战场抢修任务动态调度的研究综述

2018-08-22陈伟龙陈春良刘彦王雄伟

现代防御技术 2018年4期

陈伟龙，陈春良，刘彦，王雄伟

(装甲兵工程学院技术保障工程系，北京 100072)

0 引言

战场抢修[1]是指在战场上运用应急诊断与修复技术，迅速地对受损装备进行评估并根据需要快速修复损伤部位，使装备能够完成某项预定任务或实施自救的活动。抢修任务动态调度则是指在抢修任务分配方案的决策时刻，所需决策信息仅部分可知，先依据已知信息决策出该时刻的一个满意方案并付诸实施；而后根据逐步获取的信息，不断调整抢修任务分配方案，以期获得最优的抢修效益。

战场抢修任务动态调度问题，则是指在作战过程中，因敌炮火打击，势必造成我方部队在不同时刻和地点、随机地出现战损装备；但抢修力量有限，无法在作战持续时间内完成对修理范围内的所有待修装备的修理。通过综合权衡待修装备的优先程度、所需修理工时、距离远近、不同抢修组的修理能力差异等因素，从修理范围内的众多故障装备中迅速地选择部分装备并将其分配给各个抢修组；并根据战场态势发展以及不断变化的抢修需求信息，适时、动态地调整抢修任务分配计划，使抢修力量能够在有限作战持续时间内尽可能多地修复或部分修复损伤装备，进而取得最优的整体抢修效益。

本文针对战场抢修任务动态调度的国内外研究现状进行综述，分析现有研究存在的不足，旨在为后续解决战场抢修任务动态调度问题找到立足点和突破口，进而达到提高抢修效益、维持部队作战能力的目的。

1 抢修任务动态调度系统的构成要素

基于系统工程思想进行分析，抢修任务动态调度系统主要由5个元素构成，包括：抢修对象及其相关信息、抢修力量及其相关信息、环境信息、决策模型与求解算法、修竣装备与抢修效益。

(1) 抢修对象的相关信息主要包括：① 损伤信息，如损伤时刻、坐标位置、装备类型、预计所需维修工作量等；② 抢修进度信息，如修竣与否、恢复状态、预计修竣时刻、实际修竣时刻、动态调度时刻的剩余修理工作量等。

(2) 抢修力量的相关信息主要包括：① 各个抢修组的编制信息，如各抢修组的保障装备的种类和数量信息、保障人员的数量和修理技能水平信息等；② 在进攻作战持续时间内的任意时刻，所有抢修组的状态信息，如各抢修组在任意时刻的位置信息、人员/装备损失情况信息等。

(3) 环境信息是指在一体化机动进攻作战持续时间内，除却抢修力量和抢修对象的相关信息外，与抢修任务动态调度问题相关的其他所有信息。主要包括：① 作战起止时刻；② 各作战单元、武器装备在任意时刻的任务信息、位置信息；③ 各作战单元、武器装备的相互关系信息；④ 地形、道路、气象水文信息等。

(4) 决策模型与求解算法是指在一体化机动进攻作战持续时间内，为求得抢修任务动态调度问题在各个决策时刻的决策方案(各抢修组间的任务分工和抢修组内的抢修序列)，所需借助的数学模型和求解方法。

(5) 修竣装备与抢修效益，是指在一体化机动进攻作战持续时间内，各抢修组通过实施巡回修理，修竣的待修装备及获得的修理效益。

基于控制论的思想，从系统输入、系统过程、系统输出、系统限制以及逆向联系5个方面，构建抢修任务动态调度系统的运行图，如图1所示，旨在从整体上呈现出系统各构成元素及其相互关系。

2 战场抢修的相关研究现状

(1) 长期开展基础研究

战场抢修，美军称之为BDAR(battle damage assessment and repair)，最初由美军提出并开始使用。在目睹了以色列在1973年中东战争中战场抢修取得的巨大军事效益、以及1982年英阿马岛之战中英国海军的惨重损失后，美军开始进行关于战场抢修的系统研究。1982年和1984年，美陆军、空军制定了各自的《BDAR纲要》和《ABDR纲要》，主要包括：BDAR手册、BDAR成套工具、BDAR组织与训练、BDAR后勤[2]，用于指导各军兵种编制各自的BDAR纲要和开展BDAR工作。在20世纪90年代初的海湾战争中，美军各型飞机的完好率平均水平保持在了92%，舰船达到了90%，进一步验证了战场抢修在作战中的重要作用。

与平时维修相较，由于修理需求、作业环境和时间限制等巨大差异，使得战场抢修与前者存在很大区别，详见表1。战场抢修具有抢修时间紧迫、作业环境恶劣、修复手段灵活、恢复状态多样4个主要特点[3]；其中，战场抢修的修复手段包括换件修理、原件修复、应急修理(包括拆拼、置换、替代、重构等)[1]。

战场抢修的抢修方式可分为现地修理和后送修理，其中现地修理又包括使用分队自主修理、伴随修理、巡回修理，后送修理则主要采用定点维修，相关概念如表2所示。

对于信息化作战而言，交战时间十分有限，战场抢修的首要目标是使损伤装备在最短的时间内再次投入战斗任务，最大制约因素是时间，核心工作是应急修理，主要采取伴随抢修的方式，且并不要求恢复装备的全部功能，也不必限定人员、工具、器材等。我军的抢修实施原则如表3所示。

表1 战场抢修与平时维修的区别Table 1 Difference between battlefield repair and routine maintenance

表2 抢修方式的定义Table 2 Definition of rush-repair mode

(2) 持续完善行政和技术法规

20世纪80年代以来，世界各国特别是美、英、德、法、俄等发达国家对战场抢修进行了系统研究，完善和制定了战场抢修的行政法规和技术法规。1985年，美军发布了军用规范MIL-M-63003《战场损伤评估与维修手册的编制》，对BDAR手册的内容和编制格式做了统一规定。1988年美空军发布了军用规范MIL-M-87158A《飞机BDAR手册的编制》，用以指导型号飞机BDAR手册的编制。日本陆军的《军械条例》、俄罗斯的《现代战斗中坦克和摩步分队技术保障》等，明确了各级指挥机构在战场抢修中的和任务分工。我军颁布实施了国军标GJB/Z20437-97《装备战场损伤评估与修复手册的编写要求》，为编制各类武器装备的BDAR手册明确了要求、提供了具体的技术途径；许多具体型号装备的BDAR手册相继出炉；空军也制订了《空军飞机战伤抢修研究规划》，加速推进飞机战伤抢修研究。

(3) 建设抢修专业队伍，开展抢修实践

外军建立了训练有素的应急抢修专业分队[4-5]，如美军的“上等牛排”工程部队和“红马”重型作业土木中队，英国空军基地的皇家工兵连、德国空军基地的快速修复连。美军斯特瑞克旅(Stryker)[6-7]作为美军数字化部队作战能力与保障能力建设的突出代表，是美国陆军根据“网络中心战”[8]、“数字化部队”、“模块化部队”[9-10]等现代军事概念和理论打造的一支新型陆军部队，十分重视建设和发挥战场抢修的作用。图2～4简要给出了斯特瑞克旅的总体编制、支援营编制以及修理连编制。其中，支援营的主要职能是计划、准备、快速部署并遂行各种勤务保障活动，为旅提供不间断的后勤支援，保持和恢复旅在全谱作战中的持续作战能力。修理连的主要职能是负责旅武器装备的维修保障、备件供应等。其中，维修控制分排主要负责指导和管理各修理单位战场抢修活动，并对修竣装备进行技术检查；战斗抢修组在战斗中遂行伴随保障任务，主要负责对通用战斗装备进行快速抢救、抢修及其他应急处理；轮式车辆修理排主要负责建制内轮式车辆的修理工作，并对前方战斗抢修组无力修复的轮式车辆进行修理；修理支援排主要负责对斯特瑞克旅的特种装备进行维修[11]。

(4) 创新多样化抢修训练方法

创新了众多抢修训练方式，包括相关抢修条令条例和技术手册的学习、实践性抢修训练、虚拟训练[12]、3D课件教学、网络教学等，定期组织抢修技术人员进行抢修培训和训练。美国陆军军网和移动式培训教室还为士兵提供战场抢修虚拟教室的入口。例如，20世纪90年代末，美军的SURVIAC(生存性易损性信息中心)开发了TWE/BDAR A&R System(威胁弹头/战场损伤评估与修复档案与修补系统)，该系统以现有抢修案例为基础，可为训练人员提供特定的装备损伤和修复事件的损伤评估与抢修训练，以提高战场抢修人员和战斗人员的战时修理效率。2000年，美国空军研究实验室开发了空军战场抢修演示系统，其重点为战场损伤评估，既可通过训练加快技术人员的评估速度，又能提高评估的精确度和完备度。在2003年的伊拉克战争中，NGRAIN公司研发了一种面向任务的3D交互式战场损伤评估与修复训练系统，提高了抢修训练的效率，以更低的费用取得了更好的训练效果。

表3 战场抢修的实施原则Table 3 Implementation principle of battlefield repair

(5) 运用新技术提升抢修能力

将条形码、光存储卡、射频识别等技术广泛运用于远程检测与诊断系统、交互式电子技术手册[13]、综合检测设备和嵌入式故障诊断设备之中，提高了故障诊断正确率。实现了抢修工程车辆的多功能化，提高了其性能和使用效率；研制了面向战地快速维修的零部件移动医院[14]，并给大部分主战装备配备了数字化工具箱。运用维修“远程支援”系统，使得后方技术人员能够为前方的战场抢修提供及时的技术支持。研制并应用抢修新材料与新技术，如碳纤维加固技术、无电焊接技术[15]、3D打印技术[16]等，缩短了抢修时间，提高了抢修效率。

(6) 开展抢修任务分配方案的决策技术研究

学者提出了众多的抢修任务指派(排序)模型及相应的求解方法。文献[17]从受损装备担负作战任务重要程度、抢修任务的抢修性特征、资源的重组性、装备受损情况、抢修环境5个方面建立了战场抢修任务重要度决策指标体系，构建了基于证据推理的多任务抢修重要度决策模型。文献[18-23]针对战损装备抢修排序问题，分别提出了基于模糊综合评判法、多属性决策理论、改进TOPSIS方法、BP神经网络、贝叶斯网络、案例推理的求解方法，提高了指挥员战时决策的准确性。文献[24]依据任务紧急程度对战损装备抢修任务进行分类，构建了基于不同紧急度的装备抢修任务指派模型，并利用蚁群算法设计求解。文献[25]以最短的时间、最少的手段使装备至少具有完成部分任务的能力为目标，建立了舰船抢修任务规划约束优化模型，提出了贪婪随机变邻域搜索算法。文献[26]考虑抢修任务的时间约束、逻辑约束、抢修力量的平衡度约束、抢修力量的能力、抢修花费代价等约束，以作战单元战斗力恢复最大、抢修花费代价最小为目标，建立了战时抢修力量多目标调度模型。文献[27]以最短时间、最短距离和最优分队指派为目标，采用遗传算法进行了战损舰艇装备的抢修分队调度优化模型。文献[28]和文献[29]针对战时维修时间有限与维修任务众多这一矛盾，以定点修理中的维修任务分配为研究对象，提出了2种不同约束条件下的动态维修任务调度方法，并设计了相应的求解方法。文献[30]引入战场抢修任务分工复杂性概念，通过NASAT-LX(NASA task load indes)法对战场抢修任务分工复杂性进行度量，建立了基于加权支持向量回归的战场抢修任务分工复杂性的测算模型，有利于提高抢修任务分工的准确性。

(7) 加快抢修资源配置与重组技术研究

文献[31]运用排队论原理，将战损的工程装备队列进行优先权等级划分，以工程装备完好率为目标，确定了配置维修小组的最小数量。文献[32]针对抢修备件配置问题，分别建立了基于可用度的非战斗损伤抢修备件需求量模型和战时抢修备件的需求量模型，应用Monte Carlo算法对模型进行了仿真分析与计算。文献[33]以战时协同维修保障过程为背景,针对维修任务间客观存在的资源短缺及资源冲突等问题，基于抢修开始时刻最早、支援点数量最少的要求，建立了战场抢修多需求点多资源优化调度模型，设计了基于需求点优先度的资源优化调度方法和算法。文献[34]针对抢修任务间的资源需求冲突问题，以总抢修效益最大为目标，建立了抢修资源重组决策模型，设计了混合粒子群进行求解。文献[35]基于不确定决策理论中的拉普拉斯准则及网络上任意一点均有可能发生任务需求的假设，以整个机动交通网的覆盖率最大为目标，构建了双重覆盖标准选址模型，运用遗传禁忌算法求解。文献[36]从满足一定战备完好率出发，引进战场抢修允许时间，建立了防空作战战场抢修的保障资源配置地域选择模型。文献[37]分析了装备战损规律，提出了战损率计算模型，分析了战时陆战装备抢修实施过程，给出了陆战装备战场抢修力量编组和配置，运用Simio仿真平台建立了面向具体任务的损伤修复模型和抢修力量配置调度模型。

(8) 同步推进其他方面的研究

文献[38]研究了乌克兰冲突中的装备损伤案例，分析了其损伤模式、损伤等级分布、损伤部位及其被弹概率，为我军提供了有益参考。文献[39]集成多Agent建模仿真技术、元胞自动机技术、环境-规则-智能体(ERA)方案，通过建立基于Agent的BGC2R(belief-goal-command-capabilities-role)模型，解决了装甲装备修理分队抢修能力动态评估问题。文献[40]提出了一种适用于陆地轮式战斗车辆的现地抢修单元。文献[41]综述了建模仿真技术在飞机战伤抢修研究中研究概况。文献[42]针对直升机悬翼的具体抢修问题开展了研究。文献[43]阐述了可持续性的内涵及特点，分析了飞行器发动机及其链路系统的战场损伤评估及抢修的步骤和工序，介绍了一种能够快速完成战场损伤评估的工具。文献[44]提出了电源装备战场损伤等级划分方法，探讨了电源装备损伤评估一般程序和方法，以及其战场修复方法。

3 任务动态调度的相关研究现状

任务动态调度问题，其实质是动态的任务分配问题，可以抽象为动态车辆路径问题(dynamic vehicle routing problem，DVRP)或动态旅行商问题(dynamic traveling salesman problem, DTSP)的延伸问题(DVRP与DTSP实质是相同的)。国内外学者对该问题的研究已经取得了丰硕的研究成果。

(1) 研究对象与应用范畴日趋广泛

DVRP最先由Wilson和Colvin提出，随后Psaraftis[45]界定了immediate request的概念：对既定车辆路径进行快速调整以尽快满足顾客提出的新需求。1996年GPS(global positioning system)的诞生、智能手机以及地理信息系统(geographic information systems,GISs)的发展，许多公司加快推动DVRP问题的研究，通过快速追踪其车队行踪、动态调整行进路线，为顾客提供更优质的服务，并缩减服务成本。其中最典型的DVRP是处理任务执行过程中的客户新需求问题，需求包括货物[46-52]和服务[53-57]，路途时间[58-64]也作为绝大部分现实问题的一个动态组成部分被纳入到研究范围内来，而服务时间则基本没有考虑，如Intelligent Transport Systems (ITSs)中的Advanced Fleet Management Systems (AFMSs)[65-67]。最新一些研究考虑了动态需求集合[68-70]、车辆可用与否[71-73]、执行任务过程中的车辆损坏[74]、动态环境[75]。

1) 在应用DVRP解决客户服务需求方面，限制条件包括服务地点、可能的服务时间(即时间窗)、车辆的容量限制，其中最简单的可归结为动态旅行商问题(DTSP)[76]。① 修理工的调度问题。维修公司给不同的修理工提前指定不同的行进路线，服务已提出预定的客户，新的紧急客户需求则需要插入到原行进路线中，其实际约束条件包括修理工技能的柔性、工具限制、新的维修需求所需要耗费的时间[77]等。② 医生的调度问题。急诊病人的电话需求随机动态到达，值班医生需要衡量严重性，并派出相应医生随救护车前往救治；与此同时，医院还需要考虑留下一定数量的医生，以满足自行到医院就医的急诊病人。

2) 在应用DVRP解决货物/人员运输方面，典型应用包括：① 城市快递服务[78-80]。快递员被派往固定流转中心送、取快递，或者是被派往某个顾客处提供服务(包括送、取快递及其他服务)，顾客依据路途远近和服务质量付费。快递公司往往拥有一个混合车队，包括自行车、摩托车、小汽车、货运车等，核心问题在于动态地安排快递员行进路线，影响因素不仅包括事先已知的顾客需求类型及需求量、送(取)货物的地点、时间窗，还包括交通变化情况和路途时间的不确定性。② 人员接送问题[81-84]。该问题与货物运输问题相似，但额外的约束包括等待时间、交通拥堵情况、服务时间长短、空载费用消耗等。最典型例子包括出租车电调问题、学生(老人、病人、残疾人)接送问题。③ 航线安排问题[85-88]。航空公司为顾客提供选择机会，是否选择小机场(以缩减手续办理时间和安检等待时间)、是否接受飞机经停、是否有富裕旅行时间，然后综合顾客需求安排飞机类型和航线。

(2) 采用“动态问题静态化”的求解思路

就已查阅到的现有文献而言，求解任务动态调度问题的核心思路均属于：动态问题静态化，即将动态调度问题转化为一系列静态子问题[89]，然后采用适合的精确计算方法或智能优化算法，最终求得这些静态子问题的最优解。

文献[90]通过计划周期分片，将动态车辆路径问题转换为一系列静态子问题，采用插入法构造初始解，利用重定位法、节点交换法和2-opt*法进行线路间局部搜索。文献[91]根据优化时间点的选取将带时间窗DVRP转化成静态子模型，并对比研究了4种优化调度策略的优劣。文献[92]考虑更贴合实际的约束条件，将动态车辆路径问题分解为车辆选择问题和路线优化问题，建立了多车型开放式动态需求车辆路径两阶段数学规划模型，制定了“预优化路线调度”和“实时动态调度”两阶段求解方法。文献[93]建立了多维修需求点、多维修任务和多维修保障单位的动态调度问题数学模型，采用“动态问题静态化”思路进行求解，即同一时刻的静态优先级是不变的，而不同时刻具有不同的优先级。

(3) 提出多样化的求解方法

动态任务调度问题绝大部分均属于NP难题，在求解方法方面，可以分为3大类：精确求解方法、基于仿真的方法和智能优化算法。

1) 精确求解方法

① 线性规划(linear programming, LP)[94]是将调度问题的目标函数与约束条件用线性规划方程表示出来，尔后利用单纯形法求取多变量线性函数的最优解。② 整数规划(integer programming, IP)[95]可解决自变量限制为整数的任务调度问题，常用方法包括：割平面法、枚举法和分枝定界法等。其中，分枝定界法应用比较广泛，但仅适用于求解小规模的任务调度问题。③ 动态规划(dynamic programming, DP)[96]将多阶段决策过程转化为一系列单阶段问题，并利用各阶段之间的相关性逐个求解，最终得到最优决策。④ 排队论(queues theory, QT)[97]适用于分析任务调度系统的性能、设计适合的配置规则，如用于确定维修保障机构中的修理组数量。

综上所述，针对小规模的任务调度问题，精确求解方法可在较短时间内求得最优解。但随着问题规模增大，求解所需时间和求解难度呈指数递增，实用性变得很差；且精确求解方法大多建立在某些理想化假设的基础上，不能反映战场抢修的环境复杂性、不确定性、动态性。

2) 基于仿真的方法

与精确求解方法不同，基于仿真的方法并不单纯追求最优解，它侧重于对装备保障系统运行的逻辑关系进行描述，能够对抢修任务分配方案进行评价，并可验证求解算法的有效性。但该方法花费高，仿真的准确性、可信度难以保证，即使高精度的仿真模型也无法快速找到最优解，且很难从特殊实验中提炼出一般规律。

3) 智能优化方法

典型方法包括：模拟退火算法、禁忌搜索、遗传算法、人工智能方法等。

a) 模拟退火算法(simulated annealing, SA)[98]基于蒙特卡罗迭代算法求解，由某一高温度开始，利用具有概率突变特性的Metropolis抽样策略，在解空间随机搜索，随着温度不断下降，重复搜索过程，最终得到问题的全局最优解。SA收敛速度慢，很难用于实时动态任务调度。

b) 禁忌搜索(tabu search, TS)[99]采用禁忌表来封锁刚搜索过的区域以避免迂回搜索、增加计算量，同时赦免禁忌区域中的一些优良状态，进而保证搜索的多样性，最终达到全局优化。TS不易陷入局部最优，但受初始解影响较大，若初始解选择不当，则难以达到全局最优。

c) 遗传算法(genetic algorithm, GA)[100]借鉴进化论思想，在确定初始种群的基础上，采用选择、交叉、变异算子逐步进化，经过优胜劣汰，最终求得最优解。GA在搜索过程中不易陷入局部最优，找到全局最优解的概率极大，算法具有并行性，非常适合处理大规模任务调度问题；且易于与其他技术方法相结合，形成性能更优的算法。但GA搜索效率低，易于早熟。

d) 人工智能方法是利用人工智能的原理和技术进行搜索，譬如将优化过程转化为智能系统动态的演化过程，基于系统动态的演化来实现优化[101]。典型方法包括：神经网络[102]、专家系统[103]、蚁群算法[104]、粒子群算法[105]等。

智能优化方法可用于求解较大规模的任务调度问题，且所需计算时间较短，但不能保证寻得问题的最优解。

4 建议和后续发展方向

(1) 对装备战场损伤的内涵外延、战场损伤评估、战场损伤修复、组织实施等进行了广泛研究，但缺乏对战场抢修组织实施的定量研究，即如何通过模型的定量化计算，合理地确定出抢修力量的任务区分和部署配置，并依据战场态势的发展变化，适时地对抢修力量进行指挥控制，使得整体抢修效益最高。

(2) 关于战场抢修任务调度(指派)的现有研究成果，绝大部分将其修理方式限定为定点修理，进而将战场抢修问题转化为平时的定点维修问题来解决；这一转化的前提是战时需花费大量时间进行侦察与后送，但这样的转化策略，忽略了时间这一战场抢修的首要因素，与战场抢修“使损伤装备在最短的时间内再次投入战斗或能够自救”的目标相违背。缺乏关于伴随抢修和巡回抢修的研究。

(3) 抢修任务分配方案的决策，缺乏定量化测算模型及求解方法，只能依靠决策者的主观经验和定性抢修原则进行决策，导致决策主观性过强、风险较高；且在实际操作过程中，这些抢修原则往往相互矛盾冲突、难以调合，使得有限的抢修时间、保障人员、保障装备分配不合理，该先修的未及时修，可后修的却先修了，出现不恰当或无效的修理，使得整体抢修效益不高。

(4) 虽有部分关于维修任务静态分工的研究成果，但其与“抢修需求呈现出的时间、地点的不确定性规律”不符；缺乏关于抢修任务动态调度的研究，忽略了对部分实际约束条件的合理抽象(如恢复状态的不确定性、不同抢修单元间的抢修能力差异等)，没有考虑不同的动态驱动策略对任务分配结果的影响。