基于贝叶斯网络的舰艇对空作战训练效果评估研究*

马志军　吉玉洁

(91336部队　秦皇岛　066000)

基于贝叶斯网络的舰艇对空作战训练效果评估研究*

马志军吉玉洁

(91336部队秦皇岛066000)

摘要水面舰艇对空作战训练是舰艇军事训练中的一项重要内容,由于缺乏客观、有效的评估方法,训练中难以及时、准确地对装备职手和作战指挥人员的操作做出客观评价,不能有效指导作战训练,严重影响了舰艇作战训练效果,成为当前困扰舰艇作战训练的瓶颈问题之一。针对舰艇对空作战训练特点,结合舰艇对空作战训练实践,探讨了训练效果评估的评估指标体系及指标评估准则,提出了基于贝叶斯网络的舰艇对空作战训练效果评估方法与模型。

关键词训练效果评估; 指标体系; 评估准则; 贝叶斯网络

Class NumberTP391.9

1引言

水面舰艇对空作战训练效果评估是指在特定作战环境条件下,按照一定作战预案,组织部队装备职手和指挥人员进行对抗演练,评价装备职手的操作、指挥人员的指挥以及装备作战使用效能等,以提高部队对所属装备的操控能力,指挥人员的作战指挥能力,并评价装备在各种复杂环境条件下作战能力,以便于装备的作战使用与部署。

舰艇对空作战训练效果评估是一项复杂的系统工程,一般都需要综合各种定性和定量信息对整体训练效果进行综合评估。根据此特点,结合训练效果评估实践,在评估指标体系及指标评估准则分析基础上,提出了基于贝叶斯网络的舰艇对空作战训练效果评估方法与模型。

贝叶斯网络是人工智能领域中新发展起来的一种决策推理工具,适于解决不确定性或概率性事件。利用贝叶斯网络进行训练效果评估有以下几方面的优势[5]:

1) 贝叶斯网络可以综合历史数据信息、专家经验信息、以及训练过程中收集到的各种不完整或不精确的训练信息对训练效果进行综合评估,做出相对准确的评价。

2) 由于贝叶斯网络可以综合验前与验后信息对训练效果进行综合评价,因此贝叶斯网络可以在缺少训练信息条件下,对训练效果做出相对准确的评价,从而提高训练效果评估效率。

3) 贝叶斯网络评估速度快,可以实现对训练过程的近实时动态评估,及时为作战指挥人员和训练导调人员提供训练态势信息,便于对训练的作战指挥和训练导调。

2评估指标体系与指标评估准则

评估指标体系以及指标评估准则是进行训练效果评估的基础,是联系评估对象与评估专家的桥梁,也是联系评估对象与评估方法的纽带。

2.1评估指标体系[1～4]

评估指标体系是指在一定范围内或条件下,由一系列相互联系、从不同侧面反映事物或系统属性的评估指标组成的有机体。在指标体系中,每个指标对系统的某种特征进行度量,并与其它相关指标相互关联,共同形成对系统的完整刻画。因此,一个完整的评估指标体系包括评估指标以及评估指标间的相互影响关系两方面内容。

运用层次化分析思想,将系统分解成若干个简单系统,并逐级进行功能分解,直到最底层不能再分解的评估要素指标,并按照功能由上而下分解,指标由下向上的影响关系,建立舰艇对空作战训练效果评估指标体系,如图1所示。在指标体系中,最底层各评估指标是评价舰上职手操作的评估要素指标,直接与评估对象相关,图中用阴影表示,指标体系中上层各评估指标受评估要素状态影响。

图1　舰艇对空作战训练效果评估指标体系

2.2指标评估准则[5]

根据评估指标和评估要素的不同性质,可分别为两类指标制定相应评估准则。

1) 评估指标评估准则

评估指标评估准则在不同的评估方法中表现为不同形式。在贝叶斯网络中表现为条件概率,如表1所示,它表示父结点处于各种状态时子结点处于各种状态的概率。

表1　训练评估指标评估准则

2) 评估要素评估准则

在制定要素评估准则时,应根据各评估要素的特点、评估信息的性质、内容及其数、质量情况,依据一定的准则,如时间准则、距离准则、概率准则等,制定各评估要素指标的评价准则。如雷达探测指标相关评估要素评估准则如表2所示。

3基于贝叶斯网络的舰艇对空作战训练效果评估

基于贝叶斯网络的舰艇对空作战训练效果评估是在系统评估指标体系及指标评估准则基础上,建立舰艇对空作战训练效果评估贝叶斯网络模型,并利用贝叶斯网络软件对训练效果进行评估的过程。

3.1系统评估指标体系与指标评估准则

运用层次化分析思想,按照2.1节中建立评估指标体系的方法建立系统评估指标体系,如图1所示。同时,按照2.2节中指标评估准则确定方法,为每个评估指标及评估要素指标建立评估准则,如表1、表2所示。为确定贝叶斯网络模型结构及模型参数做准备。

表2　雷达探测指标相关评估要素评估准则

3.2贝叶斯网络模型[5～9]

舰艇对空作战训练效果评估贝叶斯网络模型包括模型结构与模型参数两部分。

3.2.1贝叶斯网络模型结构[10]

贝叶斯网络结构定性地描述了网络中各结点之间的因果关系,由网络中的结点,以及连接结点间的有向弧构成,它是进行贝叶斯网络推理的载体与基础。根据舰艇对空作战训练效果评估指标体系,模拟舰艇对空作战训练项目各战位或各分系统之间的影响关系,可建立舰艇对空作战训练效果评估贝叶斯网络模型结构,如图2所示。

图2　贝叶斯网络模型结构图

3.2.2贝叶斯网络模型参数

贝叶斯网络模型参数包含两方面内容:网络中各结点的状态与依附在各结点上的条件概率。

“精神富有”是一个理论问题，更是一个实践问题。省十三次党代会将现代化浙江定位为“物质富裕、精神富有”之后，绍兴也迅速做出呼应，并赋予“精神富有”以绍兴内涵加以传播和实践。正是在这样的背景下，本文试从实践的层面，将精神形态特征明显的文艺创新置于“精神富有”的视域之中，开展若干问题的调查与思考。

贝叶斯网络模型中结点的状态是指该结点所代表的因素可能会出现的各种状态。根据部队训练效果评估习惯以及评估需要,可以确定网络中各个结点状态,如表3所示。

表3　贝叶斯网络模型中各结点状态

贝叶斯网络模型中的条件概率是指网络中各父结点处于不同状态时其子结点处于各种状态的概率。

贝叶斯网络模型中条件概率的确定一般都比较困难,它也是贝叶斯网络在实际应用中的瓶颈。在实际应用中,贝叶斯网络中的条件概率一般都是根据实际情况,由专家凭主观经验确定,但这种方法的缺点是主观性太强,专家经验对模型的准确性影响很大,因此提出一种基于蒙特卡罗仿真确定模型中条件概率的方法。

基于蒙特卡罗仿真的条件概率计算法主要包括以下几个步骤:

1) 根据各父结点的状态值及其权重W,计算父结点分别处于不同状态时,对子结点影响的分值C。根据网络中各结点状态的定义,可大致确定结点各状态的状态值分别为:优秀(状态值95),良好(状态值85),及格(状态值70),不及格(状态值30)。

如对空侦察(权重0.4)为优秀;对空防御(权重0.5)为优秀,综合表现(权重0.1)为优秀时,对其子结点训练评估影响的分值C为

C=95*0.4+95*0.5+95*0.1=95

2) 进行蒙特卡罗仿真,计算父结点处于各种状态时,子结点处于各种状态的概率。以父结点对子结点影响的分值C为均值,进行正态分布蒙特卡罗仿真,考察仿真结果分别处于优秀、良好、及格、不及格状态的概率。根据专家经验,通过调整正态分布方差,仿真出适合的条件概率。图3为利用正态分布蒙特卡罗仿真法,仿真出的训练评估结点上的条件概率。概率形式如表1所示。

图3　训练评估结点上的条件概率仿真结果

3.3训练效果实时评估

Hugin是当前比较成熟的一款贝叶斯网络软件,根据前面建立的贝叶斯网络模型,利用Hugin建立舰艇对空作战训练效果评估系统,如图4所示。当收集到舰艇对空作战训练信息时,将训练信息加入评估系统,便可实现对训练效果的近实时评估。

图4　舰艇对空作战训练效果评估系统

4实例分析

4.1某舰艇对空作战训练想定

蓝方:在航空警戒飞行队和电子对抗部队的配合下,对红方某水面舰艇实施突击。

红方:在空中预警探测群、岸基预警探测群以及电子对抗部队的配合下,进行防空反导训练。

4.2评估信息的收集与预处理

通过作战网、导控网以及考核员记录等方式收集各种训练信息,并对这些数据进行预处理,剔除异常值,训练专家根据这些训练数据信息,依据表2所示的评估要素评估准则对各评估要素进行评分,得到该舰艇对空作战训练考核成绩。同时根据各评估要素的权重确定相应评估指标的项目评分,最后,通过蒙特卡罗仿真方法将考评分数转换为各评估指标处于各种评价状态的概率,如表4所示。

表4　舰艇对空作战训练考核成绩表

4.3舰艇对空作战训练效果实时评估

将预处理的各项评价指标信息输入到评估系统中,运行评估系统,评价舰艇对空作战训练效果。

1) 训练系统初始化,系统初始时,各评估要素结点的概率都为经验概率,当收集到评估要素训练信息时需要更新这些概率,以实现对训练效果的评价。训练系统初始化界面如图4所示。

2) 当收集到舰艇对空作战训练信息时,将这些信息分别输入到评估系统中,更新网络中各结点的状态,计算训练评估结点处于各种状态的概率。如图5所示,训练效果评估结点处于各种状态的概率分别为优秀:2.29%,良好:66.74%,及格:30.94%,不及格:0.03%。其中,良好的概率由初始状态时的26.17%上升为66.74%。根据最大概率原则,本次训练成绩为良好。

图5　加入评估信息后,各结点状态图

由以上评估模型建立及训练效果评估过程可以看出,贝叶斯网络法能够很好地描述舰艇对空作战训练过程中各系统及各评估要素之间的相互影响关系,适合解决训练效果评估问题。其次,贝叶斯网络模型建立过程中,利用蒙特卡罗仿真法确定模型中的条件概率及各底层评估指标处于各种状态的概率,提高了模型建立的效率及客观性、准确性。最后,贝叶斯网络综合利用专家经验信息、以往训练数据信息,以及训练过程信息,可以在信息不完整、不确定的情况下,利用贝叶斯网络的多信息融合能力,在实际训练过程中对训练效果进行近实时的动态评估,大大提高了训练效果评估效率。总之,贝叶斯网络为解决训练效果评估问题提供了一个有利的工具。

5结语

舰艇对空作战训练效果评估是制约水面舰艇对空作战训练的一个重要环节,在总结以往训练效果评估经验基础上,探讨了训练效果评估系统评估指标体系与指标评估准则,根据舰艇对空作战训练效果评估特点,提出了基于贝叶斯网络的训练效果评估方法。通过实例分析,初步验证了该方法在水面舰艇对空作战训练效果评估中应用的可行性与有效性。

参 考 文 献

[1] 李志猛,徐培德,冉承新,等.武器系统效能评估理论及应用[M].北京:国防工业出版社,2013:124-126.

[2] 罗鹏程,周经伦,金光.武器装备体系作战效能与作战能力评估分析方法[M].北京:国防工业出版社,2014:24-29.

[3] 黄胜,郭海鹏,王超.ISM方法在航空母舰评估指标体系构建中的应用[J].中国舰船研究,2014,9(1):1-7.

[4] 穆中林,于雷,廖俊,等.编队对地攻击作战效能评估指标体系[J].火力与指挥控制,2011,36(1):87-89.

[5] 马志军.目标毁伤效果评估及其决策模型研究[D].石家庄:军械工程学院博士学位论文,2008:57-74.

[6] 李亮.基于动态贝叶斯网络法的战场态势重构技术研究[D].南昌:南昌航空大学硕士学位论文,2013:23-34.

[7] 曾雅文.基于贝叶斯网络的目标毁伤效果评估研究[D].武汉:中国舰船研究院硕士学位论文,2014:26-30.

[8] Finn V. Jensen. Bayesian Network and Decision Graphs[M]. New York: Maple-Vail Book Manufacturing Group, York, PA,2001:35-70.

[9] Todd A. Stephenson. An Introduction to Bayesian Network Theory and Usage[S]. IDLAP-RR 00-03. February,2000:15-43.

[10] 李硕豪,张军.贝叶斯网络结构学习综述[J].计算机应用研究,2015,32(3):641-642.

Training Evaluation of Surface Warship Anti-air Defence Based on Bayesian Network

MA ZhijunJI Yujie

(No. 91336 Troops of PLA, Qinhuangdao066000)

AbstractWarship anti-air defence training is a basic training subject in warship training. Owing to lack of objective and effective evaluation method, the trainer and equipment cannot be evaluated exactly, the warship training cannot be guided. Warship anti-air defence training evaluation has hindered warship training badly. According to characteristics of warship anti-air defence training, the establishing of index system and rule of index are discussed, and a method of warship anti-air defence training evaluation based on Bayesian network is put forward.

Key Wordstraining evaluation, index system, rule of index, Bayesian network

*收稿日期:2015年12月4日,修回日期:2016年1月30日

作者简介:马志军,男,博士研究生,工程师,研究方向:数字仿真、作战评估。吉玉洁,女,硕士研究生,工程师,研究方向:数字仿真、作战评估。

中图分类号TP391.9

DOI:10.3969/j.issn.1672-9730.2016.06.008