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
Task Planning & Firepower Allocation

Mission planning strategy for border control operations

  • LI Houpeng 1 ,
  • ZANG Delong 2 ,
  • ZHANG Yuping 1
Expand
  • 1 Army Border and Coastal Defence Academy, Urumqi 830002
  • 2 Army Engineering University Training Base, Xuzhou 221004, China

Received date: 2023-03-30

  Revised date: 2023-04-21

  Online published: 2023-10-13

Abstract

Mission planning of border control operations refers to the process in which the relevant forces of border control make use of the mission planning system to plan and design relevant actions in order to achieve a specific action destination, so as to form a relatively scientific and reasonable action plan. In this paper, strategic analysis is carried out from the subject object, system composition and hierarchy of border control action task planning, and based on the transmission algorithm, the basic process of border control action task planning is discussed.

Cite this article

LI Houpeng , ZANG Delong , ZHANG Yuping . Mission planning strategy for border control operations[J]. Command Control and Simulation, 2023 , 45(5) : 99 -103 . DOI: 10.3969/j.issn.1673-3819.2023.05.013

边境管控行动任务规划是联合管边控边的重要方式手段,对维护国界和边境地区安全、保障出入境正常秩序、预防和控制边境武装冲突、发展睦邻友好关系具有重要作用[1],对提高边境管控各级指挥员和指挥机关决策能力、提高边情处置效率、确保实现边境管控意图具有重要意义。

1 概念内涵

边境管控行动任务规划是指边境管控相关力量为达成特定的行动目的,综合运用网络信息体系、指挥信息系统和任务规划系统,对边境管控行动进行运筹谋划和设计,形成较为科学合理的行动计划(方案)的过程。其实质是将边境管控行动筹划与组织阶段的理解行动任务、分析判断情况、定下行动决心、下达行动命令、制定行动计划、组织行动保障等环节导入任务规划系统,嵌入指挥链条,融入指挥程序的指挥控制活动。对边境管控行动实施任务规划,能够基于大数据技术和仿真模型的支撑,运用智能算法,按照标准化作业流程,对边境管控行动要素进行全面分析,实现优化配置各类资源,整体协调各类行动力量,并根据边境态势的变化进行实时动态调整,确保以最优或者近似最优的方法达成边境管控行动目的[2]

2 体系结构

2.1 主体客体

边境管控行动任务规划的主体是边境管控力量,主要包括各级指挥员、指挥机关和任务规划专业力量。客体是边境管控行动,主要包括边境反蚕食行动、边境执勤行动、边境封控行动、军警民联防行动、边境反恐维稳行动等。任务规划主体依托任务规划系统,将指挥谋略、行动相关要素、边境管控方法手段、边境情况类别、边防政策法规等方面通过系统化、规范化、标准化的技术处理,物化为可以定量化的数据或者数据模型,并将边境管控任务和行动意图转化为科学合理的行动计划(方案)[3-4],实现对客体的作用和影响。

2.2 体系构成

要想实现边境管控指挥决策的“快”与“精”,需要有完善的任务规划体系。边境管控任务规划体系是指与边境管控任务规划相关联的整体,主要包含任务规划系统、专业人才系统和运行环境系统。任务规划系统是指开展任务规划工作的信息系统,是边境管控行动任务规划的基本依托平台[5-6]。专业人才系统是将行动要素、行动规则、行动方法、行动影响因子等相关因素具体化、数据化、模型化的专业人员,能够使指挥员的指挥思想、创造力在系统的辅助下得到更好发挥。运行环境系统主要包括条令法规、数据标准规范、网络信息体系等,为任务规划系统提供统一的语言和数据格式标准,并链接各级指挥信息系统。边境管控行动任务规划的体系,强调人的主观能动性和任务规划系统的运算结合,实现“人谋机算”长短互补。

2.3 层级划分

边境管控行动任务规划根据行动规模、目的和任务,可划分为不同的层级,每一个层级各有侧重内容。根据目前边境管控行动实际,可划分为战略、战役、战术三个层级[7]。战略级任务规划主要依据相关行动使命任务和目标,生成整体行动构想和方案,监督下级任务完成情况并及时根据反馈进行调整。战役级任务规划依据行动组织流程、行动方法、行动规则等,筹划相关行动过程的组织和管理,上报任务规划结果,融合下级任务规划结果,下发任务计划、指令等。战术级主要是根据边情实际,依照上级下发的计划指令进行任务规划,生成(优选)行动方案,上报任务规划结果。

3 基本流程[8-9]

边境管控行动任务规划的基本流程是确保实现行动计划科学合理的保证,其组织流程和方法能否适应不同层级、不同要求下对任务规划的需求至关重要。本文以基于遗传算法的任务规划进行说明。遗传算法属于进化算法,是一种通过模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程搜索最优解的方法。遗传算法迭代运算能力强,在求解一些较为复杂的组合优化问题时,能够较快获得优化结果。边境管控行动任务规划问题是典型的在相关约束条件下的组合优化问题,使用遗传算法求解边境管控行动任务计划方案,具有较强的可信度和良好的规划效果。通常可以分为“任务初始化”“行动任务规划”“形成计划方案”“行动执行”“效果评估”“保存行动方案”“保存效果评估数据”,如图1所示。
图1 边境管控行动任务规划流程图

Fig.1 Border control operation task planning flow chart

3.1 任务初始化

任务初始化,主要是在充分领会上级意图、理解本级任务的基础上,将此次边境管控行动任务进行数字化、标准化转换,将复杂的边境管控行动任务问题用数学语言描述,并将相关数据提交给计算机,具体如图2所示。主要包括任务数据、边情分析数据、行动目的数据、力量序列数据等等。
图2 任务初始化

Fig.2 Task initialization

1)任务数据。各级根据边境管控的需要及边境事件进行初步研判,明确任务规划的组织层级并上报(或者下达),相应组织层级受领任务并执行边境管控规划任务。主要内容包括任务属性、任务目标、执行单位、相关情报信息、行动规则、上级指示要求等。对于行动任务面临的客观困难,应当准确分析并及时向上级反映,申请解决。
2)边情分析数据。边情分析应站在全局的高度,紧紧围绕边境管控行动目的全面、系统地进行。主要分析边境管控事件的起因、行动对象(敌方、恐怖分子、边民等)力量规模和可能的目的、行动对象活动空间、事件可能造成的影响和后果等。此环节主要生成边情分析报告,为明确任务目标提供基本依据,为后续边境管控行动组织实施提供情报信息基础。
3)行动目的数据。主要明确边境管控行动需要达成的目的和效果,通常设定行动底线或者必须达成的目的效果。此环节主要生成任务目标文件,即将行动的目的用数学语言描述,作为遗传算法优胜劣汰、适者生存的重要判断因子,是确定任务完成情况W具体数值的重要参考,是利用遗传算法生成行动力量的类型和规模大小的重要参数。
4)力量序列数据。主要确定能够参与边境管控行动的相关作战力量和保障力量,初步确定完成边境管控行动任务需要的力量类型和规模,生成参与执行任务的力量序列。作为任务规划的初始数据,主要用于生成遗传算法中的各代族群,即每次迭代生成的力量规划方案的约束条件。

3.2 行动任务规划[10]

行动任务规划主要内容和流程包括威胁分析、战场环境分析、任务分解、路线规划、保障规划、协同规划、行动推演等,具体如图3所示。
图3 基于遗传算法的任务规划方案生成流程图

Fig.3 Generation flowchart of task planning scheme based on genetic algorithm

1)威胁分析。主要分析边境管控行动区域、行动对象、意外可能情况、国际舆论等可能对我构成的现实和潜在威胁。一是行动区域,重点分析对我方不利的地形及其位置、范围坐标;二是行动对象,包括人员数量、武器装备、威胁程度等,重点分析距离任务执行地域的敌方其他力量将对我行动产生的影响,在行动推演中作为敌方的支援力量考虑;三是意外情况,任务执行过程可能遇到的突发情况,重点分析对我方行动产生正面的、负面的影响;四是来自国际舆论上的威胁,关注国际舆论对我完成任务所能够使用的手段的限制,在最终方案形成的同时,系统需保留最新的威胁分析,形成威胁分析报告。
2)战场环境分析。主要分析预定行动地区的自然环境、电磁环境、社会环境等对边境管控行动的利弊影响。重点分析相关因素对行动力量执行任务产生的限制,必须提前考虑应对方法措施。在最终方案形成的同时,系统需保留最新的战场环境分析,形成战场环境分析报告。
3)任务分解。主要将边境管控行动任务细化分解,明确各行动力量所担负的任务。结合遗传算法生成的可参与任务执行的力量序列,对作战力量、支援力量、保障力量进行任务匹配,形成任务匹配方案,明确参与任务执行的各个力量的具体任务,以便于进行行动方案推演。在最终方案形成的同时,系统需保留最新的任务匹配方案。
4)路线规划。主要分析优选行动路线,列出执行任务的可能行动路线,根据边境地区条件和基于遗传算法生成的行动力量,优选主要行动路线、备选路线和任务执行完毕后的撤离路线,同时对行动过程中的集结区、待机区、转移路线进行整体规划。在最终方案形成的同时,系统需保留最新的路线规划方案,形成文件。
5)保障规划。对边境管控行动所需要的情报、通信、气象、后勤、装备等各类保障需求进行规划,并匹配到基于遗传算法生成的参战力量中的各保障部(分)队。在最终方案形成的同时,系统需保留最新的保障方案,形成文件。
6)协同规划。在明确边境管控力量的任务分配、力量部署、后装保障等的基础上,主要考虑本级力量与其他力量、军队力量与地方力量、有人力量与无人力量在行动阶段、行动节点、行动时间、行动顺序、行动方法、指挥、通信等方面的协同,判断各力量是否能够协调一致地完成作战任务,并及时做出调整,最终形成协同计划方案。在最终方案形成的同时,系统需保留最新的协同计划方案,形成文件。
7)行动推演。利用初步形成的力量规划方案、任务分配方案、路线规划方案、保障方案、协同方案等,运用计算机进行行动推演,最终得出任务完成情况W(W=1表示任务完成,W=0表示任务未完成。对于一些多目标任务,可将任务完成情况设计为任务完成进度,以任务完成的百分比表示)、我方人员伤亡情况M和经济损失情况E等。
8)作战效果评估。利用行动推演所得出的数据,建立作战效果评估模型。针对不同任务,可对该模型进行调整,例如将牺牲与轻伤、重伤区分开。作战效果评估过程中,对比不同方案的作战效果,保留储存作战效果最好的力量规划方案。

3.3 形成计划方案

在这一步骤,边境管控行动任务规划系统将最终形成行动计划方案,主要包括边情分析报告、威胁分析报告、战场环境分析报告、任务分配方案、路线规划方案、保障方案、协同方案等,不通过则返回第二大步骤“基于遗传算法的行动任务规划”,重新生成新的行动方案,通过则继续执行下一步骤“行动执行”。

3.4 行动执行

在这一步骤,边境管控行动任务规划生成结果涉及的相关行动力量,按照批准的行动方案执行任务,在行动过程中指挥员可视情对行动方案进行临机调整。相关力量可以根据情况变化和边境管控行动需要,及时提交新的边境信息,迭代生成相关方案,及时调控相关行动,以求达到最佳行动效果。

3.5 实战效果评估

任务规划专业人员和指挥机构相关参谋人员对边境管控行动任务执行最终的结果进行评估,形成可用的数据,总结并存储。

3.6 保存行动方案,保存效果评估数据

边境管控行动任务结束后,任务规划专业人员和指挥机构相关人员应当对行动最终的结果进行评估,形成经验数据,总结并存储,为下一次行动规划提供有据可查的原始数据、训练数据和大数据支撑。

4 结束语

边境管控行动任务规划是管边控边的重要手段。本文着眼边境管控行动类型和样式多样,针对不同类型和样式的行动存在力量运用、行动方法、对抗激烈程度不同的特点,分析了边境管控行动任务规划主体客体、体系构成、层级区分,并以遗传算法为例对边境管控行动任务规划基本流程进行了探讨,旨在提升边境管控行动指挥决策效率。需要注意的是,每一种算法都有一定的运用条件和局限性,在实际运用中,要善于结合行动任务和样式设计相应的算法;基于智能算法形成的边境管控行动任务方案只能作为指挥员决策的参考依据,起辅助决策作用,不能取代决策。
[1]
郧建华. 边境管理控制[M]. 北京: 军事科学出版社, 2009.

XUN J H. Border management control[M]. Beijing: Military Science Press, 2009.

[2]
赵国宏. 作战任务规划若干问题再认识[J]. 指挥与控制学报, 2017, 3(4): 265-272.

ZHAO G H. Operational mission planning: issues and review[J]. Journal of Command and Control, 2017, 3(4): 265-272.

[3]
胡晓峰, 荣明. 关于联合作战规划系统的几个问题[J]. 指挥与控制学报, 2017, 3(4): 273-280.

HU X F, RONG M. Joint operation planning systems: issues and prospects[J]. Journal of Command and Control, 2017, 3(4): 273-280.

[4]
杨志谋, 陈浩, 周正, 等. 智能规划:未来战争智权之争的关键[J]. 指挥控制与仿真, 2022, 44(3): 1-6.

DOI

YANG Z M, CHEN H, ZHOU Z, et al. Intelligent planning: the key to the dispute between intelligence and power in future wars[J]. Command Control & Simulation, 2022, 44(3): 1-6.

[5]
谢苏明, 毛万峰, 李杏. 关于作战筹划与作战任务规划[J]. 指挥与控制学报, 2017, 3(4): 281-285.

XIE S M, MAO W F, LI X. Operational design and operational mission planning[J]. Journal of Command and Control, 2017, 3(4): 281-285.

[6]
朱晓庆. 作战任务规划大数据建设探析[J]. 科学技术创新, 2018(28): 85-86.

ZHU X Q. Analysis of big data construction in operational mission planning[J]. Scientific and Technological Innovation, 2018(28): 85-86.

[7]
赵国宏, 罗雪山. 作战任务规划系统研究[J]. 指挥与控制学报, 2015, 1(4): 391-394.

ZHAO G H, LUO X S. On operation mission planning system[J]. Journal of Command and Control, 2015, 1(4): 391-394.

[8]
黄义松, 赵德勇, 李明雨. 基于遗传算法的虚兵火力协同任务规划[J]. 信息系统工程, 2023(3): 77-80.

HUANG Y S, ZHAO D Y, LI M Y. Virtual firepower collaborative task planning based on genetic algorithm[J]. China CIO Neus, 2023(3): 77-80.

[9]
马悦, 吴琳, 薄其蒙, 等. 作战任务规划模型与求解方法综述[J]. 火力与指挥控制, 2022, 47(9): 1-8, 14.

MA Y, WU L, BO Q M, et al. Overview of operation task planning models and solution methods[J]. Fire Control & Command Control, 2022, 47(9): 1-8, 14.

[10]
马悦, 吴琳, 许霄, 等. 智能化作战任务规划需求分析[J]. 指挥控制与仿真, 2021, 43(4): 61-67.

DOI

MA Y, WU L, XU X, et al. Requirement analysis of intelligent operation task planning[J]. Command Control & Simulation, 2021, 43(4): 61-67.

Outlines

/