协同作战中信息分发算法研究*

曾 斌，姚 路，杨 光

（海军工程大学，武汉 430033）

协同作战中信息分发算法研究*

曾 斌，姚 路，杨 光

（海军工程大学，武汉 430033）

大规模协同作战中的高效通信问题为当前信息战的研究重点之一，但由于单独作战单元无法了解全局的信息内容及需求方，这给通信资源有限的参战兵力之间的态势共享带来了困难。为此提出了一个分布式协作信息分发算法，在理论上借鉴了复杂网络的小世界特性，即单元节点可以通过邻节点在较少跳数内完成信息的传输。在思路上利用了信息相关性概念，作战单元利用信息之间的关联性及信息与节点之间的收发关系建立控制信息发送的路由表。并通过仿真实验验证了不同网络拓扑下算法性能的变化情况，结果证明分发算法能较好地支持信息共享。

协同作战，信息分发，复杂网络，信息相关性

0 引言

协同作战是信息化战争的基本作战形式，其主要特点之一是在底层作战网络的支持下对敌方目标信息进行实时分发和共享。为了避免态势共享带来的无用信息增多和信息冗余［1］，就要求作战单元侦测到敌方信息后能够判断需要该信息的我方兵力，并以最有效的方式分发给对方，即把有用信息以有效方式共享至需求节点，这也是本文研究的主要问题，这种信息分发不仅局限于执行同一任务的作战成员之间，而且更多情况要求能把有用信息发送到直接通信范围外的友方兵力。

例如我方作战单元在攻击某敌方目标的路途中发现其他目标的移动信息，尽管该信息对它的本次任务作用不大，但可能对我方其他相关兵力有用，这时就需要进行信息分发。常规作战方式下，可由作战单元把信息发送到指挥控制中心，再由指挥中心根据各单元的需求分发信息，但这种集中式共享方式不适用于大规模协同作战。从研究现状来看，协同环境下通信方式主要采用3种方式。一种采用卫星远程通信方式，它的实时性及安全性有限，很难保证整个区域内所有作战单元都能得到通信卫星支持。一种是层次式通信，即在指控中心与网络节点之间增加专门的通信中继层，由其负责信息分发［2-3］。一种是完全分布式通信，这种方式在抗毁性和灵活性方面都优于前两种，但信息分发的技术要求更高，也是当前研究热点［4-5］。民用方面也有较多研究，例如p2p网络的分布式文件共享方式［6］，但它需要广播方式定位资源；复杂网络及多智能体的分布式信息传输技术也是研究热点［7-8］，但它们强调拓扑结构的演化及大量协议报文的广播，对实时性要求不高且浪费带宽资源。

本文主要研究内容为：在无法准确得知己方兵力节点的信息需求情况下，作战节点估算出其他节点对本节点掌握信息的需要程度，并在无法了解全局网络结构情况下找到适合的下一跳邻节点（在其信号传输范围内能直接通信的节点）发送出该信息。

1 分发算法的设计

从上节的讨论可以得出协同作战时态势共享的2个约束条件：①作战节点只能与分队内执行同一任务且处于通信范围内的成员进行联系，形成一个动态的通信子网；②节点间战术数据链通信带宽有限。本文用一个三元组表示协同作战时信息共享问题：作战单元，通信子网及共享的信息。

作战单元：N={n1，n2，…，nf}表示所有的作战单元集合，在协同作战时参战兵力较多，一般在100个单元以上。

通信子网：与作战单元nj之间存在直接数据链接的成员称为邻节点，nj的所有邻节点表示为b（nj），所以通信子网可表示为。很明显nj的邻节点数量远小于整个作战单元的数量。

共享的信息：作战单元nj保存的所有信息集合表示为M（nj），整个作战任务中需要共享的信息集合为M={m1，m2，…，mg}，|M（nj）|<|M|，即每个作战单元所拥有的信息是我方兵力所有信息的子集。

信息分发的目的是使参加作战的每个单元都能得到对其有用的信息，同时避免无用冗余信息的传输。

1.1 分发算法的框架

本文提出了一个分布式信息分发算法，其基本思路为：当某作战单元接收到一条信息后，首先查找可能最需要它的目标节点，随后从邻节点中判别谁到达目标的代价最小，并选择它作为转发出口节点。邻节点接收到信息后也采用相同的算法转发，最后通过多跳传输到达目标。该内容可以划分为2个问题：第1个问题是判别信息传输给谁，第2个问题是信息如何有效传输。

本文依靠信息相关性原则解决第1个问题。对第2个问题借鉴了复杂网络理论的思想。由于作战网络具有复杂动态非对称等特点，近年来从复杂网络角度分析作战网络拓扑结构的研究日益增多［10-11］。根据复杂社会网络理论，任意一个网络节点（个体）尽管只与少量邻节点保持联系，但能通过多跳传输很快把消息扩散出去，这也就是所谓的小世界特性。小世界特性的一个重要表示形式为6度分隔概念，即任意2个节点之间能够最多通过6跳传输建立联系。这也表明了在不知道网络中其他节点的准确信息情况下，消息也能够得到有效传输。

为此算法在每一个作战单元都维护一个路由矩阵，矩阵Hn内的任一元素Hn［i，j］∈［0，1］表示通过邻节点nj转发信息mi的概率，Hn记录的数据越精确，表明信息能更有效地到达最需要它的目标单元。Hn只能通过nj所接收的历史信息估算得到，所以算法的效率就依赖于对H的估算精度。举例如图1所示，因为H［1，2］=0.7，则n1最有可能通过n2发送信息m1。

图1 n1的路由概率示意图

在网络或战术数据链中一般把信息封装到报文P中传输，报文中除了信息内容外，还包含了进行传输控制的协议头，为了方便在多跳数据网络中进行信息传输，主流数据链的协议头一般都包含了传输路径，由它记录报文传输中经过的单元节点，即P={m，path}，设last（path）表示某信息到达目的地最后一跳的节点，显然它一定是目的地的邻居。为了防止报文无限制转发，参照IP协议的办法，增加了一个最大转发跳数限制MAX_HOPS。

当作战单元接收到数据报文后，需要完成两步骤工作。第1步把报文中的信息提取出来并保存到本地信息库中，第2步也是算法中关键的内容，根据接收到的信息更新路由概率矩阵。

下面为信息分发的主要步骤，该算法安装在参与态势共享的所有作战单元上。

当单元节点收到报文时，首先调用路由更新函数RouteUpdate维护概率矩阵（第4行），如果报文还需要继续转发（第5行），该单元从路由概率矩阵中选择当前转发概率最大的邻节点（第7行）作为报文发送出口。

1.2 路由更新算法

如前所述本算法的核心思想是当作战单元获取信息后，根据判別模型选择某个邻节点转发，该判別模型的选择标准是选中的邻节点本身需要这条信息或者知道谁需要该信息。这个判別模型只能通过本地的信息库生成，这可以利用信息之间的关联性实现［9］。建立信息关联度的方法有许多，例如贝叶斯规则及本体等，它与具体领域知识有关，不是本文的研究范围。

设任意两条信息mi和mj之间的关联度表示为r（mi，mj），如果r（mi，mj）>0.5，表示对mi感兴趣的作战单元也会对mj感兴趣，如果r（mi，mj）<0.5，则对mi感兴趣的单元对mj不感兴趣，r（mi，mj）=0.5则表示两条信息间没有关系。

当单元n从邻节点nk∈B（n）接收到包含信息mj的报文后，算法中路由更新函数RouteUpdate（Hn，p）更改现有概率矩阵Hn的数学公式如下：

上式从上到下分别对应3个条件。算法逐一更新路由概率矩阵中的每一个元素，如果列k对应的邻节点nk转发mj，即等于last（path），且行i对应的信息mi与mj不等价，满足公式的第1种条件，这时按照mi，mj之间的关联度来更新转发概率，这种情况的含义为：既然nk转发信息mj，表示它对mj感兴趣或知道谁对mj感兴趣，那么以后可以根据信息mi与mj的相关程度转发mi至nk。而对于其他邻节点而言（第2种条件），只需要把转发概率归一化即可，无需其他工作。而如果信息mi与接收信息mj等价，且从邻节点nk转发进来（第3种条件），这表明nk知道了mi，后面无需再向nk转发mi了。

本文依靠信息相关性原则解决信息传输给谁的判别问题，即已知2条信息（m1和m2）相关性的条件下，可以通过已接收信息m1，得知向谁发送信息m2。例如在执行一次协同搜索任务中，节点n1要求节点n2到某区域K跟综可疑目标，节点n2在K区域发现战场环境变化信息，这时比较合理的作法是n2把该环境信息发回n1节点。

下面举例说明。设某作战单元n1当前路由矩阵如下：

其中第1行表示n1向各邻节点转发信息m1的概率，由于大于其他概率，所以向n2转发m1的可能性最大。

设需要m1的单元也需要m2，但需要m2的节点对m3的需要程度不高，它们的关联度可设为：r（m1，m2）=0.6，r（m2，m3）=0.2。当包含m2的某报文从n4通过邻节点n2到达n1，对上面算例运行路由更新算法后路由矩阵如下：

此时矩阵Hn1可表示如下含义：①H［2，1］=ε，m2信息不会发送回n2；②因为需要m2的单元也需要m1，所以m1发至n2的概率也增大；③因为需要m2的单元不太可能需求m3，所以m3发至n2的概率减小。

1.3 路由更新算法的进一步改进

由于信息可能不是通过直接路径到达作战单元，所以单纯以最后一跳节点作为传回节点并不一定是最佳选择。所以本小节解决信息如何更加有效传输的问题。

图2 报文路由示意图

例如图2中，假设n1有2个邻节点n2和n3，n1从n2接收到信息m2，但从图2的路径可以看出m2在经过n2前先经过了n3。因此，如果要发送与m2关联的信息m1时，n3应该比n2更加适合作为出口邻节点。所以需要对算法进行进一步改进。这时不应增加H［1，2］的概率，而应该增加H［1，3］。

算法的改进如下：当n接收到mj后，先对报文传输路径path顺序搜索，第1个找到的n的邻节点，就是分发与mj关联信息的出口节点，该功能由函数first（B（n），p.path）完成。更进一步，通过搜索传输路径，可以找到接收过mj的所有邻节点，以后无须向这些节点发回mi了。改进后路由概率矩阵Hn的更新公式为：

其中b=first（B（n），p.path），前面2种情况容易理解，第3种情况把与n接收过信息mj的邻节点全部找到，后面不再向它们发送mj。上面算例经过改进算法更新后的结果如下：

2 算法性能评估

利用复杂网络理论模拟了4种作战网络拓扑结构，通过仿真实验评估了不同结构下信息分发算法的性能。作战仿真场景包括200个作战单元，每个作战单元的平均连接度为4，即平均有4个邻节点。每次仿真开始前随机选择2个节点n1和n2进行测量，仿真开始后先由n1发送20个包含信息m1的报文给n2，最大转发跳数限制MAX_HOPS设为20，n2根据关联度r（m1，m2）回传信息m2，m2被封装到数据链报文中传输到n1，m2能成功到达n1之前需要转发的报文数量可以反映信息分发算法的效率，通过测量它可以评估算法性能。某作战单元收到上一跳邻节点发来的报文后，按照信息分发算法更新路由并选择最优路径把该报文转发到下一邻节点，在到达目的单元时转发的报文数量越少，表明算法的效率越高。

当前技术背景下，利用复杂网络理论模拟作战网络已得到认可并证明可行，所以本文在仿真中构造了4种典型的复杂网络结构：网格网络，随机网络，小世界网络及无标度网络［10-11］，网格网络中每个节点的度数是相等的，小世界网络与网格网络相比具有较小的平均距离，而随机网络与无标度网络的区别在于随机网络的度分布为扁平的，而无标度网络的度遵循幂率分布，所以无标度网络中存在连接度高的集中点，它兼有集中式通信的优点。仿真1 000次取其平均值为评估结果。

首先测量信息关联度对信息分发共享的影响。把信息关联度r（mi，mj）按0.05的增辐从0.5加到1，分別测量不同拓扑下发送的报文数量，从图3的实验结果看出随着信息关联度的增加，算法的执行效率也高，达到了算法的基本目标。

图3 信息关联度与转发报文数量关系图

图4 相关报文与转发报文数量关系图

第2个实验检查相关报文数量对算法效率的影响，该实验把信息关联度r（mi，mj）固定为0.9，开始时n1发送m1的报文数从5递增到45，信息m2从n2成功到达n1之前发送的报文数量如图4所示，从图中可以看出，发送报文数量很快就进入下降拐点，这表示算法只需要较少报文就能建立精确的信息共享需求及路由模型。

图5 算法改进前后性能比较图

第3个实验比较利用报文头转发路径字段改进后的路由更新算法（见1.3节）与原算法（1.2节）的分发效率，信息关联度固定为0.8，结果如图5所示，改进后的算法所花费的报文数只有改进前的一半，可见转发路径字段对于提高算法效率具有较大帮助。

第4个实验测试邻节点数量|B|对算法的影响，复杂网络中节点的连接度（邻节点数量）是一个重要参数，所以利用本实验进行了测试，从图6显示的结果看，邻节点数量对算法没有改进作用，甚至当邻节点数量增加时，转发报文数量甚至有所增加，这是因为连接度增加，表明同时保持连接的邻节点数量增加，网络复杂度也随之增加。有关利用网络带宽提高网络吞吐率的研究已经非常多，但在动态作战环境下带宽及连接度的预测模型很难校准，与本文算法的结合存在难度，这也是下一步的工作。

图6 邻节点数量对算法性能的影响

第5个实验检查作战规模对算法性能的影响，实验中作战单元数量|N|从100到450递增，信息关联度固定为0.7，性能指标为报文转发经过的节点数占总节点数的比率，即参与报文转发的受影响节点比率。从图7的结果可以看出作战规模对算法性能基本没有影响，具有较好的适应性。

图7 作战单元数量对算法性能的影响

3 结论

大规模协同作战中一个挑战性问题就是：如何高效地提高作战单元之间态势共享的程度。为此本文提出了一个具有较强适应性的分布式信息分发算法，它利用信息之间的关联程度来提高信息共享的效率，借鉴了复杂网络理论邻节点通信子网的概率，并通过仿真实验验证了算法的有效性。下一步工作主要集中在作战信息关联度的领域建模上，由于作战任务及环境对信息利用方式有很大影响，所以尽管信息关联的数学表达模型较多，但还需要完成大量的具体工作。

［1］张强，李建华，孙禄.面向体系作战的信息共享效益建模仿真［J］.火力与指挥控制，2014，39（2）：42-45.

［2］张耀中，张安，李相民.基于网络中心战的战术信息分发过程模型分析［J］.系统工程与电子技术，2008，30（1）：108-111.

［3］BIN T，SANTOSH P，WENSHENG Z.A three-tier framework for intruder information sharing in sensor networks［J］. Ad Hoc Networks，2010，8（3）：345–360.

［4］STEPHEN M J.Architectures for distributed information fusion to support situation awareness on the digital battlefield［C］//In：Fourth International Conference on Data Fusion，Washington.2001，7：234-245.

［5］滕克难，盛安冬.舰艇编队协同反导作战网络效果度量方法研究［J］.兵工学报，2010，31（9）：1247-1253.

［6］TIN Y W，WEI T L，NADRA G，et al.Incentive mechanism for P2P file sharing based on social network and game theory［J］.Journal of Network and Computer Applications，2014，41（5）：47–55.

［7］YU Z，VANDER S M.Information production and link formation in social computing systems［J］.IEEE Journal on Selected Areas in Communications，2012，30（11）：2136–2145.

［8］杨迎辉，李建华，丁未，等.基于复杂网络的空中进攻作战信息流转模式统计特性分析［J］.火力与指挥控制，2014，39（4）：14-18.

［9］HANRATTY T P，HAMMELL R J，BODT B A，et al.Enhancing battlefield situational awareness through fuzzy-based value of information［C］//In：46th Hawaii International Conference on System Sciences（HICSS），Hawaii，2013，7：1402-1411.

［10］狄鹏，胡涛，胡斌，等.基于复杂网络的作战网络模型抗毁性研究［J］.系统仿真学报，2011，23（1）：56-60.

［11］龙真真，张策，王维平.基于复杂网络的作战网络分析［J］.火力与指挥控制，2010，35（8）：8-12.

Research on Information Distribution Algorithm for Cooperative Engagement

ZENG Bin，YAO Lu，YANG Guang
（Naval University of Engineering，Wuhan 430033，China）

It is important for efficient communication in a large scale cooperative operation. However，it brings us difficulties to share information under the constraint of communication resources since the single unit cannot get the global knowledge of information content and the requester. Therefore a distributed cooperative message distribution algorithm is proposed，which is based on the small world property of complex networks that a node can transfer the messages among the network in a few hops.Furthermore，the route table is estimated on the relationship between pieces of information and nodes by adopting information relevance concept.Simulation experiments are performed to measure the algorithm performance based on different network topologies and the results verify its efficiency.

cooperative engagement，information distribution，complex networks，information relevance

TN919

A

1002-0640（2017）05-0063-05

2016-03-18

2016-05-07

国家自然科学青年基金资助项目（71201172）

曾 斌（1970- ），男，江西南丰人，博士，教授。研究方向：信息管理。