中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2025 , Vol. 47 >Issue 5: 24 - 35

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.05.004

指挥控制

基于拓展HTN分解框架的编队多层级任务分解方法

  • 鲍尚华 ,
  • 王军 ,
  • 张贤椿 ,
  • 曹凡 ,
  • 张驰宸 ,
  • 谢姜琪 ,
  • 杨玉充
展开
  • 南京理工大学 自动化学院, 江苏 南京 210094

鲍尚华(1998—),男,硕士,研究方向为指挥控制系统。

王军(1980—),男,博士,研究员。

收稿日期: 2024-11-08

  修回日期: 2024-12-16

  网络出版日期: 2025-09-25

收起

Multi-tiered mission decomposition method for formation based on extended HTN decomposition framework

  • BAO Shanghua ,
  • WANG Jun ,
  • ZHANG Xianchun ,
  • CAO Fan ,
  • ZHANG Chichen ,
  • XIE Jiangqi ,
  • YANG Yuchong
Expand
  • School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China

Received date: 2024-11-08

  Revised date: 2024-12-16

  Online published: 2025-09-25

Fold

摘要

作战编队跨领域协同作战过程中,任务的高并发性与要素的紧耦合性使得作战任务分解过程复杂且动态多变,分解任务的平滑性不足与不确定性任务的合理性处理问题是作战任务分解的两大难点。为应对这一挑战,提出了一种基于拓展HTN(hierarchical task network)分解框架的编队多层级任务分解方法,通过分层次将复杂任务递归分解为子任务,实现良好的结构化任务建模,以适应复杂动态的战场环境。在HTN的分解框架基础上,引入知识库对层级任务网络的分解框架进行拓展,以编队层级作为层级要素对任务实行层级拓展。进而针对因不明确情报信息以及复杂的战场人员情况等不确定性因素分解出现的不确定性任务,采取了知识库匹配评估优选方法,以解决不确定性任务是否保留执行问题。最后,通过具体作战任务案例对所提出方法进行验证,结果表明该方法能够有效平滑任务分解过程,合理处理不确定性任务,显著提高任务分解的适应性与执行性。

关键词： 层级任务网络; 编队多层级; 作战任务; 任务分解

本文引用格式

鲍尚华 , 王军 , 张贤椿 , 曹凡 , 张驰宸 , 谢姜琪 , 杨玉充 . 基于拓展HTN分解框架的编队多层级任务分解方法[J]. 指挥控制与仿真, 2025 , 47(5) : 24 -35 . DOI: 10.3969/j.issn.1673-3819.2025.05.004

Abstract

The high concurrency and tight coupling of elements in cross-domain collaborative operations complicate mission decomposition. Two key challenges are the lack of smoothness in the decomposition process and the handling of uncertain missions. To address these, this paper proposes a multi-tiered mission decomposition method based on an extended HTN (Hierarchical Task Network) framework. HTN, which recursively breaks down complex missions into subtasks, offers structured modeling and adaptability to dynamic battlefields. This study extends HTN by integrating a knowledge base, using formation hierarchy as a key element. A knowledge base matching and evaluation method is also introduced to address uncertain missions caused by unclear intelligence and complex conditions. Validation with specific operational scenarios shows that the proposed method improves decomposition smoothness, handles uncertainty effectively, and enhances mission adaptability and executability.

Key words： hierarchical task network; multi-tiered formation; operational missions; mission decomposition

随着信息化技术的快速发展,现代战争已经进入了一种全新的形态,即体系对抗。在这种情况下,不同作战领域间需要实现协同作战,同时处理多个作战任务,并且涉及多种作战要素之间的紧密联系,这使得作战任务变得更加错综复杂。由于作战任务的复杂性,寻找一种有效可靠的任务分解方法,将作战任务分解成一系列清晰明了的可执行任务,成为军事领域的热点和难点[1]。
近年来,任务分解方法可分为以下3种,一是过程流网:闫旭等采用过程流网方法对装备体系任务流程进行建模[2],并对过程流网扩展了时间和资源等元素;二是时序关系:程恺等通过拓展时间影响网络将作战任务分解成按时序关系进行的行动方案[3];三是层级任务网络(HTN,Hierarchical task network):HTN方法以任务分解树为核心,通过递归分解复杂任务为多个子任务,使任务层级清晰化。近年来,HTN在作战任务分解领域得到了广泛关注,如萧毅鸿等在传统层级任务网络基础上,引入领域知识对任务规划算法拓展,同时支持分解变粒度[4];耿松涛等在扩展HTN的基础上,建立了电子对抗任务列表并构建分解模型[5];俞锦涛等针对HTN分解过程中的不确定性问题提出了具体解决方案[6]。
然而,现有研究中仍存在一些突出问题。一是任务分解过程的平滑性不足,当前分解方法存在分解跳跃性,影响整体任务完整性;二是不确定性任务的合理性处理不足,在情报信息模糊和战场环境复杂的情况下,对不确定性任务缺乏合理性分析,可能对任务网络的完整性和执行性造成影响。为解决这些问题,本文引入HTN作为任务分解的核心技术。HTN通过以任务分解树为基础,将复杂任务递归分解为多个层次的可执行子任务,具有分层化结构、递归扩展性、多粒度分解等特点。此外,HTN可以结合领域知识与外部知识库,对不确定性任务进行评估和优化,增强任务网络的合理性和适应性。同时,HTN还具备灵活扩展的特性,可适应复杂动态的战场环境,是解决复杂作战任务分解难题的有效工具。
基于此,本文在传统HTN分解框架基础上进行拓展。本文首先以编队层级作为层级要素对任务层级进行拓展,同时引入知识库对传统层级任务网络进行拓展,然后对任务进行规范化描述,从而平滑任务分解过程;其次,结合知识库,设计知识库匹配评估方法并对不确定性任务进行分析,提升任务网络的适应性与执行性;最后,以海上编队作战任务为例进行任务分解验证,说明本方法的可行性和有效性。

1 任务的分解框架及规范化描述

1.1 作战任务分解框架

作战任务分解的执行必须依靠一定规模的作战编队,没有作战编队的执行,作战任务是毫无意义的[1]。一个作战编队往往受领的是面向整个编队,并且在限定时间内,在指定区域内,达成指定作战目标的使命任务;在传统层级任务网络框架下,引入编队层级属性,将任务层级进行拓展,作战任务结构层次示意图如图1所示。
图1 任务结构层次示意图

Fig.1 Schematic diagram of the task structure hierarchy

编队级任务:编队级任务是由编队级指挥所,根据上级意图、战场态势、我方情况等作战因素,综合分析得出,再通过命令或指令发出。
方面级任务:由编队级任务分解得来,编队级指挥员在综合研判战场因素之后,决定由哪些方面级进行作战。通常情况下,完整的海上编队进行作战时,会有空中作战方面、水面作战方面和水下作战方面。
平台级任务:平台级任务由多方面得来,一是我方装备情况,是否有该平台;二是战场态势,在充分考虑敌企图之后,我方是否利用该平台去对抗。
子任务:由平台级任务衍生而来,该任务可被继续分解,或者归类到元任务。
元任务:元任务是最小任务单元,是作战单元可以直接执行的任务,不可被继续分解,是作战任务树的叶节点。
任务分解框架如图2所示。首先,从宏观的编队级任务到作战单元可直接执行的元任务,统一通用的任务规范化描述性方法是任务分解过程的起始,也是根本所在;其次,任务场景的建模以及知识库的建立,作战专家结合任务环境可将任务进行初步的分解;最后,通过任务分解策略,配合知识库匹配评估优选方法将任务进一步分解成可执行一系列的元任务,形成作战任务树。
图2 作战任务分解框架

Fig.2 Operational mission decomposition framework

1.2 任务规范化描述

杜伟伟[7]结合任务式指挥理论,从What(任务类型)、When(任务时间)、Where(任务空间)、Who(作战力量)、Why(任务指标)5项W要素对作战任务进行规范化描述[7],本文对其进行了扩展。在原有“任务名称、任务主体、任务时间、任务空间、任务指标”五个核心属性的基础上,新增“任务层级、任务资源、任务关系”三个关键属性,以更全面地描述复杂作战任务,为后续的任务分解与不确定性任务分析提供了更完善的支持框架。因此,任务的规范化描述可表示为
Mij=<MName,MHierarchical,MSubject,MResources,MTime,MSpace,MTarget,MRelation>,
式中:i=1,2,…,5为层级下标,j=1,2,…,n为任务下标。MName为任务名称;MHierarchical为任务层级;MSubject为任务主体;MResources为任务资源;MTime为任务时间;MSpace为任务空间;MTarget为任务指标;MRelation为任务间的关系。
5W方法中的任务规范化描述这里不再赘述,下面将详细介绍新增的3个关键属性。

1.2.1 任务层级规范化描述

任务层级表示为MHierarchical,指的是作战任务的层级属性,不同层级的任务对于本级指挥员的要求不一样,将其规范化描述为

MHierarchical=<hformation,htheater,hplatform,hsubtask,hatomic>

式中:hformation为编队层级;htheater为方面层级;hplatform为平台层级;hsubtask为子任务级;hatomic为元任务级;如果任务用Mij进行表示时,任务层级从高到低,分别为i=1,…,5。

1.2.2 任务资源规范化描述

任务资源表示为MResources,指的是该任务执行时所需要的一系列资源,将其规范化描述为

MResources=<rperson,requip,rtime,rlogisti,rfinan>

式中:rperson为人员资源;requip为武器装备资源;rtime为时间资源;rlogisti为后勤资源;rfinan为财务资源。

1.2.3 任务关系规范化描述

任务关系表示为MRelation,指的是任务之间的关系,包括层级关系、时序关系和逻辑关系,将其规范化描述为

MRelation=<mid,Mij,rlevel,rsequence,rlogic>(i=1,…,5,j=1,…,N)

式中:MRelation为本任务中第mid索引、与第i层级、第j个任务的关系描述; Mij为第i层级、第j个任务;rlevel为层级关系,表示任务Ma,Mb之间是否为父子任务关系;rsequence为时序关系,包括(1)任务Ma开始执行后任务Mb才开始执行;(2)任务Ma结束执行后任务Mb才开始执行;(3)任务Ma与任务Mb同时执行;rlogic为逻辑关系,包括:(1)依赖关系;(2)互斥关系;(3)支持关系;(4)衔接关系。

2 作战任务分解

2.1 分解原则

(1)原则一:可行性原则
可行性原则指的是分解出的元任务应当在实际条件下可完成,不超越执行者能力范围和资源限制。考虑执行元任务所需的技术和装备支持是否能够满足任务的要求,同时还要考虑分解出的元任务应当符合执行者的实际能力水平。
(2)原则二:效益性原则
效益性原则指的是任务分解要考虑元任务执行的效益和成本,确保元任务的完成能最大程度实现战略目标,并在资源利用上具有经济性和有效性。
(3)原则三:颗粒度原则
颗粒度指的是将子任务分解为更小、更具体并且可执行的元任务的程度。任务分解的颗粒度应当适度,既要保证任务拆分得够细致,使得每个元任务清晰明确,又要避免任务拆分得过于细碎,导致元任务管理复杂化和执行效率降低。
(4)原则四:协同性原则
协同性原则指的是各个元任务之间具有协同配合的关系,确保任务之间的关联性和配合性,避免出现执行冲突和资源浪费。

2.2 作战任务分解建模

任务分解建模是对作战任务的初步分解,是构建子任务集合的必要步骤,将其表述为

Np=<Mp,E,K>

式中:Mp为规范化描述后的输入任务;E为任务场景;K为知识库;Np为初步分解后的子任务集合;

2.2.1 任务场景建模

作战任务分解与任务场景是密切联系的,任务场景建模示意图如图3所示,其规范化描述为

E=<Ee-deploy,Ee-attempt,Eenvironment>

式中:Ee-deploy为敌部署情况;Ee-attempt为敌意图;Eenvironment为作战环境;
图3 任务场景建模示意图

Fig.3 Mission scenario modeling diagram

2.2.2 知识库建模

知识库是一个系统化的信息平台,集成了各种军事情报、历史案例、作战计划、战术技巧、军事科技资料和规章制度等信息资源[8-10]。在分解典型任务时,作战专家可直接根据知识库中的子任务集合作为分解结果,也可借助知识库,对任务分解结果进行优化处理。建模示意图如图4所示,其规范化描述为

K=<KM-temp,KM-exper>

式中:KM-temp为典型任务集;KM-exper为专家经验集。
图4 任务场景建模示意图

Fig.4 Knowledge base modeling diagram

K M - t e m p = { K i j M t ∈ K K i j M t = K c o n d i t i o n M t , K c o n c l u s i o n M t , C M t } K M - e x p e r = { K i j M e ∈ K K i j M e = K c o n d i t i o n M e , K c o n c l u s i o n M e , C M e },(i=1,…,5,j=1,…,N)
式中: K i j M t, K i j M e分别为第i层级第j条索引的典型任务和专家经验; K c o n d i t i o n M t, K c o n d i t i o n M e为前置规则或条件; K c o n c l u s i o n M t, K c o n c l u s i o n M e为结论,CMt,CMe∈[0,1]为可信度。

2.3 作战任务分解策略

输入:作战任务集合。
输出:作战任务树。
过程:任务分解流程图,如图5所示。
图5 任务分解流程图

Fig.5 Mission decomposition flowchart

(1)判断任务层级属性,如果是任务层级在平台级及以上的任务,首先进行作战任务树的建模,进行任务的初步分解;如果任务层级在平台级以下,那么将进一步判断并分解;
(2)判断子任务是否可继续拆解,若可以拆解,将遵循分解原则中的四项基本原则,对任务进行分解,得到元任务集合;若不能继续拆解,将直接归入元任务集合中;
(3)检查是否有不确定性任务,若有不确定性任务,利用知识库匹配评估优选方法对不确定性任务进行综合研判,根据指标决定该任务是否需要被保留;
(4)检查元任务集合中是否还有可继续分解的任务,若有,则继续拆解。

3 作战任务分解结果评估

3.1 效费比

通过效费比的计算,量化效果与成本的关系,评估作战任务分解结果的具体指标,指挥官能够选择最有效的作战方案,从而最大限度地实现作战目标并确保资源的合理使用[11-12]。“效费比”即任务完成效果率与该任务所需要消耗的费用率之间的比值,计算方法如下:
$R_{i j}\left(M_{i j}::\{\text { 子任务集合 }\}\right)=\frac{\operatorname{Re}_{i j}\left(M_{i j}::\{\text { 子任务集合 }\}\right)}{R c_{i j}\left(M_{i j}::\{\text { 子任务集合 }\}\right)},(i=1, \cdots, 5, j=1, \cdots, N)$
任务完成效果率Reij(Mij::{子任务集合})为效益型指标,数值越大越好;费用率Rcij(Mij::{子任务集合})为成本型指标,数值越小越好;因此,针对某一待评估任务的若干种任务分解结果进行比较时,效费比越大越好。

3.1.1 任务完成效果率计算

任务完成效果率指的是待评估任务在某一种分解结果下的评估完成效果,达到任务分解前预期完成效果的某个程度,计算方法如下:

Reij(Mij::{子任务集合})= ∑ j = 1 n γ j · E i + 1 , j e v a l ( M i + 1 , j ) E i + 1 , j ( M i + 1 , j ) , i ≠ 5 ∑ j = 1 n γ j · E i j e v a l ( M i j ) E i j ( M i j ) , i = 5

式中:利用比值法,可以将效果率进行归一化处理;Reij(Mij::{子任务集合})即待评估任务在某一种任务分解结果下的任务完成效果率;γ为该任务对评估任务的贡献度,且 ∑ j = 1 n γj=1。
该值主要由两个指标决定,一是待评估任务的预期完成效果值Eij(Mij),二是待评估任务在某种分解结果下的评估完成效果值 E i j e v a l(Mij),两者定义在区间 0,1内,具体计算方法如下:

E i j e v a l ( M i j ) E i j ( M i j )= 打 击 任 务 : 目 标 毁 伤 程 度 预 期 毁 伤 程 度 0 ≤ 目 标 毁 伤 程 度 ≤ 预 期 毁 伤 程 度 ≤ 1 防 御 任 务 : 成 功 拦 截 火 力 数 预 期 拦 截 火 力 数 0 ≤ 成 功 拦 截 火 力 数 ≤ 预 期 拦 截 火 力 数 ≤ 1 保 障 任 务 : 资 源 输 送 量 目 标 输 送 量 0 ≤ 资 源 输 送 量 ≤ 目 标 输 送 量 ≤ 1 侦 察 任 务 : 目 标 侦 察 覆 盖 率 预 期 覆 盖 率 0 ≤ 目 标 侦 察 覆 盖 率 ≤ 预 期 覆 盖 率 ≤ 1 电 子 对 抗 任 务 : 干 扰 强 度 目 标 干 扰 强 度 0 ≤ 干 扰 强 度 ≤ 目 标 干 扰 强 度 ≤ 1 指 挥 控 制 任 务 : 指 令 下 达 及 时 率 目 标 及 时 率 0 ≤ 指 令 下 达 及 时 率 ≤ 目 标 及 时 率 ≤ 1 火 力 支 援 任 务 : 支 援 火 力 覆 盖 率 目 标 覆 盖 率 0 ≤ 支 援 火 力 覆 盖 率 ≤ 目 标 覆 盖 率 ≤ 1 后 勤 保 障 任 务 : 物 资 送 达 率 目 标 送 达 率 0 ≤ 物 资 送 达 率 ≤ 目 标 送 达 率 ≤ 1 信 息 保 障 任 务 : 信 息 传 输 成 功 率 目 标 成 功 率 0 ≤ 信 息 传 输 成 功 率 ≤ 目 标 成 功 率 ≤ 1 搜 索 救 援 任 务 : 目 标 搜 救 成 功 率 目 标 搜 救 率 0 ≤ 目 标 搜 救 成 功 率 ≤ 目 标 搜 救 率 ≤ 1

为确保评估科学性,针对不同任务类型[13],指挥官在分解任务时,依据作战需求和任务属性为每种任务类型赋予预期效果值Eij(Mij)的目标参数;此外,待评估任务经过任务分解后,评估专家在给定评估完成效果值时,应考虑由其分解的子任务执行效果[14]。

3.1.2 任务费用率计算

“费”区别于传统任务执行时所需要消耗的财务费用,这里指的是消耗各种资源,包括人员、装备、时间、后勤和财务资源等。计算方法如下:
Rcij(Mij::{子任务集合})= ∑ k = 1 5 (λk·cij); ∑ k = 1 5 λk=1
式中:Cij(Mij)为待评估任务Mij的费用率;cij为各资源的利用率,λk为权重。在对任务资源进行费用评估计算时,评估专家可根据各任务资源的重要程度,设置权重值来表示程度大小。
待评估任务Mij的各类型预估资源使用数与初始资源数的比值作为归一化处理值,各类资源利用率及归一化处理如下:
人 员 资 源 : c i j p r = p e v a l ( M i j : : { 子 任 务 集 合 } ) p ( M i j ) 装 备 资 源 : c i j e r = e e v a l ( M i j : : { 子 任 务 集 合 } ) e ( M i j ) 时 间 资 源 : c i j t r = t e v a l ( M i j : : { 子 任 务 集 合 } ) t ( M i j ) 后 勤 资 源 : c i j l r = l e v a l ( M i j : : { 子 任 务 集 合 } ) l ( M i j ) 财 务 资 源 : c i j f r = f e v a l ( M i j : : { 子 任 务 集 合 } ) f ( M i j ),(i=1,…,5,j=1,…,N)

3.2 不确定性任务的评估优选方法

不确定性任务指的是经子任务拆解过后的、合理性存疑的元任务。任务拆解过程会受到多种不确定因素的影响,例如:不准确的情报信息、复杂多变的任务环境和执行单元的自身综合状况等,这些不确定性内外在因素,使拆解出来的一部分元任务在被执行时,给执行者带来不确定性和挑战,甚至影响执行效果,导致任务失败[6]。因此,在本节中设计一种知识库匹配评估优选方法,以解决不确定性任务的风险性问题。

3.2.1 任务信息提取及关键字表示

在不确定性任务匹配前,需要对不确定性任务所在的具有父子关系的任务链路进行信息提取并表示,以便于匹配与评估。待匹配任务链路的每个层级任务仅用单关键字进行概括表示。初始化赋值如表1所示。
表1 待匹配任务链路表示方式

Tab.1 Representation of unmatched mission linkages

任务层级 被匹配任务关键字 被匹配任务子层级关键字
编队级 “编队级任务关键字” “方面级任务关键字”
方面级 “方面级任务关键字” “平台级任务关键字”
平台级 “平台级任务关键字” “子任务级任务关键字”
子任务级 “子任务级任务关键字” “元任务级任务关键字”
元任务级 “元任务级任务关键字”

3.2.2 知识库匹配及评估

具体的匹配过程如图6所示,主要分为3个部分,分别如下:
图6 不确定性任务匹配评估流程图

Fig.6 Uncertainty-based mission matching evaluation flowchart

(1)待匹配链路关键字初始化
在邻接表中,以key-value的匹配方式来表示父子任务之间关系。
(2)匹配知识库
在匹配过程中,需要将待匹配的关键字与知识库典型任务的 K c o n c l u s i o n M t进行实际的匹配,同时考虑每一条典型任务的可信度值CMt;考虑到匹配的结果不唯一,所以以key-vector<>的形式来表示结果。
(3)匹配结果评估
匹配结束后,对临时任务树中的所有结果进行效费比计算,选出最优链路,并将链路末端元任务替换不确定性任务。

4 案例分析

4.1 作战想定

为了验证本文提出的作战任务分解方法的可行性,以某次海上协同作战为想定背景[6,15],进行应用案例的验证。面对红方派遣到某区域将要对蓝方的武装力量进行攻击的航母编队,蓝方迅速启动应急响应机制,蓝方军队的作战目标为通过舰艇编队的各武装力量威慑限制红方航母舰队各单位的活动范围,防御红方可能发动的火力打击,最终驱逐并清除海空目标威胁。

4.2 任务规范化描述

由上述作战想定描述, 编队级任务各属性详细信息如图7所示。
图7 编队级任务规范化描述属性图

Fig.7 Formation-level mission standardized description attribute diagram

4.3 作战任务分解

4.3.1 任务初步分解

对编队级任务进行初步分解,按照层级逐层分解,分别得到方面级任务集和平台级任务集;接着,结合任务场景和知识库,将平台级任务进一步分解,得到子任务集合。分解结果如图8所示。
图8 子任务集合分解示意图

Fig.8 Subtask set decomposition diagram

4.3.2 作战任务树构建

任务分解的最后一步,将子任务集合进一步分解成可直接执行的元任务集合,分解任务时需要遵循四项基本分解原则,并利用知识库进行辅助分解。元任务集合分解结果如图9所示。
图9 元任务集合分解示意图

Fig.9 Atomic-task set decomposition diagram

4.4 作战任务评估

4.4.1 防御类型作战任务评估

结合图9,现对M14任务进行任务评估,以下相关数据均为假设值。

4.4.1.1 作战任务完成效果率计算

任务预期完成效果值和任务的评估完成效果值,设定如表2所示。
表2 预期效果值与评估值表

Tab.2 Expected outcome value and evaluation value table

任务名称 预期效果值 评估值 贡献度系数
M5,50拦截导弹 90%拦截成功率 80%拦截成功率 0.4
M5,51拦截敌攻击机 75%击毁敌攻击机数量 70%击毁敌攻击机数量 0.4
M5,52防敌电磁干扰 85%干扰压制成功率 60%干扰压制成功率 0.2
由式(11)计算,得到待评估任务的完成效果率为87%。

4.4.1.2 作战任务费用率计算

假设我方资源如表3所示。
表3 待评估任务资源表

Tab.3 Pending task resource evaluation table

资源类型 初始资源量 拦截导弹 拦截敌攻击机 防御电磁干扰 总消耗 重要度
人员资源(人次) 300 50 70 30 150 0.3
装备资源(架次) 20 5 7 3 15 0.3
时间资源(小时) 200 40 60 30 130 0.2
后勤资源(单位) 500 100 150 50 300 0.15
财务资源(单位) 500 000 100 000 150 000 50 000 300 000 0.05
由式(12)(13)计算,得到费用率为62.5%。

4.4.1.3 作战任务效费比计算

由式(14)计算,可得效费比值为R4,14(M4,14::{M5,50,M5,51,M5,52})=1.392。

4.4.2 不确定性任务评估

结合元任务分解示意图,假设空中加油机为高价值目标,受敌方重点打击的概率大,将M62空中加油任务定为不确定性任务,现按照4.2节方法对其进行匹配评估优选。

4.4.2.1 作战任务信息链路表示

首先,对不确定性任务M62空中加油任务的信息进行提取,如图10所示。
图10 不确定性任务链路信息

Fig.10 Uncertainty task link information

4.4.2.2 知识库匹配

将不确定性任务在知识库中进行匹配,并且为了方便后续的评估优选,将各匹配结果的任务完成效果率给定(假设值),匹配结果如表4所示。
表4 不确定性任务匹配结果表

Tab.4 Uncertainty task matching results table

任务
链路		 任务层级 前置规则/条件 结论 可信度 任务完成
效果率
链路1 空中作战方面任务 蓝方航母编队战场环境 空中任务适合执行 0.90 86%
飞机平台任务 空中作战执行平台可用性 保留任务链路 0.88
支援保障任务 战场后勤能力足够,任务未超载 保障任务有效 0.92
空中加油任务 飞机平台作战半径不足,需支援加油 保留任务 0.86
链路2 空中作战方面任务 蓝方航母编队战场环境 空中任务适合执行 0.90 89%
无人平台任务 无人平台适配高空加油任务需求 保留任务链路 0.89
空中补给任务 任务环境适配无人补给 保留任务 0.87
机载加油任务 无人机任务范围内适配 保留任务 0.89
链路3 空中作战方面任务 蓝方航母编队战场环境 空中任务适合执行 0.90 89%
综合支援任务 综合支援环境满足高空补给需求 综合链路适配 0.85
高空补给任务 高空补给任务指标明确 保留任务 0.88
空中补给任务 空中补给执行范围匹配 保留任务 0.86
链路4 空中作战方面任务 蓝方航母编队战场环境 空中任务适合执行 0.90 86%
运输支援任务 运输支援与空运保障任务适配性高 保留任务 0.89
空运保障任务 空运保障任务符合战场需求 保留任务 0.87
高空加油任务 高空加油任务效果明确 保留任务 0.85

4.4.2.3 不确定性任务评估优选

通过计算四条链路的效费比,可以得出较优的任务链路,继而保留更好的元任务,假设资源设置如表5所示。
表5 不确定性任务资源信息表

Tab.5 Uncertainty task resource information table

数据类型 链路1 链路2 链路3 链路4
初始
资源		 消耗
资源		 初始
资源		 消耗
资源		 初始
资源		 消耗
资源		 初始
资源		 消耗
资源
人员资源(人次) 50 10 20 5 40 15 30 8
装备(架次) 40 15 30 12 50 20 20 10
时间资源(小时) 30 20 50 20 60 25 40 20
后勤资源(单位) 20 10 40 15 30 12 35 12
财务资源(单位) 100 60 80 40 90 50 75 30
费用率 51% 43% 58% 44%
效费比 1.69 2.07 1.53 1.95
由上表可知,链路2的效费比2.07最高,最终优选:
链路2:空中作战方面任务→无人平台任务→空中补给任务→机载加油任务,作为执行任务链路并添加
到作战任务树中,并清除任务M62空中加油任务。

4.5 任务分解结果对比与分析

4.5.1 传统拓展HTN分解框架分解结果

图11是利用传统拓展HTN分解框架进行分解的作战任务树。
图11 传统拓展HTN分解作战任务树

Fig.11 Traditional HTN-based decomposition of operational mission tree

其分解过程大致如下:在接受使命任务后,根据作战目的以及战场态势,主要分解成“M2威慑驱逐敌方舰队”和“M3防御敌方火力打击”两个复合任务;接着,再结合领域知识和专家经验等手段,继续分解,分解结果包含可拆解的子任务和可直接执行的元任务;之后,根据分解原则,继续执行分解策略,检查任务树中是否还有可分解的子任务,如果有,则继续分解;如果没有则继续检查,直到任务树的所有叶结点都成为可执行的元任务为止。

4.5.2 分解结果对比分析

编队多层级分解方法和传统拓展HTN分解方法进行对比,结果对比分析如表6。
表6 分解结果对比分析表

Tab.6 Decomposition results comparison analysis table

编队多层级分解方法 传统拓展HTN分解方法
分解逻
辑方面		 充分考虑到敌方可能发起的多种作战方面以及各种作战平台,保证了我方战备完好性 考虑简单,分解时会遗漏敌方发起的作战方面和平台,导致我方战备缺少与之相对抗的武器装备
分解过
程方面		 严格按照拓展的任务层级逐层分解,任务间继承合理,联系紧密,分解有理有据 只考虑任务是否可拆解,未考虑任务与编队层级之间的相互联系,造成任务与执行单元割裂的情况
分解保
障方面		 不确定性任务的知识库匹配评估方法可有效解决作战任务树中的不确定性任务的保留问题 只考虑是否有分解结果,如果有分解结果就作为确定性任务,未考虑可能因不确定性因素而导致该任务失败
分解结
果方面		 结果更加简洁清晰,元任务在经过简单分类合并,以及求解小范围目标函数后,各执行单元就会明确所要执行的任务集 需要进一步建立作战能力映射关系,并通过求解目标函数得到任务分配方案,如果出现无解情况,战备时间将会大大增加,导致错失战机

5 结束语

作战任务分解是作战任务分配的基础,也是关键的第一步,构建合理的可执行的作战任务树对制定作战方案和推进作战进程具有重要意义。本文在研究了任务分解的基本概念后,在传统层级任务网络基础上引入编队层级对任务层级拓展以及引入知识库对分解框架的拓展;通过构建任务分解建模,对高层级作战任务进行合理的分解,得到颗粒度适当的子任务集合。通过分解原则和分解策略,将子任务集合进一步拆解成可直接执行的元任务集合。针对不确定性任务的合理性问题,提出了知识库匹配评估方法进行分析。最后,以海上编队作战的任务分解图和元任务树为例,验证了本文方法的可行性和有效性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
曹裕华, 冯书兴, 徐雪峰. 作战任务分解的概念表示方法研究[J]. 计算机仿真, 2007, 24(8): 1-4.

CAO Y H, FENG S X, XU X F. Research on conception representation of operational mission break[J]. Computer Simulation, 2007, 24(8): 1-4.

[2]
闫旭, 宋太亮, 曹军海, 等. 面向任务流程的装备体系完成任务概率仿真评估方法[J]. 系统工程与电子技术, 2019, 41(1): 81-88.

YAN X, SONG T L, CAO J H, et al. Mission process oriented simulation evaluation method of mission completion probability for equipment system of systems[J]. Systems Engineering and Electronics, 2019, 41(1): 81-88.

DOI

[3]
程恺, 张宏军, 张睿, 等. 基于扩展时间影响网络的作战任务效能计算方法[J]. 系统工程与电子技术, 2012, 34(12): 2 492-2 497.

CHENG K, ZHANG H J, ZHANG R, et al. Calculation of operational task effectiveness based on extended timed influence nets[J]. Systems Engineering and Electronics, 2012, 34(12): 2 492-2 497.

[4]
萧毅鸿, 周献中, 张铁. 扩展层级任务网络规划的变粒度作战任务分解策略[J]. 火力与指挥控制, 2011, 36(7): 119-122.

XIAO Y H, ZHOU X Z, ZHANG T. Mission decomposition tactics with variable granularity based on extended hierarchical task network planning[J]. Fire Control & Command Control, 2011, 36(7): 119-122.

[5]
耿松涛, 操新文, 李晓宁, 等. 基于扩展层级任务网络的联合作战电子对抗任务分解方法[J]. 装甲兵工程学院学报, 2018, 32(5): 8-13.

GENG S T, CAO X W, LI X N, et al. Joint operations electronic countermeasures task decomposition method based on extended hierarchical task network[J]. Journal of Academy of Armored Force Engineering, 2018, 32(5): 8-13.

[6]
俞锦涛, 肖兵, 崔玉竹. 基于扩展HTN的不确定作战任务分解[J]. 火力与指挥控制, 2023, 48(9): 20-25.

YU J T, XIAO B, CUI Y Z. Uncertain combat task decomposition based on extended HTN[J]. Fire Control & Command Control, 2023, 48(9): 20-25.

[7]
杜伟伟, 陈小伟. 作战任务层次化分解方法[J]. 兵工学报, 2021, 42(12): 2 771-2 782.

DU W W, CHEN X W. Operational task hierarchical decomposition[J]. Acta Armamentarii, 2021, 42(12): 2 771-2 782.

[8]
刘一博, 张海粟, 左青云, 等. 面向作战指挥的武器装备知识图谱本体构建[J]. 火力与指挥控制, 2024, 49(5): 44-51.

LIU Y B, ZHANG H S, ZUO Q Y, et al. Ontology construction of weapon equipment knowledge graph for combat command[J]. Fire Control & Command Control, 2024, 49(5): 44-51.

[9]
官小静, 陈超博, 吕明. 战场资源规划调度系统的研究[J]. 工业控制计算机, 2021, 34(2): 125-126.

GUAN X J, CHEN C B, LV M. Research on battlefield resource planning and dispatching system[J]. Industrial Control Computer, 2021, 34(2): 125-126.

[10]
孙宇祥, 黄孝鹏, 周献中, 等. 基于知识的海战场态势评估辅助决策系统构建[J]. 指挥信息系统与技术, 2020, 11(4): 15-20.

SUN Y X, HUANG X P, ZHOU X Z, et al. Construction of knowledge-based situation assessment and assistant decision-making system for sea battlefield[J]. Command Information System and Technology, 2020, 11(4): 15-20.

[11]
刘丽巧, 胡艮胜, 王俊. 面向效费分析的联合火力打击兵力规划模型体系研究[J]. 军事运筹与评估, 2023, 38(1):43-46.

LIU L Q, HU G S, WANG J. Research on the model system of joint fire strike forces planning based on cost-effectiveness analysis[J]. Military Operations Research and Assessment, 2023, 38(1):43-46.

[12]
罗海龙, 赵得智, 王皓. 面向服务的跨域协同作战任务效费分析[J]. 军事运筹与评估, 2022, 37(3):57-63.

LUO H L, ZHAO D Z, WANG H. Efficiency-cost analysis of cross-domain coordinated operations based on service-oriented architecture[J]. Military Operations Research and Assessment, 2022, 37(3):57-63.

[13]
刘己斌, 连志平, 苗永新. 作战任务清单与作战能力需求清单的映射机理[J]. 火力与指挥控制, 2023, 48(2): 52-56.

LIU J B, LIAN Z P, MIAO Y X. Mapping mechanism between operational task list and operational capability requirement list[J]. Fire Control & Command Control, 2023, 48(2): 52-56.

[14]
郭蓬松, 李宁, 李为民, 等. 防空反导一体化指挥协同效能评估[J]. 火力与指挥控制, 2024, 49(8): 45-52.

GUO P S, LI N, LI W M, et al. Research on the effectiveness evaluation of air defense and antimissile integrated command cooperation[J]. Fire Control & Command Control, 2024, 49(8): 45-52.

[15]
钱东, 赵江. 海上实兵作战实验综述——概念、案例与方法[J]. 水下无人系统学报, 2020, 28(3): 231-251.

QIAN D, ZHAO J. Summary of live war-fighting experimentation at sea—concepts, cases and methods[J]. Journal of Unmanned Undersea Systems, 2020, 28(3): 231-251.

Options
文章导航

/

〈 〉