海上大型编队作战方案要素体系构建研究∗

滕 哲 姜 宁

（海军大连舰艇学院信息作战系 大连 116018）

1 引言

作战方案，是军队在筹划作战时最主要的指挥文书，是指挥员决心意志和谋略水平的集中体现，构建作战方案要素体系是提高作战方案自动生成的关键问题，也是提升海上大型编队体系作战能力的基础，美军在这方面研究较早，技术也相对成熟，通常采用任务列表的方法进行作战方案要素体系构建［1～3］，如图1所示。

1）使命本质任务（Mission Essential Task）

使命本质任务是执行某个组织的使命时必须完成的基本任务，一个组织可以有多个使命基本任务。本质任务是每个组织存在的基础，把一个组织的所有使命本质任务按照某种关系排列在一起，就构成了使命本质任务列表。

2）支持任务（Supporting Task）

用于帮助实现使命本质任务的活动称为支持任务，支持任务是由同一指挥层次或下级军事元素执行的。

3）使能任务（Enabling Task）

成功实施使能任务是完成使命本质任务的前提，成功执行使能任务并不能保证使本质任务的实现，但是如果没有执行使能任务就不一定会实现使命本质任务，使能任务是使命本质任务的必要条件。

4）命令相关的任务（Command-Lined Task）

在联合训练环境中，命令相关的任务描述了支持与被支持的军事机构之间的接口。这些任务是被支持的军事机构的使命本质任务顺利实现的关键。被支持的指挥员通常配置和访问命令相关的任务。执行任务的司令部通常评估任务的完成。在支持与被支持的司令部之间需要紧密的协同和交流。

5）使命本质任务列表（Mission Essential Task）

使命本质任务列表是一个组织使命本质任务的完整列表。是通过分析被分配的或预期的使命，就可以确定基于使命需求的能力集合，也就是使命本质任务的列表。

6）联合使命本质任务列表（Joint Mission Es⁃sential Task List）

从计划、命令、相关条件和度量标准中提取出的联合力量指挥员的优先联合任务列表构成了联合力量指挥员的战斗需求，并被称为联合使命本质任务列表。指挥员的联合使命本质任务列表提供了推导训练目标的基础，同时它也是指挥员评估训练事件的基础。

2 基于本体的海上大型编队作战方案要素体系构建

2.1 军事领域本体构建方法

2.1.1 实体本体

实体是系统的组成成分，实体的特征称为属性。实体通常具有可分解、可组合的特性，实体之间的关系可以分为三类：分类、组合和关联［4］。

分类关系描述了问题空间内各类实体的层次关系，父类概括了子类的公共特性（属性和操作），子类继承了父类的特性并进行了扩展。分类结构对问题域信息进行分层，把通用属性保存在高层类，低层类根据需要进行扩展［5］。

组合关系描述了一个实体及其组成部分的关系，组合关系表达了自然界的整体和部分的组成，是事物客观的存在形式。

关联关系描述了两个实体活动过程中在同一领域可能存在的交互。常见的关联关系包括：邻接关系（表明了实体间的空间关系）、控制关系、指挥关系（实体间的上下级关系）、

通讯关系（实体间的信息交换关系）、组织关系、支持关系、供应关系、协作关系、占有关系、占领关系、拥有关系、对抗关系、操作关系。

2.1.2 行为本体

在军事系统中，军事实体的行为决定了战争系统的演化。实体行为包括动作和任务。动作是最小的原子行为，是实体具备的能力或功能，它不带任何目的性，具有与上下文无关的特性。任务是具有明确意图的最小行为单元，任务由动作或任务构成，任务间具有横向和纵向联系。横向是指在同一战争层次内相互关联的各项任务；纵向是指跨越战争层次的相互关联的各项任务［6～7］。

任务是军事使命空间的核心元素，其它要素都联系在任务的周围。任务包含于使命和任务序列，是使命和任务序列的组件；同时任务由动作构成，包含了一系列动作［8］。

2.2 构建海上大型编队作战方案要素体系方法

通常编队指挥员在接受上级命令之后，需要仔细分析以领会上级意图，并结合实际战场的兵力、海区等因素制定编队作战方案。对于接受的命令，主要考虑以下三个方面的要素：1）人物、时间、地点；2）如何执行任务；3）执行什么任务。

2.2.1 确定使命本质任务

编队指挥员认真分析自己的使命，确定本组织的使命本质任务。作战方案是在评估之后制定的，它描述了整个行动和各个组织的任务。

2.2.2 确定条件

为了更加充分地描述使命需求，编队指挥员不仅要确定任务还要描述任务的操作环境。条件是可以影响单元、系统或个人执行任务的环境变量。因为在使命上下文中，条件影响任务的方式不同，所以条件是针对具体任务的，而不是面向整个使命的。条件在以下几个方面影响任务执行：条例（如何执行任务）、组织（如何组织实施任务）、训练（如何训练相应的组织）、物资获取（使用什么装备）、领导能力教育（需要什么知识）。条件对于任务的影响方式是由具体的上下文环境决定的，对某些任务影响强烈的条件或许对另一些任务影响微弱或没有影响。对任务影响强烈的条件才是有效的［9］。

2.2.3 建立度量和标准

确定使命信息的最后一步包括：选择任务的执行度量和建立相应的度量标准。标准是人们所预期的任务执行的结果、效果，是可以接受的最低限度。标准由一个或多个任务的度量和及其阈值组成［10］。

2.3 海上大型编队作战方案要素体系三维视图

海上大型编队作战方案要素体系可以按照作战平台、平台作战系统、作战任务三个方面进行划分。作战平台可以分为：XXX型航空母舰……、XXX型驱逐舰……、XXX型护卫舰……、XXX型舰载直升机……等。平台作战系统可以分为：XXX型舰载雷达……、XXX型声纳……、XXX型指控系统……、XXX型舰舰导弹……、XXX型舰空导弹……、XXX型舰炮……、XXX型鱼雷……、XXX型电子战系统……等。作战任务可以分为：对海攻击、对岸攻击、对空防御、对潜攻击、对潜防御等，如图4所示。

3 面向对象的海上大型编队作战方案要素知识表示工具

在构建了基于本体的海上大型编队作战方案要素体系之后，运用面向对象的知识表示方法，开发了一套功能足够强大而灵活的编队作战方案要素知识表示工具，其目的是用来研制基于知识的海上大型编队智能决策系统。

3.1 工具功能

开发的海上大型编队作战方案要素知识表示工具功能包括：

1）面向对象的知识表示

知识表示是指用机器表示知识的可行的、有效的、通用的原则和方法。传统的知识表示方法有：逻辑模式、框架理论、语义网络以及产生式系统等［11］。本文研究将框架理论和语义网络相结合，采用面向对象的概念和技术来实现一种知识表示方法。

2）可视化的知识获取和管理

知识库的实现建立在成熟的数据库系统之上，通过通用接口，知识库可以建立在任何流行的数据库系统之上［12］。通过可视化知识获取和管理工具，可以方便地添加、删除和修改海上大型编队作战方案要素知识，从而高效地建立、扩展和维护知识库。

3）推理机及推理控制语言ICL

工具采用知识库系统和推理机制相分离的方式来构造智能决策系统，这样以来只需要改变知识库系统中的知识，就可实现不同的智能决策系统［13］。为了提供功能足够强大的推理机制，并最大限度地保持灵活性和方便性，引入一种专用的高级语言—推理控制语言ICL，用来描述和操作知识与规则以及控制推理过程。

4）面向对象的知识处理系统

实现了面向对象知识处理系统（Object-orient⁃ed Knowledge Processing System，OKPS），采用面向对象的知识表示方法来描述和存贮知识，可以通过所见即所得的可视化工具来高效地对具体的应用建立海上大型编队作战方案知识库，并通过一致的推理机制根据用户的需求进行推理。

3.2 海上大型编队作战方案知识获取与管理过程

3.2.1 知识获取

要创建新的知识库，只要给出知识库的名称，并指定一个数据库作为其存贮介质后，系统就会创建一个空的知识库，并自动打开它。如果需要，也可以通过这一工具创建新数据库。如图5所示。

此时就可以随时向里面加入新知识。要打开已有的知识库，系统会列出当前所有可用的知识库，包括本地和远程的知识库。只要选取要打开的库即可，而无须记住知识库存放在何处。删除知识库时，只要经过必要的验证，有足够的权限，通过简单地选择和确认即可删除知识库。

3.2.2 对象和属性的编辑

对象和属性的编辑可以通过简单点击来完成，只要构造出知识库的轮廓，就可以方便地实现加入、修改、删除和浏览各种对象和属性，赋予初始值，调整对象的相对关系，任何改动都会自动地完成其对应的数据库映射和同步操作，如图6所示。

4 结语

4.1 初步成果

1）分析了海上大型编队作战方案的特点、结构及要素体系

针对海上大型编队作战方案特点及生成方法现状，分析了编队作战方案结构，并构建了要素体系。

2）研究了基于本体的海上大型编队作战方案的知识表示

基于军事领域本体构建方法，提出了海上大型编队作战方案生成要素体系的构建方法及过程，按照作战平台、平台作战系统、作战任务三个方面划分了编队作战方案要素体系架构，并实现三维表示。

3）开发了面向对象的海上大型编队作战方案要素知识表示工具

采用面向对象的知识表示方法来描述和存贮知识，可以通过所见即所得的可视化工具来高效地对具体的应用建立海上大型编队作战方案知识库，并通过一致的推理机制根据用户的需求进行推理。

4.2 未来展望

由于研究时间有限，工作还不够深入细致，很多细节问题还没有考虑周全，还需要进一步探索，未来研究工作主要从以下几个方面展开：

1）由于海上大型编队作战方案领域本身的复杂性，建立的本体还不能涵盖所有的作战方案领域，有待于进一步研究海上大型编队作战方案本体。

2）通过想定、模拟等方法继续完善面向对象的海上大型编队作战方案要素知识表示工具，继续丰富知识库、数据库，为实现海上大型编队作战方案的智能生成打下良好基础。

［1］Gage Aaron.Multi-Robot Task Allocation Using Affect［D］.Tampa：University ofSouth Florida，2004.

［2］Jones E.Gil，Dias M.Bernardine，Stentz Anthony.Learn⁃ing-Enhanced Market-based Task Allocation for Disaster Response［A］.CMU-RI-TR-06-48.Pittsburgh：Carne⁃gieMellon University，2006.

［3］Dobzinski Shahar，Nisan Noam，Schapira Michael.Ap⁃proximation Algorithms for Combinatorial Auctions with Complement-Free Bidders［J］.Mathematics of Opera⁃tions Research，2010，35（1）：1-13.

［4］I.D.Chase，Weissburg M. ，Dewitt T.H.The Vacancy Chain Process：A New Mechanism of Resource Distribu⁃tion in Animalswith Application to HermitCrabs［J］.An⁃imal Behavior，1998，（36）：1265-1274.

［5］Maheswararajah S，Halgamuge S.Sensor scheduling for target tracking using particle swarm optimization［C］.Proc.of the IEEE 63rd Vehicular Technology conference，2006：573-577.

［6］Badawy R，Hirsch B，Albayrak S.Agent-based coordina⁃tion techniques formatching supply and demand in energy networks. Integrated Computer-Aided Engineering，2010，17（4）：373-382.

［7］de Jong S，Tuyls K，Verbeeck K.Fairness inmulti-agent systems.Knowledge Engineering Review，2008，23（2）：153-180

［8］Confessore G，Giordani S，Rismondo S.A market-based multi-agent system model for decetrlized multi-project scheduling.Annals of Operations Research， 2003：27-38.

［9］李锋刚.基于案例推理的智能决策技术［M］.合肥：安徽大学出版社，2010：35-40.

［10］张建华，刘仲英.案例推理和规则推理结合的紧急预案信息系统［J］.同济大学学报，2002，30（7）：13-17.

［11］寇利.基于案例推理的空中进攻作战计划生成技术研究［D］.长沙：国防科技大学硕士论文，2004：4-6

［12］史忠植，王文杰.人工智能［M］.北京：国防工业出版社，2007：201-205.

［13］杨善林，倪志伟.机器学习与智能决策支持系统［M］.北京：科学出版社，2015：30-35.