未來智能空戰(zhàn)發(fā)展綜述

孫智孝，楊晟琦，樸海音,2,*，白成超，葛俊

1. 航空工業(yè)沈陽飛機設(shè)計研究所，沈陽 110035

2. 西北工業(yè)大學 電子信息學院，西安 710072

3. 哈爾濱工業(yè)大學 航天學院，哈爾濱 150001

目前機器智能已邁入深度學習時代，人工智能所賦能的空戰(zhàn)博弈研究已經(jīng)取得了實質(zhì)性進展。隨著智能空戰(zhàn)時代的到來，世界主要航空大國及相關(guān)研究機構(gòu)均將著力點聚焦到了新一代智能空戰(zhàn)體系的探索和研究，加大了對自主無人系統(tǒng)裝備以及智能化技術(shù)的研發(fā)投入，全面推動航空裝備與人工智能技術(shù)的融合發(fā)展，涌現(xiàn)出一大批有代表性的研究成果。

美國國家航空航天局(National Aeronautics and Space Administration，NASA)在20世紀60至90年代持續(xù)專注研發(fā)基于專家規(guī)則的智能空戰(zhàn)系統(tǒng)，將人類在空戰(zhàn)領(lǐng)域的知識和經(jīng)驗構(gòu)建成知識庫，多次嘗試用人工智能系統(tǒng)替代飛行員去執(zhí)行空戰(zhàn)決策[1-5]。除此之外，遺傳算法和遺傳模糊樹等啟發(fā)式方法也被應用到智能空戰(zhàn)領(lǐng)域[6-8]，其中采用遺傳模糊樹的“阿爾法空戰(zhàn)”系統(tǒng)，首次驗證了基于人工智能的空戰(zhàn)決策機制具備戰(zhàn)勝人類飛行員的潛力[6]。近些年，隨著機器學習的爆發(fā)，以深度學習和深度強化學習為代表的自演進智能算法在空戰(zhàn)行為涌現(xiàn)方面表現(xiàn)出巨大優(yōu)勢，諸多基于此類方法研發(fā)的智能空戰(zhàn)項目逐漸被提出[9-13]。比較有代表性的是美國國防高級研究計劃局(Defense Advanced Research Projects Agency，DARPA)開展的人工智能近距空中格斗項目，該項目挑戰(zhàn)賽的冠軍隊伍采用深度強化學習方法在人機大戰(zhàn)中以大比分戰(zhàn)勝人類飛行員[12-13]，證明了機器學習類方法在解決空戰(zhàn)決策問題方面潛力巨大。

雖然智能空戰(zhàn)領(lǐng)域的研究取得了諸多進展，但仍有很多技術(shù)難題需要攻克。在面對高動態(tài)、強實時、不確定、非完美的復雜空戰(zhàn)環(huán)境時，傳統(tǒng)的基于規(guī)則的專家系統(tǒng)已經(jīng)無法滿足作戰(zhàn)需求。而新興的機器學習類方法雖然在能力涌現(xiàn)、自演進、自學習等方面具有優(yōu)勢，但面對實際的工程落地，仍需突破諸如智能空戰(zhàn)的不確定性、可解釋性、安全性和可遷移性等瓶頸。

基于上述分析，本文重點梳理了智能空戰(zhàn)技術(shù)研究和應用的發(fā)展脈絡(luò)，分析了各個發(fā)展階段具有代表性的項目，總結(jié)了智能空戰(zhàn)決策相關(guān)的基礎(chǔ)理論，分析了智能空戰(zhàn)技術(shù)的研究脈絡(luò)，闡述了必須解決的技術(shù)難點和其中存在的挑戰(zhàn)，并展望了未來智能空戰(zhàn)的發(fā)展趨勢，為未來智能空戰(zhàn)系統(tǒng)工程化應用這一重要而又富有挑戰(zhàn)性的研究領(lǐng)域提供了發(fā)展建議和探索方向。

1 智能空戰(zhàn)之“形”——工程實踐

自20世紀60年代以來，智能空戰(zhàn)理論和工程實踐研究獲得了國內(nèi)外學術(shù)界與工業(yè)界的持續(xù)關(guān)注?；仡櫰浒l(fā)展歷程，從表象上看，歷經(jīng)了專家機動邏輯、自動規(guī)則生成、規(guī)則演進、機器學習及演示驗證等5個主要歷史階段(如圖1所示)。從本質(zhì)上看，智能空戰(zhàn)研究正在從以人類經(jīng)驗為主的傳統(tǒng)專家系統(tǒng)邁向以機器智能自我演進為特征的全新范式。這一認知清晰地勾勒出未來智能空戰(zhàn)系統(tǒng)技術(shù)探索的發(fā)展路線與技術(shù)挑戰(zhàn)，正所謂“由表及里”，即智能空戰(zhàn)之“形”。

圖1 智能空戰(zhàn)發(fā)展脈絡(luò)Fig.1 Development process of AI based air combat techniques

1.1 專家機動邏輯階段：NASA蘭利研究中心AML系統(tǒng)

針對智能空戰(zhàn)的研究最早起步于20世紀60年代，Burgin和Owens自1969年起著手在NASA蘭利研究中心的資助下為該研究中心的微分機動模擬器(Differential Maneuvering Simulator, DMS)開發(fā)了名為自適應機動邏輯(Adaptive Maneuvering Logic，AML)的機動決策軟件[1]，其采用的主要決策算法是基于IF-ELSE-THEN邏輯的專家系統(tǒng)。AML不僅可以模擬敵方的戰(zhàn)斗機與操控模擬器的飛行員進行實時對戰(zhàn)，同時也可以通過操控模擬對抗中交戰(zhàn)雙方的2架飛機來實現(xiàn)飛機及武器系統(tǒng)的參數(shù)研究等工作。

AML系統(tǒng)是智能空戰(zhàn)技術(shù)的首次系統(tǒng)性嘗試。NASA認為，空戰(zhàn)中機動決策過程存在高度實時性、不確定性，難以給出準確的求解模型，而經(jīng)驗豐富的戰(zhàn)斗機飛行員熟知空中對抗的戰(zhàn)術(shù)態(tài)勢和機動要領(lǐng)，故可以借助專家系統(tǒng)基于空中對抗態(tài)勢做出相應的快速決策，從而實現(xiàn)無人機在自主空中對抗中的機動決策功能[2]，因此AML系統(tǒng)的主要研究基礎(chǔ)是專家系統(tǒng)。

AML系統(tǒng)開發(fā)耗時近20年，雖然是人類歷史上第一次用人工智能替代飛行員的大膽嘗試，但受限于當時的技術(shù)條件，仍存在諸多缺憾。例如① 提升AML的規(guī)則庫耗時冗長且非常依賴飛行員對決策結(jié)果的評估；② 系統(tǒng)需將飛行員對機動動作的偏好選擇以硬編碼的形式寫入決策算法中等[1-2]。

1.2 自動規(guī)則生成階段：NASA蘭利研究中心PALADIN系統(tǒng)

20世紀90年代，由于新型的高性能飛機開始服役，為了應對大幅拓展且快速變化的空戰(zhàn)戰(zhàn)術(shù)環(huán)境，NASA蘭利研究中心繼而支持開發(fā)了戰(zhàn)術(shù)引導研究與評估系統(tǒng)(Tactical Guidance Research and Evaluation System，TGRES)[3]。該系統(tǒng)由戰(zhàn)術(shù)決策生成器(Tactical Decision Generator，TDG)[4]、戰(zhàn)術(shù)機動模擬器(Tactical Maneuvering Simulator，TMS)[5]以及微分機動模擬器(Differential Maneuvering Simulator，DMS)3個主要部分組成。而帕拉丁(PALADIN)系統(tǒng)是TGRES項目中以AML為基礎(chǔ)開發(fā)的基于知識的戰(zhàn)術(shù)決策生成器。與AML不同的是，PALADIN并不依靠飛行員的經(jīng)驗建立知識庫，而是依據(jù)飛機本身數(shù)據(jù)以及空戰(zhàn)戰(zhàn)術(shù)的對抗仿真結(jié)果建立知識庫，從而可以為缺少實戰(zhàn)經(jīng)驗的新型飛機提供豐富的決策支持。除此之外，PALADIN系統(tǒng)的規(guī)則庫采用了模塊化設(shè)計思路，從而將運算速率大幅提升了90～100倍[4]。

對比AML系統(tǒng)，在PALADIN系統(tǒng)的研究過程中，洛克希德·馬丁公司和艾姆斯研究中心也積極參與，代表了智能空戰(zhàn)從先期的理論研究逐漸轉(zhuǎn)向大規(guī)模的跨域系統(tǒng)工程研究。與AML相比，PALADIN系統(tǒng)最大的創(chuàng)新在于嘗試了對空戰(zhàn)動力學和策略搜索空間進行數(shù)學建模，研究領(lǐng)域從純空戰(zhàn)機動決策跨越到載荷調(diào)度和武器使用。最為關(guān)鍵的是，其規(guī)則推理邏輯可以基于仿真手段通過TDG模塊自動生成，這打破了人類對空戰(zhàn)既有知識的認知邊界，給出了全新的形式化的空間知識表達[4]。

1.3 規(guī)則演進階段：“阿爾法空戰(zhàn)”系統(tǒng)與空中雙邊對抗學習系統(tǒng)

2016年6月，辛辛那提大學與美國空軍研究實驗室(Air Force Research Laboratory，AFRL)共同披露了“阿爾法空戰(zhàn)”系統(tǒng)[6]，該系統(tǒng)在模擬空戰(zhàn)中戰(zhàn)勝了有著豐富經(jīng)驗的退役美國空軍上?；鳌だ?。其核心算法采用遺傳模糊理論體系，基于人類專家知識構(gòu)建了多個并行模糊推理機，根據(jù)其映射關(guān)系確定輸入輸出連接，進行實時決策，解決了需要連續(xù)實時決策的高維復雜問題。“阿爾法空戰(zhàn)”系統(tǒng)的初始策略結(jié)構(gòu)主要依賴人類的先驗知識建模，由于目前人類對空戰(zhàn)機理的認識具有一定程度上的局限性，其解空間搜索能力很大程度上受限于人類設(shè)計好的結(jié)構(gòu)[6]。作為運用人工智能技術(shù)求解空中對抗博弈問題領(lǐng)域的里程碑成果，“阿爾法空戰(zhàn)”系統(tǒng)成功將演化計算應用于求解復雜空中對抗問題，在策略參數(shù)研究方面做出了積極的探索。

雙邊對抗學習系統(tǒng)[7]是波音公司和西英格蘭大學開展的機動對抗人工智能程序，該系統(tǒng)與“阿爾法空戰(zhàn)”系統(tǒng)同樣基于“先進仿真、集成、建?？蚣堋?Advanced Framework for Simulation, Integration and Modeling，AFSIM)[8]進行開發(fā)，但研究的重點在于通過大規(guī)模遺傳算法進行對抗自博弈，以期來驗證智能空戰(zhàn)決策能夠脫離人類知識限制，依靠機器智能創(chuàng)造出全新的空中對抗戰(zhàn)術(shù)策略。雙邊對抗學習系統(tǒng)與“阿爾法空戰(zhàn)”系統(tǒng)類似，也將態(tài)勢—機動對編碼為基因形式，通過大量隨機態(tài)勢生成海量對抗樣本，從而驅(qū)動遺傳算法在龐大的對抗博弈樹空間中尋求適應度的最佳值。與“阿爾法空戰(zhàn)”系統(tǒng)的區(qū)別在于，雙邊對抗學習系統(tǒng)明確指出，其對抗訓練并非針對某個特定的想定場景來進行，在環(huán)境適應性上更加魯棒。

“阿爾法空戰(zhàn)”系統(tǒng)及雙邊對抗學習系統(tǒng)所代表的規(guī)則演進類方法首先驗證了基于人工智能的空戰(zhàn)決策機制具備戰(zhàn)勝飛行員的能力，同步說明了相關(guān)技術(shù)途徑是可行的。其次，開發(fā)“阿爾法空戰(zhàn)”系統(tǒng)歷經(jīng)長達數(shù)十年的基礎(chǔ)條件準備，比如AFRL的AFSIM仿真系統(tǒng)作為基礎(chǔ)智能對抗仿真平臺，支撐了多個先進研究項目的研制，這說明支撐智能空戰(zhàn)研究相關(guān)的仿真基礎(chǔ)持續(xù)建設(shè)投入是必要的。最后，雙邊對抗學習系統(tǒng)證明了不需要人類的介入，單純在機動層面，機器智能也具備創(chuàng)造全新的對抗機動戰(zhàn)術(shù)的能力與潛力。

規(guī)則演進階段相比于專家機動邏輯階段和規(guī)則自動生成階段在智能化程度上有了很大的提升，但在技術(shù)應用中仍遇到了一些困難。例如依賴人類先驗知識進行初始設(shè)計的問題仍然存在，這將導致訓練更容易過擬合到人類已知的戰(zhàn)術(shù)策略。此外，規(guī)則演進類方法一般基于常規(guī)的遺傳算法或遺傳模糊系統(tǒng)，其自學習能力與機器學習類方法相比仍存在一定的差距。

1.4 機器學習階段：空戰(zhàn)自適應動態(tài)規(guī)劃系統(tǒng)、直升機機動飛行學習系統(tǒng)和“阿爾法狗斗”

2010年，麻省理工學院公開了空中對抗自適應動態(tài)規(guī)劃(Approximate Dynamic Programming，ADP)系統(tǒng)[9-10]。ADP的主要思想是通過線性或者非線性的結(jié)構(gòu)近似地表達所處狀態(tài)的效用函數(shù)，并通過值迭代或者策略迭代方法生成決策策略。該系統(tǒng)隨后在其“渡鴉”飛行對抗環(huán)境中開展了博弈測試，證明了ADP能夠脫離人類給定的策略規(guī)則完全自行學到有效且完整的平面對抗戰(zhàn)術(shù)。通過分析ADP，可以發(fā)現(xiàn)其具有如下特點：① ADP能夠在環(huán)境中探索學習到大量有效策略，如果模型抽象得當，理論上有可能創(chuàng)造出人類未知的空中對抗策略；② ADP只能解決平面對抗離散動作優(yōu)化問題，因而很難直接應用于實際的空戰(zhàn)系統(tǒng)；③ ADP需要對手空戰(zhàn)策略模型，而這些模型在實際情況中往往難以獲得。

2010年，斯坦福大學吳恩達(Andrew Y. Ng)團隊開發(fā)了直升機機動飛行學習系統(tǒng)[11]。基于逆強化學習實現(xiàn)了無人直升機的控制策略生成，同時具備在一定外界擾動環(huán)境下的魯棒性，從實機測試結(jié)果可以看出該控制策略飛行表現(xiàn)要優(yōu)于飛手的控制，更加穩(wěn)定可靠。但與空戰(zhàn)對抗問題相比，直升機機動控制問題要相對簡單，因此很難認為這種方式可以直接應用于智能空戰(zhàn)系統(tǒng)。

本階段與空戰(zhàn)應用背景結(jié)合更緊密的是人工智能近距空中格斗項目—“阿爾法狗斗”。該項目挑戰(zhàn)賽由DARPA戰(zhàn)略技術(shù)辦公室主辦，旨在對人工智能“狗斗”算法進行演示驗證。最終經(jīng)過激烈角逐，蒼鷺系統(tǒng)公司成為了冠軍。在最后的人機大戰(zhàn)中，F(xiàn)-16飛行教官Banger以0:5的結(jié)果慘敗[12]。根據(jù)公開的信息可知，蒼鷺系統(tǒng)公司采用了深度強化學習技術(shù)及多智能體分布式訓練系統(tǒng)架構(gòu)。從試驗數(shù)據(jù)回放來看，AI獲勝的關(guān)鍵在于其卓越的瞄準能力和敏捷的機動操縱能力，而對創(chuàng)造性戰(zhàn)術(shù)的理解能力卻比較欠缺。簡而言之，AI在“態(tài)”的精度和“感”的速度上占得先機，但在“勢”的判斷和“知”的預測上還不具備優(yōu)勢[13]。

除此之外，2020年11月，Red6與EpiSci公司通過技術(shù)模擬實現(xiàn)了智能算法與有人教練機的空中對抗。該教練機利用Red6公司提供的機載戰(zhàn)術(shù)增強現(xiàn)實系統(tǒng)以投影的形式在飛行員頭盔視野中顯示戰(zhàn)場環(huán)境，相應的，智能算法方面搭配了EpiSci公司提供的戰(zhàn)術(shù)AI系統(tǒng)以進行戰(zhàn)斗中的戰(zhàn)術(shù)動作選擇。同年晚期，美國U-2偵察機也裝備了人工智能輔助決策系統(tǒng)—Artoo，此智能輔助決策系統(tǒng)具備控制偵察機的傳感器系統(tǒng)執(zhí)行相關(guān)任務(wù)的能力，例如探測并識別導彈發(fā)射裝置，以及控制傳感器和戰(zhàn)術(shù)導航系統(tǒng)的使用等。

1.5 演示驗證階段：Skyborg驗證機

2019年3月15日，美國空軍戰(zhàn)略發(fā)展規(guī)劃與實驗辦公室(Strategic Development Planning and Experimentation，SDPE)為自主無人作戰(zhàn)算法驗證平臺(Skyborg)項目發(fā)布了能力信息征詢書[14]。擬在2023年推出Skyborg作為人工智能空中對抗實驗驗證平臺。Skyborg將直接支撐《2018年美國人工智能戰(zhàn)略》[15]和2019年發(fā)布的《人工智能倡議》[16]，即在滿足緊迫業(yè)務(wù)的同時，保持美國在智能空中對抗領(lǐng)域的領(lǐng)導地位。Skyborg由2個系統(tǒng)組成：第1個是R2-D2型人工智能系統(tǒng)，它將作為副駕駛員乘坐載人戰(zhàn)斗機，像盧克·天行者一樣，在不久的將來，空軍飛行員可以通過語音命令與該智能系統(tǒng)開展交互；第2個是可以自主駕駛無人飛行器的人工智能系統(tǒng)，類似波音的“忠誠僚機”或者奎托斯防御公司的XQ-58A瓦爾基里。

從AML開始，歷經(jīng)近50年的技術(shù)積累，雖然美國空軍在2019年預判現(xiàn)有能力已足夠開發(fā)統(tǒng)一的智能空戰(zhàn)平臺，但觀其發(fā)展部署現(xiàn)狀，即SDPE辦公室仍舊在為其原型作戰(zhàn)平臺形成早期作戰(zhàn)能力而努力，可以看出現(xiàn)有的智能化能力及水平還難以在實戰(zhàn)裝備上落地。不可否認，雖然智能化技術(shù)在Skyborg驗證機上的應用部署意義重大，對于推動智能空戰(zhàn)對抗實戰(zhàn)化應用具有里程碑價值，但是仍然存在諸多問題與挑戰(zhàn)：① 智 能化程度該如何定義；② 人機權(quán)限該如何劃分；③ 任務(wù)類型如何選擇；④ 是否具有一定的普適性；⑤ 學習能力如何提高；⑥ 漸進學習的機制如何構(gòu)建等等。

2 智能空戰(zhàn)之“魂”——基礎(chǔ)理論

隨著航空科學技術(shù)的發(fā)展，現(xiàn)代空戰(zhàn)逐漸演化為以空空導彈為主要進攻手段，依托綜合態(tài)勢感知與戰(zhàn)術(shù)決策，在人類飛行員的操縱下，進行的多回合、高復雜度、強風險性空中對抗。一個完整的交戰(zhàn)過程涉及多個復雜的認知決策環(huán)節(jié)，如態(tài)勢理解、戰(zhàn)術(shù)機動和攻擊占位等。其決策的智能化程度、精準度以及適配度直接決定了空戰(zhàn)的勝負。目前，空戰(zhàn)決策主要依賴人類飛行員完成，為后續(xù)達成媲美乃至超越人類的空戰(zhàn)水平，打破人類固有戰(zhàn)術(shù)認知與生理機能限制，發(fā)展先進的智能空戰(zhàn)自主決策技術(shù)是確保制勝未來空天戰(zhàn)場的核心關(guān)鍵。

同時由于空戰(zhàn)具有高動態(tài)性、強實時性、不確定性和非完美信息等特點，該問題通常被建模為非完美信息下的多優(yōu)化目標動態(tài)博弈問題。目前針對智能空戰(zhàn)決策問題的研究主要涵蓋3大方向：用于建模及求解空戰(zhàn)攻防博弈問題的博弈理論、將空戰(zhàn)問題建模為多目標決策優(yōu)化問題以及對應的優(yōu)化理論、具有自學習能力可以不斷進化的人工智能決策技術(shù)(如圖2所示)。這些方法是實現(xiàn)全自主空戰(zhàn)認知決策的核心關(guān)鍵技術(shù)，即智能空戰(zhàn)之“魂”。

圖2 部分智能空戰(zhàn)決策典型方法Fig.2 Partial typical methods of intelligent air combat decision

2.1 基于博弈理論的方法

博弈論是研究多個理性決策者之間競爭與合作關(guān)系的數(shù)學理論和方法[17]，將博弈論應用于軍事作戰(zhàn)方向已是國內(nèi)外主要的研究熱點，尤其是針對高動態(tài)強對抗條件下的博弈問題?；诓┺睦碚摰目諔?zhàn)問題研究主要有微分博弈[18]和影響圖博弈[19]。其中，微分博弈是博弈論的重要分支，屬于動態(tài)博弈范疇，適用于解決空戰(zhàn)中追逃博弈問題；影響圖博弈是創(chuàng)造一種基于專家知識的概率拓撲結(jié)構(gòu)和參數(shù)學習方式來代替飛行員，能以可控的、可解釋的以及可理解的方式求解空戰(zhàn)決策問題[19]。

1) 微分博弈

微分博弈一般用于求解近距空戰(zhàn)中格斗雙方的機動占位決策問題[20]。在使用航炮作戰(zhàn)的近距空戰(zhàn)中，一方需要占據(jù)敵方的尾后向以獲取攻擊占位，其對手則需要通過有效機動盡快擺脫攻方的攻擊鎖定。在以紅外空空導彈為主攻武器的現(xiàn)代近距空戰(zhàn)中，即使先進紅外格斗導彈發(fā)射無須以占據(jù)敵方尾后位作為先決條件，但敏捷占位仍是空戰(zhàn)博弈必須解決的重要問題。文獻[21]將微分博弈應用至一對一視距內(nèi)空戰(zhàn)的自主機動決策環(huán)節(jié)，基于空戰(zhàn)雙方的相對幾何關(guān)系、相對速度等信息，構(gòu)建了一種用于描述雙方空戰(zhàn)優(yōu)勢的分數(shù)矩陣。通過將分數(shù)矩陣結(jié)合微分博弈，形成了一種分層決策架構(gòu)。其頂層的行為決策用于輸出宏觀的機動意圖，如進攻、防守等；底層的機動決策用于輸出具體的機動指令，如指令過載、橫滾角速率等。

經(jīng)過改進的微分博弈算法也可以應用到超視距空戰(zhàn)的機動決策求解過程中[22]。超視距空戰(zhàn)有2個目標，一是結(jié)合導彈攻擊區(qū)進行機動占位以盡可能地使敵方落入己方導彈攻擊區(qū)內(nèi)；二是通過機動占位使己方盡可能地逃離敵方導彈攻擊區(qū)，這種問題描述使得超視距空戰(zhàn)的機動決策也可以被建模成經(jīng)典的追逃博弈問題。文獻[22]提出了動態(tài)逃逸區(qū)的概念，通過適時地進行動力學逃逸，可以幫助戰(zhàn)斗機逃脫已發(fā)射導彈的攻擊。動態(tài)逃逸區(qū)和微分博弈相結(jié)合后，使得被攻擊方不僅能獲知規(guī)避導彈的最晚時機，而且能得到實施安全逃逸的連續(xù)實時指示信息。

2) 影響圖博弈

為更好地利用人類專家知識進行空戰(zhàn)博弈決策結(jié)構(gòu)建模，文獻[19,23-28]提出了影響圖博弈求解方法。影響圖是一種有向無環(huán)圖，用于描述一種概率決策結(jié)構(gòu)，通過將影響決策的隨機變量進行拓撲排序以構(gòu)建層次決策能力，從而簡化最終決策隨機變量后驗概率計算難題。考慮到其概率決策結(jié)構(gòu)由人類專家建立，因此這種方法使決策過程天然具備透明性、可追溯、可理解等優(yōu)良特性[23]。

經(jīng)典的影響圖博弈最初只考慮單一的決策者，文獻[24]將其擴展到多決策者情況，并且在后續(xù)的研究中提出了基于非合作博弈理論的多決策者博弈的影響圖實現(xiàn)[25-26]。另一方面，文獻[27]將影響圖博弈概念擴展到動態(tài)多階段決策問題中，但是并未引入博弈理論。文獻[19]將動態(tài)多階段決策問題和博弈理論相結(jié)合，提出非零和多階段影響圖博弈，用于描述一對一空戰(zhàn)中的飛行員的序貫決策行為。文獻[28]在考慮了非完全對手信息的情況下，將影響圖與狀態(tài)估計方法結(jié)合，采用無跡卡爾曼濾波對信念狀態(tài)進行預測估計，同時為了滿足空戰(zhàn)實時性要求，采用滾動時域控制求解建立的模型。

雖然應用博弈理論可以解決諸多空戰(zhàn)決策的相關(guān)問題，但隨著空戰(zhàn)決策需求的不斷提高及研究的不斷深入，博弈論的相關(guān)方法也暴露出很多缺陷：

1) 首先是真實空戰(zhàn)問題的建模復雜性，由于真實空戰(zhàn)環(huán)境信息量巨大，狀態(tài)瞬息萬變，各決策方法存在耦合復雜的作用關(guān)系，且信息存在不確定、不完備性，如何精確合理地對真實空戰(zhàn)問題進行建模是進行空戰(zhàn)決策的首要瓶頸。

2) 其次是隨著博弈個體及決策空間的增長帶來的維度爆炸問題，由于決策過程需要將博弈中每個參與者對其他參與者的行為進行評估，因此對于大量博弈參與者的決策問題會帶來巨大的決策空間維度，直接影響求解的效率及精度。

3) 最后是最優(yōu)策略求解的困難性，面對復雜動態(tài)的空戰(zhàn)決策問題無法求得納什均衡的解析解，因此如何高效、準確地進行最優(yōu)策略的數(shù)值求解是需要解決的另一瓶頸。

2.2 基于優(yōu)化理論的方法

空戰(zhàn)決策問題也可以被形式化為多目標優(yōu)化問題，并使用經(jīng)典數(shù)值優(yōu)化算法進行求解，如動態(tài)規(guī)劃、遺傳算法、貝葉斯推理、統(tǒng)計學優(yōu)化等算法均在空戰(zhàn)決策領(lǐng)域得到了一定程度的應用[9,29-35]。

文獻[9]提出了一種基于近似動態(tài)規(guī)劃的空戰(zhàn)策略尋優(yōu)算法。近似動態(tài)規(guī)劃與經(jīng)典動態(tài)規(guī)劃的區(qū)別是，該方法無須在每個離散狀態(tài)下進行預期累計獎賞的展開計算，而通過構(gòu)建一個連續(xù)函數(shù)逼近器來近似表示未來時刻的累計獎賞，因此具有更短的計算時間。文獻[29]將空戰(zhàn)博弈看作為一個馬爾可夫過程，利用貝葉斯推理計算空戰(zhàn)態(tài)勢，并根據(jù)態(tài)勢評估結(jié)果自適應調(diào)整機動決策因素的權(quán)重，使目標函數(shù)更加合理。然后針對空戰(zhàn)博弈具有高度動態(tài)性和大量不確定性的特點，采用模糊邏輯建立了4個機動決策因素的函數(shù)，可有效提高機動決策結(jié)果的魯棒性和有效性。文獻[30]提出了一種非線性模型預測跟蹤控制器來解決無人機的追逃博弈問題，該控制器可對固定翼無人機的三維規(guī)避機動進行編碼，將追逃控制問題建模為代價優(yōu)化問題，通過梯度下降解決軌跡優(yōu)化和追逃博弈。文獻[32]使用人工免疫機制解決空戰(zhàn)機動選擇問題，將敵機當作抗原，通過相對位置速度表征，將機動動作當作抗體，利用遺傳算法和進化算法模仿免疫系統(tǒng)應對抗原的自適應能力，這種機制使得智能體具有較強的記憶能力，能記錄過往成功的經(jīng)歷以便在相似場景下快速反應。文獻[33]在上述基礎(chǔ)上將序列關(guān)聯(lián)數(shù)據(jù)挖掘和戰(zhàn)術(shù)免疫機動系統(tǒng)模型相結(jié)合，以適應更加動態(tài)的戰(zhàn)場變化。文獻[34]提出了一種基于統(tǒng)計原理的無人戰(zhàn)斗機魯棒機動決策方法。為了降低無人戰(zhàn)斗機作戰(zhàn)機動決策的敏感性對典型機動庫進行了改進，設(shè)計了空戰(zhàn)態(tài)勢參數(shù)的魯棒隸屬度函數(shù)。然后將統(tǒng)計方法引入到魯棒機動決策中，并對無人戰(zhàn)斗機對抗機動和非對抗機動兩種典型空戰(zhàn)情況進行了仿真，結(jié)果表明該決策方法在引導無人機向有利態(tài)勢發(fā)展方面具有較強的魯棒性和優(yōu)化能力。文獻[35]通過可達集理論和目標狀態(tài)權(quán)重的自適應調(diào)整機制對目標意圖進行預測，同時在態(tài)勢函數(shù)中引入魯棒設(shè)計，在一定程度上克服了不完全對手信息的問題，結(jié)合目標意圖預測通過模糊邏輯進行機動決策。

基于優(yōu)化理論的空戰(zhàn)決策方法在多個細分應用領(lǐng)域均有涉及，但由于空戰(zhàn)狀態(tài)空間的連續(xù)性和復雜性，大多數(shù)數(shù)值優(yōu)化方法在求解這種高維度、大規(guī)模的問題時，其計算性能往往無法滿足空戰(zhàn)決策的實時性需求[36]。因此，這類方法大多用于離線的空戰(zhàn)策略優(yōu)化研究。

2.3 基于人工智能的方法

人工智能類的空戰(zhàn)決策方法主要包括基于規(guī)則的專家系統(tǒng)和基于深度神經(jīng)網(wǎng)絡(luò)的自演進機器學習類方法。其中，基于深度神經(jīng)網(wǎng)絡(luò)的自演進機器學習類方法主要以深度學習和深度強化學習2種形式為主。

1) 基于規(guī)則的專家系統(tǒng)

基于規(guī)則的專家系統(tǒng)采用類似IF-ELSE-THEN的謂詞邏輯構(gòu)建產(chǎn)生式規(guī)則[37-39]，明確地定義決策系統(tǒng)“什么情況下該做什么”，是人工智能的初級形態(tài)。由于專家系統(tǒng)易于工程化且決策行為具有完全可解釋的優(yōu)點，使其在工程中得到了更為廣泛的應用，但也存在一定局限：① 對于基于規(guī)則的專家系統(tǒng)而言，空戰(zhàn)規(guī)則是其核心，而現(xiàn)有智能空戰(zhàn)產(chǎn)生式規(guī)則的設(shè)計主要依賴人類空戰(zhàn)專家完成?？紤]到完整的空戰(zhàn)規(guī)則集合不僅包括進攻和防守等基礎(chǔ)戰(zhàn)術(shù)，更重要的是需要明確界定各種邊界條件以防止出現(xiàn)未定義的情況，從而對決策結(jié)果產(chǎn)生未知影響；② 由于空戰(zhàn)狀態(tài)空間維度較為龐大，規(guī)則設(shè)計過程中往往會面臨“維數(shù)災難”問題[40]。即使一對一空戰(zhàn)規(guī)則能夠通過較為理想的設(shè)計覆蓋實戰(zhàn)情況，但隨著交戰(zhàn)智能體數(shù)量的線形增長，規(guī)則設(shè)計的復雜度呈指數(shù)級增長，建模具有該復雜度的空戰(zhàn)智能體僅僅依靠單純的人工手段是不可能完成的；③ 基于規(guī)則的算法其自主決策能力存在很明顯的認知上限，其行為表現(xiàn)不會超出設(shè)計者預先設(shè)定的能力，因此空戰(zhàn)智能體的行為缺乏多樣性，更無法演化出不同于人類做法的創(chuàng)新性戰(zhàn)術(shù)行為。

一些研究將專家系統(tǒng)和其他方法相結(jié)合以彌補基于規(guī)則的專家系統(tǒng)方法的不足。例如文獻[41]將專家系統(tǒng)和模糊貝葉斯網(wǎng)絡(luò)相結(jié)合構(gòu)建了混合策略決策系統(tǒng)，彌補了純規(guī)則方法帶來的行為局限性。文獻[37]將專家系統(tǒng)和滾動時域控制相結(jié)合，彌補了基于規(guī)則的專家系統(tǒng)適應性差的缺點。

2) 基于深度學習的空戰(zhàn)行為克隆

深度學習是近年來人工智能領(lǐng)域的研究熱點方向之一，其理論和方法在諸多領(lǐng)域取得了廣泛應用，在諸如計算機視覺[42]、自然語言處理[43]和用戶推薦系統(tǒng)[44]等復雜問題中取得了巨大成功。直接通過專家標注的數(shù)據(jù)監(jiān)督訓練空戰(zhàn)決策智能體的方式被稱為行為克隆[45]。顧名思義，具有空戰(zhàn)經(jīng)驗的飛行員在仿真器中親身參與空戰(zhàn)決策，仿真系統(tǒng)將每個決策時刻下的狀態(tài)和對應的飛行員決策動作記錄下來作為訓練樣本，然后進行離線訓練，通過神經(jīng)網(wǎng)絡(luò)強大的擬合能力，擬合出空戰(zhàn)態(tài)勢和此態(tài)勢下所需的決策動作之間的函數(shù)關(guān)系，這相當于機器在克隆飛行員的動作。在應用部署時，將實時空戰(zhàn)狀態(tài)輸入訓練好的神經(jīng)網(wǎng)絡(luò)模型進行前向傳播，輸出決策指令。空戰(zhàn)行為克隆的算法框架如圖3所示。其典型研究包括文獻[46-48]，一般而言，這種方法能夠使智能體快速學會基本戰(zhàn)術(shù)機動行為。

圖3 空戰(zhàn)行為克隆算法框架Fig.3 Algorithm framework of air combat behavior cloning

空戰(zhàn)行為克隆是一種數(shù)據(jù)驅(qū)動的機器學習方法，無需對空戰(zhàn)動力學的內(nèi)在機理進行完善的數(shù)學建模，其不足包括：① 訓練數(shù)據(jù)完全來源于飛行員手動標注，因此訓練出的深度神經(jīng)網(wǎng)絡(luò)空戰(zhàn)決策能力無法超過產(chǎn)生標注的某個飛行員；② 若采用多個飛行員標注數(shù)據(jù)完成算法訓練，將導致訓練梯度沖突，往往導致訓練難以收斂；③ 監(jiān)督學習需要一定數(shù)量的訓練樣本，受限于標注專家的精力和時間成本，工程上往往無法提供所需的標注量。但是，行為克隆對空戰(zhàn)博弈策略的演化建立了一個基于專家認知的初始基準，雖然無法通過該方法直接訓練得到可以直接應用的智能體，但該方法可以看作是深度強化學習自我博弈學習方式的空戰(zhàn)知識初始化手段，能夠顯著加快強化學習算法的收斂速度和學習效率，這一觀點已在棋類博弈[49]、星際爭霸2[50]等多個相關(guān)領(lǐng)域得到了證實。

3) 基于深度強化學習的自博弈對抗

深度強化學習是近年來人工智能領(lǐng)域最為成功的方法之一[51-52]，谷歌的DeepMind團隊在Atari游戲環(huán)境中通過深度學習和強化學習的有機融合，提出了深度Q網(wǎng)絡(luò)(Deep Q Network，DQN)[53]，率先實現(xiàn)了人類專家級別的操控水平。深度強化學習一般被形式化為馬爾可夫決策過程求解問題：智能體從當前環(huán)境獲取觀測，產(chǎn)生決策動作并與環(huán)境進行交互，環(huán)境根據(jù)智能體的表現(xiàn)反饋獎賞給智能體，智能體收到獎賞后不斷修正自己的行為，好的獎賞將會激勵智能體繼續(xù)做出一致行為，相反，則將懲罰智能體使其避免做出類似行為。深度強化學習智能體通過大量上述試錯模式，以最大化預期獎賞的方式進行學習和進化，以獲取最優(yōu)策略?？諔?zhàn)強化學習的算法框架如圖4所示。

圖4 空戰(zhàn)強化學習算法框架Fig.4 Algorithm framework of air combat reinforcement learning

與之類似，空戰(zhàn)智能體也可以在仿真環(huán)境中通過與對手不斷地自博弈對抗，演化出足以匹敵人類飛行員甚至超越人類頂尖水平的空戰(zhàn)戰(zhàn)術(shù)。文獻[54]將空戰(zhàn)優(yōu)勢函數(shù)作為獎賞函數(shù)，通過模糊邏輯方法將狀態(tài)空間泛化和連續(xù)化，提出了模糊Q學習。文獻[36,55]采用DQN實現(xiàn)了無人機近距機動動作學習。文獻[56-57]提出了啟發(fā)式思想與強化學習相結(jié)合的思路，將專家知識作為啟發(fā)信號，通過強化學習進行先驗知識以外的探索，實現(xiàn)了空戰(zhàn)策略啟發(fā)式探索和隨機式探索結(jié)合的效果。文獻[58]解決了多智能體空戰(zhàn)的決策問題，提出了多智能體分層策略梯度算法，通過自博弈對抗學習使智能體涌現(xiàn)出專家級的空戰(zhàn)戰(zhàn)術(shù)策略(如圖5所示)；此外，還模仿人類分層解決問題的能力，構(gòu)建了一種分層決策網(wǎng)絡(luò)用來處理復雜的離散/連續(xù)混雜機動動作。

圖5 智能體通過強化學習涌現(xiàn)空戰(zhàn)戰(zhàn)術(shù)[58]Fig.5 Agents learning emerging air combat tactics through reinforcement learning[58]

綜上，深度強化學習通過和空戰(zhàn)環(huán)境的持續(xù)交互，可以開展自我對弈從而生成全新的戰(zhàn)術(shù)模式，甚至是人類從未見過的全新戰(zhàn)術(shù)[58]。由于其策略一般由深度神經(jīng)網(wǎng)絡(luò)擬合，因此深度強化學習空戰(zhàn)算法的工程化落地必須解決一系列關(guān)鍵技術(shù)，如算法從仿真環(huán)境向真實物理世界的遷移、神經(jīng)網(wǎng)絡(luò)的可解釋性和安全性保障等[59-61]。

3 智能空戰(zhàn)之“道”——未來挑戰(zhàn)與展望

人工智能技術(shù)與空戰(zhàn)問題的交叉融合，為高動態(tài)、不確定、非完美信息條件下的空戰(zhàn)博弈問題求解帶來了新的途徑。以深度強化學習為代表的人工智能方法，不僅在棋類博弈、德州撲克等實際問題求解上呈現(xiàn)出超越人類的表現(xiàn)[49,62]，而且揭示了這一全新模式可以創(chuàng)造出替代人類飛行員遂行完整空戰(zhàn)任務(wù)的全新空中對抗形態(tài)。可以預見，在不遠的將來，空戰(zhàn)對抗模式必將發(fā)生深刻變革，這一變革必然帶來智能空戰(zhàn)技術(shù)演化創(chuàng)新所涉及的全新需求與巨大挑戰(zhàn)，如非完美信息的博弈[62]、多智能體協(xié)同[63]與遷移學習[64]等。面向求解這些問題的科學探索與工程實踐，清晰地指明了智能空戰(zhàn)技術(shù)的未來發(fā)展方向和前進道路，即智能空戰(zhàn)之“道”。

3.1 智能空戰(zhàn)發(fā)展趨勢分析

1) 智能空戰(zhàn)需求發(fā)展——從平臺能力建設(shè)到體系協(xié)同建設(shè)

縱觀以往空戰(zhàn)的發(fā)展歷程可以看出，各代戰(zhàn)斗機的研發(fā)均以提高單機作戰(zhàn)效能為主，通過提高戰(zhàn)斗機在空戰(zhàn)過程觀察、判斷、決策行動(OODA)各環(huán)節(jié)的能力來提高整體作戰(zhàn)效能。隨著信息化時代的繁榮以及智能化時代的到來，空戰(zhàn)逐步向體系博弈對抗發(fā)展，各平臺間的信息交互成為體系建設(shè)的基石，而智能則貫穿于整個空戰(zhàn)博弈體系對抗的OODA過程之中。未來空戰(zhàn)將以博弈體系建設(shè)為中心，重點發(fā)展智能態(tài)勢感知體系、智能態(tài)勢認知體系、智能博弈對抗決策體系以及分布式異構(gòu)平臺協(xié)同作戰(zhàn)體系。

2) 智能空戰(zhàn)應用發(fā)展——從“飛行員助手”到“空戰(zhàn)專家”

隨著未來先進作戰(zhàn)思想和武器裝備的不斷發(fā)展，未來空戰(zhàn)環(huán)境也逐漸向強對抗、高動態(tài)、強干擾、強不確定性等高度復雜環(huán)境轉(zhuǎn)變，對智能空戰(zhàn)技術(shù)的需求也從飛行員助手向空戰(zhàn)專家演變，人工智能技術(shù)相比于人類飛行員在信息獲取、反應時間、計算速度、技戰(zhàn)術(shù)動作等方面具有絕對優(yōu)勢，可突破人類固有戰(zhàn)術(shù)認知與生理機能限制，將在未來空戰(zhàn)中占據(jù)主導地位。隨著計算機科學、機器學習技術(shù)、大數(shù)據(jù)等新技術(shù)的快速迭代，與軍事作戰(zhàn)研究融合愈發(fā)緊密的智能技術(shù)必定引發(fā)空戰(zhàn)體系、裝備及相關(guān)技術(shù)的一系列革新，也必將引發(fā)未來智能空戰(zhàn)形態(tài)的進一步變革。

3) 智能空戰(zhàn)技術(shù)發(fā)展—從以人類智能為主到以機器智能為主

智能空戰(zhàn)技術(shù)正在由傳統(tǒng)的博弈理論和優(yōu)化理論向具有自學習能力的人工智能理論發(fā)展。傳統(tǒng)方法以飛機本體為中心，由人類主導構(gòu)建空戰(zhàn)對抗的過程模型，求解空戰(zhàn)策略。受限于人類的認知邊界、模型的表達能力以及策略的求解能力，得出的空戰(zhàn)策略往往無法超越人類的固有認知。而下一代具有自學習能力的人工智能方法可以通過自博弈訓練的方式學習到超越人類認知的空戰(zhàn)策略，是一種全新的以機器智能為主的發(fā)展模式。與此同時，該模式面臨著不確定性、可解釋性、可遷移性以及可協(xié)同性的問題，這些將成為未來機器智能空戰(zhàn)模式的重點發(fā)展方向。

3.2 智能空戰(zhàn)關(guān)鍵問題闡述

1) 空天戰(zhàn)場的深度不確定性

未來空天戰(zhàn)場將面臨要素多元化、對抗狀態(tài)隨機化、決策博弈智能化、態(tài)勢信息片段化等典型的深度不確定性挑戰(zhàn)。其中不確定狀態(tài)下的非完美信息[65-66]空戰(zhàn)決策能力將成為應對該挑戰(zhàn)的關(guān)鍵突破點。非完美信息會直接影響對敵方目標進行有效的識別、定位、預測及攻擊等一系列作戰(zhàn)行為，將導致空戰(zhàn)決策缺乏足夠的信息基礎(chǔ)，從而降低決策響應及準確程度。故如何在非完美信息博弈中實現(xiàn)對敵方的智能搜索、意圖預測及戰(zhàn)術(shù)推理，做到“找得到、猜得準、打得贏”，是在未來高動態(tài)不確定空戰(zhàn)背景下必須解決的核心問題。

2) 智能空戰(zhàn)策略的解釋性與安全性

人工智能的可解釋性是指人工智能算法能夠以人類可理解的方式進行解釋或表達[67]，智能空戰(zhàn)策略的解釋性旨在生成人類可理解的空戰(zhàn)策略。基于深度神經(jīng)網(wǎng)絡(luò)的人工智能算法的輸入與輸出映射關(guān)系復雜，以目前的技術(shù)手段還無法完整了解整個神經(jīng)網(wǎng)絡(luò)模型的內(nèi)部運作方式。這導致當人工智能算法出現(xiàn)錯誤決策時，我們無法清晰地獲知算法出錯的原因，從而無法對算法做出精準的修正[68-69]。因此，為了使人類能夠充分理解智能空戰(zhàn)算法決策的內(nèi)在邏輯，從而使飛行員充分信任智能空戰(zhàn)系統(tǒng)，就必須深入研究人工智能方法的解釋性。同時，智能空戰(zhàn)算法應能充分理解安全高度、安全飛行包線及失速邊界等飛行安全要求，避免因遭受欺騙或干擾而導致的錯誤決策行為。因此，對于智能空戰(zhàn)問題來說，能否突破智能算法的解釋性和安全性技術(shù)將直接影響人工智能在空戰(zhàn)領(lǐng)域的成熟落地。

3) 從虛擬仿真到真實飛行的遷移

從虛擬仿真到真實環(huán)境的遷移學習(Simulation to Reality，Sim2Real)[61,64]是強化學習中的難點問題之一。在智能空戰(zhàn)問題中，直接使用算法驅(qū)動全尺寸真機開展訓練，存在以下問題。① 樣 本效率問題：強化學習算法在解決智能體控制問題時所需要的樣本量一般會達到千萬數(shù)量級[70]，在現(xiàn)實環(huán)境中采集如此數(shù)量級的實戰(zhàn)樣本需要龐大的成本；② 訓練過程安全性問題：由于強化學習需要通過智能體在環(huán)境中進行大范圍的隨機采樣來進行試錯，因而在某些時刻其行為會嚴重影響飛行安全。如果在虛擬仿真環(huán)境中進行強化學習算法的訓練，以上兩個問題均可迎刃而解。但是，由于虛擬仿真環(huán)境相對于真實物理環(huán)境始終存在誤差，導致在虛擬仿真環(huán)境中學習到的最優(yōu)策略無法直接應用在真實物理環(huán)境中。因此，研究智能空戰(zhàn)策略從虛擬仿真環(huán)境到真實飛行環(huán)境的遷移學習成為了智能空戰(zhàn)工程實踐過程中必須解決的技術(shù)難題。

4) 智能空戰(zhàn)策略的協(xié)同性

現(xiàn)代空戰(zhàn)具備典型的體系化、層次化和協(xié)同化特征，因此未來的智能空戰(zhàn)系統(tǒng)也理應具備多智能體協(xié)同空戰(zhàn)聯(lián)合策略求解能力。在多智能體系統(tǒng)中每個智能體的策略不僅取決于自身，還取決于其它智能體的策略，導致智能體的策略學習具有不穩(wěn)定性，這使得多智能體系統(tǒng)的策略學習變得更加復雜[71]。在更大規(guī)模的多智能體空戰(zhàn)對抗博弈過程中，基于規(guī)則的專家系統(tǒng)和傳統(tǒng)的優(yōu)化理論方法難以較好地處理“維數(shù)災難”和策略不穩(wěn)定問題，而基于深度神經(jīng)網(wǎng)絡(luò)的自演進機器學習類方法為解決此類問題提供了新的可能[72]。多個智能體能否自組織并演化出媲美甚至超越人類的協(xié)作策略，是多智能體協(xié)同空戰(zhàn)算法必將面對的技術(shù)難題。

3.3 智能空戰(zhàn)未來展望

通過對上述智能空戰(zhàn)發(fā)展趨勢的幾點思考，可以看出人工智能技術(shù)與空戰(zhàn)領(lǐng)域的融合既是當前的研究熱點，也是未來的發(fā)展方向。將會對后續(xù)航空裝備需求想定、體系發(fā)展、裝備迭代以及技術(shù)革新等多個方面產(chǎn)生深遠影響，有望成為制勝未來空天戰(zhàn)場的核心能力：

1) 機器主導的認知型智能將是未來空戰(zhàn)單體智能的發(fā)展方向

未來空戰(zhàn)中的單體智能形態(tài)將經(jīng)歷從“以人為主導的規(guī)則型智能”到“人有限參與的機器學習型智能”再到“以機器為主導的認知型智能”的演化路線。早期以專家系統(tǒng)為代表智能空戰(zhàn)技術(shù)，嚴重依賴人類對空戰(zhàn)的認識，屬于知識驅(qū)動的規(guī)則型智能。近幾年智能空戰(zhàn)技術(shù)正向著數(shù)據(jù)驅(qū)動的機器學習型智能方向邁進，這種以深度神經(jīng)網(wǎng)絡(luò)為代表形式的智能，通過對大量空戰(zhàn)數(shù)據(jù)樣本的訓練，在人為加入獎懲機制的情況下能夠涌現(xiàn)出類人的決策行為，甚至創(chuàng)造全新戰(zhàn)術(shù)。其具備持續(xù)學習的能力，能夠通過訓練執(zhí)行多類型任務(wù)，具有較強的戰(zhàn)場適應能力，屬于人工智能在空戰(zhàn)領(lǐng)域發(fā)展的過渡階段。而在未來，隨著人工智能技術(shù)的進一步發(fā)展，以腦認知科學為基礎(chǔ)，以模仿人類核心思維模式為目標的認知型智能將成為智能空戰(zhàn)技術(shù)未來的核心，有望適應空戰(zhàn)高動態(tài)、強實時、不確定和非完美的復雜環(huán)境，驅(qū)動智能空戰(zhàn)技術(shù)邁入高級階段。

2) 群體智能將是未來空中作戰(zhàn)體系的主流形態(tài)

單個平臺的作戰(zhàn)效能存在一定局限，為了提高執(zhí)行復雜、困難任務(wù)的作戰(zhàn)效能，作戰(zhàn)平臺需要以集群的形式組織在一起共同執(zhí)行任務(wù)。未來空中集群作戰(zhàn)體系形態(tài)無論是人機混合智能集群還是全自主智能集群，都對群體智能的實戰(zhàn)化應用提出了迫切需求。在該模式下，多個作戰(zhàn)平臺有機地組織在一起，相互產(chǎn)生“化學反應”，實現(xiàn)作戰(zhàn)能力涌現(xiàn)，將獲得“1+1>2”式的顛覆性的作戰(zhàn)能力。在機器智能技術(shù)充分提高了參戰(zhàn)個體的智能化程度后，可以預見，群體智能將逐漸在未來空中作戰(zhàn)體系中占據(jù)重要的位置。

3) “智能×”將成為“三化融合”航空裝備設(shè)計的新理念

“+智能”是指在不突破原有裝備形態(tài)的基礎(chǔ)上，引入新的智能維度對其加以改造，從而實現(xiàn)原有裝備的功能拓展和性能增強。以Su-35“決斗”系統(tǒng)和美國忠誠僚機為例，Su-35“決斗”系統(tǒng)實現(xiàn)了基于專家系統(tǒng)的空戰(zhàn)智能增強決策模式，能夠面向飛行員提供實時智能戰(zhàn)術(shù)建議。在忠誠僚機中，無人僚機按有人長機的命令執(zhí)行任務(wù)，實現(xiàn)有人機為主導的作戰(zhàn)編隊能力增強。“+智能”設(shè)計理念雖然引入了智能增能，但本質(zhì)上仍然以機械化、信息化裝備實體為先導。而“智能×”是以智能化為引領(lǐng)，形成機械化、信息化和智能化高度融合的具有跨代特征的先進形態(tài)，最大限度地發(fā)揮出裝備的機械潛能和信息優(yōu)勢，有望更充分地適應未來的裝備發(fā)展與作戰(zhàn)需求。

4) “高智能”有望成為未來無人制空作戰(zhàn)裝備的跨代特征

航空裝備的跨代發(fā)展是需求牽引與技術(shù)推動共同作用的結(jié)果[73]。在隱身四代機和未來高性能制空作戰(zhàn)裝備的參與下，未來空戰(zhàn)任務(wù)必將對驅(qū)動戰(zhàn)斗機遂行跨代空戰(zhàn)的智能主體提出更高要求。受限于人類生理、心理限制，飛行員的態(tài)勢感知能力、決策質(zhì)量和操作準確度均難以保持長時間的巔峰狀態(tài)；另一方面，人類反應時間存在上限，進一步限制了飛機的快速響應能力。而以人工智能為核心的下一代無人制空作戰(zhàn)裝備，有望全面超越人類的決策效率與準確性，極大地提高作戰(zhàn)效能。在機器主導的認知型智能技術(shù)推動下，“高智能”有望成為未來無人制空作戰(zhàn)裝備的跨代特征，引領(lǐng)新一輪空中對抗裝備根本性變革。

4 結(jié) 論

本文闡述了智能空戰(zhàn)技術(shù)研究和應用的發(fā)展脈絡(luò)，回顧了主流空戰(zhàn)自主決策問題的建模與求解方法，揭示了智能空戰(zhàn)技術(shù)正逐漸從基于規(guī)則的專家系統(tǒng)全面邁向基于深度神經(jīng)網(wǎng)絡(luò)的自演進機器學習方法這一根本發(fā)展趨勢。進一步分析得出了以深度強化學習為代表的人工智能算法是在目前技術(shù)條件下創(chuàng)造出具有合理、可靠且豐富多樣戰(zhàn)術(shù)行為的空戰(zhàn)智能體的關(guān)鍵途徑，強調(diào)了未來在智能空戰(zhàn)科學研究及工程實踐中正在或即將面對的技術(shù)挑戰(zhàn)：包括智能空戰(zhàn)的不確定性、解釋性、安全性、遷移性以及協(xié)同性等，為未來智能空戰(zhàn)技術(shù)研究勾勒出一條可行的探索路徑，為人工智能理論與航空科學技術(shù)的跨領(lǐng)域交叉融合提供了新的發(fā)展思路。