基于知识的应激性作战智能决策

海军大连舰艇学院科研部 张 国 沈治河

基于知识的应激性作战智能决策

海军大连舰艇学院科研部 张 国 沈治河

由于应激性作战的高实时性和突发性,单靠人脑决策很难有效应对,无人化和自动化是应激性作战系统的发展方向,本文分析了应激性作战智能决策的特点和要求,研究了基于知识智能决策要素和流程,可为实现以知识为中心的应激性作战系统智能决策提供参考。

应激;智能决策;知识工程

应激性作战是处理突发性威胁事件的作战行动,如舰艇对导弹防御、应激性作战事件通常具有突发性和高实时性的特点,且决策信息往往不完备,单靠人脑决策很难有效快速应对。为提高应激性作战的准确性和快速性,无人化和自动化是发展方向,我们称这种集成了人的经验和指挥的决策系统为智能决策系统,智能决策系统的核心是"知识"。

1.应激性作战指挥决策特点

1.1 威胁事件突发,反应时间短

由于攻防双方在对抗中所采用的战术的突然性,应激性作战威胁事件的产生具有突发性,如舰艇对空防御的目标一般为反舰导弹,目前反舰导弹的速度均为音速或音速以上,而应对威胁的防空导弹和近程反导舰炮的作用距离比较近,因此防御实施时间极短。这种威胁事件的突发性和应激作战时间短的特点要求作战系统能够快速反应。

1.2 威胁信息获取不充分

攻击方在实时攻击作战时,往往会采用一定的隐蔽、欺骗手段,以达成隐蔽作战的目的。另外,防御一方由于传感器的性能限制,往往无法获取来袭目标的全部信息。因此应激作战的威胁信息相当一部分具有不确定性,如空中目标只能判定为小飞机或导弹;而目标类型则根本无法探知。威胁信息获取的不充分会对决策的正确性造成影响。

1.3 应对手段多样

应激性作战往往面对的作战环境复杂,作战对象多样,因此自身所具备的应对手段也是多样的。舰艇在执行作战任务时,要同时面对应对空中和水下的威胁,应对空中威胁的对空防御手段有防空导弹、近程反导舰炮、电子战装备等,应对水下威胁的手段有鱼雷和水声对抗设备等。各类武器装备的作用距离、作用效果各自不同,且相互间可能会有干扰和不兼容性,因此在应激性作战中要综合运用这些手段,扬长避短,发挥最大威力。

2.应激性作战智能决策

2.1 应激性作战对指挥决策的需求

应激性作战的快节奏、高强度特点,要求指挥决策的快速和准确。而极短的时间内快速准确地处理大量不确定性信息同时根据自身状态迅速作出合理决策,对于人脑是巨大的挑战,尤其是舰艇末端对空防御作战,反应时间是秒级,单靠人经验和模型计算支持难以实时作出有效决策。

对策是将人脑的经验、智能和计算机进一步充分结合,实现智能决策,从思维科学角度讲,人脑思维是逻辑思维、形象思维和两者结合的创造思维,计算机在信息处理、定量计算和逻辑思维方面有优势,二者相互结合发挥更大优势。如美军的舰艇自防御系统SSDS,可以基于人工智能辅助决策技术对目标进行实施跟踪、识别,并对武器进行引导,实现自动化的交战控制[1],智能决策的基础是应激性作战决策知识。

2.2 应激性作战决策知识

应激性作战决策知识分为四类:陈述性知识、过程性知识和控制性知识[2]。陈述性知识是静态知识,描述应激性作战的概念和事实性知识,如舰艇防御作战系统的环境、自身装备状态、作战目标信息和态势等。过程性知识是动态知识,提供有关状态的变化、问题求解过程的操作和系统动作的知识,如舰艇防御作战过程,动作序列的描述等。控制性知识用来是控制应激性作战决策问题的求解策略,如依据态势判断决策是否进入防御作战状态,依据武器使用方式控制决策使用何种武器,如何使用等。

2.3 智能决策知识工程

知识工程以知识为处理对象,借用工程化的思想,解决如何用人工智能的原理、方法、技术为设计、构造和维护知识型系统[3]。其目的是在研究知识的基础上,开发智能系统,知识工程的三大要素是:知识获取、知识表示和知识运用。

应激性作战智能决策的实现是知识工程在作战辅助决策上的具体应用。基于知识的智能决策系统是一个面向应激性作战决策的计算机系统,系统注重于特定作战领域的决策规则知识集成、表述和应用。智能决策系统是基于整个作战过程知识的系统性应用,而不仅仅是解决作战过程中的某一问题。智能决策的推理过程不仅仅是应用某组数学模型计算支持得出结论,而是一个模式匹配和规则推理的过程。

3.基于知识的智能决策框架

3.1 智能决策知识表示

依据智能决策知识工程理论,建立应激性作战智能决策系统所首要解决的问题是知识表示,即如何把应激性作战决策知识分类、形式化表达并存储到知识库中。知识表示是把知识符号化、形式化的过程。知识表示方法则是把各种领域知识表示到计算机系统的模式,知识表示有很多种方法,包括规则,语意网,框架,谓词逻辑等。一种方法可以表示多种模式的知识,同样一种模式的知识也可以由多种知识表示方法表示。对于应激性作战决策知识表示,要考虑两个因素:一是符合指挥员的理解和运用习惯,二是要能够形式化映射到计算机系统中,可以被计算机系统调用。

采用产生式规则的形式可以满足上述要求,在决策知识运用过程中,由于针对应激性作战决策的条件部分通常是多个条件组合而成,因此形式化表示方式应该是逐条独立组合而成的产生式,其条目形式如下:Rule1:如果S1,且S11,……,且S1…n,则执行行动A1;这种扁平的描述形式既可以反映出决策的原因和结果,又使决策知识表示的独立性强,便于智能决策知识的编辑。

3.2 基于知识的智能决策机理

应激性作战智能决策所处理的决策问题通常为确定性问题和不确定性问题。

确定性问题是指决策的条件和规则非常明确,直接使用"条件+ 规则 ->结果"的方式即可以得出结论,传统的模型计算决策支持处理的是这类确定性问题。

不确定性问题即这类决策所输入的决策要素相当一部分具有不确定性,如舰艇对空防御中空中目标只能判定为小目标,无法进一步获知是无人机或导弹。对于不确定性决策问题,没有固定的数学模型可以解算,传统的决策机理是人的经验加上计算机的计算支持。随着人工智能技术的发展,这类问题的解决目前有:动态贝叶斯网络、模糊集、粗糙集、遗传算法等人工智能算法[4-5]。

4.结论

应激性作战是一个态势迅速变化的对抗性动态过程,智能决策系统的有效构建,不单单是技术性问题,是领域决策规则知识的抽取、表示、转换和运用研究知识工程。智能决策的实现,可以具备从指挥员学习、从经验数据学习的能力,使系统应对复杂情况能力更强。

[1]詹广平,黄玉清。舰艇自防御系统浅析[J]。舰船电子工程,2010,30(7):4-7.

[2]史忠植等。知识发现[M]。北京:清华大学出版社,2011.01.

[3]Rudi Studer,V。Rochard Benjamins。Knowledge engineering:principles and methods[J]。Data&Knowledge Engineering,1998,25:161-197.

[4]卞泓斐等。基于动态贝叶斯网络的的舰艇防空作战威胁评估研究[J]。绵阳:兵工自动化,2015,34(5):14-19.

[5]林耕。直觉模糊集在近似推理与决策中的应用[D]。大连:大连理工大学博士论文,2006,03.

张国(1979-),男,山东莱芜人,博士,助理研究员,研究方向:辅助决策。