（管理科学与工程专业论文）基于效果的行动过程建模与优化方法研究.pdf

国防科学技术大学研究生院硕士学位论文 摘要 如何在现代信息化战争条件下高效地制定作战行动方案是目前指挥自动化领 域的研究热点之一。在这一闽题的研究上，通常以军事理论为指导，对战场环境 下的作战行动过程进行建模，评价其效能，建立其测度方法。作战行动过程的生 成与优化，即在复杂的不确定的环境中寻求最佳的作战行动方案，是作战计划问 题中的一个重要内容。 本文首先对所研究问题的背景和意义以及相关研究进行了综述，对军事领域 中的基于效果作战思想做了介绍。在此基础之上提出了一种在复杂不确定环境中 求解有效行动过程的方法框架。为了更好地描述不确定环境中的行动过程，本文 设计了一种基于贝叶斯网络的行动过程建模语言c o a d l ，介绍了利用该语言 对行动过程建立概率模型和相应推理机制的方法。利用遗传算法的快速收敛和全 局搜索的优点对行动过程进行了优化，并给出了一个联合登岛想定案例，对行动 过程建模以及行动过程优化进行了验证。最后设计了行动过程建模与优化系统的 体系结构，对该工具系统中的各个模块及模块之间的关系进行了描述。 主题词：行动过程基于效果作战优化贝叶斯网络遗传算法 国防科学技术大学研究生院硕士学位论文 a b s t r a c t h o wt of i n da ne f f e c t i v es c h e m ei nt h em o d e mi n f o r m a t i o n a lb a t t l e f i e l d e n v i r o n m e n ti sav e r yh o tp r o b l e mi ne v e r yc o u n t r y g e n e r a l l y , t h em e t h o dt h a tw e s o l v et h i sp r o b l e mi sm a k i n gt h em o d e lo fc o u r s eo fa c t i o n ( c o a ) a n de v a l u a t i n gi t s e f f i c i e n c yb a s e do nm i l i t a r yt h e o r y p r o d u c ea n do p t i m i z et h ec o a i st of i n da no p t i m a l a c t i o ns c h e m ei nt h eu n c e r t a i ne n v i r o n m e n t i ti sai m p o r t a n tc o n t e n to f m a k i n g p l a n f i r s t l y ，t h i sp a p e rm a k e sas u l x l i n a r yo ft h eb a c k g r o u n da n ds i g n i f i c a n c ef o rt h i s p r o b l e m s u g g e s t san e w m e t h o df r a i l l et h a tc o u l db ed i v i d e di n t ot h r e em a i np o r t i o n s , w h i c hc o u l db e t t e ri n c o r p o r a t e di n t ot h ee f f e c t s - b a s e do p e r a t i o n s ( e b p l a n n i n g i n o r d e r t o o b t a i n a n e a r - o p t i m a ls t r a t e g y ( i es p e c i f i c a t i o n o f c o u r s e s o f a c t i o n o v e r t i m e ) t oa c h i e v et h ed e s i r e de f f e c t sw h i l em a k et h i sm e t h o dc o m et r u e ，ac o a d l - b a s e d s t o c h a s t i cm i s s i o nm o d e li se m p l o y e dt or e p r e s e n tt h ed y n a m i ca n du n c e r t a i nn a t u r eo f t h ee n v i r o n m e n ta n da g e n e t i ca l g o r i t h mi sa p p l i e d t os e a r c hf o ra n e a r - o p t i m a ls t r a t e g y 谢t l lc o a d l - b a s e dm o d e ls e r v i n ga saf i t n e s se v a l u a t o r i nt h i sp a p e r , w em a d eac a s e s c e n a r i oo fl a n d i n gi s l a n dt ov a l i d a t et h i sm e t h o d a tl a s tw ep r e s e n tas y s t e mf r a m e w ec a nm a k ea c t u a lt o o la c c o r d i n gt ot h i sf r a m e k e yw o r d s ：c o ae b oo p t i m i z a t i o n b ng a 国防科学技术大学研究生院硕士学位论文 表目录 表4 1 行动策略编码。3 7 表4 2m e l 的条件概率表。 表4 3m e 2 的条件概率表4 8 表4 4m e 3 的条件概率表 表4 5m e 4 的条件概率表4 9 表4 6e f l 的条件概率表 表4 7e f 2 的条件概率表 表4 8 可获取行动列表 4 9 表6 1 行动策略表示6 9 m 国防科学技术大学研究生院硕士学位论文 图目录 图2 1 基于目标的方法和基于效果方法的比较5 图2 2 行动过程优化过程的基本框图 图2 3 基于e b o 思想的c o a 建模与优化方法 图3 1 表示七个变量间因果关系的b a y e s i a n 网 图3 2 状态转化影响图 1 1 1 4 1 6 图3 3 构建b a y e s i a n 网络模型三个常用过程2 2 图3 4 战场态势演化过程 图3 5 行动的执行 2 4 2 5 图3 6 阶段行动方案2 5 图3 7 资源和环境状态转移描述图2 7 图3 8 组织过程策略 图3 9 组织过程策略的产生2 8 图3 1 0 事件、行动与效果的静态模型 图3 11 基于环境演化的行动、事件与效果的动态模型 3 0 3 l 图3 1 2 环境演化过程中阶段静态模型3 3 图4 1 基于c o a d l 与g a 的c o a 优化方法 图4 2 外层遗传算法优化流程3 6 图4 3 轮盘赌模型4 0 图4 4 战役环境图4 6 图4 5 基于c o a d l 的c o a 模型4 8 图4 6 想定l 中行动策略c o a l 的概率变化曲线5 1 图4 7 想定2 中行动策略c o a l 的概率变化曲线5 2 图4 8 想定1 中行动策略c o a 2 的概率变化曲线 5 3 图4 9 想定1 中行动策略c o a 3 的概率变化曲线5 4 图4 1 0 想定l 中行动策略c o a 4 的概率变化曲线5 4 图4 11c o a 的期望效果比较5 4 图4 1 2c o a 的联合效果比较5 4 图4 1 3 联合概率随种群进化的变化曲线 5 5 图5 1 系统的总体框架5 7 图5 2 系统的构成5 7 图5 3 行动过程生成子系统结构设计5 8 图5 4 行动过程建模子系统的设计结构5 9 国防科学技术大学研究生院硕士学位论文 图5 5 行动过程优化子系统的设计结构6 0 图5 6 方案评估模块结构6 1 图5 7 数据处理子系统结构 图5 8 结果表现子系统结构6 2 图5 9 图形化数据表现形式 图5 1 0 公共信息管理子系统结构6 4 图5 1 1 公共信息管理系统的结构“ 图5 1 2 模型管理子系统结构。 图5 1 3 案例库管理子系统结构 图5 1 4 算法库管理子系统结构6 6 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示谢意。 学位论文题目： 基士筮墨鱼缸型过蕉蕉搓复位毡虚洼盈窥 学位论文作者签名：+ 达耋坞 日期：2 衫年，月工日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留，使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印，缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文题目：基王熬墨盟堑盈过焦整搓生箧丝左遮丑究 学位论文作者签名：达兰造 作者指导教师签名：包至壹： 日期：叉】d 年1 1 月2j 日 日期：铆年1 1 月2 日 国防科学技术大学研究生院硕士学位论文 第一章绪论 1 1 研究背景及意义 现代信息化战争相对于传统的战争有了质的变化。近期几场局部战争显现出 信息化战争的一些特征：作战节奏的加快、作战样式的多样化、战场环境的复杂 多变等等。从信息能力和信息利用的角度分析，在信息化战争中，战场认知的作 用大大增强。从认知论的角度看，战争进程可以抽象为“认知”和“行动”两大 活动。“认知”即认清战场态势、敌我双方力量对比，目的是在知己知彼的基础 上形成决策；“行动”即根据认知采取适当的策略，目的是达成己方的目标。如 何正确的“认知”和如何采取合适的“行动”便成为关键所在。目前，对如何构 建认知模型并在模型的基础之上获取最佳的作战行动计划行动过程( c o a , c o u r s eo f a c t i o n ) 的生成与优化问题的研究，已成为国内外军事领域研究的热点。 信息化战争中，作战节奏加快导致了需要快速高效的作战计划生成技术的支 持，以提高作战计划的实时性和有效性。在战场应急环境下，多兵种联合作战计 划是在紧迫的时限内制定完成的，针对高度不确定性因素的复杂任务计划，由手 工完成不能做到对战场突发事件的及时反应。因此，应急形势下联合作战任务计 划的制定需要尽可能地应用辅助任务计划工具，只有这样才能做到任务计划的正 确性、及时性和高效性。而战场环境的复杂性和计算工作的繁重性，还有诸军兵 种协同作战的复杂又导致了传统的规划方法很难适应这种复杂任务的建模和求 解，很难制定出适应于复杂任务环境下科学的作战计划，因此必须采用定性与定 量相结合的智能化的技术实现联合作战计划生成【1 1 2 1 。并且战场环境的激烈变化与 复杂性，也导致作战双方要维持战争中的对抗优势，就必须根据作战使命与战场 环境适时调整作战的部署和策略，确保作战行动快速、有效，所有这些适时、有 效的行动是维持战场空间对抗优势的关键。这就要求作战计划具有适应性和灵活 性，能够在应急形势下完成计划的快速调整和计划的快速生成【3 】。 信息化战争的特点表明，现代战争的竞争优势不能再仅靠决策人员的个体能 力，而要更多的依赖计算机的快速计算和处理能力。利用计算机的快速处理能力， 能够适时快速地优化组合有限能力的成员个体、组织物理资源以及信息资源，在 各种限制条件下采取合适的行动策略来获取竞争优势，实现组织目标。因此，利 用计算机辅助生成并优化行动过程是必要并且紧迫的，是提高指挥员谋略水平和 指挥能力、促进决策科学化的重要手段。 综上所述，现代信息化战争所具有的特点决定了需要快速高效的、智能化的、 国防科学技术大学研究生院硕士学位论文 动态弹性的c o a 生成技术以满足制定作战计划的需要，对计算机辅助c o a 生成 与优化的方法和技术的研究提出了更加迫切的需求。 1 2 国内外相关研究现状 c o a 的生成与优化问题需要对动态变化的战场态势和不连续的随机事件建模 并优化求解，所以它是随机计划问题的一种。计划问题最早在上世纪六十年代开 始研究1 4 】。随机计划问题在军事指挥与控制文献中讨论较多。这项工作与以下文献 中的工作很相近f o x - g a e 5 l 【6 l ，c a e s a r t t l ，c a d e t t s j ，f o x - g a 利用遗传算法快 速生成和评估c o a ，c a e s a r 是基于效果作战中辅助开发c o a 的原型系统， c a d e t 由计划轮廓开始，填上计划的具体属性生成一个能执行的详尽的计划，而 f o x 和c a d e t 相结合的工作可以在文献【9 】中找到。m e n g s h o e l 提出了基于事件的 动态信念网络推理，用于形式化描述战场不确定性，特别是数据联想问题【l o l 1 1 】。 c o g n e t 利用b a y e s i a n 网络研究了战场重心和其潜在的能力和需求之间的关系 【1 2 1 。 对于战场中的复杂问题求解通常采取的方法是基于面向目标思想的，而基于 这种思想的行为需要考虑两个方面的问题：一是行动策略，即本文涉及的c o a 生 成与优化问题：二是任务规划( s c h e d u l e ) ，我们称之为实施行动过程方案的资源调 度策略。从概念上讲，方案和方案实旄的调度问题是可以分开考虑的，这样可以 大大降低问题的复杂性。但在现实中面向目标的行为过程通常都是行动方案策略 与资源调度策略的结合。对于军事问题，一方面要选择行动过程以实现作战目标， 另一面也考虑可获取装备或平台的有效利用。 行动策略是否有效在很大程度上依赖于它与环境状态的同步演化的能力。在 技术上主要涉及到决策计划理论( d t p ，d e c i s i o nt h e o r e t i cp l a n n i n g ) 和马尔可夫 决策过程( m d p ，m a r k o vd e c i s i o np r o c e s s e s ) 。传统d t p 问题都是一个主体采取 一系列的行动，使得系统状态从初始状态到达目标状态，这类研究大多数是针对 一种理想模型的方法的研究，即假设已知所有的行动和状态。目前有些学者开始 研究初始状态和行动导致的不确定性问题，在该问题中，各个目标之间的相互冲 突必须被给予充分考虑才能确定最优的行动方案。在d t p 的研究过程中，m d p s 理论被认为是解决d t p 问题最为合适的概念和计算模型【1 3 1 。 在行动过程优化领域美军走在了前面，美军早期工作主要集中在联合作战计 划系统中的c o a 自动化处理能力，而现在的联合作战计划系统已形成较完整的一 体化系统。其计划制定主要分为三大类：周密规划( d e l i b e r a t ep l a n n i n g ) 、紧急 行动计划( c r i s i sa c t i o np l a n n i n g ) 和战时精密计划( c a m p a i g np l a n n i n g ) 。美军 2 国防科学技术大学研究生院硕士学位论文 联合作战计划系统的发展可分为四个阶段：2 0 世纪6 0 年代是自动化数据处理的构 模阶段，研制了数据处理程序( a d p ，a b s t r a c td a t ap r o g r a m ) 。2 0 世纪7 0 年代 是周密计划系统与紧急计划系统成熟阶段，美军在连通辅助计划计算模型的基础 上建立了多兵种联合作战任务计划系统、危机形势下的辅助任务计划信息系统、 以联合部署任务计划系统为主的紧急计划系统。2 0 世纪8 0 年代是周密计划系统与 紧急计划系统合并阶段，建立了j o p e s 系统，它综合了平时的周密计划系统和危 机时的紧急计划系统，是一个制订联合作战计划和实施联合作战的一体化指挥控 制系统。2 0 世纪9 0 年代至今面向联合作战，发布了很多联合条令，开发了很多联 合作战任务规划系统。2 0 0 2 年4 月研制出用于陆、海，空三军联合任务计划系统 ( j m p s ，j o i n tm i s s i o np l a n n i n gs y s t e m ) ，它将海军任务规划系统( n m p s ) 、空 军任务支持系统( a f m s s ) 和特种部队行动计划和预演系统( s o f p a r s ) 一起移 植到统一的软件平台，目的是为三军联合作战提供任务规划系统。 在美军的作战计划系统中都使用了大量的定性和定量的c o a 生成技术，归纳 起来，主要有： 1 时序逻辑与基于约束的计划方法 2 基于工作流的作战过程规划方法 3 基于案例的规划方法 4 基于遗传算法的规划方法 5 基于b a y e s i a n 网络和效用理论的资源规划方法 美军近年来根据高技术战争中信息技术应用的新特点加强了联合作战计划系 统在高度不确定战场环境下的动态响应能力包括：利用高新信息技术提高战役层 各军种计划系统的互操作能力；提高无预案条件下快速制定计划的能力：利用模 拟评估技术先期验证作战计划。 我国在c o a 生成领域也取得了一些基础性成果，主要有： 1 海军装备论证研究院自动化技术研究所开发的“基于模型库的作战方案辅 助决策系统”，采用了基于a g e n t 的分布式人工智能技术，支持海军编队 协同计划方案拟制、协同计划的动态适时调整、协同计划方案的管理和协 同计划的模拟。 2 空军指挥学院开发了o p c p s 系统，该系统基于多a g e n t 系统的人工智能 技术、作战计划生成的专家系统以及数据库技术。系统功能包括信息浏览、 公文传递、作战计划的网上分发与聚合、作战计划的协同讨论和作战计划 的冲突查找与解决。 3 国防科技大学运用模型分析和仿真评估相结合的方法，研制了“联合作战 方案生成与评估系统”和“空军战役智能决策支持系统”，建立了从任务 分析、方案拟制、计划生成、模拟推演和效能评估的一体化平台：并分别 3 国防科学技术大学研究生院硕士学位论文 应用到南京军区和广州军区空军司令部，在系统中提出了联合计划的生成 框架、描述规范和推演机制。 1 3 论文内容和组织结构 本文对联合作战计划问题中的行动过程建模与优化的方法问题进行了研究， 对过程建模技术和优化技术进行了综述，设计了一套c o a 建模语言，应用案例对 该方法进行分析验证，最后设计了工具系统的体系框架。全文共分为六章，其结 构如下： 第一章绪论介绍了问题的背景，并对问题的意义以及联合作战任务计划方法 的国内外研究现状进行了综述。阐述了本文研究的意义、内容和组织结构。 第二章介绍了基于效果作战的概念，以及行动建模和优化求解的主要技术， 并提出一种基于e b o 思想的行动过程建模与优化求解的方法框架。 第三章设计了一套基于贝叶斯网络的作战行动过程建模语言c o a d l ，并 用c o a d l 对行动过程进行分析和建模。 第四章在第二章的优化方法框架的基础上提出了基于遗传算法的行动过程优 化求解的方法。给出了一个联合登岛想定案例，对行动过程建模以及行动过程优 化进行了验证。 第五章设计了建模与优化系统的体系结构，并分别对各组成部分进行了详细 的分析。提供了实现该系统的思路，为实现该系统做出了铺垫。 第六章总结了本文所做的主要贡献并对进一步的研究内容和方向进行了讨 论。 4 - 国防科学技术大学研究生院硕士学位论文 第二章c o a 建模与优化分析 战场上敌我双方的目标都是改变所处的环境达成有利于己方的效果。在大多 数情况下，战场环境中包括了大量的不可预测的随机事件，这些随机事件可以不 同程度地影响到环境的状态。由于作战行动之间的相互影响和环境的动态复杂性， 导致了作战行动效果的难以预见性。环境的动态、不致性不同程度地影响到组 织实现作战目标的效果。因此，相同的策略在不同的环境中达成的效果是不一样 的。在动态变化的环境中，随着机会和威胁的随机出现，组织的目标就是在适当 的时候采用最合适的方式达成所需的效果【1 辄1 6 1 1 。 2 1 基于效果作战 基于效果作战( e b o ，e f f e c tb a s e do p e r a t i o n ) 是指采取合适的行动策略，使得 在一定的时间范围内，达成所需效果的程度最优。它是一种思维方式，是对军事行 动进行计划、执行、评估的一种方法。该方法更关注军事行动的效果及其达成的 途径，而不是军事行动本身。 基于效果作战这一概念最早出现在第一次海湾战争期间，后来d e p t u l a 在其工 作报告中详细描述了这一概念的基本思想【1 8 1 。随着e b o 方法研究的发展，基于效 果作战这一思想对美国的军事变革起n t 巨大的推动作用。近期的几场高技术局 部战争都体现了这种新的作战思想。 e b o 方法与传统基于目标的方法本质上是不同的，但二者之间并不是对立或 者取代的关系，而是相包含的关系，e b o 方法包含了基于目标的方法。 基于目标的方法e b o 方法 图2 1 基于目标的方法和基于效果方法的比较 5 国防科学技术大学研究生院硕士学位论文 图2 1 说明了基于目标和基于效果方法的不同。在基于目标的方法中，特别关 注能够实现目标的任务。在基于效果方法中，特别关注实现目标所需要的效果。 而任务和行动都是达到所需效果的手段。因果关系的链接解释了行动和效果之间 的关系。 在使用e b o 方法的过程中首先要完成两个任务是描述因果关系和限定各项指 标。描述因果关系就是建立作战行动过程的模型，模型能够很好的描述行动和效 果之间的关系。指标是行动效果的表现和衡量，表示效果达成或者任务完成的程 度，限定各项指标的主要目的是根据各项指标寻找达成效果的最佳方案。 2 2c o a 生成与相关技术 分析c o a 问题，需要建立相关模型，这样能够清楚地表现各要素之间的关系， 从而更好的建立指标函数。指标函数是实现优化方法的关键。因此，建立c o a 模 型是非常重要的。为更好地建立c o a 模型，必须对如何生成c o a 有一个透彻的 了解。 2 2 1c o a 生成 效果是发生在一定的环境状态中的，因此，为达到期望的效果就要使环境的 状态向着有利于实现期望效果的方向转移。环境状态的转移是通过执行某c o a 来 实现的。 一个完整c o a 的生成包括了三个基本的阶段：获取基本可行行动、产生阶段 行动方案、完整c o a 生成。 基本行动来源于作战平台所拥有的功能，行动中应该用到哪些平台功能需要 根据资源状态、战术、技术规则和作战行动的协同原则来定。基本行动的定义确 定了c o a 的复杂程度，基本行动定义越详细，c o a 的设计过程也越复杂。基本 行动是c o a 的基本构成单元，它的可获取性主要由内部环境( 资源状态) 决定，但 在具体的执行过程中行动是在特定的外部环境中进行的，只有在某一环境状态下 才有可能采取某种行动，如果不考虑外部环境，则行动可能会是完全无效的。因 此，可以认为基本行动的获取依赖组织内部环境和特定的外部环境。 阶段行动方案是为使当前环境状态向下一状态转移所需要采取的联合行动。 阶段行动方案是包含多种基本行动的集合，是基本行动集的子集。阶段行动方案 的产生首先需要通过领域知识建立特定的环境状态下不同的方案集，然后通过资 源状态的约束限制产生可选的行动方案。阶段方案的执行过程中，可能会有外部 随机事件发生，两者都会对环境状态产生影响。所以，要根据外部随机事件对基 6 国防科学技术大学研究生院硕士学位论文 本行动组合产生阶段行动方案。 c o a 是完成组织使命的系列行动方案，是组织执行其使命的全局策略，由序 列阶段方案构成。如果通过执行某c o a 使得环境状态转移到理想状态，实现了期 望效果，则该过程是可选过程策略之一，当某c o a 耗尽主体资源仍然没有使初始 环境状态转移到理想环境状态时，我们认为该c o a 是无效的。在主体资源允许的 条件下，为达到理想的环境状态能够获取一系列的可行的c o a 。 记可行c o a 为n ，可行c o a 的集合为0 ，则其数学描述如下： 0 = n i r r ( s 凸( f o ) ，s e n ( t 。) ) 。，、 s t g ( n ) o r u 1 式中坻晚) ，品n 也) ) 表示通过执行行动过程，环境状态由s 岛瓴) ( 初始 状态) 到终止状态j s 刍也) ( 理想状态) 的转移。在执行n 的过程当中，所耗费的 资源r ( ) 不能超过主体资源西。 通过确定可选的c o a 集合以及伴随c o a 执行过程中相应环境状态与组织资 源状态的转移过程，就能够确定行动事件效果环境之间的关联关系，从而建立 模型。 环境状态演化过程中，行动事件- 效果环境之间关系如下： 1 行动和事件共同决定了作战环境状态的演化或者说交战状态的转移； 2 效果在相应的环境下实现； 3 行动的产生依赖于特定的内外部环境，它受限于内部资源状态并且只 有在一定外部环境下才有效； 4 事件的发生具体环境相关联； 5 环境状态在行动和事件驱动下其演化过程是多样的，只有使环境状态 向期望状态转变的行动才是可选的行动。 这些关系的确定是建立c o a 模型的基础。 2 2 2 过程建模的主要技术 对c o a 建模需要相关的技术支持，建模者需要一套建模语言实现建模。通常 情况下，建模者自己设计一套全新的语言会非常的困难，一般都是在已有的相关 技术的基础之上进行扩展。这就需要对相关技术有一个大概的了解，方便建模者 根据实际需要选取合适的技术作为扩展的基础。对行动过程建模的技术主要有 b a y e s i a n 网络( b n ) ，影响图，i d e f 3 。 - 7 国防科学技术大学研究生院硕士学位论文 b a y e s i a n 网络是一种对知识建模的技术，能够提供一种有效的方式处理缺失信 息和不确定信息。b a y e s i a n 网络是概率论和图论的有机结合，联合概率分布保证了 整个系统的一致性，图形结构提供了计算的直观性、高效性。它的基本思想是模 块化的概念，通过简单部件的组装构造复杂系统，其结构中嵌入了大量的变量独 立关系，这简化了知识获取和领域建模过程，大幅度降低了计算复杂性【1 9 2 0 1 1 2 1 1 。 影响图建模方法是美国麻省理工学院( d 的j a m e sr b u r n s 提出的一种系统 的规范化建模方法。这种方法通过分析所要研究的系统，找出表征系统运行过程 所必需的系统参量，通过分析系统各参量之间的相互影响关系画出系统的影响图， 根据影响图与系统参量的实际物理意义，运用一定的建模算法，最后得出系统的 状态方程。从这种方法的建模过程来看，它是从实际系统出发进行建模的，能够 较真实地反映原始系统的特性。这个建模过程可以以人机对话的形式由计算机完 成。 i d e f 3 2 2 1 幽1 是基于由d o u g l a st r o s s 和s o f r e c h 公司开发的结构化分析设计 技术( s a d t , s t r u c t u r e da n a l y s i sa n dd e s i g nt e c h n i q u e ) 发展起来的，是一种结构 化的建模方法，采用自顶向下，逐层分解的方法建立复杂任务过程的模型。i d e f 3 有两种建模模式：过程流描述和对象状态转移描述。过程流描述作为获取、管理 和显示以过程为中心的知识的主要工具，通过过程流图反映了专家和分析员，对 事件与活动、参与这些事件的对象、以及驾驭事件行为的约束关系等的认识。对 象状态转移描述是i d e f 3 中用以获取、管理和显示以对象为中心的知识的基本工 具，通过对象状态转移网络( o s t n ，o b j e c ts t a t et r a n s i t i o nn e t w o r kd i a g r a m ) 表示 一个对象在多种状态间的演进过程。两者都是i d e f 3 描述方法的基本组成形式。 它们能够交叉参考互为补充。 2 3c o a 优化与相关技术 c o a 优化是通过对各个时间点上的行动进行选优、排序从而得出一个最优解， 使这个解实现我们预期的效果的概率最大，这是一个典型的组合优化问题。 组合最优化是通过数学方法的研究去寻找离散事件的最优编排、分组、次序 或筛选等，是运筹学中的一个经典和重要的分支。 最优化问题的数学模型的一般描述是： “j 腻似) ( 2 2 ) jef 其中，x 为决策变量，八x j 为目标函数，f 为可行域，f 中的任何一个元素 称为该问题的一个可行解，满足似+ ) = m i n l m a x ( 工) i 工f 的可行解x + 称为该 8 国防科学技术大学研究生院硕士学位论文 问题的最优解，对应的目标函数值，( 工) 称为最优值。 组合最优化问题的特点在于，可行域f 表示的是有限个点组成的集合。通常 情况下，可行域f 可以表示为 x i x d ，g ( x ) o ，所以组合最优化问题的一般形 式为： m a x n f m f ( x ) s j g ( x ) o ( 2 。3 ) x d 因此，一个组合优化问题可用三参数( d ，f ，力表示，其中d 表示决策变量的 定义域，f = x l x d ，g ) o 表示可行解区域( 可行域) ，厂表示目标函数。 组合最优化的特点是可行解的集合f 为有限点集，决策变量的定义域d 通常也是 有限点集。由直观可知，只要将d 中有限个点逐一判别是否满足g ) 的约束和比 较目标值的大小，该问题的最优解一定存在且可以得到( 除非可行域为空集) 。 c o a 优化问题是从有限个行动策略中选取最好的，所以c o a 优化问题是组合最 优化问题。 2 3 1c o a 优化 由上面讨论可知c o a 由多个阶段行动策略构成，记交战状态演化的某一阶段 t k ，伴随阶段行动演化的效果为矿，假设对期望效果评价指标选为实现该效果 p ，矾。 的联合1 k h ，则阶段t 对期望效果的联合概率可表示为： p a e = 兀限鼢 ( 2 4 ) i = l 式中最矗船表示在t 阶段对效果研的获取概率。 c o a 优化的目的是在可行的c o a 集合0 中获取效果最佳的行动过程，记最 佳行动过程为r r = 奶) ，刀) ，刀也) ， 刀饥) ，其中万( f ) 表示阶段行动策略，仍 然选择实现效果的联合概率为评价指标，则，最佳的c o a 可形式化描述如下； 9 国防科学技术大学研究生院硕士学位论文 r i = a r g m a x 只怛i 乃( n ) ) f i f o 2 8 2 觚e 研a 呒人a 嗄i 乃( n ) ( 2 5 )e e。二jj r 上、 = a r g m a x l ll 见 斫纯) i 乃( n ) i n e o 1 1 1 上式表示在策略n 的演化过程中对期望效果e 获取的联合概率。最优策略n 的产生是在到达期望的目标状态的前提下获得各期望效果的联合概率最大。 基于效果的c o a 优化就是一个选择达成期望效果的最佳策略的过程。它可以 分为以下几个基本步骤： 1 根据所需效果选定决策变量及目标函数 基于效果的行动过程生成与优化求解，决策变量和关于决策变量的目标函 数要根据所需效果来选定。选择的决策变量通常是最能体现效果的关键性 指标，目标函数则建立起决策变量与所需效果的关系。所以，决策变量与 目标函数的选择在一定程度上决定了行动过程优化方法的好坏。 2 根据规则从可行域中选择出将要评价的行动过程 选定决策变量并建立好目标函数之后的工作就是对行动过程进行优化，首 先需要在可行域中选出一个可行解进行评价。这里如何从可行域中选择可 行解，使用哪种方法在可行域中进行选择对优化评价的效率有很大的影响。 好的选择方法能够大大缩短优化时间，更快的寻找到最优的策略。 3 利用目标函数对所选行动过程进行评价 选择出待估的行动策略之后，就要用目标函数对策略进行评价，评价的具 体过程主要依赖计算机来执行，并通过人机交互对评价过程进行控制。 4 根据评价标准对可行域中的行动过程进行排序 对可行域中的行动策略进行评估的目的是找出最优解，那么就需要根据标 准对行动过程进行排序。这里的评价标准的选取是至关重要的，标准的建 立要尽量排除主观臆断，尽量用科学的方法对标准进行定义。这样才能做 到更有效的选优。 步骤地基本框图如下： 1 0 国防科学技术大学研究生院硕士学位论文 是 图2 2 行动过程优化过程的基本框图 2 3 2c o a 优化相关技术 2 0 世纪6 0 年代以来，人们发现很多优化问题，如图的划分问题及运输调度问 题等，随着问题规模增大，计算量将按指数方式增大，发生所谓的“组合爆炸”。 启发式优化算法是解决此类问题的有效算法。启发式优化算法可以定义为：一种 基于直观或经验构造的算法，在可接受的计算时间，占用资源等条件下，给出难 解最优化问题的一个优化解或可行解与最优解的偏离程度 2 4 1 ( 2 5 1 启发式优化算法是相对于最优算法提出的。2 0 世纪7 0 年代以来，处于求解实 际问题的需要，随着计算机复杂性理论的完善，人们不再强调一定要求最优解。 我们通常用到的神经网络、混沌、进化计算、遗传算法( g a ) 、进化规划、模 拟退火、禁忌搜索及其混合优化策略统称为智能优化算法，或称为现代启发式优 化算法。其中遗传算法不易陷入局部选优的情况，故近年来越来越受到人们的关 注。它以模拟自然界生物遗传和进化过程形式的遗传算法，是依据生物进化以集 团的形式及群体共同进化的。组成群体的单个生物称为个体基本特性的遗传机成， 由个体性质的染色体所决定。具有遗传基因染色体的个体对环境有不同的适应性， 通过基因杂交和变异产生适应强者，在遗传进化中“适者生存”的自然选择的统 治作用下，使更适应环境的个体被保留下来。遗传算法正是基于自然选择和自然 遗传这种生物进化机制的搜索方法，将优化问题开创成新的全局优化搜索算法。 探索性分析方法( e a ) 是与传统基于模型的分析方法合作求解大型复杂应用问 题的新型优化方法。e a 与传统基于模型分析方法的主要区别是它重在全面分析问 国防科学技术大学研究生院硕士学位论文 题解空间的可行解、优化解和最优解，而后者只是重在解空间中寻找一个最优解。 e a 利用参数探索、概率探索及混合探索等方法选择部分输入参数，在随机选择的 若干问题求解子空间中只检测很小部分，调用各种数学模型，通过大量计算试验， 高效地寻找优化解趋势，预测输入参数对问题求解结果的影响。e a 也是在为优化 管理仿真系统进行的大量计算试验中发展起来的一种新方法。它可作为在更高层 知道管理仿真系统的工具，在运行费时费力的仿真系统之前，先行帮助分析人员 选择较少的输入方案，减少仿真系统的工作量。e a 还是在常用的灵敏度分析方法 的基础上发展起来的一种新优化方法。以往人们在灵敏度分析中只是围绕一些可 能的最优点作一些关于输入参数到问题解的单方向分析。相比之下，e a 的突出优 点是有利于研究想定条件、决策变量、效能指标等各种变量之间的相互关系，便 于分析解决大型复杂的问题。 2 4 基于e b o 思想的c o a 建模与优化方法框架 整个c o a 可划分为多个阶段行动，各阶段行动的作用是控制和改变战场环境 状态。通过整个c o a 的执行实现作战环境状态向期望的目标状态转移。在c o a 对作战环境状态改变的过程中，外部随机事件也将对环境状态产生影响。随机事 件的存在使得基于相同效果的不同c o a 达成最终效果的程度会有所不同闭。 c o a 建模的目的是建立特定环境下各元素之间的定性与定量关系。而c o a 优化的目的是在众可行的行动过程当中挑选出一个效果最佳的方案。 目前，基于e b o 思想的c o a 建模与优化方法在各国的军事领域都是热点研 究问题。虽然还没有专门支持e b o 方法的工具，但有很多组织和团队已经开发出 了利用e b o 思想的原型系统工具，如美军开发的c a e s a r 系统 2 7 1 ，该系统支持 对敌方行动的预测和对己方c o a 的分析、评估、选择。 c o a 建模与优化方法可分为三个大的基本步骤，在各大步骤中又分为几个小 步骤： 1 初始化 1 ) 确定目标 确定目标就是要明确作战任务要达成的效果，以及各效果之间的优先 级排序。决策人员根据效果决定应该采取哪些行动。 2 ) 确定优化算法和算法参数 目前有很多比较成熟的优化算法，在这一步中，我们要根据具体的情 况选择其中的一种作为方法实现的基础，算法选择要满足高效，快速 收敛的要求。算法参数要根据所选优化算法来确定，如初始输入，中 - 1 2 国防科学技术大学研究生院硕士学位论文 间控制参数等。 3 ) 确定指标函数 指标函数确定了各个变量之间的关系，也就是对行动过程进行了建 模，并根据模型对c o a 进行评估。 铆初始化解空间 行动过程的解空间就是在环境状态和资源约束满足的条件下可获取 的可行行动的集合。初始解空间并不一定是所有可行解的集合，它可 以是解空间的一个子集，初始解空间要根据具体的算法来决定。 2 优化求解 1 ) 优化算法迭代 对于不同的优化算法具体的迭代步骤可能并不相同，但都会围绕着解 空间内的具体可行解进行迭代。对于迭代的终止条件不同的算法或不 同的情况下会有所不同。如果初始解空间并不包含所有的可行解时， 那么一般在迭代的过程中会发生解空间的转移，即可行解空间向着优 化的方向转移。 根据算法选择待估解 对于优化的过程中选择待估可行解关系到该算法的收敛速度，好的算 法能够在很大程度上减少评估的次数，这就要选取好的可行解进行评 估而尽可能的减少对较差可行解的评估，这一步和算法迭代是相结合 进行的。 3 1 根据指标函数对可行解进行评佶 由指标函数对算法选出的可行解进行评估，并记录各个可行解评估后 的各项指标记录，便于结果排序。 3 优化结果 1 1 求得最优解排序 最后得到一个可行解的有序集合，顺序是根据个参数、指标确定的。 2 ) 结果展现 最后将优化结果以便于理解的方式展现出来，方便决策者下定决心。 图2 3 是建模与优化方法的一个流程图描述。 1 3 - 国防科学技术大学研究生院硕士学位论文 图2 3 基于e b o 思想的c o a 建模与优化方法 1 4 国防科学技术大学研究生院硕士学位论文 第三章c o a 建模语言 为了有效地对c o a 进行描述和建模，本章设计了用于对c o a 建模的语言一 - - c o a d l ( c o u r o fa c t i o nd e s c r i p t i o nl a n g u a g e ) 。c o a d l 是为一种图示化的建 模语言，它从b a y e s i a n 网的基础上扩展而来，保持了b a y e s i a n 网络的优点，并采 用给定的图符描述行动过程模型的静态和动态过程，支持对环境状态、资源约束、 状态转移、行动、事件、效果以及它们之间的各种关系的描述。 3 1b a y e s i a n 网络的有关理论 概率论为b a y e s i a n 网络 2 8 1 ( b a y e s i a nn e t w o r k s ，b n ) 提供了合理的数学基础。 概率论具有很多良好的特征，它允许对外部世界的可能状态预想不同程度的可能 性，是对随机世界建模的基础。b a y e s i a n 网络的独立关系在知识表示、推理、学习 方面起到简化作用，使得b a y e s i a n 网络的计算复杂性大大降低，可用性和实用性 大大增强 2 9 1 。这种信念是主观的，但又是根据经验、各方面的知识以及对客观情