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 6: 1 - 5

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.06.001

Command & Control

Research on measurement of decision-making optionality based on capability packages and kill chains

  • LIU Junxian
Expand
  • National Key Laboratory of Information System Engineering, National University of Defense Technology, Changsha 410073, China

Received date: 2025-06-04

  Revised date: 2025-07-18

  Online published: 2025-11-22

Fold

Abstract

In response to the issue of assessing the decision-making superiority of a System of Systems (SoS), this study focuses on capability packages and kill chains, proposing a system decision-making optionality concept framework and a decision-making optionality measuring model. Corresponding calculation models for the availability of capability packages and the effectiveness of kill chains within the model are also developed. The research findings of this paper are innovative in the measurement of SoS superiority, especially decision-making superiority, and can be used to assess the combat potential of mosaic SoS and combat target analysis.

Key words： system of systems assessment; decision-making optionality; capability packages; kill chains

Cite this article

LIU Junxian . Research on measurement of decision-making optionality based on capability packages and kill chains[J]. Command Control and Simulation, 2025 , 47(6) : 1 -5 . DOI: 10.3969/j.issn.1673-3819.2025.06.001

随着人工智能、大数据、自主系统等技术在现代作战中的应用,现代作战逐渐从信息时代战争转向智能时代战争,一系列新的武器装备不断出现,作战概念也不断推陈出新,如美军先后提出了多域作战、分布式作战、决策中心战等新概念。以马赛克战为代表的决策中心战最能反映智能时代战争的制胜机理。信息时代以网络中心战为代表战争的制胜机理主要是“通过鲁棒互连的网络化兵力实现信息优势、通过信息优势实现决策优势、通过决策优势获得全谱优势”[1],与此不同,智能时代战争的制胜机理体现在“通过分布解耦和无人化实现兵力马赛克化,通过马赛克兵力动态组合实现杀伤链适应性生成、通过杀伤链向杀伤网的转变实现决策可选择性(optionality)、通过决策可选择性来获得决策优势”。虽然两种制胜机理都提到了决策优势,但其内涵发生了很大的变化。在网络中心战概念中决策优势指的是比对手更快地作出更好的决策,而在决策中心战概念里决策优势则是指拥有比对手更多的决策可选择性。如何评估判断体系是否有更多的决策可选择性,如何才能生成更多的决策可选择性,如何选择打击目标来降低对手的决策可选择性?这些问题成为智能时代作战研究面临的系列难题。
国外一些智库和研究所,如美战略预算与评估中心CSBA、兰德公司、哈德逊研究所等机构对决策中心战、多域作战等作战概念进行了分析研究,得到了一些有意义的结论并给出了相关建议。如Rand公司采用基于Agent的仿真手段对Mosaic战的快速可组合能力、异质水平和能力分馏情况进行研究,探索Mosaic战的机理规律[2];通过Colonel Blotto兵棋研究发现马赛克兵力可以利用对手策略中的不对称性取得优势[3];借助免疫系统和海军NIFC-CA项目分析,提出对马赛克战分布式杀伤链的建议[4]。也有研究对马赛克战从哲学到模型再到解决方案进行了研究[5]。Hudson研究所提出了通过使命集成提高决策优势的方法[6];研究提出了决策中心C3框架,评估了决策中心C3技术需求[7]。国内从多个方面对决策中心战进行了研究,如从复杂性视角分析了决策中心战概念[8],探索了决策中心战制胜机理[9],分析了决策中心战的能力需求与技术支撑[10]。但是总的来说,以上国内外研究也没有全面解决前面提出的决策优势相关难题。
本文选择决策优势量化评估问题进行研究,在提出决策可选择性概念框架基础上,构建了决策可选择性度量模型、能力包可用性度量模型和杀伤链效能度量模型。

1 决策可选择性概念框架与度量

1.1 决策可选择性与杀伤链

任何杀伤过程都由或多或少的环节构成,这些环节即构成杀伤链。杀伤链这个词是最早用作描述攻击结构的军事概念,一般包括目标识别、分配兵力到目标、决策并生成命令、摧毁目标等环节。打断/破坏对手的杀伤链成为一种先发制人的行动方法。1990年,John Jumper为美国空军提出了一个新的杀伤链F2T2EA(Find,Fix,Track,Target,Engage,Assess),其中:(1)发现(Find),查找目标;(2)定位(Fix),确定目标的位置;(3)跟踪(Track),监视目标的移动;(4)瞄准(Target),选择武器或资源作用于目标并产生期望效果;(5)交战(Engage),对目标使用武器;(6)评估(Assess),评估攻击效果。这是一个集成的端到端的流程。
决策中心战的典型示例是美国防高级研究计划局(DARPA)提出的“马赛克战”概念。“马赛克战”的中心思想是,以人类指挥与智能化机器控制相结合的方式来指挥人与自主系统混编而成的分布式部队,利用人-自主系统编队的高适应性和突出的复杂性来延迟或阻止对手实现目标,同时破坏敌人的重心以阻止进一步的攻击。
马赛克战采用以决策为中心的C3,具体为基于上下文的C3(Context-based C3),其目标是实现指挥官的可选择性(optionality)[11]。可选择性的强弱取决于可行行动方案的数量,其核心是对敌目标进行打击等作战行动的方案。对每个目标进行打击的行动方案对应一条杀伤链。因此,体系能够提供的杀伤链的多少就反映了体系决策可选择性的大小。

1.2 决策可选择性概念框架

基于上述分析,本文提出图1所示的决策可选择性概念框架。决策可选择性的高低取决于行动方案的数量和质量,行动方案数量对应于杀伤链的数量,行动方案的质量对应于杀伤链就绪度,杀伤链与目标相对应。
图1 决策可选择性概念框架

Fig.1 Conceptual framework of decision-making optionality

就绪度是指军事力量进行交战以满足所分配任务需要的本领(the ability of military forces to fight and meet the demands of assigned missions)[12]。杀伤链就绪度是指执行杀伤链的军事力量执行杀伤链所包含的作战活动,并达到预期要求的本领。这里的军事力量通常被具体化为相关的能力包。
就绪度一般基于可用性和能力进行衡量。杀伤链就绪度由杀伤链的结构、杀伤链可用性、杀伤链有效性决定。杀伤链的结构描述杀伤链相关能力包在杀伤链中的分工安排。杀伤链可用性指的是杀伤链相关能力包的可用性。杀伤链有效性是指在相关能力包完全可用时杀伤链能够闭合的概率。这里采用能力包而不是装备,是因为仅仅具有可用装备但缺乏人员、指挥组织、条令条例、训练等要素时,装备能力不能发挥出来,也就不能执行杀伤链的活动。因此,能力包的可用性取决于其组成要素的完好性。

1.3 决策可选择性度量模型

为了评估体系整体上的决策可选择性,结合决策可选择性概念框架,作如下假设:
(1)体系待打击的目标有K个;
(2)对第k个目标,有mk条可能的杀伤链,k=1,2,…,K;
(3)对第k个目标的第i条杀伤链,包含Aki个活动,有nki个能力包参与执行,第j个能力包的可用性为pA(kij),参与Akij个活动;
(4)对第k个目标的第i条杀伤链,其有效性为PE(ki)。
基于以上假设和决策可选择性概念框架中相关概念之间的关系,定义体系对第k个目标的决策可选择性为
Rk= ∑ i = 1 m k PE(ki) ∑ j = 1 n k i pA(kij) A k i j A k i
体系的决策可选择性定义为对各目标决策可选择性的均值,即
R= 1 K ∑ k = 1 K Rk= 1 K ∑ k = 1 K ∑ i = 1 m k PE(ki) ∑ j = 1 n k i pA(kij) A k i j A k i
上述度量模型在应用时需要解决两个问题:(1)给定一条杀伤链,如何度量这条链相关能力包的可用性?(2)给定一条杀伤链,如何量化这条链的有效性?
下面对此进行分析,给出相应支撑模型。

2 能力包可用性度量

2.1 能力包概念及发展

本文能力包的概念来自使命能力包、自适应兵力包等概念。
使命能力包(Mission Capability Package,MCP)概念是在美国兵力规划中长期演进形成的。20世纪60年代,美国防部为了应用“系统思维”来分析采办项目之间的关系,将这一概念引入规划、计划、预算和执行系统中,并经由戈德华特·尼科尔斯(Goldwater Nichols)立法确认,最后由联合需求咨询委员会进一步拓展。MCP概念主要围绕如何达成使命愿景来协同、构建能力,包含作战概念、指挥和兵力结构、相应条令、训练和教育、技术、装备,以及为完成特定任务而设计开发的支撑基础设施[1]。美军使用MCP来牵引装备采办改革,通过MCP使装备采办与非装备要素相互支持,并在作战应用中逐步完善。
自适应兵力包(Adaptive Force Package,AFP)最早出现于分布式杀伤(distributed lethality)概念相关文件[13],是美海军从平台中心战向分布式作战转型后,为了组织分布式的中小型有人无人平台完成任务而提出的。AFP是一个由水面和水下作战人员、美国海军辅助支援舰、相关飞机和无人驾驶飞行器组成的任务组。每个AFP都根据可用任务平台和要完成的任务进行定制。
兰德公司在提交给美国空军的就绪度评估咨询报告中提出了兵力包(Force Package,FP)的概念[14]。FP被描述为一种将C2、作战任务和远征作战支持部队进行打包的方法,以提交给作战司令部。FP描述了各种规划场景中所需的功能。通过分组单元类型代码(Unit Type Code,UTC),FP建立了人员与装备的可用性和能力之间的联系。
本文的能力包是指构成一定水平的能力所需要的能力要素的组合,包括人员、组织、条令装备、训练、基础设施、保障和信息等方面要素。

2.2 能力包的可用性

能力包的可用性指的是能力包满足可用要求的程度,可以根据能力包定义中8方面要素的状态来衡量。将每种能力要素状态定义为满足、基本满足、不满足,则能力包整体可用状态如图2所示。
图2 能力包要素状态

Fig.2 Element’s status of capability package

根据能力包8要素的状态,能力包可用性pA如表1所示进行定义。
表1 能力包可用性等级度量表

Tab.1 Level table of availability of capability packages

等级 度量值 定义
等级一 0 3种以上要素处于不满足状态
等级二 0 1种要素处于不满足状态
等级三 0.6 无要素处于不满足状态,2种要素处于基本满足状态
等级四 0.8 无要素处于不满足状态,1种要素处于基本满足状态
等级五 1.0 所有要素处于满足状态

3 杀伤链效能度量

3.1 杀伤链的执行成功概率

杀伤链中每项作战活动执行需要一定的时间,因此,给定总的执行时间约束后,杀伤链可以执行的时间窗口就确定了。在这个时间窗口内,杀伤链可能完成执行,也就是执行成功,也可能不成功。杀伤链本质上是一个作战活动序列,后一项作战活动只有在前一项作战活动成功执行后才能执行,所有作战活动执行完毕则杀伤链执行成功。
以F2T2EA杀伤链为例,假设给定时间窗口约束T,则杀伤链执行成功概率是一个条件概率,即
PF2T2EA T=P[assess|engage]×P[engage|target]×P[target|track]×P[track|fix]×P[fix|find]×P[find]
给定时间约束T,将杀伤链的执行成功概率PF2T2EA T定义为杀伤链的效能PE。

3.2 基于杀伤链闭合概率的效能计算

记发现活动执行时间为t1,定位活动执行时间为t2,跟踪活动执行时间为t3,瞄准活动执行时间为t4,交战活动执行时间为t5,评估活动执行时间为t6,则
PF2T2EA T=P[(t1≤T)∩(t2≤T-t1)∩
t 3 ≤ T - t 1 - t 2∩ t 4 ≤ T - t 1 - t 2 - t 3∩(t5≤
T-t1-t2-t3-t4)∩(t6≤T-t1-t2-t3-t4-t5)]
Koopman研究指出[15],当一项活动A在一定时间T内连续执行时,且执行期间外部条件没有变化,则执行成功率为
P A= ∫   0 Tλe-λtdt
其中,λ为单位时间内A发生的频次。
基于以上结论,参考文献[16]进行分析,有
PF2T2EA(T)= ∫   0 Tλ1 e - λ 1 τ 1 ∫   0 T - t 1λ2 e - λ 2 τ 2 ∫   0 T - t 1 - t 2λ3
e - λ 3 τ 3 ∫   0 T - t 1 - t 2 - t 3λ4 e - λ 4 τ 4 ∫   0 T - t 1 - t 2 - t 3 - t 4λ5
e - λ 5 τ 5 ∫   0 T - t 1 - t 2 - t 3 - t 4 - t 5λ6 e - λ 6 τ 6dτ6dτ5dτ4dτ3dτ2dτ1
积分并化简后得到
PF2T2EA T=1- ∑ i e - λ i T ( ∏ i ≠ j λ j ) ∏ i ≠ j ( λ j - λ i )

4 算例分析

下面以一个与战斗机进行对抗的空战体系为例分析该体系的决策可选择性。
假设红方力量为某型号战斗机FR,蓝方力量为一个空战体系,包括预警机EB、战斗机FB、地空导弹SAMB和空空导弹MB,蓝方体系有三条杀伤链可以拦截红方的战斗机FR,如图3所示。
图3 示例

Fig.3 An example

第一条杀伤链KC-1为地空导弹SAMB独立拦截红方FR;第二条杀伤链KC-2为FB完成发现、定位、跟踪、瞄准、发射和评估活动,空空导弹MB进行空中打击活动;第三条杀伤链KC-3为SAMB发现目标,预警机EB完成定位、跟踪、瞄准活动并指挥战斗机FB发射空空导弹MB,MB攻击红方战斗机FA,预警机最后执行作战评估活动。
蓝方四种装备构成4种能力包,仍以其装备命名,其可用性及参与的杀伤链如表2所示。
表2 能力包可用性

Tab.2 Availabilities of the four capability packages

序号 能力包 可用性
1 SAMB 0.9
2 FB 0.8
3 EB 0.9
4 MB 0.85
假设三条杀伤链的效能为
PE 1=0.6,PE 2=0.5,PE 3=0.8
那么蓝方对抗红方战斗机的决策可选择性为
假设红方仅用FA即空空导弹来对抗蓝方的FB,FA和FB的作战效能和可用性基本一致,那么红方的决策可选择性与蓝方第二条杀伤链的可选择性基本相同,即为0.404,双方相比,蓝方整体方面的优势为1.504-0.404=1.1,显然蓝方体系对红方单装有极大的优势。
蓝方四种能力包参与的杀伤链及对决策可选择性的累计贡献如表3所示。
表3 能力包及对体系的贡献

Tab.3 Contribution of capability packages to SoS

序号 能力包 参与杀伤链 贡献
1 SAMB KC-1,KC-3 0.66
2 FB KC-2,KC-3 0.408
3 EB KC-3 0.252
4 MB KC-2,KC-3 0.184
从表3可以看出,低空导弹SAMB对体系的潜在贡献最大,战斗机的贡献次之。

5 结束语

本文基于能力包和杀伤链,在分析决策可选择性概念内涵的基础上,提出了1种决策可选择性度量框架及度量模型,针对度量模型中的能力包可用性和杀伤链效能分别研究给出了相应的度量模型,最后以一个简单案例验证了模型的使用。本文成果既可以用于分析对抗双方作战体系的优劣,也可以分析体系各能力包对体系整体优势的“贡献”,根据“贡献”来确定己方体系重点防护目标,或对对方目标进行排序,为作战筹划提供支持。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
ALBERTS D S, STEIN F P. Network centric warfare: developing and leveraging information superiority[R]. Washington, DC: National Defense University Press, 1999.

[2]
GULDEN T R, LAMB J, HAGEN J, et al. Modeling rapidly composable, heterogeneous, and fractionated forces: findings on mosaic warfare from an agent-based model[R]. Santa Monica, CA: RAND Corporation, 2021.

[3]
GRANA J, LAMB J, O’DONOUGHUE N A. Findings on mosaic warfare from a Colonel Blotto game[R]. Santa Monica, CA: RAND Corporation, 2021.

[4]
O’DONOUGHUE N A, MCBIRNEY S, PERSONS B. Distributed kill chains: drawing insights for mosaic warfare from the immune system and from the navy[R]. Santa Monica, CA: RAND Corporation, 2021.

[5]
SAPATY P. Mosaic warfare: from philosophy to model to solutions[J]. International Robotics & Automation Journal, 2019, 5(5):157-166.

[6]
CLARK B, PATT D, WALTON T A, et al. Advancing decision-centric warfare: gaining advantage through force design and mission integration[R]. Pennsylvania Avenue, N.W.: Hudson Institute, 2021.

[7]
CLARK B, PATT D, WALTON T A. Implementing decision-centric warfare: elevating command and control to gain an optionality advantage[R]. Pennsylvania Avenue, N.W.: Hudson Institute, 2021.

[8]
赵坦, 吴琳, 陶九阳, 等. 复杂性视角下的决策中心战概念分析[J]. 指挥与控制学报, 2024, 10(4): 391-400.

ZHAO T, WU L, TAO J Y, et al. Decision-centric warfare concept from the complexity perspective[J]. Journal of Command and Control, 2024, 10(4): 391-400.

[9]
陈鑫, 李立伟, 侯立志, 等. 决策中心战制胜机理仿真实验分析[J]. 舰船电子工程, 2024, 44(1): 94-98.

CHEN X, LI L W, HOU L Z, et al. Simulation experiment analysis of the victory mechanism of decision-centered warfare[J]. Ship Electronic Engineering, 2024, 44(1):94-98.

[10]
史红权, 陈行军, 赵鑫业, 等. 决策中心战的能力需求与技术支撑[J]. 火力与指挥控制, 2023, 48(11): 109-115.

SHI H Q, CHEN X J, ZHAO X Y, et al. Capability requirements and technical support for decision-centered warfare[J]. Fire Control and Command Control, 2023, 48(11): 109-115.

[11]
CLARK B, D. PATT, H. SCHRAMM. Mosaic warfare: exploiting artificial intelligence and autonomous systems to implement decision centric operations[R]. Washington DC: Center for Strategic and Budgetary Assessments, 2020.

[12]
HERRERA G J. The fundamentals of military readiness[R]. Washington, D.C.: Congressional Research Service, 2020.

[13]
Rowden Thomas, Peter Gumataotao, Peter Fanta. Distributed Lethality[R]. U.S. Naval Institute. January 2015.

[14]
ROSELLO A D, EMSLIE P, GOODE T E, et al. Developing operationally relevant metrics for measuring and tracking readiness in the U.S. air force[R]. Santa Monica, CA: RAND Corporation, 2021.

[15]
KOOPMAN B O. Search and screening[R]: Washington, D.C.: Operations Evaluation Group, Office of the Chief of Naval Operations, Navy Dept, 1946.

[16]
RICE R E. Calculating the probability of successfully executing the kill chain to analyze hypersonics[J]. Phalanx, 2022, 55(1): 22-27.

Options
Outlines

/

〈 〉