甲板舰载机动态调度研究方法综述

卞大鹏,黄祥钊,代丽红,童　剑

(1.海军驻武汉701所 军事代表室,湖北 武汉　430064;2.中国舰船研究设计中心 3室,湖北 武汉　430064)

甲板舰载机动态调度研究方法综述

卞大鹏1,黄祥钊2,代丽红2,童剑2

(1.海军驻武汉701所 军事代表室,湖北 武汉430064;2.中国舰船研究设计中心 3室,湖北 武汉430064)

摘要舰载机甲板调度是受时间、空间、资源约束的多任务复杂问题,是航母作战效能的重要保证。文中主要剖析了舰载机调度作业的应用及特点,对比分析了最优化方法、仿真方法、Multi-agent方法以及智能搜索与规划方法等,舰载机动态调度研究方法的适用性,提出了采用智能规划研究方法是解决舰载机动态调度问题的主要途径之一,但在方案制定和舰载机调度过程中需加入指挥人员的经验。

关键词舰载机;动态调度;空间约束;资源受限

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

舰载机作为航母的重要作战武器,需要在航母上进行任务规划、调运、加油、挂弹、起飞、回收和维修等多种作业,如何高效而有条不紊地进行航空作业是充分发挥航母战斗力的重要保障[1]。航母舰载机作业调度是指在有限的时间、空间和资源约束条件下,对舰载机行动过程进行优化,以保证航母舰载机出动架次率的实现。科学合理地制定舰载机出动回收调度方案,是航母作战指挥的关键,也能够对航母飞行甲板布列设计及资源配置提供重要支撑。

本文通过介绍国外航母舰载机作业调度的现状及特点,分类综述了航母舰载机动态调度的研究方法,分析了各种研究方法的适用性,并展望了航母舰载机动态调度技术的研究方向。

1国外航母舰载机调度的现状及需求

美国海军在数十年的航母使用过程中,发展了较成熟的航空作业管理与使用方法,基本满足航母甲板调度作业需求。传统航母上采用实体的“占卜板(Ouija Board)[2]”,即航母飞行甲板和机库甲板的小比例模型,飞机弹射与回收管理人员在“占卜板”上跟踪和监控所有的飞机。甲板上飞机的信息,如飞机挂载的武器种类、燃油量等,在甲板上有专门人员手工记录下来,然后交给记录板操作员。这种人工操作方式存在信息延误和信息不对称,不利于舰载机的快速指挥调度,影响航母整体作战能力。

为提高航空作业管理自动化程度,美国海军开发了航空数据管理和控制系统(Aviation Data Management And Control System,ADMACS)[3]。航空数据管理与控制系统是一种实时信息管理系统,通过传感器、局域网、显示与控制设备,连接航空作业相关系统,在全舰范围内实现所有航空作业相关数据的融合、分发和控制,集成管理几乎所有航空作业的规划的执行,不仅包括舰载机出动回收作业规划。

图1　美国“尼米兹级”航母“Ouija Board”[4]

传统的航空作业方法主要是依靠各作业环节之间的协调,解决航空作业相关数据在舰上传递的准确性和速度等问题。但利用传统方法规划舰载机甲板作业时,需耗费大量人力和时间,而且规划人员与其他决策人员的沟通可能不及时,从而影响舰载机出动回收作业。因此,需要一种舰载机作业调度工具,规划舰载机布列、起飞、回收、调运、保障及维修等项目,保证舰载机出动架次率的实现。

通过分析国外航母舰载机出动回收过程,舰载机调度具有如下特点[5]:(1)飞行计划下发后,飞行甲板已保障完毕的舰载机滑行至指定的弹射器,飞机弹射起飞并执行任务返航后,进入降落队列,指挥人员安排舰载机着舰顺序,成功着舰后,立即引导其滑行或牵引至停机位,再转运到舰面保障区域进行补给准备,舰载机再次出动准备完毕后,则执行再次起飞任务。整个过程,舰载机执行起飞-飞行-着舰-再次起飞等任务,因此甲板作业具有周期性特点;(2)由于需按照舰载机飞行计划执行舰载机出动回收任务,相关指挥作业人员必须要制定每架飞机各项操作的时间以及资源调度在内的总体行动过程调度方案。但舰载机甲板作业过程中具有舰载机事故等或保障设备设施故障的不确定性,导致操作难以根据事先计划进行,需要经常重新规划调度方案。因此,舰载机具体作业项目又具有随机性的特点。

在舰载机调度过程中,如舰载机数量和保障资源和设备已明确、各项目时间确定且制定计划时都已到位、保障资源和设备不存在故障且均可用,则一般此类调度是属于静态调度问题。

由于在实际作战过程中舰载机出动回收调度作业具有随机性,例如作战任务的变化导致飞机不能到位、舰载机保障设施设备出现故障或特勤问题,使得舰载机调度作业方案不能按预先制定的计划执行,需要对舰载机调度方案进行动态调整,因此要对当前方案重新规划。随机事件的不可计划性导致需要动态调整,此类问题属于动态调度问题。鉴于舰载机甲板作业具有动态调度的特点,以下将重点分析采用动态调度技术和方法研究舰载机作业的进展情况。

2舰载机动态调度研究方法

动态调度的概念最早出现在生产制造领域,在初始阶段,其研究手段主要采用系统建模和逻辑仿真方法,与实际应用还有一定差距。信息化技术的发展以及神经网络、遗传算法、人工智能和仿真技术等新方法的产生,为动态调度的研究开辟了新思路[6]。

舰载机作业的动态调度涉及多架舰载机在多种资源之间的协调、驻留、起降以及维修保障等作业,结合舰载机动态调度特点,目前常用的动态调度方法包括最优化方法、仿真方法、多智能体(Multi-agent)方法以及智能规划方法。

2.1　最优化方法

最优化方法一般是指线性规划、动态规划、、分支定界法和消去法等传统运筹学优化方法。采用最优化方法时通常将原问题进行简化,使得问题便于进行数学描述和建模,从而得出一个优化的调度方案。

魏昌全等人[7]分析了作战任务变更所引起的连续出动舰载机航空保障重调度问题,采用重调度理论和方法研究建立了连续出动舰载机航空保障重调度模型,设计了求解模型的免疫算法,避免了模型的解空间可能出现组合爆炸问题。刘钦辉等[8]考虑舰载机转运空间、作业空间,基于舰载机出动准备流程,利用多模式资源受限项目调度问题研究方法,构建了资源受限舰载机作业调度数序模型,为舰载机甲板作业规划及优化提供了一定了借鉴。李耀华等[9]针对航空公司飞机排班计划优化问题中的关键问题——飞机指派问题,考虑了飞机与航班之间的匹配要求,建立了飞机指派优化模型,可提高排班计划的自动化水平。

由于舰载机调度问题涉及舰载机配置、保障资源布置及配置等多方面因素,且甲板舰载机调度又具有随机性和动态性,重调度任务较多,求解难度较大。因此,大部分舰载机调度问题属于NP-Hard问题。在舰载机动态调度的研究中,仅采用最优化方法通常还不能适应舰载机调度作用对动态性的要求,需要结合其他研究方法和手段来解决这类调度问题。

强硬、严谨、镇定、直率，拉加德在她转型后延续了多年来形成的工作风格。同时，她是法国政府中鲜明的“亲美派”，说话间常夹杂着英语单词，她不熟习法国政治文化，喜欢直言，因此多次在媒体和同僚面前“出丑”，也因此在法国政坛落下“蠢话夫人”“失言部长”的绰号。

2.2　仿真方法

仿真方法是动态调度研究中的常用方法,主要通过对实际环境和要素的建模来模拟调度环境和逻辑流程,此种方法的优势在于避开了对动态调度问题进行数学理论分析的困难[10]。

仿真方法应用于动态调度研究中主要解决如下的问题:

(1)在进行仿真试验时,通过分析仿真输入和相关参数对仿真结果的影响,研究找出各种调度策略对仿真结果的变化趋势,从而得出符合仿真结论的合理策略。林华等[11]针对舰载机回收作业中飞行甲板跑道容量瓶颈问题,采用仿真方法分析了先来先服务、基于最早到达时刻、滑动窗排序3种调度算法,表明滑动窗排序算法可一定程度减少计算量和等待时间,为舰载机着舰自动化管理系统中着舰飞机的调度提供了较好的解决途径;

(2)在评价各应用方法优劣时,运用该方法分别进行仿真环境和要素的建模,从而评价得出不同方法的适用范围,找出合适的仿真方法;另外,还可根据仿真数据建立知识库或产生训练样本数据[12]。Liu等人[13]通过仿真实验产生训练样本用于训练神经网络,并将训练后的神经网络用于动态调度研究。李耀宇等[5]从舰载机飞行甲板布列调运问题出发,构建了一种基于排队网络的舰载机调度模型,提出了基于排队网络和进化算法的舰载机调度策略优化方法,为验证此方法的有效性进而开发了基于离散事件仿真的舰载机甲板调度仿真系统。

仿真方法在模拟实际环境时主要是基于一定的假设和近似,且在构建仿真模型时主要是通过建立系统逻辑关系和参数选择,因而仿真结论会因系统模型的不同而不同,不同的模型难以取得一致的结论。然而,仿真方法通过对实际环境和要素的建模来模拟调度环境和逻辑流程,避开了对动态调度问题进行数学理论分析的困难。在缺乏有效理论分析的情况下,仿真是一种较好的方法。

2.3　多智能体方法

多智能体(Multi-agent)方法通过在一系列分散的智能单元(Agent)[14]间进行协调来解决问题,侧重于研究多个Agent之间的相互作用。这些Agent具有各自的目标和自治的行为特性,而且这些Agent还可以有子单元。但没有一个单元能够独自解决全局问题,因而其之间必须进行协调来处理。

每个Agent的结构至少应由以下3个组成部分[15]:(1)知识库,包含Agent执行其功能所必需的知识和数据;(2)控制功能,根据环境状态及与其它Agent间的相互作用,从知识库中提取知识来完成调度功能;(3)通讯功能,用来与其它Agent和环境之间进行信息传递。

研究表明,Multi-agent方法适用于用经典方法无法解决的单元间有大量交互作用的复杂问题。此类方法优点是速度快、可靠性高、可扩展性强、能处理带有空间分布的问题、对不确定性数据和知识有较好的容错性。

2.4　智能搜索和规划方法

在调度问题研究过程中,采用的智能方法主要包括模拟退火、禁忌搜索、遗传算法和基于Markov决策过程等方法[19]。

杨秋辉等[20]将自适应遗传算法用于飞机调度问题,实现了单跑道降落飞机调度问题的求解算法,仿真结果表明了自适应遗传算法用于飞机调度问题的有效性。胡训强等[21]引入粒子群优化(Particle Swarm Optimization,PSO)算法,建立了军机起降调度的数学模型,采用自然数和非负实数相混合的编码策略,降低了问题的约束复杂度。司维超等人[22-23]应用PSO算法研究戴高乐航母的舰载机出动问题并建立了布列调度模型,但假设和模型比较简单,只考虑了近似距离和静态出动问题。Jeffrey等[2]为减少舰载机作业过程中的失误和伤亡设计了一种甲板监控系统,可提供危险预警和舰载机甲板路径规划能力。李耀宇等人[24]建立基于马尔可夫决策(Markov Decision Process)的舰载机状态转移模型,采用逆向强化学习方法从“专家”,即模拟指挥人员的调度演示中确定优化回报函数,进而由强化学习方法得到智能优化策略,生成舰载机甲板调度方案。

智能方法具有计算速度快且易与其他算法相结合的优点,较适合于解决动态调度问题。

3舰载机动态调度技术发展趋势分析

几十年来,美国海军航母军官始终利用“占卜板”进行舰载机布列和规划甲板作业计划。2009年,MIT的Ryan[21-22]等开始为美国海军研究办公室开发了航空母舰甲板行动过程规划者系统(Deck Operations Course of Action Planner,DCAP)。该系统与计划制订者一起,追踪最新的飞行数据并产生新的甲板作业计划,监视系统也可减少甲板人员数量,以拥挤和事故风险。所以,就是如何找出一种更好的方式来减少事故。首先必须确定影响飞行甲板作业的关键数据,包括舰载机燃油量、飞行时间表和甲板设备的状态(如弹射器)等;然后,研究规划算法,从而基于不同任务想定来制订最佳计划。DCAP能够追踪和控制缩比模型、无人控制的车辆及飞机的位置。当研究人员将想定编入系统,例如弹射器故障或燃油短缺,DCAP重新规划了起飞与着舰的计划,且车辆接收了这些信息,依次排列,DCAP对于处理舰载无人机将是有用的。

图2　DCAP信息显示界面

Ryan等人[25-27]研究了基于Markov决策过程的舰载机甲板作业行动过程优化,根据航母甲板特点,将舰载机、弹射器、阻拦装置状态细分,建立Markov状态转移模型,并采用逆强化学习方法获取行动过程优化方案。

因此,未来在解决舰载机动态调度问题过程中,采用智能规划方法将是主要的研究手段,但在方案制定和舰载机调度过程中需要加入指挥人员的经验。

4结束语

本文在介绍美国航母航空数据管理与控制系统应用特点的基础上,分析了舰载机动态调度的特点,归纳总结了国内外航母舰载机动态调度技术的研究方法及最优化方法、仿真方法、Multi-agent方法、智能方法等,最后提出智能方法已成为舰载机动态调度研究的发展趋势,在方案制定和舰载机调度过程中需要加入指挥人员的经验。

参考文献

[1]孙诗南.现代航空母舰[M].上海:科学普及出版社,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,贾全,等.基于排队网络的舰载机甲板调运优化调度策略生成方法[J].海军工程大学学报,2013,25(5):26-30.

[6]钱晓龙,唐立新,刘文新.动态调度的研究方法综述[J].控制与决策,2001,16(2):3-5.

[7]魏昌全,陈春良,王保乳.基于任务的连续出动舰载机航空保障重调度研究[J].指挥控制与仿真,2012,34(3):23-26.

[8]刘钦华,邱长华,王能建.考虑空间约束的舰载机作业调度模型研究[J].哈尔滨工程大学学报,2012,33(11):1435-1441.

[9]李耀华,谭娜.飞机指派问题优化模型及算法研究[J].控制工程,2010,17(2):209-214.

[10]庞庆华.柔性设计机制及其在生产作业计划决策支持系统中的应用[D].南京:南京工业大学,2002.

[11]林华,占明锋,周丰.舰载机回收任务的优化调度算法及仿真[J].海军工程大学学报,2008,20(1):50-54.

[12]汪文元.基于工作流的兵力调度技术研究[D].长沙:国防科技大学,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,张立,侯玉.基于Agent的航母舰载机出航准备指挥决策系统建模[J].兵工自动化,2007,26(5):33-34.

[15]王会勇.基于多智能体的机群动态调度方法[D].天津:河北工业大学,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]冯强,曾声奎,康锐.基于MAS的舰载机动态调度模型[J].航空学报,2009,30(11):2119-2125.

[18]冯强,曾声奎,康锐.不确定条件下舰载机动态调度仿真与优化方法[J].系统仿真学报,2011,23(7):1497-1501.

[19]李洪峰.网络环境下产品生产链智能调度研究[D].沈阳:东北大学,2008.

[20]杨秋辉,游志胜,冯子亮,等.自适应遗传算法在飞机调度问题中的应用[J].四川大学学报:自然科学版,2004,41(6):1158-1162.

[21]胡训强,谢晓方,李德栋.军用飞机智能起降调度技术研究[J].系统工程与电子技术,2012,34(11):2280-2284.

[22]司维超,韩维,史玮韦.基于PSO算法的舰载机舰面布放调度方法研究[J].航空学报,2012,33(11):2048-2056.

[23]司维超,韩维,宋岩,等.基于多种群协作混沌智能算法的舰载机出动调度[J].计算机应用研究,2013,30(2):454-457.

[24]李耀宇,朱一凡,杨峰,等.基于逆向强化学习的舰载机甲板调度优化方案生成方法[J].国防科技大学学报,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.

作者简介:卞大鹏(1976—),男,硕士,工程师。研究方向:舰船航空保障。黄祥钊(1979—),男,博士,工程师。研究方向:舰船总体设计。

收稿日期:2015- 04- 27

中图分类号TN94;V271.4+92

文献标识码A

文章编号1007-7820(2016)01-169-04

doi:10.16180/j.cnki.issn1007-7820.2016.01.045