基于大數據及機器學習的智能作戰(zhàn)評估方法

左欽文,張杰民,劉曉宏,楊 明

(1.防化研究院，北京 102205；2.國營785廠，太原 030024)

未來戰(zhàn)爭是復雜巨系統(tǒng)體系之間的對抗，具有不確定性、自主性和層次涌現(xiàn)性等特征。開展武器裝備作戰(zhàn)能力和體系貢獻率的評估研究，對裝備體系論證、裝備使用研究、作戰(zhàn)試驗開展、實戰(zhàn)化訓練等具有重要意義[1]。

作戰(zhàn)評估反映了一定作戰(zhàn)環(huán)境和作戰(zhàn)任務下，評估對象對作戰(zhàn)體系內各系統(tǒng)作戰(zhàn)能力及整個體系作戰(zhàn)能力影響作用的度量。在未來復雜體系對抗中，隨著裝備種類繁多、作戰(zhàn)樣式擴展、戰(zhàn)場環(huán)境復雜、作戰(zhàn)過程快速演化，現(xiàn)有預先構建裝備性能、作戰(zhàn)方案、評估指標的靜態(tài)作戰(zhàn)評估方法的科學性、實用性和可信性不足，已不能滿足作戰(zhàn)評估發(fā)展需要，需發(fā)展新的作戰(zhàn)評估模式和框架[1-2]。

現(xiàn)有作戰(zhàn)評估技術根據其原理可分為統(tǒng)計法、解析法、仿真法和綜合法。統(tǒng)計法應用數理統(tǒng)計的方法，利用實戰(zhàn)、演習、試驗等獲取的數據統(tǒng)計分析獲得；解析法通過解析式的計算而獲得；仿真法利用仿真實驗獲得仿真數據并進行分析而獲得。綜合法采用一種或多種以上方法綜合而成。以上方法均未能充分考慮作戰(zhàn)過程的整體性、復雜性、對抗性、動態(tài)性和評估指標的不確定性。

本文從大數據與機器學習角度，立足復雜系統(tǒng)體系視角，依據仿真推演過程的時序及數據，從網絡性、動態(tài)性、關聯(lián)性等方面提取體系對抗中的關鍵指標并進行評估，為效能評估和體系貢獻率分析提供方法。

1 總體構架

基于大數據及機器學習的體系評估技術一方面基于武器裝備體系作戰(zhàn)網絡模型，利用復雜網絡的相關性能指標及計算方法，從作戰(zhàn)網絡評估和特定目標場景下的體系作戰(zhàn)能力分析兩方面對體系效能進行評估，發(fā)現(xiàn)體系能力建設中的短板及關鍵裝備，對武器裝備體系結構頂層設計進行優(yōu)化，以滿足未來作戰(zhàn)需求；另一方面，構建裝備體系對抗過程中的作戰(zhàn)環(huán)路，在特定對抗場景下，依托實時推演仿真數據驅動大量作戰(zhàn)環(huán)路的協(xié)同流轉，通過梳理作戰(zhàn)環(huán)路的數量、長度、閉合性、有效性，支撐指控關系網、通信交互網及裝備效能網的分析評估。

基于大數據及機器學習的作戰(zhàn)評估技術總體架構如圖1所示。

基于大數據及機器學習的作戰(zhàn)評估技術通過構建作戰(zhàn)體系、交戰(zhàn)任務、裝備性能、指控鏈路、作戰(zhàn)能力等不同層次、維度的評估視圖，實現(xiàn)體系仿真過程中的數據分析、對抗效果的評定與對抗過程中重點對抗指標的定位。在評估分析中，通過大數據分析與機器學習技術挖掘評估指標體系中的關聯(lián)關系與時序對抗邏輯，實現(xiàn)基于指標及關聯(lián)關系的復雜體系評估。在評估分析的基礎上，實現(xiàn)特定場景下裝備體系貢獻率評估分析，支持現(xiàn)有裝備體系結構的改進優(yōu)化。將大數據及機器學習方法應用到仿真系統(tǒng)作戰(zhàn)任務體系評估中，可實現(xiàn)對海量數據、復雜關系的自動學習、自動評估，大大提高武器裝備作戰(zhàn)評估的科學性。

圖1 基于大數據及機器學習的作戰(zhàn)評估技術總體架構示意圖

2 關鍵技術

2.1 作戰(zhàn)體系復雜性評估指標智能構建

構建合適的指標體系是對戰(zhàn)場對抗進行評估的基礎。傳統(tǒng)評估方法中，需在仿真前預先設計完整的評估指標體系。由于對抗過程的復雜性，評估指標體系設計難度大，實用性較差[3]。面向復雜性的評估指標體系智能構建方式下，將指標體系構建轉換為仿真前構建評估問題、確立評估指導原則和戰(zhàn)場要素要求，通過在仿真過程中引入攝動條件，進行大樣本對抗仿真，抽取仿真大數據，從大數據分析中尋找對戰(zhàn)場對抗走向起到關鍵作用的特征指標，與傳統(tǒng)純人工構建的指標體系共同進行分析，實現(xiàn)人機結合、面向問題的智能化評估指標體系構建。指標體系智能構建過程如圖2所示。

面向復雜性的評估指標體系智能構建技術，利用復雜網絡的相關性能指標及計算方法，從作戰(zhàn)網絡評估和特定目標場景下的體系作戰(zhàn)能力分析兩方面對體系效能進行評估，對武器裝備體系結構設計進行優(yōu)化，以滿足未來作戰(zhàn)需求。

圖2 面向體系復雜性的指標體系智能構建過程框圖

2.2 基于時序的作戰(zhàn)任務網絡分析

傳統(tǒng)評估方式僅僅統(tǒng)計分析各類作戰(zhàn)效果信息，丟失了大量的時序邏輯[4]。基于時序的作戰(zhàn)任務網絡分析方法保留了體系交戰(zhàn)過程中的任務時序信息，通過利用大數據關聯(lián)分析能力，可建立不同任務間及任務內部不同階段的關聯(lián)關系，形成完整的任務依賴關系和支撐關系網絡，將靜態(tài)的裝備體系結構拓撲轉換為動態(tài)的任務支撐關系，凸顯裝備體系結構對任務能力生成的重要影響[4]。基于時序的數據關聯(lián)分析評估方法如圖3所示。

圖3 基于時序的數據關聯(lián)分析評估方法示意圖

2.3 基于大數據的體系評估視圖構建

從仿真大數據恢復對抗中可能出現(xiàn)的體系協(xié)同與對抗關系，并將各類對抗關系進行整合，按照多任務對抗仿真的作戰(zhàn)任務進行展現(xiàn)[5]。提供對抗過程中體系對抗關系、單項作戰(zhàn)任務內作戰(zhàn)關系的圖形化分析能力。同時，支持將不同樣本的仿真數據進行整合，通過統(tǒng)一的可視化分析，實現(xiàn)不同樣本下的統(tǒng)計特征提取，實現(xiàn)基于人機交互的對抗特征提取[6-7]。體系評估視圖構建流程如圖4所示。

圖4 體系評估視圖構建流程框圖

傳統(tǒng)評估指標構建與評估方式下，重點關注對抗最終效果的分析。大數據及深度學習方法，提供了在對抗模式、關聯(lián)關系分析的新可能[8]?；诖髷祿蜕疃葘W習的評估技術在傳統(tǒng)指標評估基礎上，利用時序任務數據、態(tài)勢數據及對抗過程數據，收集傳統(tǒng)作戰(zhàn)效果統(tǒng)計外的對抗過程信息，實現(xiàn)對態(tài)勢演化過程、任務依賴關系的動態(tài)把握。態(tài)勢演進過程中，通過基于徑向基的深度神經網絡實現(xiàn)對態(tài)勢數據的動態(tài)挖掘。提取典型對抗模式信息。將傳統(tǒng)的連續(xù)對抗過程提煉為不同對抗模式間的轉換，實現(xiàn)對抗過程的定量把握，驗證裝備體系改變對對抗模式產生的沖擊影響。

2.4 裝備貢獻率多維度評估分析

裝備貢獻率多維度評估分析技術將裝備置身于近似真實的作戰(zhàn)條件下，根據裝備承擔的作戰(zhàn)任務，充分考慮裝備使用中的真實作戰(zhàn)對手及作戰(zhàn)環(huán)境，評估該裝備對作戰(zhàn)體系效能提升的貢獻程度。可從任務、能力、結構、演化4個維度來探討體系貢獻度的內涵和分類，構建裝備貢獻率多維度評估分析方法[9]。裝備體系貢獻度評估總體如圖5所示。

圖5 裝備體系貢獻度評估總體框圖

任務貢獻度指作戰(zhàn)體系滿足任務需求的程度。從效能提升度角度來講，任務貢獻度指包含該武器裝備的作戰(zhàn)體系任務完成程度的變化量或變化率。

能力貢獻度一般分為火力打擊能力、信息支援能力、指揮控制能力、機動能力、綜合防護能力、作戰(zhàn)保障能力。從滿足作戰(zhàn)需求角度，能力貢獻度指作戰(zhàn)體系滿足能力需求的程度，能力需求指作戰(zhàn)體系為完成使命任務時應達到的總體能力目標；從效能提升度的角度，能力貢獻度是指作戰(zhàn)體系能力的變化量或變化率。

結構貢獻度是指作戰(zhàn)體系在編成編組、信息連通、作戰(zhàn)協(xié)同、結構特性等滿足需求的程度。從效能提升度的角度來講，結構貢獻度指作戰(zhàn)體系功能結構和信息結構效能帶來的的變化量或變化率。

演化貢獻度從實戰(zhàn)的動態(tài)變化角度，反映體系內作戰(zhàn)對手、戰(zhàn)術戰(zhàn)法的影響和涌現(xiàn)效應。從需求滿足的角度來講，演化貢獻度指作戰(zhàn)體系的結構、狀態(tài)、功能、行為等在體系對抗過程中隨時間滿足需求的程度；從效能提升角度來講，演化貢獻度指作戰(zhàn)體系在協(xié)同打擊能力、協(xié)同偵察能力、協(xié)同保障能力方面的變化量或變化率。

3 結論

戰(zhàn)爭是復雜巨系統(tǒng)體系之間的激烈對抗。當前作戰(zhàn)評估方法普遍對作戰(zhàn)要素的體系性、關聯(lián)性和作戰(zhàn)過程的對抗性、動態(tài)性、隨機性考慮不足，評估方法的可信度和科學性急需提高。本研究從大數據分析與機器學習角度，基于作戰(zhàn)仿真推演數據，提出了一套智能作戰(zhàn)評估方法和評估框架。通過構建作戰(zhàn)體系、交戰(zhàn)任務、指控流程、裝備能力等不同層次、不同維度的評估視圖，實現(xiàn)對抗過程核心評估指標體系的智能構建。通過挖掘評估指標體系的相互關系與時序對抗邏輯，實現(xiàn)基于動態(tài)關聯(lián)關系的作戰(zhàn)網絡評估。通過分析時序任務數據、態(tài)勢數據及過程數據，實現(xiàn)對作戰(zhàn)演化過程、對抗關系、對抗策略、對抗效果等的動態(tài)評估。在以上評估基礎上，針對具體裝備，提出任務、能力、結構、演化四個維度的體系貢獻率分析方法，支持裝備體系與能力的改進優(yōu)化。

將大數據及機器學習方法應用到作戰(zhàn)評估中，滿足了戰(zhàn)爭作為復雜巨系統(tǒng)的體系性、關聯(lián)性、動態(tài)性和對抗性要求，提高作戰(zhàn)評估的科學性和準確性。未來需對評估指標智能構建、作戰(zhàn)任務動態(tài)分析、多維度評估分析等關鍵技術中的分析模型和實現(xiàn)方法開展深入研究。