甲板艦載機動態(tài)調(diào)度研究方法綜述

卞大鵬,黃祥釗,代麗紅,童　劍

(1.海軍駐武漢701所 軍事代表室,湖北 武漢　430064;2.中國艦船研究設計中心 3室,湖北 武漢　430064)

甲板艦載機動態(tài)調(diào)度研究方法綜述

卞大鵬1,黃祥釗2,代麗紅2,童劍2

(1.海軍駐武漢701所 軍事代表室,湖北 武漢430064;2.中國艦船研究設計中心 3室,湖北 武漢430064)

摘要艦載機甲板調(diào)度是受時間、空間、資源約束的多任務復雜問題,是航母作戰(zhàn)效能的重要保證。文中主要剖析了艦載機調(diào)度作業(yè)的應用及特點,對比分析了最優(yōu)化方法、仿真方法、Multi-agent方法以及智能搜索與規(guī)劃方法等,艦載機動態(tài)調(diào)度研究方法的適用性,提出了采用智能規(guī)劃研究方法是解決艦載機動態(tài)調(diào)度問題的主要途徑之一,但在方案制定和艦載機調(diào)度過程中需加入指揮人員的經(jīng)驗。

關鍵詞艦載機;動態(tài)調(diào)度;空間約束;資源受限

Review of Research Methods for Dynamic Scheduling of Carrier Aircraft

BIAN Dapeng1,HUANG Xiangzhao2,DAI Lihong2,TONG Jian2

(1.Naval Representative Office of 701 Institute,Wuhan 430064,China;

2.Section 3,China Ship Development and Design Center,Wuhan 430064,China)

AbstractRestricted by time,space and resources,carrier aircraft dynamic scheduling,a complex issue with multiple tasks,is an important guarantee for the combat efficiency of aircraft carrier.This paper introduces the application and characteristics of carrier aircraft scheduling,makes a comparative analysis of the optimization,simulation,multi-agent method,intelligent research and planning concerning applicability of the research methods of carrier aircraft dynamic scheduling,and concludes that one of the main solutions to carrier aircraft dynamic scheduling is the intelligent planning,which requires command staff’s experience during the process of plan making and carrier aircraft scheduling.

Keywordscarrier aircraft;dynamic scheduling;space restriction;resources limits

艦載機作為航母的重要作戰(zhàn)武器,需要在航母上進行任務規(guī)劃、調(diào)運、加油、掛彈、起飛、回收和維修等多種作業(yè),如何高效而有條不紊地進行航空作業(yè)是充分發(fā)揮航母戰(zhàn)斗力的重要保障[1]。航母艦載機作業(yè)調(diào)度是指在有限的時間、空間和資源約束條件下,對艦載機行動過程進行優(yōu)化,以保證航母艦載機出動架次率的實現(xiàn)?？茖W合理地制定艦載機出動回收調(diào)度方案,是航母作戰(zhàn)指揮的關鍵,也能夠?qū)侥革w行甲板布列設計及資源配置提供重要支撐。

本文通過介紹國外航母艦載機作業(yè)調(diào)度的現(xiàn)狀及特點,分類綜述了航母艦載機動態(tài)調(diào)度的研究方法,分析了各種研究方法的適用性,并展望了航母艦載機動態(tài)調(diào)度技術的研究方向。

1國外航母艦載機調(diào)度的現(xiàn)狀及需求

美國海軍在數(shù)十年的航母使用過程中,發(fā)展了較成熟的航空作業(yè)管理與使用方法,基本滿足航母甲板調(diào)度作業(yè)需求。傳統(tǒng)航母上采用實體的“占卜板(Ouija Board)[2]”,即航母飛行甲板和機庫甲板的小比例模型,飛機彈射與回收管理人員在“占卜板”上跟蹤和監(jiān)控所有的飛機。甲板上飛機的信息,如飛機掛載的武器種類、燃油量等,在甲板上有專門人員手工記錄下來,然后交給記錄板操作員。這種人工操作方式存在信息延誤和信息不對稱,不利于艦載機的快速指揮調(diào)度,影響航母整體作戰(zhàn)能力。

為提高航空作業(yè)管理自動化程度,美國海軍開發(fā)了航空數(shù)據(jù)管理和控制系統(tǒng)(Aviation Data Management And Control System,ADMACS)[3]。航空數(shù)據(jù)管理與控制系統(tǒng)是一種實時信息管理系統(tǒng),通過傳感器、局域網(wǎng)、顯示與控制設備,連接航空作業(yè)相關系統(tǒng),在全艦范圍內(nèi)實現(xiàn)所有航空作業(yè)相關數(shù)據(jù)的融合、分發(fā)和控制,集成管理幾乎所有航空作業(yè)的規(guī)劃的執(zhí)行,不僅包括艦載機出動回收作業(yè)規(guī)劃。

圖1　美國“尼米茲級”航母“Ouija Board”[4]

傳統(tǒng)的航空作業(yè)方法主要是依靠各作業(yè)環(huán)節(jié)之間的協(xié)調(diào),解決航空作業(yè)相關數(shù)據(jù)在艦上傳遞的準確性和速度等問題。但利用傳統(tǒng)方法規(guī)劃艦載機甲板作業(yè)時,需耗費大量人力和時間,而且規(guī)劃人員與其他決策人員的溝通可能不及時,從而影響艦載機出動回收作業(yè)。因此,需要一種艦載機作業(yè)調(diào)度工具,規(guī)劃艦載機布列、起飛、回收、調(diào)運、保障及維修等項目,保證艦載機出動架次率的實現(xiàn)。

通過分析國外航母艦載機出動回收過程,艦載機調(diào)度具有如下特點[5]:(1)飛行計劃下發(fā)后,飛行甲板已保障完畢的艦載機滑行至指定的彈射器,飛機彈射起飛并執(zhí)行任務返航后,進入降落隊列,指揮人員安排艦載機著艦順序,成功著艦后,立即引導其滑行或牽引至停機位,再轉(zhuǎn)運到艦面保障區(qū)域進行補給準備,艦載機再次出動準備完畢后,則執(zhí)行再次起飛任務。整個過程,艦載機執(zhí)行起飛-飛行-著艦-再次起飛等任務,因此甲板作業(yè)具有周期性特點;(2)由于需按照艦載機飛行計劃執(zhí)行艦載機出動回收任務,相關指揮作業(yè)人員必須要制定每架飛機各項操作的時間以及資源調(diào)度在內(nèi)的總體行動過程調(diào)度方案。但艦載機甲板作業(yè)過程中具有艦載機事故等或保障設備設施故障的不確定性,導致操作難以根據(jù)事先計劃進行,需要經(jīng)常重新規(guī)劃調(diào)度方案。因此,艦載機具體作業(yè)項目又具有隨機性的特點。

在艦載機調(diào)度過程中,如艦載機數(shù)量和保障資源和設備已明確、各項目時間確定且制定計劃時都已到位、保障資源和設備不存在故障且均可用,則一般此類調(diào)度是屬于靜態(tài)調(diào)度問題。

由于在實際作戰(zhàn)過程中艦載機出動回收調(diào)度作業(yè)具有隨機性,例如作戰(zhàn)任務的變化導致飛機不能到位、艦載機保障設施設備出現(xiàn)故障或特勤問題,使得艦載機調(diào)度作業(yè)方案不能按預先制定的計劃執(zhí)行,需要對艦載機調(diào)度方案進行動態(tài)調(diào)整,因此要對當前方案重新規(guī)劃。隨機事件的不可計劃性導致需要動態(tài)調(diào)整,此類問題屬于動態(tài)調(diào)度問題。鑒于艦載機甲板作業(yè)具有動態(tài)調(diào)度的特點,以下將重點分析采用動態(tài)調(diào)度技術和方法研究艦載機作業(yè)的進展情況。

2艦載機動態(tài)調(diào)度研究方法

動態(tài)調(diào)度的概念最早出現(xiàn)在生產(chǎn)制造領域,在初始階段,其研究手段主要采用系統(tǒng)建模和邏輯仿真方法,與實際應用還有一定差距。信息化技術的發(fā)展以及神經(jīng)網(wǎng)絡、遺傳算法、人工智能和仿真技術等新方法的產(chǎn)生,為動態(tài)調(diào)度的研究開辟了新思路[6]。

艦載機作業(yè)的動態(tài)調(diào)度涉及多架艦載機在多種資源之間的協(xié)調(diào)、駐留、起降以及維修保障等作業(yè),結(jié)合艦載機動態(tài)調(diào)度特點,目前常用的動態(tài)調(diào)度方法包括最優(yōu)化方法、仿真方法、多智能體(Multi-agent)方法以及智能規(guī)劃方法。

2.1　最優(yōu)化方法

最優(yōu)化方法一般是指線性規(guī)劃、動態(tài)規(guī)劃、、分支定界法和消去法等傳統(tǒng)運籌學優(yōu)化方法。采用最優(yōu)化方法時通常將原問題進行簡化,使得問題便于進行數(shù)學描述和建模,從而得出一個優(yōu)化的調(diào)度方案。

魏昌全等人[7]分析了作戰(zhàn)任務變更所引起的連續(xù)出動艦載機航空保障重調(diào)度問題,采用重調(diào)度理論和方法研究建立了連續(xù)出動艦載機航空保障重調(diào)度模型,設計了求解模型的免疫算法,避免了模型的解空間可能出現(xiàn)組合爆炸問題。劉欽輝等[8]考慮艦載機轉(zhuǎn)運空間、作業(yè)空間,基于艦載機出動準備流程,利用多模式資源受限項目調(diào)度問題研究方法,構(gòu)建了資源受限艦載機作業(yè)調(diào)度數(shù)序模型,為艦載機甲板作業(yè)規(guī)劃及優(yōu)化提供了一定了借鑒。李耀華等[9]針對航空公司飛機排班計劃優(yōu)化問題中的關鍵問題——飛機指派問題,考慮了飛機與航班之間的匹配要求,建立了飛機指派優(yōu)化模型,可提高排班計劃的自動化水平。

由于艦載機調(diào)度問題涉及艦載機配置、保障資源布置及配置等多方面因素,且甲板艦載機調(diào)度又具有隨機性和動態(tài)性,重調(diào)度任務較多,求解難度較大。因此,大部分艦載機調(diào)度問題屬于NP-Hard問題。在艦載機動態(tài)調(diào)度的研究中,僅采用最優(yōu)化方法通常還不能適應艦載機調(diào)度作用對動態(tài)性的要求,需要結(jié)合其他研究方法和手段來解決這類調(diào)度問題。

強硬、嚴謹、鎮(zhèn)定、直率，拉加德在她轉(zhuǎn)型后延續(xù)了多年來形成的工作風格。同時，她是法國政府中鮮明的“親美派”，說話間常夾雜著英語單詞，她不熟習法國政治文化，喜歡直言，因此多次在媒體和同僚面前“出丑”，也因此在法國政壇落下“蠢話夫人”“失言部長”的綽號。

2.2　仿真方法

仿真方法是動態(tài)調(diào)度研究中的常用方法,主要通過對實際環(huán)境和要素的建模來模擬調(diào)度環(huán)境和邏輯流程,此種方法的優(yōu)勢在于避開了對動態(tài)調(diào)度問題進行數(shù)學理論分析的困難[10]。

仿真方法應用于動態(tài)調(diào)度研究中主要解決如下的問題:

(1)在進行仿真試驗時,通過分析仿真輸入和相關參數(shù)對仿真結(jié)果的影響,研究找出各種調(diào)度策略對仿真結(jié)果的變化趨勢,從而得出符合仿真結(jié)論的合理策略。林華等[11]針對艦載機回收作業(yè)中飛行甲板跑道容量瓶頸問題,采用仿真方法分析了先來先服務、基于最早到達時刻、滑動窗排序3種調(diào)度算法,表明滑動窗排序算法可一定程度減少計算量和等待時間,為艦載機著艦自動化管理系統(tǒng)中著艦飛機的調(diào)度提供了較好的解決途徑;

(2)在評價各應用方法優(yōu)劣時,運用該方法分別進行仿真環(huán)境和要素的建模,從而評價得出不同方法的適用范圍,找出合適的仿真方法;另外,還可根據(jù)仿真數(shù)據(jù)建立知識庫或產(chǎn)生訓練樣本數(shù)據(jù)[12]。Liu等人[13]通過仿真實驗產(chǎn)生訓練樣本用于訓練神經(jīng)網(wǎng)絡,并將訓練后的神經(jīng)網(wǎng)絡用于動態(tài)調(diào)度研究。李耀宇等[5]從艦載機飛行甲板布列調(diào)運問題出發(fā),構(gòu)建了一種基于排隊網(wǎng)絡的艦載機調(diào)度模型,提出了基于排隊網(wǎng)絡和進化算法的艦載機調(diào)度策略優(yōu)化方法,為驗證此方法的有效性進而開發(fā)了基于離散事件仿真的艦載機甲板調(diào)度仿真系統(tǒng)。

仿真方法在模擬實際環(huán)境時主要是基于一定的假設和近似,且在構(gòu)建仿真模型時主要是通過建立系統(tǒng)邏輯關系和參數(shù)選擇,因而仿真結(jié)論會因系統(tǒng)模型的不同而不同,不同的模型難以取得一致的結(jié)論。然而,仿真方法通過對實際環(huán)境和要素的建模來模擬調(diào)度環(huán)境和邏輯流程,避開了對動態(tài)調(diào)度問題進行數(shù)學理論分析的困難。在缺乏有效理論分析的情況下,仿真是一種較好的方法。

2.3　多智能體方法

多智能體(Multi-agent)方法通過在一系列分散的智能單元(Agent)[14]間進行協(xié)調(diào)來解決問題,側(cè)重于研究多個Agent之間的相互作用。這些Agent具有各自的目標和自治的行為特性,而且這些Agent還可以有子單元。但沒有一個單元能夠獨自解決全局問題,因而其之間必須進行協(xié)調(diào)來處理。

每個Agent的結(jié)構(gòu)至少應由以下3個組成部分[15]:(1)知識庫,包含Agent執(zhí)行其功能所必需的知識和數(shù)據(jù);(2)控制功能,根據(jù)環(huán)境狀態(tài)及與其它Agent間的相互作用,從知識庫中提取知識來完成調(diào)度功能;(3)通訊功能,用來與其它Agent和環(huán)境之間進行信息傳遞。

研究表明,Multi-agent方法適用于用經(jīng)典方法無法解決的單元間有大量交互作用的復雜問題。此類方法優(yōu)點是速度快、可靠性高、可擴展性強、能處理帶有空間分布的問題、對不確定性數(shù)據(jù)和知識有較好的容錯性。

2.4　智能搜索和規(guī)劃方法

在調(diào)度問題研究過程中,采用的智能方法主要包括模擬退火、禁忌搜索、遺傳算法和基于Markov決策過程等方法[19]。

楊秋輝等[20]將自適應遺傳算法用于飛機調(diào)度問題,實現(xiàn)了單跑道降落飛機調(diào)度問題的求解算法,仿真結(jié)果表明了自適應遺傳算法用于飛機調(diào)度問題的有效性。胡訓強等[21]引入粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法,建立了軍機起降調(diào)度的數(shù)學模型,采用自然數(shù)和非負實數(shù)相混合的編碼策略,降低了問題的約束復雜度。司維超等人[22-23]應用PSO算法研究戴高樂航母的艦載機出動問題并建立了布列調(diào)度模型,但假設和模型比較簡單,只考慮了近似距離和靜態(tài)出動問題。Jeffrey等[2]為減少艦載機作業(yè)過程中的失誤和傷亡設計了一種甲板監(jiān)控系統(tǒng),可提供危險預警和艦載機甲板路徑規(guī)劃能力。李耀宇等人[24]建立基于馬爾可夫決策(Markov Decision Process)的艦載機狀態(tài)轉(zhuǎn)移模型,采用逆向強化學習方法從“專家”,即模擬指揮人員的調(diào)度演示中確定優(yōu)化回報函數(shù),進而由強化學習方法得到智能優(yōu)化策略,生成艦載機甲板調(diào)度方案。

智能方法具有計算速度快且易與其他算法相結(jié)合的優(yōu)點,較適合于解決動態(tài)調(diào)度問題。

3艦載機動態(tài)調(diào)度技術發(fā)展趨勢分析

幾十年來,美國海軍航母軍官始終利用“占卜板”進行艦載機布列和規(guī)劃甲板作業(yè)計劃。2009年,MIT的Ryan[21-22]等開始為美國海軍研究辦公室開發(fā)了航空母艦甲板行動過程規(guī)劃者系統(tǒng)(Deck Operations Course of Action Planner,DCAP)。該系統(tǒng)與計劃制訂者一起,追蹤最新的飛行數(shù)據(jù)并產(chǎn)生新的甲板作業(yè)計劃,監(jiān)視系統(tǒng)也可減少甲板人員數(shù)量,以擁擠和事故風險。所以,就是如何找出一種更好的方式來減少事故。首先必須確定影響飛行甲板作業(yè)的關鍵數(shù)據(jù),包括艦載機燃油量、飛行時間表和甲板設備的狀態(tài)(如彈射器)等;然后,研究規(guī)劃算法,從而基于不同任務想定來制訂最佳計劃。DCAP能夠追蹤和控制縮比模型、無人控制的車輛及飛機的位置。當研究人員將想定編入系統(tǒng),例如彈射器故障或燃油短缺,DCAP重新規(guī)劃了起飛與著艦的計劃,且車輛接收了這些信息,依次排列,DCAP對于處理艦載無人機將是有用的。

圖2　DCAP信息顯示界面

Ryan等人[25-27]研究了基于Markov決策過程的艦載機甲板作業(yè)行動過程優(yōu)化,根據(jù)航母甲板特點,將艦載機、彈射器、阻攔裝置狀態(tài)細分,建立Markov狀態(tài)轉(zhuǎn)移模型,并采用逆強化學習方法獲取行動過程優(yōu)化方案。

因此,未來在解決艦載機動態(tài)調(diào)度問題過程中,采用智能規(guī)劃方法將是主要的研究手段,但在方案制定和艦載機調(diào)度過程中需要加入指揮人員的經(jīng)驗。

4結(jié)束語

本文在介紹美國航母航空數(shù)據(jù)管理與控制系統(tǒng)應用特點的基礎上,分析了艦載機動態(tài)調(diào)度的特點,歸納總結(jié)了國內(nèi)外航母艦載機動態(tài)調(diào)度技術的研究方法及最優(yōu)化方法、仿真方法、Multi-agent方法、智能方法等,最后提出智能方法已成為艦載機動態(tài)調(diào)度研究的發(fā)展趨勢,在方案制定和艦載機調(diào)度過程中需要加入指揮人員的經(jīng)驗。

參考文獻

[1]孫詩南.現(xiàn)代航空母艦[M].上海:科學普及出版社,1998.

[2]Jeffrey S.A feasibility study of a persistent monitoring system for the flight deck of u.s.navy aircraft carriers[D].MA,USA:the Air Force University,2009.

[3]Aircraft Platform Interface Laboratory.Aviation data management and control system[EB/OL].(2011-09-29)[2014-12-02]www.lakehurst.navy.mil

[4]MIT.Multimedia[EB/OL].(2011-09-29)[2014-12-02]http://web.mit.edu/newsoffice/login.html?articleId=16641&articleItemid=89.

[5]李耀宇,朱一凡,賈全,等.基于排隊網(wǎng)絡的艦載機甲板調(diào)運優(yōu)化調(diào)度策略生成方法[J].海軍工程大學學報,2013,25(5):26-30.

[6]錢曉龍,唐立新,劉文新.動態(tài)調(diào)度的研究方法綜述[J].控制與決策,2001,16(2):3-5.

[7]魏昌全,陳春良,王保乳.基于任務的連續(xù)出動艦載機航空保障重調(diào)度研究[J].指揮控制與仿真,2012,34(3):23-26.

[8]劉欽華,邱長華,王能建.考慮空間約束的艦載機作業(yè)調(diào)度模型研究[J].哈爾濱工程大學學報,2012,33(11):1435-1441.

[9]李耀華,譚娜.飛機指派問題優(yōu)化模型及算法研究[J].控制工程,2010,17(2):209-214.

[10]龐慶華.柔性設計機制及其在生產(chǎn)作業(yè)計劃決策支持系統(tǒng)中的應用[D].南京:南京工業(yè)大學,2002.

[11]林華,占明鋒,周豐.艦載機回收任務的優(yōu)化調(diào)度算法及仿真[J].海軍工程大學學報,2008,20(1):50-54.

[12]汪文元.基于工作流的兵力調(diào)度技術研究[D].長沙:國防科技大學,2005.

[13]Liu H J,Dong Jian.Dispatching rule selection using artificial neural networks for dynamic planning and scheduling[J].Journal of Intelligence Manuf,1996,7(2):243-250.

[14]王平,張立,侯玉.基于Agent的航母艦載機出航準備指揮決策系統(tǒng)建模[J].兵工自動化,2007,26(5):33-34.

[15]王會勇.基于多智能體的機群動態(tài)調(diào)度方法[D].天津:河北工業(yè)大學,2005.

[16]Timothy.Requirements for digitized aircraft spotting (ouija) board for use on U.S.Navy Aircraft Carriers[D].Monterey:Naval Postgraduate School,2002.

[17]馮強,曾聲奎,康銳.基于MAS的艦載機動態(tài)調(diào)度模型[J].航空學報,2009,30(11):2119-2125.

[18]馮強,曾聲奎,康銳.不確定條件下艦載機動態(tài)調(diào)度仿真與優(yōu)化方法[J].系統(tǒng)仿真學報,2011,23(7):1497-1501.

[19]李洪峰.網(wǎng)絡環(huán)境下產(chǎn)品生產(chǎn)鏈智能調(diào)度研究[D].沈陽:東北大學,2008.

[20]楊秋輝,游志勝,馮子亮,等.自適應遺傳算法在飛機調(diào)度問題中的應用[J].四川大學學報:自然科學版,2004,41(6):1158-1162.

[21]胡訓強,謝曉方,李德棟.軍用飛機智能起降調(diào)度技術研究[J].系統(tǒng)工程與電子技術,2012,34(11):2280-2284.

[22]司維超,韓維,史瑋韋.基于PSO算法的艦載機艦面布放調(diào)度方法研究[J].航空學報,2012,33(11):2048-2056.

[23]司維超,韓維,宋巖,等.基于多種群協(xié)作混沌智能算法的艦載機出動調(diào)度[J].計算機應用研究,2013,30(2):454-457.

[24]李耀宇,朱一凡,楊峰,等.基于逆向強化學習的艦載機甲板調(diào)度優(yōu)化方案生成方法[J].國防科技大學學報,2013,35(4):171-175.

[25]Ryan J C.Designing an interactive local and global decision support system for aircraft carrier deck scheduling[C].St.Louis,Missouri:AIAA,2011.

[26]Michini B,How J P.A human-interactive course of action planner for aircraft carrier deck operations[C].St.Louis,Missouri:AIAA,2011.

[27]Ryan J C.Assessing the performance of human-automation collaborative planning systems[D].Cambridge,Massachusetts State:Massachusetts Institute of Technology,2011.

作者簡介:卞大鵬(1976—),男,碩士,工程師。研究方向:艦船航空保障。黃祥釗(1979—),男,博士,工程師。研究方向:艦船總體設計。

收稿日期:2015- 04- 27

中圖分類號TN94;V271.4+92

文獻標識碼A

文章編號1007-7820(2016)01-169-04

doi:10.16180/j.cnki.issn1007-7820.2016.01.045