大數(shù)據(jù)背景下深度學(xué)習(xí)技術(shù)在作戰(zhàn)任務(wù)規(guī)劃中的應(yīng)用

劉先章 張自然

【摘 要】闡述了大數(shù)據(jù)環(huán)境下如何使用深度學(xué)習(xí)技術(shù)，解決軍事（戰(zhàn)術(shù)級(jí)）作戰(zhàn)任務(wù)規(guī)劃面臨的戰(zhàn)場(chǎng)環(huán)境復(fù)雜，信息不完備、不確定，策略制定設(shè)計(jì)到的因素復(fù)雜性提高等問(wèn)題。并分析了深度學(xué)習(xí)技術(shù)在作戰(zhàn)任務(wù)規(guī)劃中的具體應(yīng)用模式和工作流程，探討了未來(lái)可能的發(fā)展方向，為作戰(zhàn)任務(wù)規(guī)劃的自動(dòng)化、智能化、自適應(yīng)化提供了新思路。

【關(guān)鍵詞】大數(shù)據(jù);深度;任務(wù)規(guī)劃

一、什么是作戰(zhàn)任務(wù)規(guī)劃

（一）概念內(nèi)涵

從其規(guī)劃的方法過(guò)程來(lái)看，“任務(wù)規(guī)劃”一詞可以追索到《運(yùn)籌學(xué)》中的“規(guī)劃”，即研究約束條件下實(shí)現(xiàn)目標(biāo)函數(shù)最優(yōu)的理論和方法。應(yīng)用于軍事領(lǐng)域，“作戰(zhàn)任務(wù)規(guī)劃”是指根據(jù)已知的約束條件、作戰(zhàn)資源和目標(biāo)狀態(tài)，運(yùn)用相應(yīng)的規(guī)劃推理方法，生成一系列、成體系的作戰(zhàn)行動(dòng)指令，通過(guò)執(zhí)行以上指令實(shí)現(xiàn)“初始狀態(tài)—目標(biāo)狀態(tài)”的演變，即在戰(zhàn)爭(zhēng)設(shè)計(jì)、組織籌劃的過(guò)程中，按流程化的作戰(zhàn)程序，將作戰(zhàn)要素、作戰(zhàn)資源和作戰(zhàn)行動(dòng)等精確地統(tǒng)籌管理的基本過(guò)程。

（二）作戰(zhàn)任務(wù)規(guī)劃的基本流程

目前，作戰(zhàn)任務(wù)規(guī)劃涵蓋了作戰(zhàn)計(jì)劃、作戰(zhàn)輔助決策和任務(wù)規(guī)劃等概念，美軍經(jīng)過(guò)多年的實(shí)戰(zhàn)，不斷修訂，形成了較為完備的作戰(zhàn)規(guī)劃流程。美軍《聯(lián)合作戰(zhàn)規(guī)劃》中規(guī)定，作戰(zhàn)任務(wù)規(guī)劃主要包括任務(wù)啟動(dòng)、規(guī)劃分析、方案制定、行動(dòng)分析、兵棋推演、方案對(duì)比、行動(dòng)方案報(bào)批、計(jì)劃或命令制定共七步。本文根據(jù)當(dāng)代信息化技術(shù)在作戰(zhàn)中應(yīng)用的特點(diǎn)，結(jié)合我軍目前作戰(zhàn)規(guī)劃任務(wù)的實(shí)際需求，采用常規(guī)作戰(zhàn)中任務(wù)規(guī)劃的 “構(gòu)想—方案—計(jì)劃”三階段流程，對(duì)作戰(zhàn)任務(wù)規(guī)劃流程進(jìn)行了梳理。

（三）任務(wù)規(guī)劃在作戰(zhàn)領(lǐng)域中的發(fā)展需求

作戰(zhàn)任務(wù)規(guī)劃的出現(xiàn)和發(fā)展是技術(shù)發(fā)展和戰(zhàn)爭(zhēng)形態(tài)變化所驅(qū)動(dòng)的結(jié)果。信息化條件下的聯(lián)合作戰(zhàn)，尤其當(dāng)下大數(shù)據(jù)和深度學(xué)習(xí)背景下的人工智能時(shí)代，對(duì)作戰(zhàn)任務(wù)規(guī)劃系統(tǒng)提出了更高的要求。需要我們必須轉(zhuǎn)換思想觀念，完善體制機(jī)制，加強(qiáng)基礎(chǔ)研究，突破關(guān)鍵技術(shù)。將大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)應(yīng)用于作戰(zhàn)任務(wù)規(guī)劃中，提高系統(tǒng)的智能化、認(rèn)知化和自適應(yīng)化，以適應(yīng)未來(lái)戰(zhàn)爭(zhēng)戰(zhàn)場(chǎng)態(tài)勢(shì)瞬變，信息量爆炸等復(fù)雜的戰(zhàn)場(chǎng)環(huán)境。

二、深度學(xué)習(xí)關(guān)鍵技術(shù)

深度學(xué)習(xí)技術(shù)興起的主要驅(qū)動(dòng)因素有三個(gè)方面，一是大量數(shù)據(jù)的收集與以前相比變得容易;二是計(jì)算機(jī)硬件技術(shù)發(fā)展所帶來(lái)的強(qiáng)大算力，如GPU技術(shù)和并行計(jì)算硬件系統(tǒng);三是算法的有效性高更多依賴于數(shù)據(jù)質(zhì)量的好壞?？梢哉f(shuō)，深度學(xué)習(xí)帶來(lái)的是一種解決問(wèn)題思維方式的轉(zhuǎn)換：傳統(tǒng)的算法思維是根據(jù)數(shù)據(jù)和規(guī)定尋找答案;而深度學(xué)習(xí)技術(shù)處理問(wèn)題的思路，是知道答案和數(shù)據(jù)，去尋找數(shù)據(jù)中所蘊(yùn)含的規(guī)律。也可以理解為解決問(wèn)題的思路，由曾經(jīng)的模型驅(qū)動(dòng)轉(zhuǎn)變?yōu)楝F(xiàn)在的數(shù)據(jù)驅(qū)動(dòng)，是的解決問(wèn)題的思路發(fā)生了根本性的改變。在當(dāng)前的大數(shù)據(jù)時(shí)代下，用深度學(xué)習(xí)技術(shù)解決作戰(zhàn)任務(wù)規(guī)劃中的問(wèn)題，深度學(xué)習(xí)技術(shù)可以自學(xué)習(xí)找出數(shù)據(jù)中所蘊(yùn)含的隱形規(guī)律，有利用問(wèn)題更好的解決。

三、大數(shù)據(jù)環(huán)境下深度學(xué)習(xí)在作戰(zhàn)任務(wù)規(guī)劃中的應(yīng)用

在作戰(zhàn)任務(wù)規(guī)劃的OODA循環(huán)中，各作戰(zhàn)單元實(shí)現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)信息的實(shí)時(shí)感知和共享，并在此基礎(chǔ)上對(duì)戰(zhàn)場(chǎng)整體態(tài)勢(shì)進(jìn)行理解，實(shí)現(xiàn)分布式的動(dòng)態(tài)規(guī)劃與協(xié)調(diào)。由上節(jié)對(duì)大數(shù)據(jù)環(huán)境下深度的簡(jiǎn)要介紹可知，在作戰(zhàn)任務(wù)規(guī)劃系統(tǒng)中，深度學(xué)習(xí)可用于戰(zhàn)場(chǎng)態(tài)勢(shì)感知及理解，進(jìn)而為戰(zhàn)術(shù)決策和任務(wù)規(guī)劃提供重要依據(jù)。即通過(guò)獲取海量戰(zhàn)場(chǎng)信息和數(shù)據(jù)，實(shí)時(shí)感知并準(zhǔn)確理解戰(zhàn)場(chǎng)態(tài)勢(shì)，挖掘復(fù)雜態(tài)勢(shì)中的隱藏信息，是指揮員做出正確決策規(guī)劃的基礎(chǔ)。近年來(lái)，快速發(fā)展的大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)通過(guò)構(gòu)建多層卷積神經(jīng)網(wǎng)絡(luò)，采用無(wú)、半監(jiān)督逐層訓(xùn)練方法，提取目標(biāo)的多尺度特征，避免了梯度發(fā)散和局部最優(yōu)問(wèn)題，在目標(biāo)檢測(cè)、行為識(shí)別、無(wú)人駕駛等諸多領(lǐng)域都得到了廣泛應(yīng)用。將深度學(xué)習(xí)應(yīng)用在態(tài)勢(shì)理解中，通過(guò)多層神經(jīng)網(wǎng)絡(luò)逐層進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的認(rèn)知和理解。訓(xùn)練數(shù)據(jù)的來(lái)源包括歷史數(shù)據(jù)、演習(xí)訓(xùn)練、靶場(chǎng)試驗(yàn)、戰(zhàn)場(chǎng)仿真等。

（一）場(chǎng)景識(shí)別

戰(zhàn)場(chǎng)環(huán)境是戰(zhàn)爭(zhēng)的載體，影響著作戰(zhàn)的全過(guò)程。對(duì)戰(zhàn)場(chǎng)環(huán)境分析的準(zhǔn)確與否，決定了態(tài)勢(shì)感知的效果。尤其是未來(lái)戰(zhàn)爭(zhēng)環(huán)境包括了海陸空天等多域的結(jié)合，使人主觀判斷的局限性愈發(fā)明顯，此時(shí)深度學(xué)習(xí)等人工智能技術(shù)領(lǐng)域的發(fā)展將有效地適應(yīng)未來(lái)戰(zhàn)場(chǎng)環(huán)境的客觀需求。

（二）目標(biāo)檢測(cè)

在未來(lái)戰(zhàn)爭(zhēng)中，敵方目標(biāo)均為多域多兵種，目標(biāo)的多樣性、隱蔽性、偽裝性以及戰(zhàn)場(chǎng)環(huán)境的復(fù)雜性都大大提升了目標(biāo)檢測(cè)識(shí)別的難度，傳統(tǒng)的人工提取特征設(shè)計(jì)分類器的方式難以滿足作戰(zhàn)中快速準(zhǔn)確識(shí)別敵方目標(biāo)的需求，而深度學(xué)習(xí)的快速發(fā)展以及大量公開(kāi)圖像數(shù)據(jù)集的建立，將大幅提高檢測(cè)戰(zhàn)場(chǎng)目標(biāo)的速度和精度，例如：基于區(qū)域選擇的R-CNN系列與端到端的YOLO和SSD系列的檢測(cè)速度和精度均有了較大提高。由此可見(jiàn)，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法相較于傳統(tǒng)目標(biāo)檢測(cè)方法而言，其檢測(cè)性能得到了顯著提升，部分模型已能夠達(dá)到特定應(yīng)用需求。

（三）行為判斷

行為判斷是通過(guò)深層神經(jīng)網(wǎng)絡(luò)提取不同行為的多尺度特征，經(jīng)過(guò)分類回歸的方法將待檢測(cè)的行為劃分至行為集合中的某一類，包括特征提取、行為描述和回歸分類3個(gè)環(huán)節(jié)：神經(jīng)網(wǎng)絡(luò)向三維空間的擴(kuò)展，促使了三維卷積在行為識(shí)別中的運(yùn)用;視頻數(shù)據(jù)中空間和時(shí)間信息進(jìn)行的編碼后，進(jìn)一步加深和改進(jìn)了三維卷積在行為識(shí)別領(lǐng)域的發(fā)展;雙流卷積神經(jīng)網(wǎng)絡(luò)的方法的提出，可以將空間流和時(shí)間流信息進(jìn)行融合后用于分類識(shí)別，大幅提高了行為識(shí)別的準(zhǔn)確率。

（四）威脅估計(jì)

威脅估計(jì)是根據(jù)當(dāng)前戰(zhàn)場(chǎng)形勢(shì)對(duì)敵方軍事力量的殺傷能力以及對(duì)我方的威脅程度的綜合評(píng)估。在充分考慮戰(zhàn)場(chǎng)態(tài)勢(shì)感知的前提下，根據(jù)敵我雙方的兵力部署、武器性能、敵方攻擊意圖和我方作戰(zhàn)策略，以定量分析的方式對(duì)敵方威脅等級(jí)進(jìn)行評(píng)估?，F(xiàn)代戰(zhàn)場(chǎng)的快節(jié)奏要求指揮員從戰(zhàn)場(chǎng)上多源數(shù)據(jù)信息中實(shí)時(shí)分析并預(yù)測(cè)目標(biāo)威脅等級(jí)，針對(duì)敵方作戰(zhàn)行動(dòng)場(chǎng)景提前進(jìn)行決策規(guī)劃，這種超前行動(dòng)方式更適合復(fù)雜、多變、突發(fā)性強(qiáng)的未來(lái)作戰(zhàn)場(chǎng)景，具有非常重要的意義。因此，及時(shí)準(zhǔn)確地評(píng)估敵方目標(biāo)威脅度，并根據(jù)我方的作戰(zhàn)方案和武器系統(tǒng)的性能，提前進(jìn)行科學(xué)火力分配和打擊決策，是提高戰(zhàn)場(chǎng)致勝能力的關(guān)鍵。DARPA開(kāi)展的洞察項(xiàng)目，通過(guò)對(duì)多類傳感器數(shù)據(jù)進(jìn)行融合和推理，實(shí)現(xiàn)對(duì)潛在威脅的評(píng)估和預(yù)測(cè)。

四、結(jié)語(yǔ)

為適應(yīng)未來(lái)智能化戰(zhàn)爭(zhēng)的需要，就要求作戰(zhàn)規(guī)劃任務(wù)朝著自動(dòng)化、智能化和自學(xué)習(xí)化發(fā)展。在實(shí)際的戰(zhàn)場(chǎng)空間當(dāng)中，我們所采集的數(shù)據(jù)，大多沒(méi)有標(biāo)識(shí)，那如何解決這個(gè)問(wèn)題，是作戰(zhàn)任務(wù)規(guī)劃中的核心技術(shù)，為此本文根據(jù)數(shù)據(jù)的拓展性和數(shù)據(jù)信息的可遷移性，在現(xiàn)有訓(xùn)練模型的基礎(chǔ)上，高效分析整合有用信息，結(jié)合遷徙學(xué)習(xí)、集成學(xué)習(xí)和半監(jiān)督學(xué)習(xí)等技術(shù)，提高學(xué)習(xí)效能和質(zhì)量。在對(duì)數(shù)據(jù)進(jìn)行不斷分類、訓(xùn)練、學(xué)習(xí)的基礎(chǔ)上，將生成結(jié)果作為作戰(zhàn)任務(wù)規(guī)劃的重要參考，并結(jié)合人工智能、深度等技術(shù)，逐步實(shí)現(xiàn)數(shù)據(jù)層面和技術(shù)層面的自動(dòng)化，為指揮員的籌劃提供科學(xué)依據(jù)，最大程度上降低主觀因素對(duì)于作戰(zhàn)指揮的不良影響。

參考文獻(xiàn)：

[1]趙國(guó)宏，羅雪山. 作戰(zhàn)任務(wù)規(guī)劃系統(tǒng)研究[J]. 指揮與控制學(xué)報(bào)，2015（5）.

[2]謝蘇明，毛萬(wàn)峰，李杏. 關(guān)于作戰(zhàn)籌劃與作戰(zhàn)任務(wù)規(guī)劃[J]. 指揮與控制學(xué)報(bào)，2017，3（4）：281-285.

[3]胡曉峰. 關(guān)于聯(lián)合作戰(zhàn)規(guī)劃系統(tǒng)的幾個(gè)問(wèn)題[J]. 指揮與控制學(xué)報(bào)，2017，3（4）：273-280.

[4]劉全，翟建偉，章宗長(zhǎng). 深度強(qiáng)化學(xué)習(xí)綜述. 計(jì)算機(jī)學(xué)報(bào)，2018，41（1）.

[5]姜娜，顧慶傳，楊海燕，黃吉亞 .大數(shù)據(jù)下的深度學(xué)習(xí)算法[J]. 電腦與信息技術(shù)，2019（3）：33.

[6]U.S. Joint Chiefs of Staff. Joint Operation Planning，Joint Publication（JP）5-0[Z]. 2011（8）.

（作者單位：空軍航空大學(xué)）