王百合，楊向鋒，張群飛*，雷開卓

（1.西北工業(yè)大學(xué)航海學(xué)院，西安 710072；2.中國船舶第七〇五研究所，西安 710075）

0 引言

現(xiàn)代戰(zhàn)爭中，隨著高新技術(shù)的不斷發(fā)展和應(yīng)用，參戰(zhàn)力量多元，戰(zhàn)場空間多維，多種戰(zhàn)斗樣式和作戰(zhàn)手段綜合并用，體系對抗作戰(zhàn)使得海上作戰(zhàn)環(huán)境更為錯(cuò)綜復(fù)雜，戰(zhàn)場態(tài)勢的不確定性和隨機(jī)性也明顯增大。同時(shí)，隨著水下多目標(biāo)跟蹤和多傳感器協(xié)同探測技術(shù)的發(fā)展，戰(zhàn)場態(tài)勢感知能力的提高，使得戰(zhàn)場網(wǎng)絡(luò)節(jié)點(diǎn)之間的信息交互加強(qiáng)，所需要處理的數(shù)據(jù)量劇增，且呈現(xiàn)大數(shù)據(jù)特性，這些都給水下信號(hào)處理的研究帶來極大的挑戰(zhàn)。在現(xiàn)代高科技條件的海戰(zhàn)中，目標(biāo)將多以群體的形式出現(xiàn)，戰(zhàn)場上的目標(biāo)呈現(xiàn)出多樣性和多變性，目標(biāo)類型和數(shù)量也在不斷增加，目標(biāo)的機(jī)動(dòng)性將會(huì)更強(qiáng)，目標(biāo)的隱蔽性也會(huì)更高，執(zhí)行各種作戰(zhàn)任務(wù)的魚雷面臨越來越復(fù)雜的水下戰(zhàn)場環(huán)境。在信息化海戰(zhàn)條件下，魚雷如何能準(zhǔn)確、迅速、及時(shí)地反映復(fù)雜戰(zhàn)場態(tài)勢的變化，并對水下多目標(biāo)進(jìn)行攻擊優(yōu)選和威脅評估是提高魚雷武器作戰(zhàn)效能的必要手段。

目前專注于多目標(biāo)跟蹤中威脅評估和攻擊目標(biāo)優(yōu)選的研究性綜述相對較少。本文給出了目標(biāo)威脅評估與攻擊目標(biāo)優(yōu)選的概念及相互關(guān)聯(lián)性，綜合分析了現(xiàn)有的威脅評估和攻擊目標(biāo)優(yōu)選決策方法，評價(jià)了方法的性能，指出了這些方法中亟待解決的問題及可能的解決思路，展望了水下多目標(biāo)威脅評估和攻擊目標(biāo)優(yōu)選的發(fā)展方向，以期對威脅評估和攻擊目標(biāo)優(yōu)選研究有所幫助。

1 目標(biāo)威脅評估與攻擊優(yōu)選

目標(biāo)排序是根據(jù)當(dāng)前水下戰(zhàn)場態(tài)勢，按照某種準(zhǔn)則，確定多目標(biāo)被攻擊的先后順序。作為多目標(biāo)跟蹤系統(tǒng)中的重要一環(huán)，目標(biāo)排序是決策者確定作戰(zhàn)目標(biāo)、制訂作戰(zhàn)方案和優(yōu)化攻擊彈道的主要前提之一。就目標(biāo)排序而言，有兩個(gè)層次的含義，一種是基于防御方的，是來襲目標(biāo)對我方目標(biāo)可能造成的威脅程度的預(yù)測，即威脅評估。進(jìn)行評估的主要目的是確定敵方武器裝備、兵力部署對我方形成威脅的程度或等級(jí)，并對對我方目標(biāo)構(gòu)成最大威脅的目標(biāo)進(jìn)行攻擊和攔截。另一種是基于攻擊方的，是對所有探測到的敵方目標(biāo)性質(zhì)的判斷。進(jìn)行評估的主要目的是在所有探測到的敵方目標(biāo)中判斷目標(biāo)的真假，以定量形式對目標(biāo)為真的程度進(jìn)行估計(jì)和分析，按照目標(biāo)為真的程度對其攻擊優(yōu)先級(jí)進(jìn)行排序，即攻擊優(yōu)選，導(dǎo)引武器系統(tǒng)對攻擊優(yōu)先級(jí)最高的敵方目標(biāo)進(jìn)行攻擊。

目前，多目標(biāo)威脅評估與攻擊優(yōu)選研究大多針對單一兵種，在空對空、空對地、防空、城市作戰(zhàn)、無人機(jī)對地、聯(lián)合火力打擊等領(lǐng)域均已有重要的應(yīng)用。雖然應(yīng)用背景和應(yīng)用領(lǐng)域存在差異，但方法具有一定的共通性，都是基于目標(biāo)的評估指標(biāo)屬性值對目標(biāo)的評估和決策，因此，本文側(cè)重討論現(xiàn)有的威脅評估與攻擊優(yōu)選方法的研究現(xiàn)狀。

2 現(xiàn)有評估決策方法的研究進(jìn)展

2.1 基于確定性多屬性決策理論的決策方法

多屬性決策（MADM）又稱為有限方案多目標(biāo)決策，它是由方案對屬性的屬性值構(gòu)成決策矩陣，各種分析方法均以決策矩陣為分析的基礎(chǔ)。多屬性決策的實(shí)質(zhì)是根據(jù)已有的決策信息通過一定的方法對多個(gè)方案進(jìn)行排序或擇優(yōu)。根據(jù)決策者對決策問題提供偏好信息的環(huán)節(jié)及充分程度的不同，可將求解多屬性決策問題的方法歸納為：無偏好信息的方法、有屬性偏好信息的方法和有方案偏好信息的方法；根據(jù)偏好環(huán)節(jié)對多屬性決策方法進(jìn)行分類，常用方法如簡單加性加權(quán)法（SAW）、層次分析法（AHP）、灰色關(guān)聯(lián)法（GRA）和逼近理想解法（TOPSIS）等。文獻(xiàn)［13］針對空地多目標(biāo)攻擊中的目標(biāo)威脅判斷和排序問題，以及傳統(tǒng)的AHP 判斷矩陣不滿足一致性的缺陷，對傳統(tǒng)AHP 方法進(jìn)行了改進(jìn)，并通過仿真實(shí)例證明方法有效。文獻(xiàn)［14］針對GRA 和TOPSIS 方法各自的優(yōu)缺點(diǎn)，提出了一種基于改進(jìn)GRA 和TOPSIS 的威脅評估方法，不僅克服了兩種方法本身的局限性，使威脅評估相對貼近度模型更加準(zhǔn)確，還更加合理地評估了目標(biāo)的威脅度。文獻(xiàn)［15］將變權(quán)理論與TOPSIS 方法相結(jié)合，通過引入狀態(tài)變權(quán)向量，使指標(biāo)的權(quán)重隨著指標(biāo)值大小和指標(biāo)之間的關(guān)系變化而調(diào)整，該決策方法可以滿足不同條件下的決策要求。文獻(xiàn)［16］將線性加權(quán)法和戰(zhàn)術(shù)意義標(biāo)繪的思想結(jié)合起來，通過相對態(tài)勢因素和目標(biāo)本身屬性因素來描述目標(biāo)優(yōu)先級(jí)的影響因素，不僅很好地反映了對各個(gè)因素的重視程度，還使算法避免了多參數(shù)選擇問題，使排序方法更加合理。

2.2 基于不確定多屬性決策理論的決策方法

由于戰(zhàn)場環(huán)境的復(fù)雜性、噪聲干擾和武器系統(tǒng)自身的不穩(wěn)定性，以及數(shù)據(jù)信息處理方法等因素的影響，用于決策的數(shù)據(jù)存在不確定性、不完備性和不可靠性，決策方法也相應(yīng)由確定性多屬性決策發(fā)展到基于模糊理論、區(qū)間數(shù)理論、灰色理論和信息論的不確定多屬性決策方法。直覺模糊集同時(shí)考慮了隸屬度、非隸屬度和猶豫度，更加細(xì)膩地刻劃了客觀世界的模糊本質(zhì)，在處理模糊性和不確定性信息方面更具靈活性和實(shí)用性。文獻(xiàn)［18］針對防空作戰(zhàn)中的目標(biāo)威脅評估，提出了一種多時(shí)刻融合的直覺模糊評估方法，利用直覺模糊熵表示模糊信息的可靠性，對傳統(tǒng)TOPSIS 方法進(jìn)行改進(jìn)，并結(jié)合決策者的偏好，構(gòu)建直覺模糊排序模型，仿真結(jié)果表明該方法靈活性強(qiáng)、可靠性高。文獻(xiàn)［19］提出了一種基于直覺梯形模糊信息的地面防空目標(biāo)優(yōu)先級(jí)排序方法。使用直覺梯形模糊數(shù)對空中目標(biāo)的屬性進(jìn)行描述，仿真實(shí)驗(yàn)證明方法合理并可行。以往基于直覺模糊推理的方法忽視了對直覺指數(shù)方向的考慮，導(dǎo)致了推理過程中部分信息的丟失，文獻(xiàn)［20］將直覺模糊相似度測量以三維表示，對原有方法進(jìn)行了改進(jìn)，并應(yīng)用于空戰(zhàn)目標(biāo)威脅評估。文獻(xiàn)［21］提出了一種改進(jìn)的廣義直覺模糊軟集方法并應(yīng)用于空戰(zhàn)目標(biāo)威脅的動(dòng)態(tài)評估，該方法采用直覺模糊熵和相關(guān)熵理論確定指標(biāo)的權(quán)重，并采用泊松分布確定時(shí)間序列的權(quán)重，最后由時(shí)間加權(quán)的廣義直覺模糊軟集方法確定目標(biāo)的威脅度，該方法克服了靜態(tài)評估的缺點(diǎn)，更適合于多變的戰(zhàn)場環(huán)境。

區(qū)間數(shù)能更好地表示和處理一些模糊不確定信息，因此，區(qū)間理論為基于不完備信息的決策提供了一種新的思路。文獻(xiàn)［23］系統(tǒng)研究了基于區(qū)間直覺模糊多屬性決策的動(dòng)態(tài)融合目標(biāo)威脅評估方法，重點(diǎn)研究了區(qū)間直覺模糊集的冪加權(quán)幾何平均算子和權(quán)值求解方法，并提出了適用于空戰(zhàn)目標(biāo)威脅評估的動(dòng)態(tài)融合威脅評估方法。文獻(xiàn)［24］針對超視距空戰(zhàn)中數(shù)據(jù)信息不精確且不完備的問題，采用區(qū)間集對分析進(jìn)行空戰(zhàn)態(tài)勢評估，利用集對分析將區(qū)間數(shù)轉(zhuǎn)化為聯(lián)系數(shù)，仿真實(shí)驗(yàn)表明該方法使態(tài)勢評估的真實(shí)性和實(shí)時(shí)性都得到了一定程度的提高。針對復(fù)雜戰(zhàn)場環(huán)境下目標(biāo)屬性測度的不確定性問題，文獻(xiàn)［25］考慮決策數(shù)據(jù)中猶豫度信息對決策結(jié)果的影響，對區(qū)間直覺模糊集的決策模型進(jìn)行改進(jìn)，提出了復(fù)雜防空作戰(zhàn)環(huán)境下的多目標(biāo)優(yōu)先級(jí)求解模型，該模型不僅使決策結(jié)果更加準(zhǔn)確，而且使目標(biāo)優(yōu)先級(jí)的求解更具使用性，并在多傳感器資源優(yōu)化中發(fā)揮了重要作用。

灰色系統(tǒng)理論也是一種解決不確定性問題的方法，灰色建模對數(shù)據(jù)樣本點(diǎn)數(shù)和分布規(guī)律的要求并不高。文獻(xiàn)［26］將變權(quán)理論與灰色關(guān)聯(lián)分析結(jié)合起來，構(gòu)建了基于變權(quán)灰色關(guān)聯(lián)法的目標(biāo)威脅評估模型，解決了傳統(tǒng)威脅評估方法中由常權(quán)法評估產(chǎn)生的“狀態(tài)失衡”問題。文獻(xiàn)［27］針對空襲目標(biāo)威脅，提出了基于灰色聚類的威脅評估與排序方法，通過灰色理論中的灰色變權(quán)聚類方法，建立空襲目標(biāo)威脅度評估模型，并基于仿真實(shí)例證明模型具有有效性和實(shí)用性。文獻(xiàn)［28］針對航空兵對地攻擊目標(biāo)選擇問題，利用灰色關(guān)聯(lián)分析對地面多目標(biāo)威脅度進(jìn)行評估，并結(jié)合遺傳算法進(jìn)行目標(biāo)分配，最后結(jié)合目標(biāo)分配方案及實(shí)際戰(zhàn)場態(tài)勢對打擊目標(biāo)進(jìn)行排序。有學(xué)者將灰色理論與其他理論方法結(jié)合起來，充分利用不同方法的優(yōu)勢來解決威脅評估問題。文獻(xiàn)［29］分析了TOPSIS 方法和GRA 方法各自的優(yōu)劣，TOPSIS 主要考慮方案與理想方案之間的距離，GRA 主要考慮數(shù)據(jù)變化的趨勢，將兩種方法結(jié)合起來可以互相彌補(bǔ)各自方法本身的不足，并有效解決了反導(dǎo)作戰(zhàn)中的彈道目標(biāo)威脅評估。文獻(xiàn)［30］將區(qū)間數(shù)理論與灰色關(guān)聯(lián)分析結(jié)合起來解決地面合成分隊(duì)聯(lián)合作戰(zhàn)中的集群目標(biāo)威脅評估問題，將區(qū)間數(shù)理論與作戰(zhàn)態(tài)勢相結(jié)合用以確定區(qū)間變權(quán)權(quán)重，再與灰色關(guān)聯(lián)法結(jié)合構(gòu)建基于區(qū)間數(shù)的最小二乘灰色關(guān)聯(lián)威脅評估模型。區(qū)間變權(quán)的方法彌補(bǔ)了常權(quán)方法對決策的影響，使評估結(jié)果更加準(zhǔn)確，且更加符合聯(lián)合作戰(zhàn)背景下的戰(zhàn)場實(shí)際。文獻(xiàn)［31］結(jié)合區(qū)間數(shù)理論、灰色關(guān)聯(lián)理論和熵權(quán)理論構(gòu)造了區(qū)間灰色熵威脅評估模型，對高超聲速巡航導(dǎo)彈進(jìn)行威脅評估，區(qū)間數(shù)描述了評估數(shù)據(jù)變化的范圍，灰色理論彌補(bǔ)了對目標(biāo)特性認(rèn)識(shí)的不足，熵權(quán)理論描述了評價(jià)指標(biāo)的重要程度，方法更具有普適性和實(shí)用性。

粗糙集理論也可以用于對不精確和不確定數(shù)據(jù)的分析，不僅具有一定的容錯(cuò)性和實(shí)效性，還可以通過知識(shí)約簡實(shí)現(xiàn)消除數(shù)據(jù)冗余，在決策分析方面已有重要的應(yīng)用。文獻(xiàn)［33］提出一種融合信息熵和粗糙集理論來解決空中目標(biāo)威脅評估的方法。由信息熵確定最大權(quán)重的屬性作為決策屬性，再構(gòu)建粗糙集決策信息系統(tǒng)對空中目標(biāo)的威脅程度進(jìn)行評估。模型不僅拓寬了粗糙集理論的適用范圍，并減少了決策者主觀因素的影響。文獻(xiàn)［34］提出了一種基于粗糙集和CRITIC 法的威脅評估方法，結(jié)合CRITIC、數(shù)據(jù)挖掘和粗糙集理論解決不確定信息下空戰(zhàn)目標(biāo)威脅評估，在所構(gòu)建的完備粗糙集決策系統(tǒng)中實(shí)現(xiàn)屬性約簡和威脅度最小決策規(guī)則提取，該方法可解決信息缺失條件下的目標(biāo)威脅評估。

2.3 基于機(jī)器學(xué)習(xí)的決策方法

目標(biāo)威脅評估方法分為兩類，一類是根據(jù)評估對象選取不同的威脅因子，再對威脅因子進(jìn)行綜合，所討論的方法包含于2.1 節(jié)所討論的基于多屬性決策的決策方法。另一類是基于機(jī)器學(xué)習(xí)的方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、深度學(xué)習(xí)、專家系統(tǒng)、證據(jù)理論等。隨著高新技術(shù)的發(fā)展，現(xiàn)代戰(zhàn)場態(tài)勢的復(fù)雜度明顯躍升，包含了大量不確定性和非線性的復(fù)雜信息，呈現(xiàn)大數(shù)據(jù)特性，對戰(zhàn)場中的多目標(biāo)威脅評估技術(shù)提出了更高的要求。機(jī)器學(xué)習(xí)技術(shù)經(jīng)過訓(xùn)練后可以深度挖掘出目標(biāo)威脅度與評估指標(biāo)之間的內(nèi)在關(guān)系，簡化評估過程，提高評估的實(shí)時(shí)性。

神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)學(xué)習(xí)能力、并行計(jì)算、分布存儲(chǔ)、可靠性高等優(yōu)點(diǎn)。文獻(xiàn)［37］利用云模型定量描述不確定信息，再采用動(dòng)態(tài)加權(quán)貝葉斯網(wǎng)絡(luò)推理，同時(shí)改進(jìn)灰色關(guān)聯(lián)極大熵法求解指標(biāo)權(quán)重，解決了超視距空戰(zhàn)目標(biāo)威脅評估問題。文獻(xiàn)［38］在水下無人航行器威脅評估中比較了靜態(tài)貝葉斯和動(dòng)態(tài)貝葉斯神經(jīng)網(wǎng)絡(luò)的評估性能，仿真結(jié)果證明動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)更具優(yōu)越性。文獻(xiàn)［39］將灰色理論與神經(jīng)網(wǎng)絡(luò)結(jié)合起來，建立灰色神經(jīng)網(wǎng)絡(luò)模型，并采用模擬退火粒子群算法對網(wǎng)絡(luò)參數(shù)初始值進(jìn)行尋優(yōu)，威脅評估仿真實(shí)例表明該方法性能優(yōu)于傳統(tǒng)的灰色神經(jīng)網(wǎng)絡(luò)和粒子群灰色神經(jīng)網(wǎng)絡(luò)方法。文獻(xiàn)［40］提出了基于標(biāo)準(zhǔn)化全連接殘差網(wǎng)絡(luò)的空戰(zhàn)目標(biāo)威脅評估方法，利用深度學(xué)習(xí)技術(shù)，結(jié)合批量標(biāo)準(zhǔn)化的優(yōu)化算法和殘差網(wǎng)絡(luò)增強(qiáng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，有效解決了傳統(tǒng)方法自學(xué)習(xí)能力差和對大樣本數(shù)據(jù)推理能力不足的問題。文獻(xiàn)［41］將主成分分析與ELM 神經(jīng)網(wǎng)絡(luò)和粒子群算法結(jié)合起來解決空戰(zhàn)中的威脅評估問題，主成分分析消除評估數(shù)據(jù)的冗余，改進(jìn)的粒子群算法用來優(yōu)化ELM 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，有效提高了算法的實(shí)時(shí)性和精確度。

證據(jù)（dempster-shafer，D-S）理論是一種集集合論和概率論于一體的不精確推理理論，具有處理不確定信息的能力，且可以綜合不同專家或數(shù)據(jù)源的知識(shí)和數(shù)據(jù)，適合處理不精確、不完全信息的融合問題。文獻(xiàn)［43］結(jié)合熵權(quán)法、灰色關(guān)聯(lián)分析和證據(jù)理論對空中目標(biāo)進(jìn)行威脅評估。熵權(quán)法確定指標(biāo)權(quán)重可以降低人為主觀因素的影響，由灰色關(guān)聯(lián)法確定指標(biāo)的不確信度克服主觀設(shè)定Mass 函數(shù)的不足，最后基于D-S 證據(jù)理論對Mass 函數(shù)進(jìn)行合成，仿真結(jié)果表明該方法降低了決策的不確定性，使結(jié)果更精確合理。文獻(xiàn)［44］通過證據(jù)網(wǎng)絡(luò)推理實(shí)現(xiàn)對敵機(jī)威脅等級(jí)的評估，證據(jù)網(wǎng)絡(luò)模型是D-S 證據(jù)理論與圖模型的結(jié)合，能充分發(fā)揮D-S 證據(jù)理論在不確定性信息處理，尤其是在認(rèn)知不確定性的建模和分析上的理論優(yōu)勢。

3 存在問題與發(fā)展趨勢

目標(biāo)威脅評估與攻擊優(yōu)選技術(shù)受到越來越多學(xué)者的關(guān)注，已經(jīng)取得了很多的研究成果，確定性和不確定性多屬性決策，以及基于機(jī)器學(xué)習(xí)的決策方法在適用數(shù)據(jù)環(huán)境、模型的準(zhǔn)確性、容錯(cuò)性和時(shí)效性等方面都各具優(yōu)勢。確定性多屬性決策方法的評估結(jié)果準(zhǔn)確可靠，具有較強(qiáng)的說服力，但同時(shí)也存在模型較復(fù)雜、計(jì)算量大和由此帶來的實(shí)時(shí)性差的問題；不確定性多屬性決策方法適用于處理不完備、不精確的數(shù)據(jù)信息，具有一定的容錯(cuò)性和實(shí)效性，但涉及的決策規(guī)則較多，修改困難，且算法串行，難以保證實(shí)時(shí)性；而基于機(jī)器學(xué)習(xí)的決策方法不需要對評估過程進(jìn)行復(fù)雜的建模，經(jīng)過數(shù)據(jù)訓(xùn)練后可以挖掘出評估參數(shù)之間的內(nèi)在關(guān)系，簡化評估過程，提高評估實(shí)時(shí)性，但需要大量的先驗(yàn)知識(shí)。

針對復(fù)雜水下戰(zhàn)場環(huán)境中多目標(biāo)威脅評估與攻擊優(yōu)選的研究和應(yīng)用，還存在一些亟待解決的問題：1）由于戰(zhàn)場信息存在不完全性、不一致性和不確定性等問題，特別是由于敵方的欺騙行為等造成的信息變化不一等因素，常常導(dǎo)致目標(biāo)優(yōu)選排序系統(tǒng)推導(dǎo)出不可靠的結(jié)論。目標(biāo)優(yōu)選排序至今沒有一個(gè)統(tǒng)一的評估模型和方法。2）戰(zhàn)場態(tài)勢瞬息萬變，整個(gè)戰(zhàn)斗過程應(yīng)當(dāng)是一個(gè)動(dòng)態(tài)的全過程，各目標(biāo)的威脅評估應(yīng)該是對動(dòng)態(tài)全過程的評估和決策。但現(xiàn)有的大部分多目標(biāo)攻擊優(yōu)選和威脅評估方法大多只考慮了當(dāng)前態(tài)勢，不具有連貫性和預(yù)測性。3）基于多屬性決策的攻擊優(yōu)選和威脅評估方法發(fā)展歷史最長，使用最為廣泛，但是計(jì)算量大，難以滿足實(shí)時(shí)性需求；評估指標(biāo)權(quán)重在求解過程中易受到專家主觀經(jīng)驗(yàn)的影響，在實(shí)戰(zhàn)應(yīng)用中存在一定的局限性。4）現(xiàn)代海戰(zhàn)是涉及陸、海、空、天、電等多種作戰(zhàn)手段和方式的復(fù)雜體系作戰(zhàn)，存在信息種類繁多、信息量劇增、信息不完整和信息沖突等問題，戰(zhàn)場態(tài)勢的復(fù)雜性躍升，相比其他作戰(zhàn)領(lǐng)域，目前針對復(fù)雜水下戰(zhàn)場環(huán)境中的目標(biāo)威脅評估和攻擊優(yōu)選的應(yīng)用和驗(yàn)證研究較少。

根據(jù)目標(biāo)威脅評估與攻擊優(yōu)選方法的研究現(xiàn)狀與應(yīng)用于復(fù)雜水下戰(zhàn)場環(huán)境中亟待解決的問題，主要有以下發(fā)展趨勢：1）由于戰(zhàn)場環(huán)境的隨機(jī)性、模糊性等不確定性的存在，不確定性決策方法蓬勃發(fā)展，直覺模糊集、Vogue 集、區(qū)間數(shù)在處理模糊性和不確定性等方面更具靈活性和實(shí)用性，更加適用于對這些信息的合理描述，傳統(tǒng)的確定性多屬性決策方法應(yīng)該更多地向基于不確定性多屬性決策方法發(fā)展。2）專家系統(tǒng)往往需要設(shè)計(jì)大量的規(guī)則，可移植和學(xué)習(xí)能力差；神經(jīng)網(wǎng)絡(luò)難以獲得好的訓(xùn)練樣本，導(dǎo)致模型訓(xùn)練不夠充分、評估不夠準(zhǔn)確的問題，難以滿足實(shí)戰(zhàn)需求。當(dāng)今社會(huì)已經(jīng)進(jìn)入信息化大數(shù)據(jù)時(shí)代，人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)具有強(qiáng)大的非線性處理能力，應(yīng)該更多地應(yīng)用到目標(biāo)攻擊優(yōu)選和威脅評估中來。3）遺傳算法、蟻群算法和粒子群算法等仿生算法已經(jīng)逐步應(yīng)用到評估決策的方案優(yōu)選和權(quán)重求解中，但遺傳算法搜索效率低，蟻群算法和粒子群算法容易陷入局部最優(yōu)解，還需在理論上做進(jìn)一步的探索。4）現(xiàn)有目標(biāo)威脅評估與攻擊優(yōu)選方法及改進(jìn)模型已在防空作戰(zhàn)、城市作戰(zhàn)和聯(lián)合火力打擊等各種戰(zhàn)場環(huán)境中得到了廣泛的應(yīng)用和驗(yàn)證，水下戰(zhàn)場具有空間廣闊、要素復(fù)雜和結(jié)構(gòu)多維的典型特點(diǎn)，針對復(fù)雜水下戰(zhàn)場環(huán)境中的目標(biāo)威脅評估和攻擊優(yōu)選問題，指標(biāo)優(yōu)選加權(quán)、決策評估模型等方面需要進(jìn)行進(jìn)一步的應(yīng)用、驗(yàn)證和優(yōu)化。

4 結(jié)論

多目標(biāo)威脅評估和攻擊優(yōu)選已經(jīng)成為武器系統(tǒng)的研究方向和衡量武器系統(tǒng)性能的一個(gè)重要標(biāo)準(zhǔn)，與此同時(shí)，多目標(biāo)跟蹤攻擊也是現(xiàn)代海戰(zhàn)的主要形式和發(fā)展趨勢。多目標(biāo)攻擊優(yōu)選和威脅評估是水下多目標(biāo)跟蹤中一項(xiàng)必不可少且非常重要的環(huán)節(jié)，對水下目標(biāo)的有效攻擊是必須建立在及時(shí)而準(zhǔn)確的攻擊優(yōu)先級(jí)評估基礎(chǔ)之上的，只有對水下目標(biāo)的攻擊優(yōu)先級(jí)作出了及時(shí)而準(zhǔn)確的判斷，才能合理確定目標(biāo)的攻擊次序，使武器系統(tǒng)的綜合效能最高，這是水下攻擊型武器發(fā)展的主要目標(biāo)。但是，行業(yè)內(nèi)有關(guān)水下多目標(biāo)跟蹤中威脅評估和攻擊目標(biāo)優(yōu)選的研究報(bào)道較少，尚需投入大量研究力量，任務(wù)緊迫。

本文針對復(fù)雜戰(zhàn)場環(huán)境下的威脅評估和攻擊目標(biāo)優(yōu)選問題，對近年來的研究成果進(jìn)行了總結(jié)，從經(jīng)典的基于確定性多屬性決策理論的決策，到目前流行的基于不確定性多屬性決策理論和基于機(jī)器學(xué)習(xí)的決策方法，并對存在的問題和發(fā)展趨勢進(jìn)行了展望。這對于想要系統(tǒng)地了解多目標(biāo)威脅評估和攻擊優(yōu)選的學(xué)者具有實(shí)際指導(dǎo)意義，對水下多目標(biāo)跟蹤中威脅評估和攻擊目標(biāo)優(yōu)選研究具有借鑒意義。