中国指挥与控制学会会刊 
现代战争敌我双方力量构成更加多元,多维远程打击手段日益丰富,战场从传统物理空间向新型空间拓展,各作战要素的网络链接日益紧密,都对指挥决策人员快速研判战场态势带来了挑战。然而,目前指挥信息系统对战场态势的分析大都停留在客观数据层,欠缺对战场目标的体系性关联分析和敌目标动向预测的能力,有“态”无“势”的现状严重制约了指挥员科学的决策与指挥[1]。当前以深度强化学习、类脑计算、复杂网络、智能体等为代表的智能技术的快速发展[2],为解决战场态势作战体系建模,保证模型演变规律与真实战场态势演变趋势的一致性等难点问题,创造了成熟的技术条件,提升陆战场态势的研判与预测能力,从而便于指挥人员全面、深刻地感知战场全局。
1 分析判断流程
2 关键技术及技术途径
2.1 基于关联性分析的目标价值分析技术
目标价值分析通过建立、分析目标体系,依托大数据多情报源提供的目标基本属性、作战地位、关联关系等信息,结合上级作战任务要求,分析目标体系效能和摧毁影响域,最终确定影响作战任务达成的关键目标,即重点打击目标。
1)目标体系建立
上级作战任务要求是目标分析的主要输入,对整个目标分析过程都起到约束作用。如果上级明确了重点打击目标,可直接运用,否则需要通过上级作战任务约束条件,如作战范围等确定初始目标列表,从情报源中获取目标基本属性、关联关系等详细信息,构建目标体系。
陆战场目标体系通常划分为五类:指挥控制体系、情报支援体系、作战力量体系、通信保障体系和后装保障体系。每类目标体系,主要包含两大要素:核心节点和关联关系[3],体系结构示意如图2 所示。
2)目标价值分析
根据建立的目标体系,分析各个目标的价值,包括目标基本价值和体系价值两类[3];再结合本次作战任务要求,确定各体系权重进行综合分析,辅助指挥员选择和确定重点打击目标。
目标基本价值主要通过知识库中的各类目标能力数据来计算,类型不同计算方法可能不同。本文选取典型目标为例,采用层次分析法分析其基本价值,以指挥所类目标为例,其权重指标、权重系数及计算公式见表1 。基本价值计算公式:
V指挥所=(A1*pA1+A2*pA2)*qA+(B1*pB1+B2*pB2)*qB+(C1*pC1+C2*pC2+C3*pC3)* qC
表1 指挥所类目标基本价值计算权重表 |
| 一级指标 | 一级权重q | 二级指标 | 二级权重p | 数据选项 | 系数值 |
|---|---|---|---|---|---|
| 指挥所固 有属性A | 0.5 | 指挥所等级A1 | 0.8 | 统帅部(国家级) | 100 |
| 战略集团(战区级) | 90 | ||||
| 战役军团(集团级) | 70 | ||||
| 战术兵团(师/旅) | 50 | ||||
| 战术分队(营及以下) | 20 | ||||
| 指挥所类别A2 | 0.2 | 基指 | 100 | ||
| …… | …… | ||||
| 指挥所人员 素质B | 0.3 | 参谋业务水平B1 | 0.5 | 非常熟练 | 100 |
| …… | …… | ||||
| 指挥员决策能力B2 | 0.5 | 优秀 | 100 | ||
| …… | …… | ||||
| 指挥信息 处理能力C | 0.2 | 指挥所席位数C1 | 0.1 | >100 | 100 |
| …… | …… | ||||
| 指挥所信息化水平C2 | 0.5 | 先进 | 100 | ||
| … | … | ||||
| 通信保障能力C3 | 0.4 | 非常好 | 100 | ||
| … | … |
以打击某观察所为例,该观察所被摧毁后,侦察探测及情报支援能力下降,对情报支援体系,影响到了侦察范围(如侦察范围下降了45%);同时影响指挥控制体系(如指挥控制范围下降了15%),作战力量体系(如持续打击时间缩短了10%,火力打击半径下降了20%)等,这些参数可作为计算观察所对各个体系价值的依据。
在分析得出目标各体系价值后,由指挥员根据此次作战目的类型,确定各体系在此次作战中所占权重(不同的作战目的对应一组默认值),结合目标基本价值,最终确定目标总价值,进而确定打击目标。
3)打击目标清单生成
通过计算单个或多个目标被毁伤后对体系能力下降的百分比,体系效能下降趋势来分析判断如何打击尽可能少、效费比尽可能高的目标,以满足作战任务中对体系的毁伤要求。若有多个可选方案,由指挥员进行决策。
根据分析出来的重点打击目标,结合与重点打击目标关联的目标,构成目标体系并分析敌体系薄弱区,进而辅助指挥员确定作战主攻方向;依据主攻方向,分析打击重点打击目标时对我构成威胁的目标,即关联依赖目标,不断循环迭代,最终生成完整的打击目标清单列表。
2.2 基于复杂网络建模的作战重心分析
重心在物理学上是指物体各部分所受的重力的合力作用点,克劳塞维茨认为:重心是一个为整体所依赖的、力量和运用的中心[3]。军事上,作战重心是指敌方作战力量的关键特点、能力或地点,通过毁伤或影响其作战重心,可以有效迟滞敌方作战行动、削弱敌方作战能力、动摇敌方作战决心。因此,战局的成败通常归结于对作战重心的把握。
敌方作战重心分析通常从情报侦察、火力打击、指挥控制、信息作战、综合保障等体系要素方面入手,判明其发挥作用的能力,以及所依赖的条件、资源和手段,找出其易于攻击或压制的脆弱点,分别确定各要素的配置重心。作战重心可能随着作战进程的发展而变化[3],信息系统应能够快速提供分析结果,供指挥员重新确认。
战场上敌我双方的作战力量、设施资源、环境因素等对象众多,对象属性、能力、特点各异,相关之间的指挥、协同、保障、交互等关系错综复杂,可以定位于具有体系性特征的复杂网络。进行数据建模时,将作战看作是以基本作战功能单元为节点,节点之间的指挥、协同、侦察、打击等联系和关系为边所形成的复杂网络;运用图论方法将关系的抽象和关系的度量通过加权邻接矩阵表示,权重根据实体属性、目标属性、环境属性及相关规则确定。
典型的基于复杂网络的评估方法按照基于节点的度(网络中与该节点相连边的数量)和介数(网络中所有最短路径中通过该节点的路径数量之和)进行计算,该方法简单可行,但准确度却不高。为此,提出基于节点接近度(C(i),节点距离中心节点的程度)和节点关键度(K(i),节点在其邻域中的重要程度)的重心分析方法,综合考虑网络拓扑结构中节点的全局和局部重要度,即节点的接近度越大,该节点越居于网络的中心,在网络中越重要;节点在其邻域中的关键度越大,该节点对其邻域越重要[5]。
将敌方作战重心通过网络拓扑结构重要度(D(i))进行度量,定义为节点接近度和关键度的线性加权和方式,并且在具体计算过程中对C(i)和K(i)进行了归一化处理,定义为
D(i)=α·C(i)+β·K(i)
式中,α、β为取值[0,1]之间的调节数[5]。
网络拓扑结构重要度反映了敌方作战节点在其体系中的重要程度,是作战重心的体现。对作战重心分析报告中,将按照重要度数值排序,给出前5位,以支持指挥员选择决策。
2.3 基于战斗力指数的敌我作战能力分类对比分析
部队作战能力,是指部队完成作战任务的能力,亦称战斗力[6]。对部队作战能力的定量分析是指挥决策过程中进行敌情分析、我情分析、敌我作战能力对比功能的基础。通过分析部队作战能力的构成要素以及战斗实力指数、战斗潜力指数、战斗力指数计算方法中的各类参数、系数,提出各类作战能力的计算方法和对比分析形式,满足信息化联合作战条件下陆军作战部队的作战能力量化分析需求。
1)部队作战能力构成要素
部队作战能力的量化分析需要考虑武器装备、客观影响和人力影响等多方面因素,基于对战斗力生成的作用及影响效果,可以分为基本因素、生成因素和辅助因素,典型的因素分类如图3 所示。基本因素对战斗力形成起着最直接的决定作用,生成因素在一定程度上制约基本因素,并影响对辅助因素的利用程度;辅助因素自身虽然不产生作战能力,但对部队作战能力的发挥影响很大,如果加以正确利用,就可以产生出强大的战斗力。
2)战斗力指数量化模型
部队作战能力可基于上述因素的知识库参数采用层次分析法实现,其中武器装备杀伤力计算最常用的量化方法是杜派提出的战斗力指数法,取其中一种武器为基准,然后得出其他武器杀伤力相对基准的数值,称为TLI值(理论杀伤力指数)。同时,结合实际作战时武器的配置与杜派的假设条件不一致,采用“疏散因子DI”和考虑武器平台的特殊因子去修正TLI值,从而得到实际情况下武器的“实际杀伤力指数”OLI。在得到每种武器杀伤力指数的基础上,累计部队所属各类武器的杀伤力指数之和,即为部队作战实力W。部队作战实力乘以作战行动变量(包括地形、气象、空中优势影响等因素)得到部队的作战潜力指数S。最终,用部队作战潜力指数乘以战斗力合成变量(包括战场机动因子、指挥能力因子、部队质量因子、易损性因子等),可得到部队的战斗力值P。
3)陆军部队作战能力的分类量化方法
陆军部队的主战兵种通常指步兵、装甲兵、炮兵、防空兵、陆军航空兵等,通过对这些兵种的作战任务、作战样式、作战方式进行分析梳理,其具备的主要能力可概括为地面突击能力、空地突击能力、对地火力打击能力、防空能力、反装甲能力等5类。这5类能力均可建立在战斗力指数模型的基础上,根据部队实际装备种类,将部队的战斗力指数按不同武器类型、武器不同射击方向分类计算,根据武器类型对应不同能力的贡献系数可得到一支部队对应的各分类作战能力。
根据装备类型和部队兵种类别分别细化计算出敌我部队的各分类作战能力后,按照如图4 所示的对比形式进行分析,实现敌我作战能力的分类对比,辅助指挥分析判断敌我强弱点。其他专业性较强兵种的能力则根据各自专业量化模型的计算结果进行敌我对比。
2.4 基于机器学习的态势预测技术
预测敌方的作战意图和动向对于掌握战争的主动权起着至关重要的作用。将敌方的作战意图和动向看成是敌方指挥控制系统为达到其作战目的,根据当前掌握的战场态势所作出的最优决策。因此,要准确地预测敌方的行动,必须对作战系统进行准确建模,而后依托模型演化规律,实现对敌方动向的预测。
敌方行动的预测涉及面广、计算复杂、耗时较长,可基于平时训练预测样本,结合本次作战我方的状态信息进行针对性预测。首先需要掌握敌部队各种作战能力,如机动能力、打击能力、侦察能力、通信能力等,以及当前的作战环境,此类信息可以通过对战前准备阶段获取的各种数据进行分类构建知识库,同时模拟敌方状态、可能采取的行动,作为机器学习输入的训练数据。通过对作战过程预测的多次训练学习,形成训练预测结果,以及敌我方作战真实状态信息,作为预测阶段的输入,以便快速形成预测结果。
结合英国科学家阿兰图灵提出的人工智能系统中学习智能体[7]方法,以及复杂适应性理论和复杂网络方法,本文构建基于复杂网络的多智能体模型,采用机器学习技术,以实现地方作战行动的预测分析。多智能体模型由实体模型、关系模型、相互作用模型、决策模型、自适应学习模型等构成。战场中敌方作战系统的各要素就可以抽象成由感应智能体、决策智能体、执行智能体三类节点连接组成的网络,再加上敌方的目标节点,整个战场就成为一个由感应器、决策器、执行器、目标四类节点组成的作战模型[8]。智能体节点间的指挥、侦察、打击等关系可以用图论加权邻接矩阵表示,权重根据实体属性、目标属性、环境属性及相应规则确定。通过通信模型控制节点的加入与断开,以模拟网络动态演化过程。
在训练阶段,为模型输入有针对性的训练数据(离线学习与在线学习相结合),通过机器学习的方式得到模型的参数[9];在预测阶段,利用训练好的模型,结合复杂网络演化规律和多智能体行为规律,生成敌方行动决策,形成敌方态势预测,技术思路示意如图5 所示。
3 结束语
部队编制体制改革、联合作战模式变化和人工智能技术[2]高速发展,为信息系统战斗力的提高提供了创新的机遇和条件。研究和增强陆战场情况分析判断技术,是提升陆军指挥信息系统智能高效指挥决策能力的基础和关键,本文的研究成果可作为该部分功能实现的技术基础,由于陆战场分析判断涉及内容较多,仍有待进一步加强研究。