機理的智能系統(tǒng)進行有效仿真建模的一類方法。王曉曄等[45]基于數(shù)據(jù)聚類分析與利用神經(jīng)網(wǎng)絡(luò)進行權(quán)重的修正，提出了一種改進的K 最近鄰分類算法。同時，對于指數(shù)式增長的可用數(shù)據(jù)，可以采用基于深度學(xué)習(xí)的仿真建模方法，但深度學(xué)習(xí)高度依賴于數(shù)據(jù)的樣本容量和標(biāo)記精度，國內(nèi)外學(xué)者在此基礎(chǔ)上，結(jié)合強化學(xué)習(xí)，提出深度強化學(xué)習(xí)理論。Liu 等[46]基于此方法，設(shè)計出戰(zhàn)役級智能體訓(xùn)練系統(tǒng)。該系統(tǒng)提供分布式持續(xù)學(xué)習(xí)、大規(guī)模訓(xùn)練和計算存儲資源等能力，為研究人機混合協(xié)作及群體智能涌現(xiàn)提供技術(shù)平臺。

綜上所述，隨著人工智能技術(shù)的不斷發(fā)展，仿真人員對于智能自主系統(tǒng)的建模方法正在向以機器學(xué)習(xí)為算法基礎(chǔ)的智能化、數(shù)字化建模理論與方法發(fā)展，這些算法理論的出現(xiàn)可以有效提高智能自主仿真系統(tǒng)的可靠性。但是由于復(fù)雜作戰(zhàn)系統(tǒng)數(shù)據(jù)的稀缺以及戰(zhàn)場的不確定性，對機器學(xué)習(xí)算法提出較大的挑戰(zhàn)，并且如何選擇與優(yōu)化機器學(xué)習(xí)算法以得到期望的模型也是仿真人員需要解決的一個重要問題。

4.2.2 智能自主算法仿真研究

AI 是未來無人系統(tǒng)提高智能自主性的關(guān)鍵技術(shù)。無人系統(tǒng)的智能化主要體現(xiàn)在自主規(guī)劃路徑的能力、執(zhí)行任務(wù)的自主決策能力和與系統(tǒng)內(nèi)部的自主協(xié)作能力[47]。為了更加快速有效地實現(xiàn)上述3 種能力，不同的研究人員提出了不同的實現(xiàn)方式。

路徑的自主規(guī)劃能力是無人系統(tǒng)的第一個智能化趨勢。目前的路徑規(guī)劃算法主要分為兩類。一類是人為設(shè)置，例如A*算法、人工勢場法、細(xì)胞分解法等。宋雪倩等[48]提出利用 Dubins 曲線找到有效節(jié)點，結(jié)合A*啟發(fā)式搜索的思想，分別為每架無人機離線構(gòu)建由 Dubins 曲線組成的最短避障路徑。另一類是系統(tǒng)個體根據(jù)自身所處的環(huán)境信息，實時規(guī)劃路徑的智能反應(yīng)算法，例如遺傳算法、蜂群算法、粒子群優(yōu)化算法等。關(guān)震宇等[49]提出一種基于路徑的無人機的避障規(guī)劃算法，采用遺傳算法，結(jié)合無人機的飛行性能和最小轉(zhuǎn)彎半徑得到一種在已知障礙空間位置前提下的無人機路徑規(guī)劃方法。Xie 等[50]提出了布谷鳥算法在無人機探索三維環(huán)境尤其是戰(zhàn)場環(huán)境中的應(yīng)用，并且在解決三維空中路徑規(guī)劃問題中對布谷鳥算法進行優(yōu)化。

對于任務(wù)的理解與決策能力是無人系統(tǒng)的第二個智能趨勢。當(dāng)面對復(fù)雜的任務(wù)時，無人系統(tǒng)不需要人為對其進行分配任務(wù)或做出決定，而是自主完成任務(wù)，是無人系統(tǒng)自主控制的關(guān)鍵技術(shù)和智能程度的體現(xiàn)。任佳等[51]針對不確定環(huán)境下的任務(wù)決策問題，提出了基于的參數(shù)自適應(yīng)推理算法實現(xiàn)在小樣本觀測下的動態(tài)任務(wù)決策，并著重討論了專家認(rèn)知程度不確定對該自適應(yīng)推理算法的影響。趙振宇等[52]以 FRPNs 結(jié)構(gòu)實現(xiàn)規(guī)則推理，按照規(guī)則分析系統(tǒng)的推理過程，建立一種基于模糊推理Petri 網(wǎng)的無人機智能決策方法，提高了無人機在動態(tài)不確定環(huán)境下的自主控制級別。孫楚等[53]設(shè)計了基于連續(xù)動作控制變量的無人機機動決策方法，采用共用隱層的NRBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分別逼近效用值與動作控制變量，提出了基于相對熵距離的神經(jīng)網(wǎng)絡(luò)隱層節(jié)點自適應(yīng)構(gòu)建方法。

無人系統(tǒng)內(nèi)部可以由許多相同的和不同的個體組成，他們應(yīng)該有能力進行自主合作、消除沖突，通過相互配合、協(xié)作的作戰(zhàn)方式執(zhí)行任務(wù)，具有同時攻擊多個敵方目標(biāo)和能提高殺傷概率的優(yōu)點。陳俠等[54]針對多無人機協(xié)同打擊的攻防博弈問題，建立了多無人機協(xié)同打擊任務(wù)的攻防博弈模型，給出了h人有限策略靜態(tài)博弈模型與純策略納什均衡的求解方法。馬國欣等[55]為實現(xiàn)多導(dǎo)彈協(xié)同攻擊同一目標(biāo)，提出一種法對于無角度約束和有角度約束的情況均適用時間協(xié)同分布式導(dǎo)引律設(shè)計方法。Yao 等[56]為解決多無人機在對抗環(huán)境下的風(fēng)險問題，提出一種協(xié)同攻擊任務(wù)分配算法，此算法可降低無人機群在后期的環(huán)境風(fēng)險問題，且較遺傳算法有更好的求解結(jié)果。

智能無人系統(tǒng)總體上還處于發(fā)展初期階段，智能化是無人系統(tǒng)的重要發(fā)展方向。如何提高無人系統(tǒng)的智能自主水平是當(dāng)下的研究重點[57]。從目前研究結(jié)果可以看出，智能算法的應(yīng)用有助于解決復(fù)雜系統(tǒng)的建模問題，并且將人工智能技術(shù)以及網(wǎng)絡(luò)技術(shù)等引入到仿真系統(tǒng)，以此形成智能自主仿真系統(tǒng)是未來智能無人系統(tǒng)的研究重點。

4.2.3 智能自主仿真系統(tǒng)

自20 世紀(jì)初，美國作為無人作戰(zhàn)系統(tǒng)建設(shè)領(lǐng)先國家就開始開展無人作戰(zhàn)裝備智能化轉(zhuǎn)型。隨著人工智能技術(shù)與戰(zhàn)爭形態(tài)的不斷發(fā)展，各國已將作戰(zhàn)智能認(rèn)知技術(shù)作為關(guān)鍵顛覆性領(lǐng)域，并對其未來發(fā)展做出長期規(guī)劃。

2007年，美國國防預(yù)先研究計劃局（DARPA）受到“深藍(lán)”計算機在國際象棋比賽中戰(zhàn)勝世界冠軍加里·卡斯帕羅夫的啟發(fā)，提出了一套“深綠”計劃。深綠由“指揮員助手”人機接口系統(tǒng)、“閃電戰(zhàn)”仿真系統(tǒng)和“水晶球”控制系統(tǒng)組成。DARPA利用動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)的基本思想，將仿真和實驗/試驗有機結(jié)合，使仿真可以在執(zhí)行過程中動態(tài)地從實際系統(tǒng)接收數(shù)據(jù)并做出響應(yīng)[58]。

2016年6月，美國辛辛那提大學(xué)開發(fā)的Alpha AI 人工智能與美國空軍上校吉恩·李通過空戰(zhàn)模擬器對戰(zhàn)，Alpha AI 大獲全勝。在模擬空戰(zhàn)中，應(yīng)用厄內(nèi)斯特在辛辛那提大學(xué)開發(fā)出的名為“模糊遺傳樹”的算法，實現(xiàn)了“動作及簡單戰(zhàn)術(shù)行為”，憑借有著快于人類200 余倍的反應(yīng)與計算速度，最終在虛擬的模擬飛行對戰(zhàn)中完勝對手[59]。

2019年5月，DARPA 發(fā)布空戰(zhàn)演進（Air Combat Evolution, ACE）項目，項目通過空中格斗的自動化和智能化來增強飛行員對戰(zhàn)斗自主性的信任。ACE 采用自下而上的方式開發(fā)戰(zhàn)斗自主性的性能及對自主能力的信任。如同訓(xùn)練飛行員一樣，ACE 通過將空中格斗算法應(yīng)用到難度和真實感不斷增強的任務(wù)中來訓(xùn)練算法[60]。該項目將自動空中格斗的戰(zhàn)術(shù)應(yīng)用到更復(fù)雜的、異構(gòu)的、多飛機的戰(zhàn)役級模擬場景，為未來實時、戰(zhàn)役級的馬賽克戰(zhàn)試驗奠定基礎(chǔ)。

圣塔菲研究所于1994年提出并開發(fā)的Swarm平臺，提供了實現(xiàn)建立基于Agent 仿真模型的、可共享的基本對象類庫以及運行基于Agent 的仿真模型的控制引擎或虛擬機[61]。澳大利亞ADFA開發(fā)了RABBLE[62]，采用MAS 結(jié)構(gòu)，增加了學(xué)習(xí)機制，使仿真群體行為利于決策。澳大利亞的AOD 開發(fā)的SWARM 和Battle Model[63]，可對空戰(zhàn)中的飛行員、戰(zhàn)斗機管理者、傳感器管理者、空戰(zhàn)防御指揮官以及地勤人員進行Agent 建模。

此外，由于國內(nèi)對智能自主系統(tǒng)的研究起步較晚，相比于美國還有很大的差距。目前，各個高校與研究所之間聯(lián)合協(xié)作也取得了一些成果。由北京理工大學(xué)人機交互課題組開發(fā)的BitMod系統(tǒng)，采用面向?qū)ο蟮哪K化設(shè)計，可以完成自主模型的可視化創(chuàng)建及屬性編輯等功能。由國防科學(xué)技術(shù)大學(xué)建立的JCass 系統(tǒng)[64]，是一個針對復(fù)雜系統(tǒng)的、采用基于Agent 的建模與仿真方法的分布式仿真平臺，能夠滿足復(fù)雜系統(tǒng)和網(wǎng)絡(luò)Cluster 環(huán)境特點的要求，且方便用戶的使用。

5 結(jié)束語

在目前軍事需求與技術(shù)進步的推動下，無人作戰(zhàn)系統(tǒng)的仿真研究工作處于快速發(fā)展的階段。本文從集群系統(tǒng)仿真與智能自主系統(tǒng)仿真入手，分析其目前研究工作的主要難點，并對其近年的發(fā)展概況進行總結(jié)。

隨著建模仿真技術(shù)的不斷發(fā)展，無人作戰(zhàn)系統(tǒng)的仿真會對無人作戰(zhàn)系統(tǒng)的發(fā)展產(chǎn)生極大的推動作用，是研究無人系統(tǒng)作戰(zhàn)不可或缺的支撐手段與重要工具。根據(jù)查找相關(guān)文獻，以及作者自身在研究過程中的總結(jié)，下面簡要介紹未來可能的發(fā)展方向以及難點。

（1）多域作戰(zhàn)仿真理論需要進一步發(fā)展。對于多域作戰(zhàn)這樣的新興概念，需要建立一種與其形態(tài)相適應(yīng)的指揮控制理論——多域多環(huán)嵌套理論，構(gòu)建多域作戰(zhàn)指揮基本模式，指導(dǎo)跨域作戰(zhàn)指揮控制系統(tǒng)建設(shè)[65]。并且多域作戰(zhàn)空間的情報數(shù)據(jù)存在異構(gòu)分散、碎片化、不連續(xù)和非結(jié)構(gòu)化等問題，特別是網(wǎng)絡(luò)、電磁和太空目標(biāo)的跨域信息融合尚處于空白階段。未來對于多域作戰(zhàn)仿真，需要對這些認(rèn)知領(lǐng)域也進行建模，以盡可能還原作戰(zhàn)場景。

（2）轉(zhuǎn)變對復(fù)雜無人作戰(zhàn)系統(tǒng)的評估理念。面對無人作戰(zhàn)這樣的復(fù)雜系統(tǒng)，傳統(tǒng)的評估方法難以反映系統(tǒng)的自適應(yīng)性、整體性、不確定性等特點，另外，傳統(tǒng)方法的指標(biāo)選擇存在較強的主觀性與片面性，這樣會導(dǎo)致評估結(jié)果的不準(zhǔn)確與不合理。目前，隨著軍事大數(shù)據(jù)與深度學(xué)習(xí)等方法的出現(xiàn)，需要轉(zhuǎn)變對體系能力評估理念的理解，引入新的體系建模理論和效能評估方法。應(yīng)大力發(fā)展以數(shù)據(jù)驅(qū)動為機理的評估方法，將“指標(biāo)樹”轉(zhuǎn)化為“指標(biāo)網(wǎng)”，探索體系能力微觀與宏觀之間的聯(lián)系。

（3）開展智能自主系統(tǒng)仿真試驗鑒定技術(shù)。隨著以深度學(xué)習(xí)為代表的機器學(xué)習(xí)研究的興起，使得人工智能、大數(shù)據(jù)與智能自主系統(tǒng)建模仿真之間的深度融合有了進一步的發(fā)展。對于智能自主系統(tǒng)仿真，我國需利用各類新型仿真技術(shù)手段開展對于關(guān)鍵性技術(shù)的試驗評估。通過集成各類仿真技術(shù)，開展連續(xù)自主性仿真試驗，實現(xiàn)大樣本并行仿真多種想定場景和測試無人自主系統(tǒng)的作戰(zhàn)效能。

（4）進一步重視LVC 技術(shù)在軍事訓(xùn)練領(lǐng)域的作用。LVC 技術(shù)通過將實裝、仿真器、虛擬數(shù)字系統(tǒng)整合在一起，構(gòu)建更加逼真和復(fù)雜的訓(xùn)練和復(fù)雜任務(wù)環(huán)境，能夠更好地解決多系統(tǒng)融合仿真的難題，以及更好地模擬未來戰(zhàn)爭，應(yīng)對未來多域聯(lián)合作戰(zhàn)的挑戰(zhàn)。世界各國將LVC 體系對抗仿真系統(tǒng)應(yīng)用于軍事演習(xí)，拓展了軍事訓(xùn)練的手段方法，且極大地提升了戰(zhàn)役戰(zhàn)術(shù)聯(lián)合訓(xùn)練水平。但目前LVC 集成帶來的互操作和安全問題限制了各國充分利用其實現(xiàn)聯(lián)合訓(xùn)練的潛力，未來需要需進一步重視基于LVC 的仿真與訓(xùn)練，提出解決現(xiàn)有問題的通用架構(gòu)與方法。