军事信息物理系统架构及动态资源调度稳定性研究
2016-10-31邓苏王嵘王志飞黄宏斌
邓苏 王嵘 王志飞 黄宏斌
目前,世界安全环境更加复杂,新军事变革的方向、趋势日趋清晰.从世界发生的几场局部战争看,一体化联合作战在军事对抗中的核心效应日益显现.该作战体系包括情报、打击、防护、保障、动员等系统要素,各要素之间相互联系、相互影响、相互制约,形成了一个有机整体.在信息技术的支持和一体化信息网络系统的支撑下,一体化联合作战构建各作战力量、作战单元、作战要素间无缝链接的信息网络体系,形成实时获取、高效传输、资源共享的信息流程,得以实时感知作战对象及战场资源的动态位置及其作战行动,最大限度地缩短“发现—决策—行动”的时间,实现实时一体联动,谋求诸军、兵种全维整体作战的优势.
1 问题的提出
1.1 军事需求
一体化联合作战要求各作战资源实现实时联动、科学组合、彼此交融,以达到结构互补和效能耦合.因此,如何科学、合理地组织战场资源,如何有效地管理和调度资源来执行各种任务,在正确的时间为不同军事任务提供正确的资源,是实现战场指挥控制有序、有效、有力的重要保证.
近些年来随着战场传感器技术的发展和武器系统智能化的程度不断提高,C4ISR系统已经发展到C4KISR系统.但是,这些研究更多地停留在概念的层次上,仍有许多关键技术亟待突破.现有的C4KISR系统并没有将信息域与物理域密切融合,信息处理与物理过程相互隔离,导致了物理过程和信息处理之间的相互影响被忽视,严重影响了“传感器到射手”能力的实现,制约一体化联合作战的效能发挥.
随着计算机技术、电子与信息技术、智能控制技术以及网络通信技术的不断发展,人们提出了融合信息处理与物理过程的智能系统新概念:信息物理融合系统(Cyber physical system,CPS)[1].关于CPS系统尚未有普遍认可的统一定义,但一般是指信息处理和物理过程紧密融合与协作的系统[2].中国科学院的何积丰院士认为CPS强调“3C”融合,即:计算(Computation)、通讯(Communication)和控制(Control)的深度融合,将其定义为:在感知的基础上,深度融合计算、通信和控制能力的可控、可信、可扩展的网络化物理设备系统,它通过计算进程和物理进程的相互影响与反馈循环实现深度融合和实时交互来增加或扩展新功能,以安全、可靠和实效的方式监测或控制物理实体[3].以上定义都强调信息域与物理过程的深度融合,因此是解决现有C4KISR问题的一种有效手段.基于这一现状,结合军事资源特点,本文研究提出军事信息物理系统(Military cyber physical system,MCPS)的概念,并对其体系架构等问题进行了探讨.
1.2 技术挑战
作为新一代信息技术革命的核心技术,CPS的概念一经提出就得到了各国政府、企业和学术界的高度重视.美国2006年2月发布的《美国竞争力计划》将CPS列为重要的研究项目[4].到了2007年7月,美国总统科学技术顾问委员会(PCAST)在题为《挑战下的领先–竞争世界中的信息技术研发》的报告中列出了8大关键信息技术,其中CPS位列首位[5].同时,CPS的研究得到了美国多个机构的支持包括:NSF、DOD/DARPA、DOE、NASA、HSARPA、NIST、NSA、NIH.除美国外,欧洲,日本和韩国等也在从事类似研究[6],如欧盟启动的ARTEMIS(2007-2013)和EPoSS项目就旨在取得智能电子系统的国际领先地位,这些项目虽然没有明确提出CPS的概念,但已意识到相关理论和应用的重要性,并已开展相关研究.韩国的KIPA项目是通过研究智能嵌入式系统来获取CPS相关技术.目前,很多国际会议都开设了CPS专题,2010举办了CPS第一届国际会议ICCPS[7].在国内,CPS已经得到了众多专家学者的重视,中科院多位院士在各种学术报告中曾多次提到CPS相关研究,大连理工大学成立了首个CPS研究小组.科技部把CPS的研究列入了863和973指南,最近几年国家自然科学基金也对CPS的研究予以了资助.
除国家层面的支持和项目支持外,学术界对CPS也进行了深入的研究.文献[8]提出了一种CPS系统的体系架构建立方式,一定程度上支持了CPS中的资源管理,而文献[9]针对CPS资源的动态性和实时性,提出了一种能够满足动态资源管理的体系架构.文献[10]从未来集成系统的角度,对CPS系统的架构进行了设计,认为可将目前多种类型的信息、物理系统采用集成的方式形成CPS系统.更多的技术攻关侧重于应用领域.在能源应用领域,文献[11]对数据中心的CPS进行研究,采用了基于CPS的动态管理方式,使得系统能源控制的有效性大大提高.在拥塞控制领域,文献[12]对物理世界中的对应数据与CPS网络中的传输数据的估计精度间的关系设计了新的数据拥塞控制策略.在人工智能和机器人领域,许多学者开始考虑如何“人在回路,Human in the loop”,如何在信息物理融合的过程中加入人的作用[13].文献[14]分析了CPS中面临的挑战,而“人在回路”的实现和应用是CPS系统设计和研究的重点.文献[15]对未来的“人在回路”CPS系统进行了设计和展望,提出了一个初步的解决方案,使得用户能够较好地融入到信息物理回路中.在CPS平台和实验环境领域,文献[16−17]分别提出了自己的实验平台,从安全、可靠、适用的角度为CPS研究人员的系统验证提供了智能实验室环境.
以上文献从不同方面对CPS进行了研究,但目前仍然缺乏面向军事资源的CPS系统.MCPS仍然面临许多挑战:
1)战场资源异构且动态变化,使得资源的统一管理极为困难;
2)缺乏一体化的资源服务模式,从而使得资源的统一配置面临很大困难;
3)战场环境复杂多变,随时都有不可预料的任务产生,加上资源的动态性,MCPS的稳定性难以得到保障.
基于以上挑战,本文首先提出面向服务的MCPS体系架构.接着,研究资源统一建模方法.最后,研究了MCPS稳定性分析模型,并得出了稳定性条件,为MCPS的长期有效运行提供了技术支撑.
2 面向服务的MCPS架构
2.1 面向服务的思想
面向服务的体系结构(SOA:Service-oriented architecture)旨在建立一种面向服务的解决方案,促进MCPS中异构资源之间的重用和互操作.服务层是SOA的基础,可以直接被应用所调用,从而有效地控制系统中的各种软硬件资源.除了服务的动态发现和服务接口契约的定义外,服务还具有以下特征[18]:
1)服务是模块化的可嵌套包含;
2)服务之间可以互操作;
3)服务是松耦合的;
4)服务位置透明;
5)服务由组件组成.
SOA是一种用于构建分布式系统的理念,采用SOA构建的分布式应用程序可以将各功能模块的功能作为服务交付给终端用户,也可以用它来构建其他的服务.MCPS是一种典型的分布式复杂系统.基于SOA的MCPS,对于用户来说,并不关心具体资源的状态信息,而只关心资源所能够提供的服务,因此,更加高效.
2.2 基于SOA的MCPS体系架构
该体系架构的基本结构如图1所示。
从图1可以看出,MCPS共包含4个层次,分别如下:
资源层:资源层包含各类异构战场资源,如传感器、雷达、飞机等.这些资源通过各种通信模式(有线或无线)向MCPS注册.资源注册时将要对资源进行建模,资源统一建模方法将在后面进行介绍.
组织管理层:该层是在注册的资源描述模型的基础上对资源组织管理,如资源存储、索引构建和查询检索等.资源组织管理的基本单位是港(Port),是资源的管理单元,类似于数据库是数据的管理单元.整个MCPS中的资源可以存储在多个分布式的港中,这些港通过多种通信模式互联,从而形成一个网络化的资源组织管理体系,实现资源的一体化管控.
服务层[18]:该层是MCPS中资源能力的抽象层,该层将资源的“能力”包装成服务提供给用户.MCPS与物理环境交互存在实时性和不确定性,因此,该体系框架中任务产生模式是事件/信息触发的.当用户向服务层申请服务时,服务层首先对任务进行解析,然后再为用户提供相应的服务.该层的功能包括:任务解析、任务调度、任务执行、任务监控,服务描述,服务查询、服务组合、服务评价等.
应用层:该层是MCPS的最顶层,负责处理各类应用请求,并递交给MCPS.
此外,图1所示的MCPS体系架构还包括用户管理、资源建模及其描述语言和安全体系管理等.用户管理和安全体系管理目前有专门的研究,本文不进行探讨.资源描述语言可以借鉴目前各类物联网描述语言.因此,下面重点探讨资源建模方法.
3 战场资源建模
3.1 战场资源分类体系
未来一体化联合作战涉及各种各样的战场资源,联合战场中的“资源”与物联网中“物”的概念类似.“资源”可以有很多种不同的解释方式,资源既包括传统意义上的实体事物,如作战兵团、武器、装备、仪器、设备、交通工具等,也可以包括战场环境中的山川、河流、道路、桥梁、树木、建筑等.简单地说,联合战场中的资源就是指构成军事应用的各种实体,这些实体是根据其具有的能力来发挥作用的,这些能力包括打击毁伤能力、探测识别能力、通信能力、计算处理能力等,还包括环境场景情况(如时间和空间)等影响因素.按照功能特征,战场资源可以分为以下4类:
简单节点:这类资源是数量最多的,它们本身不具备计算和联网能力,需要通过贴上电子标签才能连接到MCPS.这类资源可以具有移动性,具有被感知能力和少量的数据存储能力.例如贴上电子标签的枪支、弹药或集装箱.
通用节点:这类资源具有感知能力和联网能力,但是不具有计算能力或只有少量的计算能力.这类资源主要是传感器资源,它们对环境进行感知,为联合战场物联网提供大量基础数据.通用节点是MCPS获取基础数据信息的重要部分,它是MCPS中不可缺少的信息采集节点.例如RFID识读器、雷达、可见光传感器等.
图1 面向服务的MCPS体系架构
智能终端节点:这类资源具有计算能力、联网能力和控制能力,且具有移动性.它们是MCPS的核心节点,是提供控制和被控制的主要对象.例如通讯卫星、军用手机及其他终端设备.
Ports节点:这类资源具有计算能力、联网能力、数据存储能力,就是图1中的Ports.Ports节点是MCPS中的管理中间层,为简单节点、通用节点和智能终端节点接入MCPS提供了统一的接口,简单节点、通用节点和智能终端节点都是在Ports上进行注册,联入MCPS的.
3.2 资源统一建模方法
针对以上4类资源的异构性,本文提出了核心(单元属性状态能力)+扩展单元的建模方案.且核心单元除定义的核心属性外,也具有扩展能力.其基本功能组成如图2所示.
图2 资源建模框架
属性单元只定义了资源的基本属性信息,在对资源进行实例化描述时,可以针对资源类型进行扩展.属性单元的核心字段包括:
1)名称(Name):针对资源的一个用户可理解的命名;
2)标识(ID):资源唯一标识;
3)所属资源库:该资源隶属的资源库;
4)最大使用频率:资源可使用的最大频次;
5)说明(Comment):对资源描述内容的说明.
6)资源类型:资源属于前面所定义的4类资源(简单节点、通用节点、智能终端节点、ports节点)中的哪一类.
能力描述的是资源在某一确定状态下能够做出的行为.能力的描述必需相对于属性与状态而言.能力单元包含如下核心内容:
1)2个全局定义:分别为excmod与cprotocol,excmod是描述资源的入网方式,cprotocol是描述资源控制通信采用的协议,这两个属性决定了Port对资源发送控制命令时的发送接口与采用的通信协议;
2)控制操作节点:主要包含3个操作控制节点:
在上述基本内容的基础上,能力单元同样可以进行扩展.
状态是对资源当前所处状态的一种描述,主要包含如下基本内容:
1)是否可用:定义了资源当前的基本状态,使得用户知道资源能否执行应有的功能;
2)位置:定义资源当前所处的物理空间;
3)开关机状态:定义资源开关机情况.
以上3个字段定义了资源状态的核心内容,同样支持字段的扩展.
4 MCPS稳定性分析
4.1 稳定性分析模型
前面介绍了MCPS的体系架构,并提出了面向异构战场资源的统一建模方法.基于资源模型,利用各类通信模式向MCPS注册,从而实现了异构资源的统一管理.MCPS作为一个典型的分布式系统,其稳定性分析十分重要,决定了该系统能否长期有效稳定运行.为此,进行MCPS的稳定性分析十分有必要.
对于MCPS来说,其目的之一是面向任务进行资源的合理调配,以支撑作战行动的需要.但是,在不同的任务调度算法下,等待任务的队列长度以及空闲的资源量也不相同.这就意味着任务调度方法和系统的稳定性是紧密相关的.
在每个时刻t,对于m类型的资源来说,假设其可以处理的任务数量为Dm(t),它与调度策略Om(t)密切相关.以Am(t)代表时刻t到达的任务数量,则在该时刻m类型资源所面临的负载Um(t)的演化规律可以表示为[19]:
以U U U(t)代表整个MCPS在时刻t的负载,就可以得到:
基于上述公式,为了保障MCPS的稳定性,下述公式必须得到满足.
在此基础上,本文针对抢占式任务调度以及非抢占式任务调度两种模式,进行稳定性分析.
在抢占式调度模式下,每一个时刻的开始阶段,所有未完成的任务将返回至队列中并根据当前的资源分配方案选择等待或执行.利用率最优算法应当使得系统处理的任务量即D(t)的值最大,则资源分配策略O(t)应当满足下式:
此外,在资源分配过程中,使用不同类型的资源所需付出的代价是不同的,即不同类型的资源对CPS资源分配产生影响的权重是不同的.例如,不同传感器的灵敏度不同,造价不同,故使用的代价也不相同.由于军事任务需求的参差不齐,使得其对不同军事资源的需求也不相同,利用率最大化算法难以有效满足此类任务.因此,针对军事任务和军事资源的异构性特征,本章加入了参数ζm来表示不同类别的资源所占的权重.综上所述,抢占式模式下的最优资源分配问题可以表示为下式:
算法1.抢占式方式下的利用率最优算法
在每个时刻t的开始阶段,如果server中存在未完成的任务则将其返回至队列中,寻找一个满足式(5)和式(6)的资源调度策略O(t).
算法1需要在每个时刻的开始阶段重新分配资源,而在很多实际情况中,任务在执行的过程中不允许中断,或者中断任务所需的代价极高.下文将介绍在非抢占式调度模式下的资源利用率近似最优算法.
在时刻t,CPS资源分配系统保存在t−1时刻执行且未完成的任务,而在t−1时刻完成的任务则释放资源并退出系统,释放的资源则用于t时刻其他任务的执行.令N0(t)表示t时刻结束时未完成的任务,包括未开始的任务.则对于任务n∈N0(t),其应满足下式:
算法2.非抢占式方式下的利用率近似最优算法在每个时刻t的开始阶段,CPS资源分配系统首先计算已完成任务所释放的资源量,进而得到能够用于资源分配的资源总量,而后寻找一个满足式(8)∼式(11)的资源调度策略O0(t).
此处所给出的算法为近似最优,这是因为在t−1时刻未完成的任务所占用的资源并没有释放.对于这些任务来说,t−1时刻的最优分配策略在t时刻并不一定是最优的(因为一些任务释放了资源),但其对最终结果的影响很小,特别是在资源数量较多的情况下.另外,在非抢占式调度的一些情况下,其设定占有资源的任务本身是不允许释放资源的,在这种情况下上述算法事实上为最优算法.此外需要注意的是,潜在的资源分配策略的数量极大,如前所述,达到2n,其中n为任务的数量.寻找最优分配策略可以有很多种方法,如贪婪策略、启发式算法等,但这些方法并不一定能够得到最优解.为了探讨最优分配策略与系统稳定性之间的关系,在本章中使用动态规划算法来寻找最优分配策略,尽管耗时较多.
4.2 资源分配策略的稳定性条件
在本节中,将给出算法1和算法2稳定性分析和条件,并给出了相关证明.此外,下文中存在很多向量和0向量之间的对比,故定义如下的形式:
定义.给定一个M维的向量x,如果x中的每一个元素均大于(小于)0,则称x> 0(<0)
算法1在CPS中的稳定性质由以下定理给出[20].
定理1.给定某个常数ε>0,对于任意的任务输入 δ=(ω,χ),若其满足 (1+ε)δ∈C,则系统在算法 1下是稳定的,且下式成立
C是稳定性空间集合,证明过程见文献[21].此处ε可以作为一个衡量资源分配策略优劣的参数,当ε很小时,说明系统稳定空间很大.
类似地,可以得到定理2[20].
定理2.给定某个常数ε>0,对于任意的任务输入δ=(ω,χ),若其满足下式,则系统在算法2下是稳定的.
在式(13)中,θ表示任务对不同资源的资源数量需求上限.
5 结论
首先提出了MCPS体系架构,并阐述了主要功能.接着,研究提出资源分类体系和建模方法.最后,提出了MCPS稳定性分析模型和稳定性条件.下一步工作是,结合资源和任务动态变化特性,研究稳定性控制策略.
