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
Command Control and Simulation

Command Control and Simulation >

2025 , Vol. 47 >Issue 3: 72 - 81

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.03.009

Command & Control

Order assignment mechanism based on hierarchical decomposition and element matching

  • ZHANG Xinyue 1 ,
  • LYU Weimin 1 ,
  • WEI Dingjiang 2, 3, 4 ,
  • YANG Dongsheng 3, 4, 5
Expand
  • 1 Naval Aviation University, Yantai 264001, China
  • 2 Unit 91593 of PLA, Sanya 572000, China
  • 3 The Laboratory for Military-civilian Integration Emergency Command and Control, Jinan University, Guangzhou 510632, China
  • 4 Key Laboratory of Information System Engineering, National University of Defense Technology, Changsha 410000, China
  • 5 School of Public Management/Emergency Management, Jinan University, Guangzhou 510632, China

Received date: 2024-07-26

  Revised date: 2024-08-30

  Online published: 2025-05-28

Fold

Abstract

This paper proposes an element-matching based order-based accusation partition tasking method. The aim is to improve the flexibility and precision of operational command and control and the integration and synergy effectiveness of the combat system. The method is based on the construction of an integrated framework. This integrates and coordinates operational tasks, ensures no resource conflicts, and provides alternatives for responding to battlefield variables. The approach employs a planning network model to illustrate the logical interrelationships among operations. It then utilizes mission adaptive analysis and a two-phase process optimization to achieve the optimal matching of the aggregation of underlying operations to sub-tasks and accusation sites. In particular, the mechanism considers the multi-level attributes of the mission, including hierarchical, logical, temporal, spatial, and functional relationships, as well as the matching rules between the core baseline elements and the auxiliary reference elements, in order to ensure a high degree of fitness between the mission deployment and the accusation partitions. Furthermore, the method places significant emphasis on dynamic adjustment and mission adaptability. This is achieved through the utilization of the flexibility of edge command nodes, which enables them to cope with unexpected situations and guarantee the continuity of the operational command link, thus facilitating the efficient achievement of operational goals.

Key words： order-based command and control; task allocation; task hierarchical decomposition; two-phase process optimization; task adaptation analysis

Cite this article

ZHANG Xinyue , LYU Weimin , WEI Dingjiang , YANG Dongsheng . Order assignment mechanism based on hierarchical decomposition and element matching[J]. Command Control and Simulation, 2025 , 47(3) : 72 -81 . DOI: 10.3969/j.issn.1673-3819.2025.03.009

在当前复杂多变的现代战场环境中,无人作战系统,特别是水下无人航行器(UUVs)的快速发展,对传统作战模式提出了前所未有的挑战。这些智能、隐蔽且具备高度自主性的水下作战平台,凭借其难以被常规侦察手段捕捉的特性,能够轻易渗透至重要战略区域,执行布雷、侦察等任务,严重威胁海军基地与航道的安全。面对这一新质威胁,如何高效组织与指挥反UUV作战力量,以快速响应、精确打击和有效防御,成为亟待解决的关键问题。
当前指控系统和任务指派方法已经能够实现一定程度上的资源调度与任务分配,但仍存在灵活性有限、任务匹配精度不高以及复杂场景下的计算效率等问题。基于规则的方法能够处理固定的场景,但在面对动态变化的战场环境时需进一步提高灵活性[1];优化算法如遗传算法、粒子群优化算法等,能够在给定约束条件下寻找最优解决方案,但在处理多因素或多目标优化问题时精确度受限[2];基于模型的方法例如匈牙利算法,虽然计算效率高,但对模型假设的依赖性强,难以适应复杂环境[3];智能算法如模糊综合评价法(FCE)和改进的人工蜂群算法,能够处理离散解问题,适用于多因素分析场景,但在问题复杂度高时可能需要大量的数据计算[4-5];另外,智能化指控系统需要具备对任务环境变化的即时重构能力,并通过学习和经验积累以适应更快的环境变化节奏和更多不确定性[6],这种自适应能力对于未来指控系统至关重要,但实现起来技术难度较大。因此,开发一种新型的指控分区任务指派方法,旨在优化作战资源分配,强化作战体系的整体协同效能,成为迫切需要解决的问题。
本文提出一种创新的“订单式”指控分区任务指派方法,以期优化作战资源分配,强化作战体系的整体协同效能。该方法基于对现代战争复杂性与不确定性深刻理解的基础上,借鉴商业领域“订单式”服务的高效与灵活性,通过集成指挥网络模型,将作战任务从宏观战略层面细化至微观行动单元,确保在动态战场环境下,作战任务能够按需快速生成、精确匹配,从而提升作战指挥的敏捷性与作战行动的精确性。
文章介绍了一种基于任务层次化分解的机制,该机制通过计划网络模型,将复杂的作战任务拆解为一系列有序的子任务与基本行动,每项行动被视为网络中的一个节点,通过节点间的逻辑与时间关系,构建了一个动态响应的行动网络。这一模型不仅展现了任务间的逻辑联系,而且通过自下而上的任务聚合与自上而下的资源匹配,实现了从微观行动到宏观战略的无缝对接。[7-9]
本文的核心在于设计了一套双阶段优化的派单机制,该机制通过任务适应性分析,依据指控站点的能力、资源及环境匹配性,将底层行动方案整合为子任务,并匹配到最合适的指控站点。该机制特别强调了核心基准要素与辅助参考要素的双重考量,确保任务需求与指控站点的资源及环境条件高度契合,并通过引入多元维度的匹配策略,进一步提升了任务部署与当前战场态势的适应性,增强了作战指挥决策的效率与任务实施的一致性。最后,通过具体案例分析,验证了该方法在实际作战环境中的可行性和有效性,展示了其在提升作战体系响应速度、协同作业水平以及作战效能方面的显著优势。
综上所述,本研究通过创新的“订单式”指控分区任务指派方法,为现代海战中反UUV作战提供了一种全新的指挥控制策略,旨在构建一个智能高效、灵活精确、体系联动且稳固抗毁的作战指挥体系,以有效应对未来水下无人作战的新挑战。

1 基于任务层次化分解生成任务订单

在备选方案集Ts的基础上扩充任务关系R,二者组合生成备选任务网络W,将其描述为一个二元组:W=<Ts,R>,通过任务网络实现备选方案向任务订单的分解映射。在作战过程中,由于受任务执行主体、资源分配、时序安排、空间占用以及逻辑条件等因素的复杂作用,作战任务之间形成了复杂的关联,包括层次关系、逻辑关系、时间关系、空间关系及功能关系等,任务Ta和任务Tb之间的关系R的规范化描述可表示为Rab=<Rlev,Rlgc,Rtim,Rspa,Rfun>,其中,Rlev为层次关系,Rlgc为逻辑关系,Rtim为时间关系,Rspa为空间关系,Rfun为功能关系。5类关系具体规范化表述如表1所示[10-13]。
表1 任务关系规范化表述

Tab.1 Normative formulation of mission relationships

关系名称 关系阐释 形式化表述 含义
层次关系 不同层次的任务间存在父子关系 Rlev=<rf(e,Ta,d,Tb)> 任务Ta是任务Tb的父任务,且Tb在Ta完成前e时间开始执行或在Ta完成后d时间开始执行。层次关系也可看做偏序关系,其规则描述为
Rlev:Tb≺Ta∧(tsta(Tb)≤ted(Ta)-e∨
tsta(Tb)≥ted(Ta)+d)。
逻辑关系 任务间的依赖关系 Rlgc=<rand(Ta,Tb),
ror(Ta,Tb),
rnot(Ta,Tb)>		 and表示Ta顺利执行后Tb才生效,表现为串联关系;
or表示Ta,Tb不依赖彼此进行,表现为并联关系;
not表示Ta不执行时Tb才执行,表现为非关系。
时间关系 不同任务实施的时间顺序 Rtim=<rdur(Ta,Tb),
rsta(Ta,Tb),
red(Ta,Tb),
req(Ta,Tb)>		 rdur表示Tb在Ta开始后开始,在Ta结束前结束,即
tsta(Ta)<tsta(Tb)<ted(Tb)<ted(Ta);
rsta表示Ta,Tb同时开始,即
tsta(Ta)=tsta(Tb);
red表示Ta,Tb同时结束,即
ted(Ta)=ted(Tb);
req表示Ta,Tb起止时间相同,即
tsta(Ta)=tsta(Tb)∧ted(Ta)=ted(Tb)。
空间关系 任务执行区域在几何空间上的拓扑关系 Rspa=<rdis(Ta,Tb),
rcon(Ta,Tb),
rfit(Ta,Tb)>		 rdis表示Ta,Tb没有空间关联,即
s(Ta)∩s(Tb)=∅;
rcon表示Ta,Tb存在空间关联,即
s(Ta)∩s(Tb)≠∅∧
s(Ta)≠s(Tb);
rfit表示Ta,Tb空间重合,即
s(Ta)=s(Tb)。
功能关系 某任务执行效果对其他任务的影响,一般表现为信息或资源共享 Rfun=<rind(Ta,Tb),
rsha(Ta,Tb),
rcoun(Ta,Tb)>		 rind表示Ta,Tb不依赖彼此共享信息;
rcoun表示Ta依赖Tb共享输出信息才能执行,即outp(Tb)⊂inp(Ta);
rsha表示Ta,Tb依赖彼此的输出信息才能执行,即
outp(Tb)⊂inp(Ta)∧
outp(Ta)⊂inp(Tb),
其中,outp(T)表示任务T的输出信息,inp(T)表示任务T的输入信息。
本文通过构建一个基于计划网络模型的集成框架,旨在系统地整合并协调作战任务,确保任务间的协同作业无资源冲突,同时支持备选方案以应对战场变数。计划网络图在此框架中主要展现基本行动及其相互之间的逻辑关系,而非直接展示任务的层级构造。如图1所示为上级任务-子任务-行动方案计划网络模型。每个节点代表一项具体的行动方案,箭头则标志这些行动的执行顺序与依赖关系,确保行动序列的逻辑连贯性。尽管子任务与上级任务的概念在高层次规划中至关重要,但在网络图层面,我们侧重于最低级别的操作细节,通过它们的有序串联间接体现任务的层级结构,此外,网络图亦需标识备选行动路径,以适应战场的不确定性,保证计划的灵活性。
图1 上级任务-子任务-行动方案计划网络模型

Fig.1 Supervisory task-subtask-action program plan network model

另外,设计派单机制的双阶段优化流程,派单机制被设计为一个自下而上与自上而下的双阶段决策过程。首先,在第一阶段,通过任务适应性分析,依据各指控站点的指挥控制能力、资源管辖范围及其对特定作战环境的适配性,将底层行动方案向上组合成子任务,并匹配至最适合的指控站点。此过程强调的是从行动到子任务的聚合,以及基于能力与环境的站点分配。

2 基于要素匹配的任务订单与控制分区映射

继而,进入第二阶段,即指控站点作为中间决策节点,基于获得的子任务,利用其边缘指控能力,动态评估战场态势,执行必要的任务指令调整,确保计划的时效性和适应性。调整完毕后,指控站点将最终确认的“订单”指令向下发到其直接管辖的作战平台,实施动态派单机制以加速响应速度和执行效率。自上而下的指令传递机制保障了从指控中枢到执行终端的指令畅通,同时保持了对战术变化的敏感性。设备选方案集Ts包含ν个元任务,即Ts={T1,T2,…,Ti,…,Tν},i=1,2,…,ν,其中的μ个元任务聚合为上层子任务Mκ,则规定子任务Mκ的任务要素为其下级元任务各要素的并集,即,任务类型 M κ - t y = ∪ i = 1 ν Ti-ty,任务时间Mκ-tim= ∪ i = 1 ν Ti-tim,任务空间Mκ-spa= ∪ i = 1 Ti-spa,力量编成Mκ-for= ∪ i = 1 ν Ti-for,任务指标Mκ-ind= ∪ i = 1 Ti-ind。
在第一阶段,通过剖析子任务的构成特征,并结合指控分区的职责与功能划分,采用多元维度策略来系统性地甄选配对任务与指控分区的匹配要素,旨在增强任务部署方案与当前战场态势的贴合度与适应性。匹配要素被划分为两大类别:核心基准要素与辅助参考要素。基准要素要求任务与指控分区实现精确对齐,确保任务需求与执行能力的高度契合;而辅助参考要素则采取较为模糊弹性的匹配原则,作为基准要素的补充,旨在通过灵活调整优化整体匹配结果的精准性与可行性。通过这一机制,旨在建立一套科学、合理的任务-指控分区匹配规则体系,确保作战指挥决策的高效与任务实施的一致性。表2选取部分海上作战的匹配要素及规则,可视情增减有特定要求的特定任务。
表2 匹配要素及规则

Tab.2 Matching factors and rules

匹配要素 要素性质 规则 匹配度模型
作战目标 规则1-1将指控分区的作战目标与子任务目标进行匹配,若符合则保留该分区,否则将其筛除。
可用兵力类型 核心基准要素 规则1-2将指控分区的可用兵力类型与执行子任务所需兵力类型进行匹配,若符合则保留该分区,否则将其筛除。 —
任务时段 规则1-3将指控分区的适用时段与子任务的时段要求进行匹配,若符合则保留该分区,否则将其筛除。适用时段可含白昼、夜晚或不间断时段三类。
…… ……
任务完成度 规则2-1调用任务完成度估算模型,分区的任务完成度越高越好。 Input:目标信息
参数类型:区间数
Output:分区任务完成度估计值
任务区域 辅助参考要素 规则2-2调用任务区域重合度计算模型,分区的任务区域重合度越高越好。 Input:分区可控区域
参数类型:区间值
Output:任务区域重合度
气象条件 规则2-3调用气象条件匹配度估算模型,分区的气象条件匹配度越高越好。 Input:分区内装备适用气象条件
参数类型:模糊数/随机数
Output:气象条件匹配度
目标类型 规则2-4调用目标类型吻合度计算模型,匹配结果分为三种:目标型号相同、目标种类相同型号不同、目标种类不同,若吻合度小于阈值,则将该分区筛除。 Input:分区内装备面向的目标类型
参数类型:实数
Output:目标类型吻合度
…… …… ……
针对不同参数类型的匹配要素给出不同的匹配度计算处理方法。设M={M1,M2,…,Mp}为子任务集,p为子任务总数,S={S1,S2,…,Sk}为指控分区集,k为分区总数,Q={Q1,Q2,…,Qn}为任务分区的匹配要素集,n为要素总数,A= ([a i j L , a i j U ] ) p × k为子任务的匹配要素属性值矩阵,其中,[ a i j L, a i j U]表明子任务Mi对应于匹配要素Qj区间形式的属性值,当 a i j L= a i j U时,该要素属性值为实数,Y= ( y i j ) k × n为指控分区的匹配要素属性值矩阵,其中,yij为分区Si对应于匹配要素Qj的属性值,且可表示为实数、区间、随机变量和模糊数四种形式。
假设子任务集M的匹配要素属性值矩阵和指控分区的匹配要素属性值矩阵已规范化处理。设偏差矩阵Δ=[dijl]p×k×n,其中,dijl为子任务Mi与分区Sj在匹配要素Ql下的偏差,具体计算如下:
(1)当分区匹配要素属性值为实数,即yjl= y j l R时,有

dijl= 0 , 　 　 　 　 　 　 　 a i l L ≤ y j l R ≤ a i l U m i n { | y j l R - a i l U | , | y j l R - a i l L | } , 其 他

其中,i=1,2,…,p,j=1,2,…,k,l=1,2,…,n。
(2) 当分区匹配要素属性值为区间,即yjl=[ y j l L, y j l U]时,有

dijl= 0 , 　 　 　 　 　 a i l L ≤ y j l L y j l U ≤ a i l U ( y j l L - a i l L ) 2 + ( y j l U - a i l U ) 2 2 , 其 他

(3) 当分区匹配要素属性值与任务要素属性值均为离散数值集合时,即A={ a i l 1, a i l 2,…, a i l p},Y={ y j l 1, y j l 2,…, y j l p},则另A'=A-A∩Y,Y'=Y-A∩Y,有

dijl= 0 , 　 　 　 　 　 　 　 　 　 A = Y ∑ γ m i n μ { | y j l ' γ - a j l ' μ | } , 　 A ≠ Y y j l ' γ ∈ A ' , a j l ' μ ∈ Y '

(4) 当分区匹配要素属性值为随机变量时,即当yjl=ξjl时,设ξjl的期望值为[ e j l L, e j l U],将随机变量yjl=ξjl与[ a i j L, a i j U]的偏差转化为[ e j l L, e j l U]与[ a i j L, a i j U]的偏差,即

dijl= 0 , 　 　 　 　 　 a i l L ≤ e j l L e j l U ≤ a i l U ( e j l L - a i l L ) 2 + ( e j l U - a i l U ) 2 2 , 其 他

e j l L= ∑ i = 1 p a i l Lpijl,

e j l U= ∑ i = 1 p a i l Upijl.

(5) 当分区匹配要素属性值为模糊数时,假设匹配要素Ql在其论域上的模糊集分别为{Fl1,Fl2,…,Flr},有

dijl=1- 1 2( F l S j° F l M i+(1- F l S j× F l M i))

其中, F l S j和 F l M i分别为分区Sj和子任务Mi对应匹配属性Ql的隶属模糊集, F l S j° F l M i和 F l S j× F l M i分别为两个模糊集的内积和外积[14-17]。
在比较同一子任务不同的匹配分区时,设分区Sj各辅助参考要素组成的偏差集为Setj,分区S'j各辅助参考要素组成的偏差集为Set'j,若两个集合满足Setj≺Set'j,即Setj中所有元素均小于Set'j中对应的元素,则认为分区Sj比S'j更匹配该子任务;若两集合不满足Setj≺Set'j,则先将同一子任务下不同匹配分区的要素偏差集进行归一化处理,计算综合偏差Vij= ∑ l = 1 n ωldijl,最佳子任务—分区匹配方案为与子任务综合偏差最小的指控分区:S*= a r g m i n S j{Vij|j=1,2,…,k}。

3 实例验证

以“近岸水域布防”这一上级作战任务为例,将其细分为以下四个子任务:(1) 情报监视与侦察(ISR),由无人机和反潜巡逻机执行,负责持续监控近海区域;(2) 海域清扫,主要由水声监听船与护卫舰协作,以探测并清除潜在的水雷威胁;(3) 防御部署,利用民船和商船伪装,部署诱饵或设置临时障碍,干扰敌方UUV行动;(4) 应急响应与指挥控制,由驱逐舰担纲,准备随时对发现的敌方UUV实施攻击或拦截。
这些子任务的划分遵循了严格的逻辑关系,其中:“情报监视与侦察”作为前置条件,为“海域清扫”与“防御布防”提供情报支持;“海域清扫”与“防御部署”则并行进行,共同确保水域的安全;而“应急响应与指挥控制”作为兜底措施,任何一方发现威胁即可触发响应。此外,考虑任务空间的重叠与信息资源共享,所有子任务在执行过程中需维持通信链路的畅通,确保信息的实时传递与协同作业。
子任务一“情报收集与监视”通过空中持续监视、水下声呐网络部署、电子情报搜集以及海面与海岸线监视的综合实施,形成了多维度、立体化的监视体系,其中,空中监视优先启动,随后部署水下监听网,与此同时,电子情报搜集和海面监视并行进行,确保了对UUV活动的全面覆盖与实时响应。子任务二“海域清扫”在操作上分为前沿扫雷作业、快速反应小组待命和航道维护与标识,这些行动虽在不同空间展开,但信息高度共享,特别是前沿扫雷与快速反应小组的区域划分独立,而航道维护则需与监视系统紧密合作,确保航道信息的实时更新,维持了任务间的协同效应。子任务三“防御部署”中,UUV猎杀小组保持待命,随时准备响应来自情报收集环节的信息,而深水防御网的预先构建与电子干扰与欺骗策略的早期启动,共同构建了多层次的防御体系,确保了对UUV威胁的主动与被动防御能力。子任务四“应急响应与指挥控制”,指挥中心作为信息中枢,整合战场信息并指挥协调所有作战单元。
在已有的作战实施方案数据库中,包含各具体行动的方案编号,及由具体行动聚合得到的子任务的匹配要素性质如表3所示。
表3 子任务匹配要素性质

Tab.3 Subtask matching factor attributes

子任务 具体行动 方案编号 子任务匹配要素性质
情报监视与侦察M1 空中持续监视 T774-777 作战目标:全面掌握近海区域UUV及其潜在掩护兵力活动情况,确保海域安全
可用兵力类型:无人机、反潜巡逻机、水声监听船、驱逐舰、护卫舰
任务时段:tday,tnight
任务完成度:情报收集与监视的覆盖范围达到目标控域的80%及以上
任务区域:region19-30
目标类型:1-商船,2-民船,3-科考船,4-潜艇,5-驱逐舰,6-护卫舰
水下声呐网络部署 T792-793
电子情报搜集 T775-776,
T786,
T788-791
海面与海岸线监视 T795-796
海域清扫M2 前沿扫雷作业 T557-563,
T572-574		 作战目标:确保航道安全,清除水雷及其他障碍
可用兵力类型:扫雷艇、扫雷舰、护卫舰、无人潜航器
任务时段:tday,tnight,ttrans
任务完成度:在规定时间内扫雷作业完成90%以上
任务区域:region2-9
目标类型:7-水雷,8-小型攻击艇
快速反应 T564-565,
T569,T575,
T570-571,
T362-267
航道维护与标识 T566-568,
T576-578,
T581-584
防御部署M3 UUV猎杀 T215,
T228-231,
T237		 作战目标:构建防御网,有效防御UUV侵扰
可用兵力类型:无人潜航器、潜艇、水声监听船、护卫舰
任务时段:tday,tnight,ttrans″
任务完成度:防御敌兵力成功渗透比例达到85%
任务区域:region10-30
目标类型:4-潜艇,5-驱逐舰,6-护卫舰,8-小型攻击艇,9-UUV
远域布防 T223-225,
T242,
T354-357,
T372,
T711-713
电子欺骗与干扰 T698-703,
T709-712,
T717-720
应急响应与指挥
控制M4		 指控中心运作协同 T714-715,
T782,
T786,
T557-568,
T217-220		 作战目标:快速响应突发事件,确保指挥链路畅通
可用兵力类型:驱逐舰、护卫舰、民船
任务时段:tday,tnight,ttrans
任务完成度:对紧急情况做出迅速、正确的指挥控制比例达到93%
任务区域:region2-30
目标类型:1-商船,2-民船,3-科考船,4-潜艇,5-驱逐舰,6-护卫舰,8-小型攻击艇,9-UUV
假设某时刻作战态势凝练的任务要素如表4所示,且此时敌我兵力部署及评估战场威胁态势得到指控分区分别如图2和图3所示。
表4 某时刻作战态势任务要素

Tab.4 Mission elements of the operational posture at a given moment

任务名称 近海水域布防
行动类型 防御作战
任务时间 跨昼夜
任务空间 海上
力量编成 水声监听船、护卫舰
任务指标 目标装备平台:无人潜航器、侦察节点;
装备毁伤要求:舰艇船加强对近岸水域的巡逻,护卫舰及时捕获清楚发现的目标;
成本消耗:控制在跨昼夜时段作战预算的25%以下;
控域要求:region12-22
任务完成时限:黎明前进入最高戒备状态,对夜间活动的敌方单位在发现后45分钟内完成定位并采取措施,确保天亮前海域安全
图2 敌我兵力部署

Fig.2 Enemy and our troop deployment

图3 我方兵力指控分区

Fig.3 Our force command and control partitions

根据核心基准要素初步评估并筛选各指控分区与子任务的规则匹配结果如表5所示。
表5 指控分区与子任务的规则匹配结果

Tab.5 Results of rule matching between partitions and subtasks

要素
匹配		 M1 M2 M3 M4
作战
目标		 可用兵
力类型		 任务
时段		 作战
目标		 可用兵
力类型		 任务
时段		 作战
目标		 可用兵
力类型		 任务
时段		 作战
目标		 可用兵
力类型		 任务
时段
C1 √ × √ × × √ √ √ √ √ √
C2 √ √ √ × × √ √ × √ × × √
C3 × × √ √ √ √ √ √ √ × × √
C4 × × √ √ √ √ √ √ × √ √ √
由于所有核心基准要素必须同时匹配,才能表明指控分区有能力完成子任务的要求,则指控分区C1可完成子任务M3和M4,指控分区C2可完成子任务M1,指控分区C3可完成子任务M2和M3,指控分区C4可完成子任务M2和M4,因此,将M1分配给C2,其余满足核心基准要素匹配规则的指控分区和子任务根据辅助参考要素的规则计算匹配度,选取匹配度最佳,即匹配要素偏差最小的情形进行分配,分区中现有兵力与待匹配子任务的各要素匹配偏差值如表6所示[18-21]。
表6 现有兵力与待匹配子任务的各要素匹配偏差值

Tab.6 Matching deviation values for elements of the existing force and subtasks to be matched

指控分区 子任务 我方兵力编号 任务完成度 任务区域 目标类型
C1 M3 A_R9 [0.18, 0.23] [13, 20] [4, 9]
A_R10 [0.14, 0.19] [20, 27] [5, 6, 8]
A_R11 [0.2, 0.23] [10, 18] [4, 9]
A_R12 [0.16, 0.24] [7, 15] [5, 6, 8]
子任务要素取值 [0.68, 0.89] [7, 27] [4, 5, 6, 8, 9]
要素偏差 0.029 3 0
M4 A_R9 [0.12, 0.17] [13, 20] [4, 9]
A_R10 [0.08, 0.14] [20, 27] [5, 6, 8]
A_R11 [0.04, 0.06] [10, 18] [4, 9]
A_R12 [0.07, 0.1] [7, 15] [5, 6, 8]
子任务要素取值 [0.31, 0.47] [7, 27] [4, 5, 6, 8, 9]
要素偏差 0.47 3 6
C3 M2 Ob_R2 [0.1, 0.13] [2, 15] [1, 2, 3, 8]
Ob_R8 [0.12, 0.15] [2, 10] [7, 9]
A_R1 [0.2, 0.24] [2, 5] [7, 9]
A_R5 [0.17, 0.2] [5, 10] [7, 9]
A_R8 [0.15, 0.18] [8, 13] [1, 2, 3, 8]
子任务要素取值 [0.74, 0.9] [2, 13] [1, 2, 3, 7, 8, 9]
要素偏差 0.025 0 0
M3 Ob_R2 [0.08, 0.12] [2, 8] [1, 2, 3, 8]
Ob_R8 [0.11, 0.14] [7, 12] [7, 9]
A_R1 [0.17, 0.21] [2, 5] [7, 9]
A_R5 [0.07, 0.1] [5, 10] [7, 9]
A_R8 [0.03, 0.07] [8, 13] [1, 2, 3, 8]
子任务要素取值 [0.46, 0.64] [2, 13] [1, 2, 3, 7, 8, 9]
要素偏差 0.2 0 7
C4 M2 Ob_R1 [0.06, 0.07] [2, 10] [4, 9]
Ob_R3 [0.05, 0.06] [8, 18] [1, 2, 3, 5, 6, 8]
Ob_R4 [0.04, 0.06] [16, 28] [1, 2, 3, 5, 6, 8]
D_R1 [0.03, 0.05] [5, 15]
D_R2 [0.05, 0.07] [15, 25]
A_R2(Or_R1) [0.02, 0.04] [2, 8] [1, 2, 3, 8]
A_R3 [0.06, 0.08] [6, 10] [5, 6]
A_R4 [0.05, 0.06] [10, 17] [5, 6]
A_R6 [0.04, 0.05] [15, 24] [1, 2, 3, 8]
A_R7(Or_R2) [0.03, 0.05] [22, 30] [4, 9]
子任务要素取值 [0.43, 0.59] [2, 30] [1, 2, 3, 4, 5, 6, 8, 9]
要素偏差 0.28 0 23
M4 Ob_R1 [0.06, 0.09] [5, 25] [4, 9]
Ob_R3 [0.04, 0.07] [3, 18] [1, 2, 3, 5, 6, 8]
Ob_R4 [0.05, 0.08] [16, 28] [1, 2, 3, 5, 6, 8]
D_R1 [0.13, 0.15] [5, 15]
D_R2 [0.14, 0.17] [15, 25]
A_R2(Or_R1) [0.05, 0.08] [2, 8] [1, 2, 3, 8]
A_R3 [0.06, 0.09] [6, 10] [5, 6]
A_R4 [0.04, 0.06] [10, 23] [5, 6]
A_R6 [0.06, 0.1] [15, 27] [1, 2, 3, 8]
A_R7(Or_R2) [0.07, 0.1] [7, 26] [4, 9]
子任务要素取值 [0.7, 0.99] [2, 30] [1, 2, 3, 4, 5, 6, 8, 9]
要素偏差 0.037 0 0
子任务M2对应指控分区C3的辅助参考要素偏差集合Set23={0.025,0,0},对应指控分区C4的辅助参考要素偏差集合Set24={0.28,0,23},有Set23≺Set24,因此将M2分配给分区C3;子任务M3对应指控分区C1的辅助参考要素偏差集合Set31={0.029,3,0},对应指控分区C3的辅助参考要素偏差集合Set33={0.2,0,7},有Set31≺Set33,因此将M3分配给分区C1;子任务M4对应指控分区C1的辅助参考要素偏差集合Set41={0.47,3,6},对应指控分区C3的辅助参考要素偏差集合Set44={0.037,0,0},有Set44≺Set41,因此将M4分配给分区C4。
在实验中,我们通过构建集成框架,整合并协调了作战任务,确保了资源的无冲突分配,方法中运用的计划网络模型有效地展现了行动间的逻辑关系,通过任务适应性分析与双阶段流程优化,实现了底层行动至子任务的聚合与指控站点的最优化匹配。这种机制特别考虑了任务的多层次属性,如层次关系、逻辑关系、时间关系、空间关系和功能关系,以及核心基准要素与辅助参考要素的匹配规则,确保了任务部署与指控分区的高度适配性。
实验结果表明,该方法能够有效处理动态变化的战场环境,特别是在模拟突发情况时,利用边缘指挥节点的灵活性,能够迅速调整任务指派策略,确保作战指挥链路的连续性和作战目标的高效达成。实验中,通过动态调整与任务适应性分析,我们发现即使在资源有限或战场环境突变的情况下,该方法也能快速反应,确保任务的成功执行。
将实验方法与匈牙利算法相比,本方法在处理多因素或多目标优化问题时具有更高的灵活性,匈牙利算法虽然计算效率高,但在处理多因素或多目标优化问题时可能会受到局限;与改进的人工蜂群算法相比,本方法在处理离散解问题方面同样有效,尤其适合多因素分析场景,改进的人工蜂群算法虽然在求解指派问题模型时具有良好的收敛速度和求解精度,但对于复杂问题可能需要更多的计算资源。
本文的研究也存在一定的局限性。首先,模型假设了指挥网络的稳定性和信息传输的即时性,在实际应用中,通信延迟或网络中断可能会对方法的有效性造成影响。其次,实验环境虽然是基于现实世界的数据构造的,但真实的战场环境更为复杂多变,需要进一步研究以提高方法的鲁棒性。最后,虽然本文考虑了多种因素,但在不同因素之间的权重分配上可能还有优化的空间,需要更好地量化这些因素并找到最优平衡点。

4 结束语

本文针对在现代海战中无人潜航器(UUV)所带来的挑战,提出并论证了一种创新的需求驱动式指控分区任务指派方法。该方法通过构建集成指挥网络模型,实现了作战任务的层次化分解与精确匹配,有效优化了作战资源的分配与利用,增强了作战体系的协同效能。本文详细阐述了基于任务适应性分析的双阶段优化流程,以及任务与指控站点的匹配规则体系,确保了任务部署的高效与适应性。
通过深入分析核心基准要素与辅助参考要素的匹配策略,本文展示了如何在保持任务需求与执行能力高度契合的同时,提升作战指挥决策的灵活性与准确性。此外,文中实例分析进一步验证了该方法在实战条件下的应用价值,突显了其在提高响应速度、协同作业水平及作战效能方面的显著优势。本研究不仅为应对UUV威胁提供了一种新的指挥控制范式,也为智能化、网络化作战指挥系统的构建提供了部分基础。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
田倩南, 李文莉, 李杰. 基于非完全覆盖的机场任务指派问题优化研究[J/OL]. 武汉大学学报(理学版),1-12 [2024-08-24].

TIAN Q N, LI W L, LI J. Optimization of airport task assignment problem based on incomplete coverage[J/OL]. J. Wuhan Univ.(Nat. Sci. Ed.), 1-12[2024-08-24].

[2]
张翔, 朱范炳. 基于改进人工蜂群算法的机器人任务最优指派[J]. 智能计算机与应用, 2022, 12(8): 157-160.

ZHANG X, ZHU F B. Solution of robot task assignment based on improved artificial bee colony algorithm[J]. Intelligent Computer and Applications, 2022, 12(8): 157-160.

[3]
周洪喜, 张进, 彭晨远, 等. 基于匈牙利算法的多导弹阵地拦截指派规划[J]. 弹箭与制导学报, 2021, 41(4):79-84.

DOI

ZHOU H X, ZHANG J, PENG C Y, et al. Interception assignment planning of multiple missile positions based on hungarian algorithm[J]. Journal of Projectiles,Rockets,Missiles and Guidance, 2021, 41(4): 79-84.

[4]
田晨智, 宋敏, 田继伟, 等. 基于组合赋权和FCE的指控系统人机交互效能评估方法[J]. 电光与控制, 2024, 31(7): 87-96.

TIAN C Z, SONG M, TIAN J W, et al. Combination weighting and FCE based evaluation for human-computer interaction effectiveness of command and control system[J]. Electronics Optics & Control, 2024, 31(7): 87-96.

[5]
田倩南, 李杰, 李昆鹏, 等. 基于多因素分析的机场任务指派建模与仿真[J]. 运筹与管理, 2024, 33(2): 1-8.

DOI

TIAN Q N, LI J, LI K P, et al. Research on airport task assignment modeling and simulation on multi-factor analysis[J]. Operations Research and Management Science, 2024, 33(2): 1-8.

DOI

[6]
徐成涛, 周芳, 陈洪辉, 等. 智能化指挥控制系统自主适变能力评估方法[J]. 指挥信息系统与技术, 2023, 14(6): 29-38.

XU C T, ZHOU F, CHEN H H, et al. Autonomous adaptive capability evaluation method for intelligent command and control system[J]. Command Information System And Technology, 2023, 14(6): 29-38.

[7]
WANG L L, ZHU D Q, PANG W, et al. A survey of underwater search for multi-target using multi-AUV: task allocation, path planning, and formation control[J]. Ocean Engineering, 2023(278): 114 393.

[8]
COCOCCIONI MARCO. Game theory for unmanned vehicle path planning in the marine domain: state of the art and new possibilities[J]. Journal of Marine Science and Engineering, 2021, 9(11): 1 175-1 177.

[9]
张大中, 韩冬梅, 马晓晨, 等. 国外无人潜航器技术发展热点分析[J]. 舰船科学技术, 2024, 46(4): 185-189.

ZHANG D Z, HAN D M, MA X C, et al. Analysis of hot spots in the development of foreign unmanned underwater vehicle technology[J]. Ship Science and Technology, 2024, 46(4): 185-189.

[10]
胡博, 金兆华, 于鹏, 等. 无人潜航器集群式自主协同作战概念[J]. 国防科技, 2023, 44(2): 63-67.

HU B, JIN Z H, YU P, et al. The concept of autonomous cooperative operation for unmanned underwater vehicles[J]. National Defense Science & Technology, 2023, 44(2): 63-67.

[11]
CAO X, SUN H B, JAN G E. Multi-AUV cooperative target search and tracking in unknown underwater environment[J]. Ocean Engineering, 2018, 150: 1-11.

[12]
张伟, 王乃新, 魏世琳, 等. 水下无人潜航器集群发展现状及关键技术综述[J]. 哈尔滨工程大学学报, 2020, 41 (2) : 289-297.

ZHANG W, WANG N X, WEI S L, et al. Overview of unmanned underwater vehicle swarm development status and key technologies[J]. Journal of Harbin Engineering University, 2020, 41(2) : 289-297.

[13]
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.

[14]
王伟, 刘付显. 基于协同相关度的作战任务分解优化[J]. 火力与指挥控制, 2017, 42(11): 107-110.

WANG W, LIU F X. Decomposition and optimization of combat tasks based on collaborative correlation degree[J]. Fire Control & Command Control, 2017, 42(11): 107-110.

[15]
梁汝鹏, 邓克波, 毛泽湘, 等. 基于军事知识图谱的作战预案语义匹配方法研究[J]. 指挥与控制学报, 2019, 5(2): 115-120.

LIANG R P, DENG K B, MAO Z X, et al. A semantic matching method of combat plan based on military knowledge graph[J]. Journal of Command and Control, 2019, 5(2): 115-120.

[16]
王伟, 刘付显. 基于任务关系矩阵的作战任务分解优化[J]. 军事运筹与系统工程, 2017, 31(4): 9-14.

WANG W, LIU F X. Optimization of operational task decomposition based on task relation matrix[J]. Military Operations Research and Systems Engineering, 2017, 31(4): 9-14.

[17]
WESER M, BOCK J, SCHMITT S, et al. An ontology-based meta-model for capability descriptions[C]//Proceedings of the IEEE International Conference on Emerging Technologies and Factory Automation. Vienna, Austria: IEEE, 2020.

[18]
潘明聪, 贺毅辉, 徐伟, 等. 不确定性作战任务形式化描述方法[J]. 指挥控制与仿真, 2014, 36(3): 28-31.

PAN M C, HE Y H, XU W, et al. Formal description for task allocation under uncertain environment[J]. Command Control & Simulation, 2014, 36(3): 28-31.

[19]
赵玉林, 戚志刚, 王海宁, 等. 对海突击行动预案匹配方法[J]. 指挥信息系统与技术, 2018, 9(1): 56-61.

ZHAO Y L, QI Z G, WANG H N, et al. Preplan matching method for maritime assaultive operations[J]. Command Information System And Technology, 2018, 9(1): 56-61.

[20]
HOHENECKER P, LUKASIEWICZ T. Ontology reasoning with deep neural networks[EB/OL]. 2018: 1808. 07980. https://arxiv.org/abs/1808.07980v4.

[21]
ZOU Z G, CHE W F, WANG S S, et al. Role-based approaches for operational tasks modeling and flexible decomposition[J]. Journal of Systems Engineering and Electronics, 2016, 27(6) : 1 191-1 206.

Options
Outlines

/

〈 〉