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
工程实践

基于体系重心算法的火力打击目标排序方法*

  • 张睿 ,
  • 梁海民 ,
  • 赵士夯
展开
  • 国防大学联合作战学院, 河北 石家庄 050084

作者简介: 张 睿(1982-),男,河北张家口人,博士研究生,研究方向为军队指挥学。

梁海民(1972-),男,硕士。

Copy editor: 胡志强

收稿日期: 2018-10-24

  要求修回日期: 2019-01-21

  网络出版日期: 2022-04-28

基金资助

* 国家社会科学基金军事科学项目(16GJ003-051)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

Joint Firepower Target Choice Method Based on System Gravity Algorithm

  • ZHANG Rui ,
  • LIANG Hai-min ,
  • ZHAO Shi-hang
Expand
  • Joint Operation College of National Defense University, Shijiazhuang, 050084, China

Received date: 2018-10-24

  Request revised date: 2019-01-21

  Online published: 2022-04-28

Copyright

Copyright reserved © 2019

摘要

体系破击战法是联合火力打击中的主要战法。针对战法中确定核心目标困难的问题,提出一种基于超网络构架分析的体系重心算法。该方法引入理想目标清单补充目标打击清单中遗漏的体系目标,区分层次构建包含多个子网络的超网络,在超网络中找到支撑网络架构的体系重心节点,进而确定火力打击目标排序,并通过蒙特卡罗仿真实验形成目标排序的统计分析结果。仿真结果表明:该方法能够快速构建超网络,并在网络中准确定位体系重心节点,相比于传统的重要程度排序法更能体现体系破击战法效果。

本文引用格式

张睿 , 梁海民 , 赵士夯 . 基于体系重心算法的火力打击目标排序方法*[J]. 指挥控制与仿真, 2019 , 41(2) : 115 -120 . DOI: 10.3969/j.issn.1673-3819.2019.02.022

Abstract

Aiminging at solving the problems about making key targets difficult at joint firepower for using system paralysis methods, it proposes a system gravity algorithm based on supernetwork structure analysis. The new method designs ideal target list to supply targets of the target strike list, and builds multi-level supernetwork to contain subnets for analyzing and finding the system gravity node. Finally, using system gravity nodes and Monte Carlo simulation to generate the target sequence. The simulations reveal that system gravity algorithm can build supernetwork efficiently and position system gravity nodes. Compared with important target choice method, this method has obvious advantages in combat system paralysis.

在未来信息化战场上,信息网络固然有其指令传输高效、战场感知灵敏等优势,同时也存在体系重心节点脆弱、抗毁性差等缺点,无处不在的网络也意味着无处不在的弱点[1]。随着联合火力打击战法研究日益深入,体系破击成为一体化联合作战的重要指导思想,其战法核心是通过对敌作战体系中的某一支撑节点实施打击,达成“击一点而瘫一片”的毁伤效果。为此,国内外学者研究了多种目标排序方法,文献[2,3]从层次分析的角度对目标排序进行了量化赋权分析,文献[4,5]从模糊聚类的角度对目标排序进行了矩阵分析,文献[6]从复杂系统角度构建体系模型分析目标排序,文献[7]从证据链角度分析目标排序,文献[8]从复杂网络角度分析体系破击的评估指标,文献[9]从熵权角度分析了目标排序综合评估指标。上述研究方法可归为两类:一类从单个目标出发对评估指标进行综合衡量计算,优点在于效率高、好理解、计算简单,缺点在于没有考虑目标在体系中发挥的网络关联作用。另一类为从体系出发对目标在作战网络中发挥的作用进行关联评估计算,优点在于体现了体系破击的作战思想,缺点在于网络构建过于简单,且并未融入指挥员的决策倾向,使结果难以预测和控制。本文在总结前人工作基础上,通过自主设计的体系重心算法,在网络体系中找到使网络结构发生重大改变的体系重心节点,进而得到目标打击排序。

1 算法原理

体系重心算法设计理念来源于实体网络结构中的重心概念。所谓重心,是指物体处于任何方位时,各节点的重力合力都通过的那一点。任何实体网络结构都存在重心节点,其特征为与其相连接的各边受力相同,即该节点为整个网络结构的平衡点。通过重心概念可知:节点相连接各边承受重量的差别越小,则该节点距离重心越近。本文定义重心偏离度以衡量某节点的相连接各边受力的最大差异。在图1所示网络体系中,G为重心偏离度最小的节点,从网络体系构架分析,摘除G必定会造成整个体系的崩解。
图1 体系重心节点示意图
体系破击战法的核心目的在于通过打击某一节点使敌网络体系毁瘫,从网络体系构架分析,打击距重心最近的节点最有可能造成网络体系的重心发生重大偏离甚至造成体系崩解。因此算法的核心就在于找到网络中的重心节点。

2 算法描述

体系重心算法设计的总体思路是:一是利用战前梳理汇总出的理想目标清单、目标属性表和目标关联表,融合生成作战体系超网络;二是利用目标属性表计算各节点、边和子网络的重量分值;三是利用重心偏离度算法对超网络进行重心偏离度分析;四是根据目标打击清单中各目标的重心偏离度确定火力打击目标排序。算法流程图如图2所示。
图2 体系重心算法流程图

2.1 生成超网络

超网络的概念是美国科学家Sheffi等[10]在处理交织网络时提出,特指高于而又超于现存网络的网络,超网络也可看作是网络的网络,体现出超越一般网络的复杂性和涌现性。超网络理论对作战体系建模产生重要影响,主要体现在:一是超网络可将现存作战数据分类并形成相互关联的网络数据,赋予数据全新的信息描述与解释;二是超网络的层次概念适用于作战模块和作战进程区分,便于在作战进程中实时筛选并简化数据量,提升数据计算效率;三是超网络的宏观性配合战场各类传感器的实时数据,以及最新的数据挖掘和深度学习算法,能够在海量数据中匹配出单一网络无法探查出的新特征,并以众多新特征提升军队整体作战能力。本文为了区分作战体系网络与各子网络,将作战对抗体系超网络划分为如下子网络:指挥控制网、侦察情报网、防空火力网、远程火力网、近程火力网、后方保障网。各子网络的划分原则如表1所示。
表1 子网络划分表
子网络名称 划分范围
指挥控制网 指挥控制节点;信息传输节点
侦察情报网 侦察情报节点;信息传输节点
防空火力网 直升机起降点;防空阵地;指挥控制节点;侦察情报节点;信息传输节点
远程火力网 地地导弹阵地;炮兵阵地;机动打击炮队;指挥控制节点;侦察情报节点;信息传输节点
近程火力网 支撑点;坦克分队;迫击炮阵地;指挥控制节点;侦察情报节点;信息传输节点
后方保障网 后方指挥所;后方保障节点;信息传输节点

2.2 计算重量值

本文对重量值做出定义:重量值用以衡量某节点(或边、子网络)在超网络中能够发挥出的使用价值,即使用程度越高,则重量分值越大。设超网络中的第i条边同时被k个子网络包含,则定义其重量为k;设第j个节点的重要程度分值为Cj,对我威胁程度分值为Wj,易毁程度分值为Yj,机动能力分值为Jj,指挥员决策倾向权重分值为K,则重量Zj计算公式为
Zj=K C j + W j + Y j + J j 4
式中,若第j个节点属于r个子网络,而指挥员决策倾向为每个子网络赋予不同权重时,则K的计算公式为
K=max{K1,K2,…Kr}
设第k个子网络中包含有m条边和n个节点,第i条边的重量为Zi,第j个节点的重量为Zj,则第k个子网络的重量Zk的计算公式为
Zk= i = 1 mZi+ j = 1 nZj

2.3 分析重心偏离度

通过对重心概念的界定,重心节点应为所有节点中各边重量差异最小的节点,本文将重量差异命名为重心偏离度。重心偏离度用以衡量某节点在超网络中的平衡状态,重心偏离度越小则该节点在超网络中的位置越接近重心,在超网络中发挥的体系支撑作用越大。计算关键节点的重心偏离度算法描述如下:
1)从该节点出发,累加与其相邻的所有边的重量;
2)从与其相邻的所有边出发,累加能够访问到的下一个节点重量(不允许重复访问);
3)重复1)和2),直至访问到邻接子网络或者访问不到下一个节点为止;
4)若访问到邻接子网络,则累加相连的所有邻接子网络重量之和;
5)若访问不到下一个节点,则返回累加的重量值。
6)设节点序号为i,该节点共有n条边与其相连接,各边传递的重量为Zj(1≤jn),则重心偏离度pi计算公式为
pi=max{Z1,Z2Zn}-min{Z1,Z2Zn}
7)重复1)-6),计算出所有节点的重心偏离度。

2.4 统计目标排序

使用重心偏离度算法即可计算出各实体目标的打击排序,由于排序结果是依据指挥员决策倾向的主观赋值计算得出,易造成排序结果的失真。本文引入蒙特卡罗仿真实验方法对排序结果进行统计分析,主要步骤如下:
1)确定指挥员的决策倾向限制条件,并根据限制条件随机生成权重序列;
2)根据权重序列调用体系重心算法计算火力打击目标排序,保存排序结果;
3)重复1)和2),整理统计排序结果,生成各目标的打击排名统计情况输出。

3 实例分析

输入初始条件:战时动态获取的目标打击清单如表2所示。
表2 目标打击清单
目标编号 目标性质 目标分类 坐标
M101 旅指挥所 指挥控制节点
M102 营指挥所 指挥控制节点
M201 战场监视器 侦察情报节点
M202 雷达站 侦察情报节点
M203 通信枢纽 信息传输节点
M204 电子对抗分队 信息传输节点
M301 直升机起降点 火力打击节点
M302 防空阵地 火力打击节点
M303 地地导弹阵地 火力打击节点
M304 炮兵阵地 火力打击节点
M305 支撑点 火力打击节点
M306 支撑点 火力打击节点
M307 坦克分队 火力打击节点
M308 迫击炮阵地 火力打击节点
M401 弹药库 后装保障节点
作战筹划阶段拟制的理想目标清单、目标属性表和目标关联表如表3-5所示。
表3 理想目标清单
目标编号 目标性质 目标编号 目标性质
M101 旅指挥所 M303 地地导弹阵地
M102 营指挥所 L408 炮兵阵地
L103 营指挥所 L409 炮兵阵地
L104 营指挥所 M304 炮兵阵地
L105 后方指挥所 L411 支撑点
L201 无人机站 L412 支撑点
L202 战场监视器 M305 支撑点
M201 战场监视器 M306 支撑点
L204 战场监视器 L415 支撑点
L205 侦察组 L416 机动打击炮队
L206 侦察组 L417 机动打击炮队
L207 侦察组 M307 坦克分队
M202 雷达站 L419 坦克分队
L301 通信枢纽 L420 坦克分队
M203 通信枢纽 M308 迫击炮阵地
L303 信息保障组 L422 迫击炮阵地
L304 信息保障组 L501 油库
M204 电子对抗分队 L501 弹药库
L401 直升机起降点 M401 弹药库
M301 直升机起降点 L503 维修小组
L403 防空阵地 L504 维修小组
M302 防空阵地 L505 维修小组
L405 防空阵地 L506 工程保障队
L406 地地导弹阵地 L507 工程保障队
表4 目标属性表
目标性质 目标重
要程度
对我威
胁程度
易毁
程度
机动
能力
旅指挥所 5 0 2 2
营指挥所 4 0 4 3
后方指挥所 5 0 3 2
无人机站 5 1 5 4
战场监视器 3 0 5 0
侦察组 3 0 5 4
雷达站 5 0 4 3
通信枢纽 5 0 4 2
信息保障组 3 0 5 3
电子对抗分队 4 4 5 3
直升机起降点 5 5 3 0
防空阵地 5 5 3 0
地地导弹阵地 4 5 4 1
炮兵阵地 3 4 3 3
支撑点 3 3 2 0
机动打击炮队 3 3 3 3
坦克分队 3 3 3 4
迫击炮阵地 2 2 4 3
油库 4 0 5 0
弹药库 4 0 5 0
维修小组 2 0 4 4
工程保障队 1 0 4 5
表5 目标关联表
指挥控
制节点
侦察情
报节点
信息传
输节点
火力打
击节点
后方保
障节点
指挥控制节点 0 1 1 1 1
侦察情报节点 1 0 1 0 0
信息传输节点 1 1 1 1 1
火力打击节点 1 0 1 0 0
后方保障节点 1 0 1 0 1
设指挥员决策倾向为“防空火力网>侦察情报网>指挥控制网>远程火力网>近程火力网>后方保障网”。根据体系破击思想确定火力打击目标排序,具体计算流程如下:
1)生成超网络。首先根据理想目标清单和目标关联表生成超网络,如图3所示。
图3 未加边重超网络图
2)计算重量值。设指挥员主观决策权重为防空火力网6分,侦察情报网5分,指挥控制网4分,远程火力网3分,近程火力网2分,后方保障网1分,则根据表1计算所有边的重量;根据公式(1)计算所有节点的重量;根据公式(3)计算所有子网络的重量。子网络重量如表6所示。
表6 子网络重量表
子网络名称 重量
防空火力网 519.50
后方保障网 201.75
近程火力网 573.50
远程火力网 544.00
侦察情报网 271.75
指挥控制网 193.00
3)分析重心偏离度。以M101为例,根据重心偏离度算法,与M101相连接的边传递重量Z101分别为
Z101= 41.2 32.5 32.5 32.5 37.5 37.5 37.5 37.5 41.0 41.0 41.0 41.0 48.5 38.0 38.0 38.0 38.0 38.0 29.0 29.0 28.2 28.2 28.2 22.5 22.5 22.5 22.5 22.5 27.5 27.5 25.0 25.0 25.0 24.0 24.0 18.7 18.7 18.7 19.0 19.0 19.0 19.0
根据公式4,计算M101的重心偏离度P101为29.75。进而求得各实体节点的重心偏离度,如表7所示。
表7 实体目标重心偏离度
编号 重心偏离度 编号 重心偏离度
M101 29.75 M102 29.75
M201 22.00 M202 22.00
M203 49.00 M204 47.00
M301 19.00 M302 19.00
M303 19.00 M304 19.00
M305 19.00 M306 19.00
M307 19.00 M308 19.00
M401 44.25

4 算法应用

通过实验设计制作“联合火力打击目标排序软件”验证算法的科学性和有效性,软件的主要实现功能:在给定目标打击清单和指挥员决策倾向的基础上自动生成火力打击目标排序,提供定量分析的目标排序统计结果,并形成量化辅助决策建议。实验计算机配置:联想笔记本电脑运行MFC程序,配置:Intel酷睿双核处理器T7300 2.0GHz;3G内存;32位Win7操作系统;vc6.0编程环境。

4.1 模块设计

软件由数据导入模块、网络显示模块、决策倾向模块和辅助决策模块组成。数据导入模块用于录入理想目标清单、目标属性表和目标关联表,软件自主计算每个目标节点的对应重量并格式化显示。网络显示模块用于形成理想目标的关联矩阵,并调用“UCINET软件”生成网络图,便于指挥员分析各目标在超网络中的支撑作用,为定下指挥员决策倾向做准备。决策倾向模块由指挥员根据主观决策确定对各子网络的打击先后排序。辅助决策模块用于输出计算机量化计算后产生的辅助决策建议,供指挥员参考决策。软件的整体界面如图4所示。
图4 软件整体界面

4.2 实验分析

1)对比分析。为了验证该算法有别于传统的重要程度排序法,选取目标打击清单中的重要程度排名进行参照对比,对比结果如表8所示。
表8 目标排序对比结果
打击排序 重要程度排序法 体系重心法
1 M101 M301
2 M202 M302
3 M203 M303
4 M301 M304
5 M302 M305
6 M102 M306
7 M204 M307
8 M303 M308
9 M401 M201
10 M201 M202
11 M304 M101
12 M305 M102
13 M306 M401
14 M307 M203
15 M308 M204
通过对比,本算法产生的排序结果和重要程度排序法差别较大,原因主要是本算法考虑了网络体系对各目标的关联影响,从体系角度确定各目标的综合价值,相比于传统方法,本算法确定的目标排序更科学合理。
2)效率分析。为了验证该算法是否满足战场指挥时效性要求,对蒙特卡罗仿真实验的整体用时进行效率分析,结果如表9所示。
表9 算法用时统计/ms
1次排序 1000次排序
48 48391
表9可知,本算法可在1分钟内对指挥员提出具体辅助决策建议,并提供量化分析结果,时效性满足作战指挥需求。

4.3 效果显示

软件运行结果如图5所示。
图5 软件运行结果

5 结束语

本文在给定理想目标清单、目标属性表、目标关联表的基础上,设计出基于超网络构架的体系重心算法,实现了火力打击目标的排序,较传统的基于经验的重要程度排序法更能体现体系破击战法思想,较同类体系评估算法更有效率。其创新点有:一是引入理想目标清单,弥补目标打击清单的信息片面性,使超网络构架更完备;二是构建出区分层次的超网络,从网络宏观视角审视各火力打击目标在作战网络中的体系价值;三是以体系重心算法代替传统的以目标重要程度确定打击排序的经验做法,从体系破击角度分析各目标在体系中发挥的体系重心节点作用;最后使用蒙特卡罗仿真实验方法进行随机权重匹配,并根据指挥员的决策倾向生成排序结果量化统计,使打击目标排序更具科学性,为指挥员在作战中快速确定火力打击目标排序提供了量化辅助决策建议。
[1]
Peter H. Potential system vulnerabilities of a network enabled force [C].USA: 9th International Command and Control Research and Technology Symposium, 2004: 1-28.

[2]
吴坤鸿, 何明. 基于DEA-TOPSIS的联合火力打击目标选择方法[J]. 军事运筹与系统工程, 2015, 29(1): 25-29.

[3]
孙智华, 沈佳. 基于改进AHP的电子战目标价值评估方法研究[J]. 军事运筹与系统工程, 2012, 35(5): 75-78.

[4]
朱晓亮, 蔡群, 周明亮. 基于模糊聚类分析的电子目标排序[J]. 电子侦察干扰, 2012, 33(1): 23-26.

[5]
王耀辉, 刘杰, 陈志刚. 基于模糊决策的炮兵火力打击目标价值研究[J]. 舰船电子工程, 2012, 32(1): 19-21.

[6]
章水林, 肖利辉. 基于多属性系统结构模型的火力打击方案评估[J]. 舰船电子工程, 2014, 34(9): 32-34.

[7]
刘柱. 基于证据理论的陆战场目标价值分析与排序研究[J]. 舰船电子工程, 2014, 33(1): 45-48.

[8]
王长春, 陈俊良, 陈超. 基于复杂网络作战体系破击的建模与仿真[J]. 系统仿真学报, 2012, 24(7): 1491-1495.

[9]
叶飞. 基于熵法的模糊聚类目标排序方法研究[J]. 舰船电子工程, 2011, 31(8): 60-62.

[10]
Sheffi Y. Urban Transportation Network:Equilibrium Analysis with Mathematical Programming Methods[M]. New Jersey: Prentice-Hall, 1985: 261-347.

文章导航

/