基于Agent建模的海战场杀伤链评估系统研究

2022-04-18韩明磊周泽宇

计算机仿真 2022年3期

韩明磊，马晶，周泽宇，刘鹏

(中国舰船研究院，北京 100101)

1 引言

海战场包含海、空、天、潜、电磁等多种作战域，涉及到多种类型和数量的作战平台，具有规模大、结构复杂、极具交互性、涌现性、主动性、非线性和不可重复性，属于典型的复杂巨系统。而海战场中的杀伤链通过在作战空间中协同多域作战平台实施杀伤，利用各类作战节点的能力和特点，构造以决策为中心的信息化战术，实施对目标的快速、精准打击，从而最终形成对敌的不对称优势。其平台之间的通信及互操作复杂，应用传统的基于朴素物理或归纳推理的建模方法难以表现出杀伤链微观平台与宏观杀伤的联系，无法解决作战仿真模型重用率高的问题，不能有效地对复杂大系统建模[1]。

为了解决海战场大系统建模的复杂性、刻画杀伤链的互操作过程，本文基于Agent理论对海战场杀伤链建模，采用分布式仿真方法，建立基于群决策层次分析法的评估框架，编辑海战场想定并对仿真结果进行评估。

2 基础理论

基于作战空间的系统复杂性、分布式杀伤链的交互复杂性以及仿真的对抗性。本文利用Agent建模理论对分布式杀伤链建模，解决分布式杀伤链微观与宏观杀伤联系密切以及仿真模型重用率高的问题，采用分布式仿真方法解决Agent并发性及仿真对抗问题，最后用层次分析法建立评估框架，对仿真结果进行评估。

2.1 Agent建模理论(Agent-Based Modeling，ABM)

Agent建模理论是一种面向实体对象的模型设计方法，能够通过自底向上、从个体到整体、从微观到宏观来研究系统的复杂性[2]。Agent的定义最早由曼彻斯特都市大学迈克尔伍尔德里奇教授和伦敦玛丽王后大学尼古拉斯·R·詹宁斯教授在1997年发表的《智能Agent：理论与实践》中提出[3]。依据Agent的弱定义，Agent由感知器、控制器和效应器组成。Agent首先通过感知器获取其它Agent或者外部环境的信息，然后控制器改变自身状态并生成控制信息，最后通过效应器作用于其它Agent或者外部环境[4]。

2.2 分布式交互仿真理论(Distributed Interactive Simulations，DIS)

分布式交互仿真是指一种采用一致的结构、协议及数据库，通过通用通信体系将物理上离散的各种人在回路的实装设备、仿真设备以及其它仿真系统连接为一个整体，形成一个在时间和空间上相互耦合一致、人可以自由与之交互的具有高度内聚性和透明性的虚拟环境的仿真方法[5]。相比传统的仿真方法，分布式交互仿真具有可互操作性、同时性、并发性、强交互性以及体系对抗性[6]。

2.3 层次分析理论(Analytic Hierarchy Process，AHP)

层次分析法是一种多目标决策分析法，由美国匹兹堡大学托马斯L.萨蒂教授于1975年提出[7]。AHP将定性和定量指标统一在一个模型中，既能进行定量分析，又能进行定性的功能评价。该方法常用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，具有广泛的实用性[8]。

3 Agent建模

为了实现Agent感知、决策和行动功能，本文参照任务空间概念模型(CMMS)技术标准，采用面向实体对象模型(EATI)分析方法和“组件化、参数化”的建模思路，结合装备现实物理表现和行为方式，定义了构建海战场杀伤链的反应式Agent类模型。

3.1 组件类模型

组件类模型是组成Agent类模型的基本单元模板，是Agent模型功能的具体实现者。不同的组件模型实例拼装成为不同的Agent模型实例，本文定义组件类模型包含如下分类：

1)实体类模型：描述作战平台的静态属性和模型结构，包括舰船、潜艇、飞机、地面兵力与设施。

2)发动机类模型：描述作战平台或武器使用的引擎，主要参数包括：发动机类型、发动机数量、军用油门推力及燃料消耗率、加力油门推力及燃料消耗率、工作性能等。

3)燃料类模型：描述作战平台或武器使用的燃料，主要性能参数包括：燃料类型、燃料容量。

4)武器类模型：描述作战平台的武器属性，对地基、舰载、机载、潜射等武器的总体性能、特性参数、组成结构及战斗部参数进行建模。

5)传感器类模型：描述作战平台的传感器设备属性和探测识别功能，包括雷达、ESM、ECM、可见光、红外、声呐、扫雷等。

6)通信设备类模型：描述作战平台以及武器搭载的各类通信设备属性，包括链路类型、通道、通信能力、通信距离、干扰状态等。

7)弹药库类模型：描述作战平台的弹药储备属性，包括装甲防护等级、容量、装载的武器类型及其数量、补给间隔时间等。

8)目标特征类模型：描述作战平台以及武器被不同传感器探测时的目标特性，根据探测信号类别分为雷达、可见光、红外光、主动声呐、被动声呐等。

9)决策类模型：描述作战平台根据战场态势、作战条令、任务状态和行动状态等进行分析判断，做出合理作战行为的过程，包括威胁评估、目标瞄准、导航更新、主要目标确定、目标分配、状态转换、火力分配等。

10)毁伤类模型：描述作战平台的毁伤状态，毁伤裁决、水灾、火灾、毁伤状态更新、抢修等。

11)机动类模型：描述作战平台的运动规划，导航参数计算和运动参数计算。

12)挂载方案类模型：描述飞行作战平台所携带的武器方案。

13)挂架类模型：描述作战平台武器的发射装置或其它挂载装置，具体表现为发射筒、发射架、发射车、传感器挂架等形式。

14)轨道类模型：描述太空作战平台的轨道位置，计算卫星的纬度、经度、高度和速度。

15)任务类模型：描述作战平台推演方要求按照指定流程的模型，包括打击、巡逻、支援、布雷、扫雷、投送、转场。

16)环境类模型：描述作战平台，包括天气环境和水声环境。

3.2 Agent类模型

Agent类模型是以实体类模型为蓝本、以其它组件类模型为填充的具有感知、决策和执行的类模型，是推演仿真中实际进行交互的作战实例的总称。根据Agent类模型注册的Agent实例，具有具体作战平台的特点和属性，能够模拟具体作战平台的性能和效能。大量Agent实例在仿真场景中交互，实现对战场复杂大系统(CAS)及杀伤链的建模。

考虑到杀伤链中探测、定位节点功能的高重合性和决策节点指挥的规则性和程序性，本文将杀伤链原本的“探测-定位-决策-打击(OODA)”四类节点归结为两类节点：探测定位-决策打击(OO-DA)，并据此定义探测定位Agent类模型和决策打击Agent类模型，一个典型的Agent实例杀伤链如图1所示。

图1 典型的Agent实例杀伤链

3.2.1 探测定位Agent类模型

探测定位是采用一系列传感、遥控、探测手段发现、定位和识别陆、海、空、天、潜目标，发出警报信号，为抵抗或打击敌方目标提供响应情报和反应时间的重要支撑[9]，是杀伤链构建的重要前提。

本文定义探测定位Agent类是一种有数据库和规则库的反应型Agent，是仿真中一切具有探测、侦察、识别和预警功能的通用平台范式，其结构如图2所示。其运行原理是通过传感器类模型获取的敌方Agent特征，经过特征类模型进行目标识别，按照预先设置的规则库和任务类模型，构建杀伤链，最终将侦察到的敌方态势消息传递给其它己方Agent，构建杀伤链，并将数据记录在数据库中。

图2 探测定位Agent类模型结构图

3.2.3 决策打击Agent类模型

决策打击是获取战场态势后，按照预先设置的指挥程式和交战规则，选择杀伤武器或作战平台消灭敌方目标，为己方获得战场优势的重要保证，是杀伤链构建的最终目的。

本文定义决策打击Agent类是一种有数据库和规则库的反应型Agent，是仿真中一切具有指挥、决策、防御和打击功能的通用实例范式，其结构如图3所示。其运行原理是通过探测定位Agent类模型或自身效应器获取战场态势，按照预先设置的规则库和任务类模型，匹配能够有效打击敌方Agent的武器，执行杀伤链将目标击杀，并将数据记录在数据库中。

图3 决策打击Agent类模型结构图

4 系统设计

评估系统设计包括仿真框架设计和效能评估算法设计。本文基于HLA/RTI仿真协议设计系统架构，通过群决策层次分析法建立指标体系并对仿真结果进行评估。

4.1 推演仿真架构

OpenRTI是一款持续维护的开源RTI项目，包含了RTI 1.3、RTI 1516和RTI 1516e标准的接口库，能够将仿真功能实现、仿真运行管理和底层通信传输分离，隐藏各部分的实现细节提供通用的、相对独立的服务[10]。

本文应用OpenRTI作为评估系统的仿真实时支撑环境，设定了3各客户端联邦成员和1个服务端联邦成员，采用“集中推演、分布显控 ”的强中心化分布式系统框架，应用TCP与UDP相结合的通信模式，其联邦结构如图4所示。其中，OpenRTI通过RTI接口函数向客户端联邦成员和服务端Agent联邦成员提供服务，具体服务包括：包含联邦管理、声明管理、对象管理、所有权管理、时间管理、数据分发管理及辅助服务。

图4 系统结构图

根据OpenRTI提供的服务标准，按照DMSO提出的联邦开发和执行过程模型(FEDEP)，本文定义如下联邦对象模型(FOM)[11]：

①态势对象类模型：联邦执行中更新Agent实例属性值的类模型，包括目标类，规则类，任务类，天气类，情景类，实体类和事件触发器类等；

②操控交互类模型：联邦执行中操作Agent实例的用LUA语言封装的操作交互类模型，包括远程注册Agent类，删除Agent类，更新请求类，场景加载类，响应请求类、响应类和请求执行LUA脚本类等；

需要加以区分的是：态势对象类模型和操控交互类模型是Agent类模型实例与客户端联邦成员通信的媒介。Agent类模型和组件类模型及其实例只存在于服务端程序中，而态势对象类模型和交互对象类模型及其实例是完成联邦成员间交互的通信模板。

4.2 客户端联邦成员

客户端联邦成员是整个仿真系统参与人机交互的关键节点，是实现“背对背推演”的指挥控制台。推演方活导演方通过对客户端的操控，实现对推演的编辑和控制。

客户端联邦成员由客户端程序和RTI接口函数构成，其成员结构如图5所示。在初始化阶段阶段，客户端程序通过调用RTI大使访问RTI服务器，获取加入联邦和声明发布/订购类等服务。在想定编辑阶段，客户端程序持续向服务端发送交互类实例，对平台实例进行注册、属性设置、任务设置、航线规划和交战规则等进行设置。在推演仿真阶段，客户端程序通过回调联邦大使接口函数，获得推演过程中平台实例数量、位置、毁伤等属性更新，并将更新值通过图形化界面实时向推演方展示。

图5 客户端联邦成员结构框图

4.3 服务端Agent联邦成员

服务端Agent联邦成员是整个推演仿真的实际计算者和运行者，是仿真系统的核心节点。不同推演方在服务端注册的平台实例，通过仿真核心的统一逻辑调度和仿真驱动，完成指定想定的仿真推演[12]。

服务端Agent联邦成员由服务端程序和RTI接口函数构成，其成员结构如图6所示。在初始化阶段，服务端Agent联邦成员通过调用RTI大使接口函数向RTI服务器获取联邦的创建、加入和声明发布/订购类服务。在想定编辑阶段，服务端程序持续通过回调联邦大使接口函数，获取客户端的交互类实例，并根据实例属性值更新推演双方的Agent类实例属性。在推演方真阶段，Agent类实例在联邦执行中通过函数调用和过程调用的方式进行简易交互，产生平台实例的属性更新。服务端通过调用联邦大使接口函数，持续向客户端发布态势对象类实例，更新平台实例的属性值，并将数据更新值存入数据库中，生成态势CSV文件。

图6 服务端Agent联邦成员结构框图

4.4 效能评估算法

效能评估是兵棋推演及仿真的关键环节，是衡量想定及战法优劣的核心方法，是最终实战及演习决策的重要依据。本文以评估海战场想定中杀伤链效能的优劣为目标，提出了具有指标层、数据聚合层的两层评估体系，通过专家咨询及笔者自身经验相结合的方式构建指标层的层次结构模型，采用群决策AHP法解析各指标的权重，应用效用函数法在数据聚合层对仿真数据进行归一化处理，并将评估体系写入效能评估工具，从而最终实现对仿真结果的针对性评估。其中，效能评估的结构如图7所示。

图7 效能评估框架图

4.4.1 层次结构模型

层次结构模型是一种由表征评估对象各方面属性及其相互联系的若干指标构成的、具有鲜明层次性和内在联系性的有机体系，体现了立体化、多层次和全方位的评估目标，是效能评估中的基础。本文的待评估对象为海战场中的杀伤链，是一种多平台协同的、有时序的链状结构，链中的每一个节点的效能及数据链路的效能都是杀伤链中需要评估和判断的重要部分。本文利用笔者自身对杀伤链的理解，参考文献[13，14]的指标构建原则及方法，结合院内及集团专家群体的意见，构建了基于“总效能-分效能-子效能”的三层序列型评估准则体系，其层次结构如图8所示。

总效能层主要描述杀伤链的综合效能。分效能层主要描述杀伤链的若干组成部分所产生的效能，具体为：探测节点效能、定位节点效能、指挥节点效能、打击节点效能、电子对抗效能、通信链路效能及代价毁伤效能。子效能层主要刻画各部分所包含的若干环节所产生的效能。准则体系自下而上逐层按照加法规则进行效能并得出总效能的效用值[15]。

图8 评估层次结构模型

4.4.2 指标权重向量

指标权重向量是一种由描述层次体系模型中各因素相对重要程度的若干权系数组成的系数向量，体现了定性与定量相结合、经验与科学相结合的评估准则，是效能评估的关键。

本文采用群决策AHP法对指标权重向量进行求解。群决策AHP法通过在经典AHP法的基础上增加了专家个体的权重，优化了经典AHP法忽略专家个体差异性的问题，使得其求解结果更加具有合理性和科学性。群决策AHP法中的关键步骤如下：

1)采用“1-9标度法”，向专家群体进行咨询打分，按照经典AHP法对分效能层指标及其对应的子效能层指标组逐一构造判断矩阵并进行一致性检验，得到专家群体的主观权重矩阵，其数学表式如式(1)所示。

W=(W1，W2，…，Wn)

(1)

式中，Wn表示由第n个专家通过打分求解出的主观权重向量。

2)借鉴参考文献[16]的专家打分聚合方法，引入专家客观权重向量其数学表达式和求解公式如式(2)(3)所示。

w=(w1，w2，…，wn)

(2)

(3)

3)由专家主观权重矩阵和专家客观权重向量得到考虑专家权重的指标综合权重向量，其求解公式如式(4)所示

V=W×wT

(4)

式中，V为群决策AHP法最终求解出的指标综合权重向量。W表示由专家群体打分求解出的主观权重矩阵。w表示专家群体客观权重向量。

本文通过向院内及集团的相关领域专家群体咨询打分，经过上述公式求解后，得出综合权重向量。以层次结构模型中分效能层为例，保留4位有效数字后，其数值如下：

V1=(0.1562，0.1591，0.1429，0.1369，0.1220，0.1634，0.1196)

4.4.3 数据效用聚合

数据聚合是一种解决数据之间的不可公度性问题的方法，是效能评估的前提。其原理是将不同单位和量纲的数据通过转换函数映射到规定的区间中，使得处理过的数据能够直接参与评估运算。本文根据子效能层指标的特性，采用收益型效用函数f(t)和成本型效用函数g(s)对仿真产生的实际数据进行数据聚合，将处理过的效用数据作为层次结构体系子效能层的输入。

收益型效用函数的特点是仿真产生的实际数值越大，转换后的效用数值也越大，例如子效能层的目标侦察效能、态势感知效能和目标命中效能等。其数学表达式如式(5)所示

(5)

式中，t表示子效能层指标在仿真中产生的带量纲的实际数值。T表示子效能层指标在评估中设定的期望最小值。a表示调节系数。

成本型效用函数的特点是仿真产生的实际数值越大，转换后的效用数值越小，例如子效能层的敌方侦察效能、节点毁伤效能和燃料消耗效能等。其数学表达式如式(6)所示

(6)

式中，s表示子效能层指标在仿真中产生的实际数值。S表示子效能层指标在评估中设定的期望最大值。b表示调节系数。

5 应用验证

为了验证基于Agent建模的海战场杀伤链评估系统及基于群决策层次分析法的杀伤链评估方法，本文设置红方和蓝方均为人工推演方，根据预先设置的想定进行作战方案制定和推演，并对推演结果进行评估。

5.1 仿真

海战场作战想定为：在太平洋某处发生岛礁争端，蓝方已先行控制岛礁附近海域，蓝方兵力未知。红方接到上级命令，派遣海上兵力夺回岛礁附近海域控制权。

由于没有蓝方兵力部署的情报，红方派遣4搜某型驱逐舰前往目标争端海域。每艘驱逐舰搭载1架反潜作战机和1架无人机。红方将反潜机和无人机作为探测和定位节点，通过投放声纳浮标和海面探测的方式，先行识别和确定蓝方潜艇、战机及舰艇数量和位置，构建杀伤链，实施远程目标指引。驱逐舰作为指挥和打击节点，根据接收到的目指信息，对蓝方目标实施打击，完成杀伤链打击。