基于知识工程的作战行动计划制定研究

贺 庆

(中国电子科学研究院，北京 100041)

0 引 言

网络信息体系背景下各个参战要素之间的作战关系更为复杂、作战节奏更为迅捷、作战数据更为庞大，如何依托信息系统实现“信息优势”向“决策优势”的转变是研究的热点问题之一[1-2]。

拿破仑曾说：“战场是一个持续混乱的场景。胜者就是能控制这种混乱局面的人”[3]。控制混乱战场是影响战争胜负的重要因素。通过制定作战计划对战场进行有序组织和管理，是实现对战场控制的主要手段，常常决定军事行动的成败。

1 背 景

军语词典[4]对作战行动计划的定义为：“部队组织实施作战行动的计划”。制定作战行动计划主要是依据给定的作战资源、约束条件、初始状态和作战目标，运用科学地分析、规划和决策手段，产生一系列作战行动序列(Course of Actions，COAs)[5-6]。本质是基于作战任务要求,合理配置作战资源，形成可实施的行动计划，指导作战实施，实现最终目标。

作战行动计划包括若干任务，这些任务之间会有复杂的因果关系、时间约束、资源限制等关系，既需分配资源、排序，还需处理各种冲突。如何运用技术手段，高效解决自主生成可行且最优作战行动计划问题，是当前研究的热点问题，其核心主要为以下三点：

(1)作战行动计划的表示形式不统一，彼此之间“共享困难”

当前存在UML[7]、XML[8]、本体[9]等多种表示方法，未形成规范化、一致地表示，彼此间共享难度大，关联判别程度低，距离支撑协同指挥还有差距。

(2)作战行动计划相关数据量大，引发“决策迷雾”

信息化条件下，各种作战力量以大空间、广渠道、多要素广泛作用于全域战场空间，引发数据爆炸式增长，单纯依靠传统人员主导的方式，难以快速甄别和提取有效信息，极易使指挥员陷入“决策迷雾”，降低作战行动计划的生成效率，影响决策水平和作战效能。

(3)检验评价手段科学性不高，作战行动计划的“实用性低”

当前作战行动计划检验与评估方法中，虽指导理论多样、实验案例丰富，但缺乏对相关推理规则类型和作用的提炼，对作战行动计划可行性和最优性的科学评价程度还不够高、指导性不强，无法满足现代战争快节奏、强对抗、高智能的要求，与实战要求还有一定的差距。

本文首先分析基于知识工程的作战行动计划表示、作战要素关系构建和作战行动计划校验等三种方法，并提出解决作战行动计划制定难点问题的思路，依据通用作战行动计划制定流程，提出基于作战行动状态转移理论的作战行动计划制定方法，分析其具备“自主关联”、“高效校验”和“智能推理”等新特点；最后以“打击争议区域对方指挥机构”为作战任务进行案例分析，验证了其有效性。

2 作战计划制定方法

作战行动计划制定需依据战场态势和所赋予的军事任务等事实约束，并遵守军事规律、条令条例等规范约束的前提下，通过合理分配有限的作战力量(兵力、武器装备等)，生成一系列行动步骤，实现从初始状态达到最终期望目的状态，包含了多层次(与指挥组织层次对应)、多阶段(计划的生成分析、执行、调整)、多类型(如资源调度、路径规划)的理论和技术[10],如图1所示。本文针对作战计划表示不统一、要素关系构建难和推理验证不充分等问题，基于知识工程中的本体构建、知识图谱表达和知识推理等理论，结合作战计划的表示、生成和校验等关键环节，创新地提出了以下三种方法。

图1 作战行动计划制定过程图

2.1 基于本体的作战行动计划一致性表示方法

面向陆、海、空、天、网、电等作战空间的作战要素，作战行动计划的一致性表示，是实现作战计划信息共享的前提，其制定环节需在统一表示的基础上运行，可运用知识工程中的“本体”概念进行作战行动计划的概念建模。

本体是人类对客观环境和事物的描述和表达，其概念最早出现在哲学领域，被引入信息系统、知识系统等领域后，赋予新含义。本体是对实体进行建模而提取的模式信息，解决计算机对文本中实体理解的语义歧义问题。用层次化方式描述实体，以更精确的描述促进计划表示，其本质是领域知识的共享与复用。使用形式化语言来表示本体，能够开发计算实体间不同关系的算法。这些实体如：军事单位、时间、位置、任务、目标或意图。这些实体无法一一列举，所表示的实体类依赖于所考虑中的本体范围。因此，需要根据具体需求确定所要构建本体的使用目标和范围。本文基于本体构建方法[11-12]，建立以下典型模型：

(1)概念。概念指具有同类性质和特点的事物的集合。如：作战任务、作战目标、作战时间、作战空间、作战机构、作战兵力、武器装备和作战行动等。

(2)关系。关系表示概念之间的关联。如：指挥关系、控制关系、隶属关系、包含关系、协同关系、保障关系、打击关系、防御关系等。

(3)函数。函数是一种特殊的关系。关系是多对多的，函数强调概念之间一对一的映射关系。如：依据作战人员出生年月日和当前时间，可确定其年龄。

(4)公理。公理在本体中表示不需要其他断言加以证明的规则和约束，表示永远成立的声明。在作战行动计划领域，主要是一些基本常识、特定的战法及规则等，如：战斗机是作战飞机的一个子类。

(5)实例。从语义上讲实例表示的就是类的对象，属于某一概念类的具体实例，具有概念类所定义的全部性质和特点，如“歼-10”是概念类“战斗机”的一个具体实例。

基于以上的分析和设计，作战行动计划本体主要包含了若干基本类，每类包含若干子类，每个子类

还可以包含若干本体，每个本体包含若干属性，本体之间存在若干关系，可形成概念清晰、关系明确、层次分明的本体模型。下面给出作战兵力基本类的本体模型，如图2所示(因篇幅有限，其他基本类本体模型不一一列举，在2.2章节中给出全部设计成果)。

图2 作战兵力本体模型图

2.2 基于知识图谱的作战要素关系构建方法

为解决作战行动计划的自主生成问题，需在语义层建立各个实体之间的关系，将物理世界中实体进行符号性的表达，增强机器对物理世界的理解，一种行之有效的方法是构建知识图谱表达关系[13]。

知识图谱的概念最早由Google于2012年提出，旨在描述真实世界中存在的各种实体或概念。知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，由节点(Point)和边(Edge)组成。每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识符。每个属性-值对用来刻画实体的内在特性，而关系用来连接两个实体，刻画它们之间的关联。知识图谱构建是一个迭代更新的过程，如图3所示[13-15]。

图3 知识图谱构建及更新过程

2.2.1 知识抽取

知识抽取是自动化地从半结构化、非结构化的作战数据中抽取出实体、属性以及实体间的相互关系。主要从多样化的任务、目标、兵力、装备、行动等作战数据中抽取出知识单元，并在此技术上形成一系列高质量的表达。如在争议地区反击作战行动计划知识图谱中，作战行动实体包括机动掩护、火力攻击、电子干扰等行动，其属性主要包括名称、类型、开始时间、结束时间、行动经度、行动维度、所需兵力类型、所需兵力数量、所需装备类型、所需装备数量等，其实体关系包括指挥、控制、协同、保障、打击、防御等。

2.2.2 知识融合

知识融合，由于知识来源广泛，存在知识重复、知识间关联不够明确等问题，需要对其进行整合，消除矛盾和歧义，形成高质量的作战行动计划知识库，主要过程包括知识合并和实体链接。

(1)知识合并：是从外部知识库产品或已有结构化数据获取知识的一种方式。如专家系统、航线规划系统等军事计划系统，已积累的知识要素，应优先考虑合并。

(2)实体链接：是对于从文本中抽取得到的实体对象，将其链接到知识库中对应的正确实体对象的操作，主要通过共指消解和实体消歧两种方式进行。共指消解，用于解决多个指称项对应于同一实体对象的问题。如联指、联合作战指挥控制中心，可能指向的都是“联指中心”同一个实体对象。利用共指消解，可以将这些指称项关联(合并)到正确的实体对象。实体消歧，用于解决同名实体产生歧义问题。如“合成一营”这个名词可以对应A团下的营部，也可对应B团下的营部，通过实体消歧，可根据当前语境，准确建立实体链接。

2.2.3 知识加工

知识加工，主要包括了本体构建(2.1节介绍)、质量评估和知识推理(2.3节介绍)，在这里主要介绍质量评估。质量评估是对于经过融合的新知识，进行知识可信度量化评价，通过舍弃置信度较低的知识，将合格的部分加入到知识库中，保障知识库的质量。

由于作战行动计划的制定涉及到不同的指挥机构、参战单位，需要针对具体作战任务确定所需的战术、战法、行动前提、行动效果等军事知识。本文选取作战行动计划中典型核心的要求，以作战行动为中心，构建知识图谱，如图4所示。

图4 作战要素关系典型知识图谱

2.3 基于语义推理的作战行动计划校验方法

作战行动计划生成之后，为提高其可行性和确保其最优性，需对作战过程所依据的军事规律、条令条例进行规则和边界校验，并消除其中的时间冲突和资源冲突，确保内部诸多复杂要素之间的一致性，并根据检验结果，对其进行修改和调整。其本质是对行动序列进行反复推理的过程。

推理是自动进行逻辑计算过程[16]，表示由一个或几个已知的事实推出新论证的过程。基础是让机器能理解人类的世界和语言，可利用本体概念及概念之间的关系来增加所构建的本体领域应用相关的知识规则，根据规则推理出潜在的规律及结论信息，如图5所示。

图5 知识推理原理示意图

根据推理应用提出具体的推理需求，触发知识推理活动，基于统一的本体库和知识库，为知识推理模块提供推理基本要素，通过选择、匹配相应的案例、模型、规则，激活对应的推理机开展推理计算，推理出潜在的规则和结论信息，将推理结果反馈至推理应用，并更新相应的知识、案例、模型和规则[17]。较为广泛的一种方法是基于语义的推理[18-19]，用描述逻辑及一阶谓词逻辑的逻辑推理描述规则，结合公理与规则的语义推理，实现对基于本体描述的作

战行动计划的验证。

为解决作战行动序列的有效编排，本文采用基于约束的状态转移推理方法对作战行动计划进行验证[20]。每一个行动都包含前置状态、后续状态和需求资源，通过一定的资源配置满足其需求资源，便可执行该行动，实现其前置状态向后续状态的转移，如图6所示。

图6 基于行动模型的状态转移图

针对具体的作战任务，逐项分解为具体的作战行动。作战行动采用一定的推理规则，将单个行动的后续状态与相关行动的前置状态连接起来，通过反复选择、判断，关联和分配不同行动，建立多个作战行动之间的编配关系，完成作战行动序列的生成和检验，实现由初始状态到最终状态的转变。同时，以作战行动为中心，开展行动-行动、行动-任务、行动-兵力、行动-装备等方面推理，关联多项作战要素，生成并校验作战行动计划，达到预期作战目的，如图7所示。

图7 以行动序列为中心的规则推理示意图

3 运用模式

3.1 作战行动计划制定流程

作战行动计划制定过程，主要是以指挥员为主导，根据作战任务对作战资源进行合理分配，确定行动时间和行动空间，形成有序的作战行动序列。按照统一的制定流程进行指挥决策，可提高不同部门、不同人员之间的协作效率。参考美军的联合计划拟制流程(JPP)[21]，并结合国内学者研究形成的流程制定建议[22]，提炼关键核心信息，提出包括任务分解、情况判断、要素筹划、序列编配、计划生成等5环节的作战行动计划制定流程，如图8所示。

图8 作战行动计划制定流程

以上制定流程中，环节之间存在两种关系：限定关系(图中用实线表示)和反馈关系(图中用点划线表示)。前序环节对后续环节起到限定作用；后续环节对前序环节起到反馈作用。

3.2 作战行动计划生成模式

传统的作战行动计划制定过程是“以指挥员为主导，以机器为辅助”的模式。机器在作战行动计划的制定过程中主要起到“数据源”和“运算器”的作用，对于指挥员作出决策的依据和原因并不理解，难以支撑深入的计划制定活动。

图9 基于知识工程的作战行动计划制定流程

按照新的运用模式，机器将在作战行动计划的制定过程中发挥重要作用，在每个制定环节过程中，不再由指挥员主导推动，而将由机器基于各类本体库、规则库等知识库，自主完成各个制定环节，指挥员在机器制定过程中辅以人工指导，共同完成高效的作战行动计划，其运用模式如图9所示。

基于受领的作战任务，在作战要素本体统一的表示基础上，通过语义推理，分解细化多项可执行的任务，完成任务理解；针对具体任务，基于历史案例自主推荐作战行动，并对行动的前置状态和后续状态进行校验，完成行动序列的编配；针对单项作战行动，主动搜集相关信息，与对应的其他作战要求进行关联，给出执行该项作战行动的最优选择。同时，每个环节都是在态势深度研判结论的支撑上而开展。此外，指挥员可对最终生成的计划进行筛选和评价，并对其中的内容进行调整和完善。制定流程将具有“自主关联、高效校验、智能推理”等特点。

自主关联：单项作战行动将自主搜索、获取、判断与之相关的作战要素，减少指挥员人工作业的工作量，避免反复计算和遍历搜索要素，缩短了行动计划生成时间，大幅提高了行动计划生成效率；

高效校验：在行动序列的编排过程中，各个行动序列之间的关系，将依据其属性中的前置状态和后续状态进行科学高效检验，确保形成的是可执行、合理的行动序列编排。

智能推理：行动序列编排过程中，持续不断进行智能推理，在多种约束条件的限制下，及时发现并补充缺失的作战行动，同时，逆向反推新增作战任务，确保生成计划的最优性。

4 案例设计

本节以打击争议区域对方机动指挥机构为作战任务，进行典型案例设计，给出基于知识工程的作战行动计划制定示例。按照逆向状态的推理原则和作战行动计划制定流程，针对打击对方争议区域指挥机构的任务要求，依次分解出多项可以执行的作战子任务，主要包括侦察目标区域、夺取制空权、前出指挥等多项任务，基于此开展行动序列的拟制和作战要素的筹划，并在制定过程中进行高效检验和智能推理，最终生成如图10所示的作战行动计划。

图10 作战行动计划典型案例设计

按照上述制定方法所生成的作战计划，不仅对作战计划进行了一致性的表示，同时围绕作战行动，明确了作战目标、作战时间等要素，形成了要素较为齐全的作战计划，为作战计划制定过程中存在的“共享难”、“决策迷雾”和“实用性低”等问题提供了解决思路。

5 结 语

作战行动计划的一致性表示、高效快速生成和最优智能检测是作战行动计划制定过程中的难点问题，本文重点分析了基于知识工程的作战行动计划表示、生成和校验等三种方法，为解决上述问题提供了可行的解决思路。同时，本文提出基于作战行动状态转移理论的制定方法，探讨基于知识工程的计划制定特点，并给出作战行动计划设计示例。后续，面向智能战争的发展趋势，继续深入研究智能算法进，设计更智能的推理规则，提高智能化水平。