多平台防空作战任务规划技术研究

李 琳，李双霖，刘 钦，韩春雷，张修社

多平台防空作战任务规划技术研究

李 琳，李双霖，刘 钦，韩春雷，张修社

（中国电子科技集团公司第二十研究所，西安 710068）

针对多平台防空作战任务规划过度依赖指挥员作战经验，信息洪流下指挥员脑力负荷过大导致任务规划合理性和时效性降低等问题，研究多平台防空作战任务规划技术。通过对防空任务分解，设计作战任务框架结构模型，根据规划组成分析结果，构建多平台防空配置规划、协同探测规划、通信组网规划和打击规划等模型，自动生成规划方案，提高任务规划的科学性和合理性，为形成快速作战决策能力提供支撑。

多平台防空；任务规划；快速生成；作战决策；作战规划

0 引言

在瞬息万变的作战形势下，战场决策速度与准确性将成为战斗胜负的决定因素，制定合理可行的规划方案作为指挥决策的重要环节，是实现对敌有效打击的关键。而目前作战任务规划局限于传统经验，自动化程度低，无法保证任务规划的合理性和时效性，因此，本文提出多平台防空作战任务规划技术，将人工智能、作战决策“寻优”算法等先进技术融入作战指控系统，科学规划作战任务，快速准确生成规划方案，为作战行动提供依据。

1 多平台防空作战任务规划框架结构

1.1 多平台防空作战任务分解

多平台防空一般采用分层防御的方式实现远（远程航空兵，距多平台核心180 km以外）、中（中远程区域防空，距多平台核心50～180 km之间）和近（近距末端防御）的协同[1]，根据区域划分，可对多平台防空作战任务划分如下：

1）战术行动：综合运用平台资源，中远结合、软硬结合，通过合理配置队形形成纵深、梯次防御体系；

2）预警探测：利用平台所携各种电子探测器材，预先发现来袭目标，提供及时的预警，为各种防御提供充裕的时间和目标数据；

3）通信组网：利用平台所携信息传输系统，使所有平台能够共享各种各样的数据信息，实现作战信息的纵向、横向传输和双向交互，保持实时性和精确性；

4）协同打击：对进入防御区域的敌方目标，统一分配所属平台的防空武器进行协同抗击，利用多平台整体探测和交战能力应对空袭，提高区域防空效能。

1.2 多平台防空作战规划方案组成

多平台防空是以多个水面作战平台为载体，通过作战指挥信息系统将各作战平台、武器、传感器、通信等资源共享和高度融合，实现阻滞和消除敌方空中威胁的作战方式。因此，要完成多平台防空作战任务，需要合理组织多平台内传感器、武器、通信、指控等要素，完成战术行动、预警探测、通信组网、协同打击等子任务，从而实现防空作战。

根据多平台防空作战特点及需求[2]，本文将多平台防空作战规划分为多平台防空作战资源配置规划和任务决策规划，框架结构如图1所示。

图1 多平台防空作战规划框架

图1中，作战资源配置规划由多平台编成规划和队形配置规划组成，根据作战任务和可用兵力，基于多目标规划模型确定作战所需的作战资源种类和规模，并根据作战平台作战能力，基于遗传算法对作战编成内的参战平台进行部署优化，形成配置方案；防空任务决策规划通过通信组网规划、预警探测规划和协同打击规划完成，确定作战行动单元—任务分配方案，使作战效能最优。

为实现多平台防空作战自动规划，建立防空作战规划方案框架层次结构模型进行形式化描述，通过多平台防空作战任务组成分析，构建多平台防空作战规划方案的框架层次结构如表1所示。

表1 多平台防空作战规划层次结构

2 防空作战资源配置规划

多平台防空资源配置的过程是根据作战任务、敌目标情况、我方用作战力量等信息，配置防空兵力编成，规划最优兵力部署方案，生成多平台配置信息。

2.1 多平台编成规划

根据作战任务、敌目标情况、我方兵力及武器配备情况，分析兵力编成与作战能力需求之间的关系，分别基于各兵力作战能力协同需求[3]，将其集成搭建防空自适应兵力编成优化模型，采用多目标优化算法优化多平台编成。

多平台编成空间可表示为：

防空自适应兵力编成优化模型描述如式（3）所示：

2.2 多平台防空队形部署规划

在多平台规划基础上，对敌情进行分析，获取敌来袭规模和方向等作战任务，并根据作战任务、兵力编成及作战约束条件等，搭建基于任务需求的作战兵力优化部署模型[4,5]，采用遗传算法获取作战兵力部署方案，完成自适应兵力配置规划，提高多平台防御能力。

1）约束条件分析

为保证必要的武器拦截次数，需满足耦合杀伤区，如图2所示，即有：

图2 平台耦合杀伤区计算示意图

按照多平台反导拦截要求，考虑平台机动、安全距离和保证必要的拦截次数，有：

2）部署规划模型

2.3 模型求解

队形部署规划模型非线性，变量解空间范围较大，常规优化算法处理难度较大且计算量大，而遗传算法对参数空间进行编码后，利用遗传、变异和选择三种遗传算子将种群向更优化的方向引导，非常适合求解队形优化问题[6]。

本文以队形类型、间距、角度等为特征，对每个染色体编码，完成遗传个体的建模，对不满足约束条件的个体采取淘汰机制，通过遗传进化完成对多平台防空队形的寻优求解。具体过程不再赘述。

3 防空任务决策规划

防空任务主要包含对空探测、通信组网和对目标拦截打击，因此任务决策规划通过预警探测规划、通信组网规划和协同打击规划完成。

3.1 预警探测规划

根据多平台防空探测任务、传感器特性，制定多平台内传感器协同探测方案，主要要素为探测辐射区域、参与协同探测任务平台、执行探测传感器工作方式等。

3.2 通信组网规划

3.3 协同打击规划

多平台防空协同打击规划的目标是根据多平台防空作战任务优先级，对我方武器、传感器资源进行合理调度，确定由哪些资源，采用何种策略共同配合完成抗击任务。本文在考虑传感器、武器、目标之间制约关系基础上，建立武器协同打击分配模型，其中武器杀伤区模型[9]、可拦截性判断模型[10]（该模型应用较广，在此不做赘述）提供是否满足协同打击条件判据，拦截效能模型确定协同打击优化分配效能函数，以整体作战效能最大化为目标牵引，得到武器—目标分配规划方案。其中本文可拦截性判断根据目标威胁等级、可参与拦截作战的武器集及已被分配的目标集，计算可拦截目标集，在可拦截目标集和时间空间可拦截性判断的基础上，增加信息保障可行性判断，即多平台中传感器是否可提供满足武器对目标信息精度要求的信息保障。

利用多平台传感器对武器打击的信息支持，最大程度完成抗击任务，从目标发现概率、目标毁伤概率和传感器保障能力三方面入手打击拦截效能模型如式（10）所示：

3.4 模型求解

本文对预警探测规划和通信组网规划模型采用数学解析方法进行求解，具体求解过程不再赘述。

多平台防空协同打击规划在决策选择时估计当前收益，也要考虑对后期造成的影响，这种决策过程即序贯策略。蒙特卡洛树搜索算法（Monte Carlo Tree Search，MCTS）是一种在采取随机抽样的决策空间，根据结果建立搜索树寻找最优决策的方法，解决序贯决策问题有很好的适用性[11]。基于MCTS决策规划算法流程如图3所示。

图3 基于MCTS的决策规划算法流程

4 仿真结果及分析

在我方多平台典型两种类型4个平台兵力配置，初始队形为菱形，在面临敌方8架飞机从两个方向在8 km高度，采用4机编组、机机间距5 km方式，以0.73 Ma的速度从距我方多平台150 km处向多平台序贯来袭的红蓝双方对抗想定下，如图4所示。针对上述各模型规划出的方案进行仿真分析，生成相应防空作战方案。

图4 作战想定示意图

读取作战想定信息（我方兵力配置及队形信息、敌方威胁区域等信息），根据我方兵力配置和队形部署、敌方威胁等想定信息，生成相应队形优化方案，如图5所示。

图5 队形配置规划生成界面

上述队形配置规划模型采用遗传算法在想定态势下的规划结果的遗传算法适应度曲线如图6所示。

图6 队形规划适应度曲线图

根据上述想定和相应作战需求，包括作战威胁区域覆盖率、扫描频率、组网间距等要求，生成预警探测方案、通信组网方案和协同打击方案，如 图7所示。

图7 作战任务规划界面示意

在该想定下规划作战方案结果为：在8批目标时，两种类型每种类型两个平台同时参战，综合作战能力指数最高；多平台队形为平台间距为25 km的菱形队；根据通信效率，规划出该想定下最优的通信组网方案为两个子网分别为1号+2号平台和3号+4号平台；生成参与探测平台为1、3、4号平台的预警探测方案，满足覆盖率及扫描频率要求；考虑目标来袭方向，规划协同打击方案如表2所示。

表2 协同打击规划

经过规划计算，将1、2、3、4、5号目标分配给我方1号平台拦截，由1号平台进行信息保障，6、9、12号目标分配给我方2号平台拦截，1号平台提供信息保障，7号目标由2号平台拦截和信息保障，8、10、11号目标均由4号平台拦截和信息保障，决策时延0.14 s，各目标作战任务开始时间和结束时间如图7界面显示。在该规划方案下评估完成任务数量7.78，任务完成概率为97.25%。

可以看出，通过对防空任务分解，得到规划框架结构和组成，采用分而治之的思路，针对每部分规划模型，都根据作战要求或效能生成相应的规划方案，模型合理，算法可行，对各方案模型集成形成多平台防空作战规划方案，提高了作战任务规划的科学性。

5 结语

本文针对多平台防空作战任务规划技术开展探究，围绕作战任务、规划结构和组成进行剖析，并对作战任务规划进行模型的搭建和仿真分析，以数据为中心、自动处理为主要手段进行作战方案的规划，使任务规划不再局限于传统人工经验，在科学理论和现代化技术手段的支撑下，实现了作战任务规划的自动化，为指挥员提供辅助决策支持。但是现代战争是一个高度复杂的过程，本文仅提供了多平台防空作战任务规划的框架和一种可行的技术手段，未来可考虑引入人工智能，将人的主观影响和模型的拟合迁移到作战规划训练过程，进一步丰富规划方案，提高作战规划的智能化和自动化，为快速精准指挥决策提供支撑。

[1] 黄金才，陈洒然，程光权，等. 舰艇编队防空过程建模及分析[J]. 国防科技大学学报，2014，36（3）：184-187.

[2] 吴林锋，王刚，杨少春，等. 基于CBR的反导作战方案生成技术[J]. 空军工程大学学报，2011，12（5）：45-49.

[3] 谭安胜，李登峰，王德虎，等. 驱护舰编队编成模式生成模型研究[J]. 军事运筹与系统工程，2019，42（6）：1406-1438.

[4] 李大鹏，谭乐祖，杨明军，等. 基于Memetic算法的舰艇编队防空兵力配置[J]. 电光与控制，2012，19（11）：39-40.

[5] 赵建印，刘芳. 海上编队双舰防空队形部署优化研究[J]. 兵工学报，2010，31（6）：865-869.

[6] 张科施，王正平. 基于遗传模拟退火算法的空战编队优化研究[J]. 西北工业大学学报，2003，21（4）：477-480.

[7] 饶世钧，王发龙，洪俊. 舰载多传感器协同探测资源调度模型[J]. 现代雷达，2017，39（10）：83-86.

[8] 董晨，刘兴科，周金鹏，等. 导弹防御多传感器协同探测任务规划[J]. 现代防御技术，2018，46（6）：57-63.

[9] 曾松林，王文辉，李彪，等. 时间和制导资源约束下的武器目标分配[J]. 火力与指挥控制，2011，36（7）：95-96.

[10] 雷肖剑，谭乐祖，朱悦萌. 大型驱逐舰多层防空动态武器火力分配模型研究[J]. 战术导弹技术，2014，（3）：39-43.

[11] 刘培根. 蒙特卡洛树搜索方法及其在隐身飞机自主任务规划中的应用[D]. 长沙：国防科技大学，2018.

Research on Multi-Platform Anti-Air Combat Mission Planning Technology

LI Lin, LI Shuanglin, LIU Qin, HAN Chunlei, ZHANG Xiushe

Aimed at the multi-platform anti-air combat mission planning excessively depends on the combat experience of commanders, and the commander’s mental load is too large under the information flood, which leads to the rationality and timeliness of the mission planning, multi-platform anti-air combat mission planning technology is studied. By decomposing the air defense task, the frame structure model of the combat mission is designed. According to the analysis results of the planning composition, the models of multi-platform air defense configuration planning, cooperative detection planning, communication networking planning and cooperative strike planning are constructed and combat planning is generated automatically. Thus improving the scientificity and rationality of the mission planning, and provides support for forming rapid combat decision-making capability.

Multi-Platform Air Defense; Mission Planning; Rapid Generating; Combat Decisions; Combat Planning

TN966

A

1674-7976-(2022)-05-344-06

2022-07-25。李琳（1990.02—），陕西延安人，硕士研究生，工程师，主要研究方向为协同作战信息系统。

国防科技基础加强计划资助