[go: up one dir, main page]

CN114240169A - 一种基于杀伤链的智能战术决策方法 - Google Patents

一种基于杀伤链的智能战术决策方法 Download PDF

Info

Publication number
CN114240169A
CN114240169A CN202111558502.2A CN202111558502A CN114240169A CN 114240169 A CN114240169 A CN 114240169A CN 202111558502 A CN202111558502 A CN 202111558502A CN 114240169 A CN114240169 A CN 114240169A
Authority
CN
China
Prior art keywords
combat
enemy
analysis
decision
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111558502.2A
Other languages
English (en)
Other versions
CN114240169B (zh
Inventor
孙聪
程杰
曾宏刚
郑世钰
林鑫
胡亚会
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Aeronautical Est
Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC
Original Assignee
Chinese Aeronautical Est
Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chinese Aeronautical Est, Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC filed Critical Chinese Aeronautical Est
Priority to CN202111558502.2A priority Critical patent/CN114240169B/zh
Publication of CN114240169A publication Critical patent/CN114240169A/zh
Application granted granted Critical
Publication of CN114240169B publication Critical patent/CN114240169B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/466—Transaction processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于杀伤链的智能战术决策方法，涉及空战系统技术领域，该方法共分为威胁评估与排序、敌方意图识别、我方任务分析、敌方作战重心分析、我方作战重心分析、敌方作战行动方案预测、我方作战行动方案生成等步骤，该方法面向多域联合作战环境，由一系列作战意图、作战重心、行动预测子功能模块组成，子功能的分析结果既是对战场态势的分析结果，也是下游子功能分析的输入参数，基于杀伤链的智能战术决策方法的最终产出是我方作战行动方案。与现有技术相比，该方法能够解决杀伤链要素多、战场资源数量大、系统运行效率要求高的问题，显著提高指挥控制系统的辅助指挥决策能力，为指挥员提供及时、准确的辅助指挥决策方案。

Description

一种基于杀伤链的智能战术决策方法
技术领域
本发明涉及空战系统技术领域，尤其涉及一种基于杀伤链的智能战术决策方法。
背景技术
联合作战背景下，多域协同已经成为决定战争成败的核心能力要素之一。现代战争已经呈现出体系对抗的特点，通过不同力量、行动间的密切协同与有效控制，形成整体合力，夺取作战的胜利。美军新近提出的NIFC-CA(海军一体化防空)、全域联合作战、马赛克以及诸多联合作战理论，更是强调的是体系协同的重要性。信息化、智能化等新兴技术催生了体系协同下的新质作战要素。
杀伤链是作战中构成攻防对抗的一系列循环要素，空战制胜的核心在于杀伤链的快速闭环。最具代表性的杀伤链模型为博伊德提出的OODA理论，包含观察(Observe)-判断(Orient)-决策(Decide)-行动(Act)4个环节，目前已经成为国内外广泛应用于空战技术研究的方法论。由于空战具有高动态、强博弈的特点，实现杀伤链闭环存在着大量的不确定性，难以形成自动化、机器式的系统。在联合作战、一体化防空、多域协同等背景下，空战过程的杀伤链将融入更多的资源协同、规划和优化问题，作战行动的计划将成为复杂的系统工程。
在OODA杀伤链的4个环节中，对闭环效率影响最大的在于判断(Orient)和决策(Decide)，二者均涉及复杂信息(涵盖外部感知和内部任职)条件下的决策问题。智能算法在处理海量信息和复杂系统学习方面的优势，使其具有解决判断和决策问题的优势。
当前智能空战多在确定信息和有限态势条件下开展智能算法设计，对整个杀伤链的信息评估、预判和联合行动计划涉及较少。确定信息指的是，假设战场中的输入信息准确，仅强调决策环节的博弈；有限态势指的是，将空战的复杂度限制在相对确定且较小的规模，仅强调交战级的行为决策。本发明的应用背景为联合作战和多域协同，战场环境设计空中、地/海面作战资源，其作战行动计划的生成需要综合考虑装备能力、编队态势、战术程序等要素。综合而言，当前空战领域中的智能决策难以解决联合作战背景下的行动计划生成问题，主要以下几方面局限性：
1)对杀伤链的要素考虑不完整，智能决策多数用在OODA的决策环，如攻防机动决策、电子对抗样式决策等；
2)对多域(陆、海、空、天)战场资源的知识建模不足，作战行动计划的生成需要大量的领域知识作为支撑，建模过程需要对知识进行分类管理和运用；
3)算法运行效率难以满足运行需求，多域战场涉及的作战资源数量多，其运算量随数量激增。
发明内容
本发明提出的一种基于杀伤链的智能战术决策，该方法能够解决杀伤链要素多、战场资源数量大、系统运行效率要求高的问题，显著提高指挥控制系统的辅助指挥决策能力，为指挥员提供及时、准确的辅助指挥决策方案。
为达到上述目的，本发明的实施例采用如下技术方案：
一种基于杀伤链的智能战术决策方法，其特征在于，包括如下实施步骤：
步骤1)威胁评估与排序：根据敌我双方的战场态势，推断敌方对我方的威胁程度，并在速度、威胁类型、威胁能力、目标优先级层级对敌方来袭目标进行威胁优先级排序，运用多体运动学解析方法分析战场环境态势信息，并运用改进K-means方法实现对敌目标分群，依据威胁度评估指标体系完成排序；
步骤2)敌方意图识别：在态势信息和威胁排序的基础上，综合考虑时空关系和领域知识对当前的态势进行解释，将若干随机事件之间复杂的逻辑关系建模为成一个有向无环图和一组概率分布关系描述，运用动态贝叶斯网络DBN算法判断敌方的战场部署和行动企图，识别敌方的意图，其中：算法解析的因素包含：目标运动状态、战场事件、作战条令、战术原则以及节点状态。
步骤3)我方任务分析：根据我方指挥意图、敌方意图和敌方武器效能，分析我方的应对策略，运用集成定义模型，用图形化语言分解我方作战使命任务，任务包含采取的任务计划和需使用的武器数量；
步骤4)敌方作战重心分析：根据敌方意图和相互之间的影响概率，分析敌方对我方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法ANP相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络对作战网络重心进行求解；
步骤5)我方作战重心分析：根据我方任务分析和相互之间的影响概率，分析我方对敌方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法ANP相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络对作战网络重心进行求解；
步骤6)敌方作战行动方案预测：根据敌方意图和作战重心分析结果，以敌方视角，生成敌方可行的作战行动方案，其中：将作战动态抽象为系列状态空间，根据敌方任务分析和作战重心分析结果，生成敌方作战行动决策点和决策线，基于贝叶斯网络对战行动方案进行描述和建模，运用规划算法生成可行的作战行动方案解空间，生成的敌方作战行动方案以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
步骤7)我方作战行动方案生成：基于任务需求和态势预测，开发知识库模型；对作战本体进行建模，模型包括作战任务模型、作战单元模型、威胁事件模型、作战资源模型以及约束条件模型；将作战动态抽象为系列状态空间，根据我方任务分析和作战重心分析结果，生成我方作战行动决策点和决策线，基于贝叶斯网络对作战行动方案进行描述和建模，运用规划算法生成可行的作战行动方案解空间；生成的我方作战行动方案以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
步骤8)作战推演评估：基于敌我双方的行动矩阵，基于作战效果完成我方可行作战行动方案的推演评估，作战行动方案推演评估判据包含：机动规模、杀伤等级、损失预估、资源耗费、任务柔性以及风险等级。
优选的，所述敌方意图识别步骤中：运用基于统计的不确定推理方法，构建动态贝叶斯网络意图识别模型，实现对敌意图识别分析。
优选的，所述作战重心分析步骤中：运用层次递阶结构分析模式与网络分析法提出多目标网络重心模型，多目标网络重心模型分别对敌方作战重心和我方作战重心开展概率推理求解，完成战场关键作战重心分析，其中：多目标网络重心模型包含三种视图：多目标网络态势视图、COG-CC-CR-CV视图和COG网络视图；多目标网络重心模型包含五个步骤：目标分解、依赖关系分析、COG网络构建、重要度计算和演化分析。
优选的，所述我方作战行动方案生成步骤中：
通过构建基本行动模型、杀伤链模型、决策点模型和作战线模型，规划优选出我方最优作战行动方案，完成智能战术决策，其中：基本作战行动是构建我方作战行动方案模型的基础，我方所有可获取的基本作战行动由我方任务分析模型输入，所需要的作战资源和时间由专家知识确定，基本行动在初始化时会根据杀伤链定义其前序行动、定义行动影响的效果以及影响的概率、定义行动执行的区域、定义所需的作战资源；杀伤链模型为每个作战单元制定相应的作战杀伤链，为后续时间片段划分，基本可行行动数据库的建立提供规则约束。
优选的，所述作战推演评估步骤中包括Wargaming功能，Wargaming功能能够对智能决策生成的作战行动方案开展作战推演评估，将我方的作战行动方案与敌方作战行动方案进行模拟对战，确定我方作战行动方案的优缺点以及在未来作战中需要注意的地方。
优选的，基于多域战场环境的决策业务需求，按3个线程并行处理、以实现不同层级的决策需求同步满足任务需求，其中：对态势感知类按50ms级实时运算，所述态势感知包括意图识别和任务分析；对态势预测类按2000ms级低延时运算，所述态势预测包括敌方作战重心生成、我方作战重心生成和敌方作战行动方案预测；对辅助决策类按10s级有限延时运算并推送，所述辅助决策包括作战行动方案生成和作战推演。
本发明的一种基于杀伤链的智能战术决策方法具有以下有益效果：
1)本发明对联合作战中的杀伤链要素考虑完整，更适用于多域协同应用场景。基于多域联合作战背景，按8步分层决策法，按流程完成态势预测、评估和计划决策细分为敌方意图识别、我方任务分析、敌方COG生成、我方COG生成、敌方COA预测、我方COA生成和作战推演，对杀伤链中的判断(Orient)和决策(Decide)要素考虑更加完整。
2)本发明将智能算法与领域知识解耦，更适合工程上的设计和集成应用。基于战场建模和决策分层，实现不同步骤/模块的智能决策问题域相对确定，实现了多实体贝叶斯网络与作战资源行为知识库的解耦，形成了算法工具与知识建模的工作界面，更加有利于智能决策方法的工程化应用。
3)本发明运行效率更高，能够按不同业务需求并行生成/推送预测、评估和决策结果。基于多域战场环境的决策业务需求，按3个线程并行处理，其中对态势感知类(意图识别和任务分析)按实时(50ms级)运算，对态势预测类(敌方COG生成、我方COG生成和敌方COA预测)按低延时(2000ms级)运算，对辅助决策类(COA生成和作战推演)按有限延时(10s级)运算并推送，实现不同层级的决策需求同步满足任务需求。
附图说明
图1为本发明的整体工作流程示意图；
图2为本发明的三线程并行集成实现方案示意图；
图3为本发明的敌方意图识别贝叶斯网络示意图；
图4为本发明的COG模型处理流程示意图；
图5为本发明的敌方COA预测流程示意图；
图6为本发明的我方任务分析IDEF模型示意图；
图7为本发明的我方COA生成流程示意图；
图8为本发明的Wargaming功能流程示意图。
具体实施方式
根据附图所示，对本发明进行进一步说明：
如图1和图8所示，本发明面向多域联合作战环境，提出一种行动计划的智能生成方法，重点解决杀伤链要素多、战场资源数量大、系统运行效率要求高的问题。为了提高指挥控制系统的辅助指挥决策能力，利用智能决策系统为指挥员提供及时、准确的辅助指挥决策方案。该方法由一系列作战意图、作战重心、行动预测子功能模块组成，子功能的分析结果既是对战场态势的分析结果，也是下游子功能分析的输入参数，基于杀伤链的智能战术决策方法的最终产出是我方作战行动方案COA。
基于杀伤链的智能战术决策方法共分为8个步骤实施：
步骤1：威胁评估与排序：根据敌我双方的战场态势，推断敌方对我方的威胁程度，并在速度、威胁类型、威胁能力、目标优先级等多个层级对敌方来袭目标进行威胁优先级排序，运用多体运动学解析方法分析战场环境态势信息，运用改进K-means方法实现对敌目标分群，依据威胁度评估指标体系完成排序。
步骤2：敌方意图识别：在态势信息和威胁排序的基础上,综合考虑时空关系和领域知识对当前的态势进行解释。将若干随机事件之间复杂的逻辑关系建模为成一个有向无环图和一组概率分布关系描述，运用动态贝叶斯网络DBN算法判断敌方的战场部署和行动企图，识别敌方的意图。算法解析的因素包含：目标运动状态、战场事件、作战条令、战术原则以及节点状态。
步骤3：我方任务分析：根据我方指挥意图、敌方意图和敌方武器效能，分析我方的应对策略，运用集成定义(IDEF模型，用图形化语言分解我方作战使命任务，任务包含采取的任务计划和需使用的武器数量。
步骤4：敌方COG分析：根据敌方意图和相互之间的影响概率，分析敌方对我方的打击重心即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法ANP相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络MEBN对作战网络重心进行求解。
步骤5：我方COG分析：根据我方任务分析和相互之间的影响概率，分析我方对敌方的打击重心即优先打击的目标，算法同步骤4。
步骤6：敌方COA预测：根据敌方意图和COG分析结果，以敌方视角，生成敌方可行的COA。算法同步骤7。
步骤7：我方COA生成：基于任务需求和态势预测，开发知识库模型；对作战本体进行建模，模型包括作战任务模型、作战单元模型、威胁事件模型、作战资源模型以及约束条件模型。将作战动态抽象为系列状态空间，根据我方任务分析和COG分析结果，生成我方作战行动决策点和决策线，基于贝叶斯网络对COA进行描述和建模，运用规划算法生成可行的COA解空间。生成的我方COA以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动，甘特图范例见下表。
Figure BDA0003419001600000071
步骤8：作战推演评估：基于敌我双方的行动矩阵，基于作战效果完成我方可行COA的推演评估。COA推演评估判据包含：机动规模、杀伤等级、损失预估、资源耗费、任务柔性以及风险等级。
本实施例中，完整的基于杀伤链的智能战术决策方法功能逻辑架构如图1所示，该方法程序实现采用三线程并行运行，技术集成实现方案如图2所示。其中，威胁评估与排序功能通过分析战场环境态势信息，实现对敌目标分群并根据威胁度完成排序。敌方意图识别功能运用基于统计的不确定推理方法，构建动态贝叶斯网络意图识别模型，实现对敌意图识别分析，敌方意图识别贝叶斯网络如图3所示。
本实施例中，为了在复杂战场环境下识别作战重心COG，同时保卫我方关键弱点CV，敌/我方COG分析功能运用层次递阶结构分析模式与网络分析法Analytic NetworkProgress，ANP提出多目标网络重心模型，分别对敌方COG和我方COG开展概率推理求解，完成战场关键作战重心分析，GOG模型流程框图如图4所示。
具体的，本模型主要包含三种视图：多目标网络态势视图、COG-CC-CR-CV视图和COG网络视图；五个步骤:目标分解、依赖关系分析、COG网络构建、重要度计算和演化分析。为了预测当前态势下敌方可能的行动，敌方COA预测功能通过构建敌决策点和作战线模型，利用敌方COG和敌意图分析结果，对敌作战行动方案COA进行预测，敌方COA预测子功能的流程框图如图5所示。
本实施例中，我方任务分析运用集成定义Integration DEFinition，IDEF模型，用图形化语言、符号抽象和模块化原则将我方作战使命分解为可以执行的作战任务。我方任务分析IDEF模型图如图6所示。
本实施例中，我方COA生成功能，通过构建基本行动模型、杀伤链模型、决策点模型和作战线模型，规划优选出我方最优作战行动方案，完成智能战术决策。基本作战行动是构建我方COA模型的基础，我方所有可获取的基本作战行动由我方任务分析模型输入，所需要的作战资源和时间由专家知识确定。基本行动在初始化时会根据杀伤链定义其前序行动、定义行动影响的效果以及影响的概率、定义行动执行的区域、定义所需的作战资源。杀伤链模型为每个作战单元制定相应的作战杀伤链OODA，为后续时间片段划分，基本可行行动数据库的建立提供规则约束。我方COA生成子功能的流程框图如图7所示。
需要说明的是，Wargaming功能可对智能决策生成的作战行动方案开展作战推演评估。将我方的COA与敌COA进行模拟对战，确定我方COA的优缺点以及在未来作战中需要注意的地方。Wargaming功能流程框图如图8所示。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种基于杀伤链的智能战术决策方法，其特征在于，包括如下实施步骤：
步骤1)威胁评估与排序：根据敌我双方的战场态势，推断敌方对我方的威胁程度，并在速度、威胁类型、威胁能力、目标优先级层级对敌方来袭目标进行威胁优先级排序，运用多体运动学解析方法分析战场环境态势信息，并运用改进K-means方法实现对敌目标分群，依据威胁度评估指标体系完成排序；
步骤2)敌方意图识别：在态势信息和威胁排序的基础上，综合考虑时空关系和领域知识对当前的态势进行解释，将若干随机事件之间复杂的逻辑关系建模为成一个有向无环图和一组概率分布关系描述，运用动态贝叶斯网络DBN算法判断敌方的战场部署和行动企图，识别敌方的意图，其中：算法解析的因素包含：目标运动状态、战场事件、作战条令、战术原则以及节点状态；
步骤3)我方任务分析：根据我方指挥意图、敌方意图和敌方武器效能，分析我方的应对策略，运用集成定义(IDEF)模型，用图形化语言分解我方作战使命任务，任务包含采取的任务计划和需使用的武器数量；
步骤4)敌方作战重心(COG)分析：根据敌方意图和相互之间的影响概率，分析敌方对我方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法ANP相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络(MEBN)对作战网络重心进行求解；
步骤5)我方作战重心(COG)分析：根据我方任务分析和相互之间的影响概率，分析我方对敌方的打击重心，即优先打击的目标，运用多目标网络重心模型，将层次递阶结构的重心-关键能力-关键需求-关键弱点分析模式与网络分析法ANP相结合，构建战场各要素之间的依赖关系，即多目标网络图，基于多实体贝叶斯网络(MEBN)对作战网络重心进行求解；
步骤6)敌方作战行动方案(COA)预测：根据敌方意图和作战重心(COG)分析结果，以敌方视角，生成敌方可行的作战行动方案(COA)，其中：将作战动态抽象为系列状态空间，根据敌方任务分析和作战重心(COG)分析结果，生成敌方作战行动决策点和决策线，基于贝叶斯网络对战行动方案(COA)进行描述和建模，运用规划算法生成可行的作战行动方案(COA)解空间，生成的敌方作战行动方案(COA)以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
步骤7)我方作战行动方案(COA)生成：基于任务需求和态势预测，开发知识库模型；对作战本体进行建模，模型包括作战任务模型、作战单元模型、威胁事件模型、作战资源模型以及约束条件模型；将作战动态抽象为系列状态空间，根据我方任务分析和作战重心(COG)分析结果，生成我方作战行动决策点和决策线，基于贝叶斯网络对作战行动方案(COA)进行描述和建模，运用规划算法生成可行的作战行动方案(COA)解空间；生成的我方作战行动方案(COA)以甘特图的形式展示，每一行表示该作战单元的行动序列，每一列表示在当前时间片段内所有执行的行动；
步骤8)作战推演评估：基于敌我双方的行动矩阵，基于作战效果完成我方可行作战行动方案(COA)的推演评估，作战行动方案(COA)推演评估判据包含：机动规模、杀伤等级、损失预估、资源耗费、任务柔性以及风险等级。
2.根据权利要求1所述的基于杀伤链的智能战术决策方法，其特征在于，所述敌方意图识别步骤中：运用基于统计的不确定推理方法，构建动态贝叶斯网络意图识别模型，实现对敌意图识别分析。
3.根据权利要求1所述的基于杀伤链的智能战术决策方法，其特征在于，所述作战重心(COG)分析步骤中：运用层次递阶结构分析模式与网络分析法(Analytic NetworkProgress，ANP)提出多目标网络重心模型，多目标网络重心模型分别对敌方作战重心(COG)和我方作战重心(COG)开展概率推理求解，完成战场关键作战重心分析，其中：
多目标网络重心模型包含三种视图：多目标网络态势视图、COG-CC-CR-CV视图和COG网络视图；多目标网络重心模型包含五个步骤：目标分解、依赖关系分析、COG网络构建、重要度计算和演化分析。
4.根据权利要求1所述的基于杀伤链的智能战术决策方法，其特征在于，所述我方作战行动方案(COA)生成步骤中：
通过构建基本行动模型、杀伤链模型、决策点模型和作战线模型，规划优选出我方最优作战行动方案，完成智能战术决策，其中：基本作战行动是构建我方作战行动方案(COA)模型的基础，我方所有可获取的基本作战行动由我方任务分析模型输入，所需要的作战资源和时间由专家知识确定，基本行动在初始化时会根据杀伤链定义其前序行动、定义行动影响的效果以及影响的概率、定义行动执行的区域、定义所需的作战资源；杀伤链模型为每个作战单元制定相应的作战杀伤链(OODA)，为后续时间片段划分，基本可行行动数据库的建立提供规则约束。
5.根据权利要求1所述的基于杀伤链的智能战术决策方法，其特征在于，所述作战推演评估步骤中包括Wargaming功能，Wargaming功能能够对智能决策生成的作战行动方案开展作战推演评估，将我方的作战行动方案(COA)与敌方作战行动方案(COA)进行模拟对战，确定我方作战行动方案(COA)的优缺点以及在未来作战中需要注意的地方。
6.根据权利要求1所述的基于杀伤链的智能战术决策方法，其特征在于，基于多域战场环境的决策业务需求，按3个线程并行处理、以实现不同层级的决策需求同步满足任务需求，其中：
对态势感知类按50ms级实时运算，所述态势感知包括意图识别和任务分析；
对态势预测类按2000ms级低延时运算，所述态势预测包括敌方作战重心(COG)生成、我方作战重心(COG)生成和敌方作战行动方案(COA)预测；
对辅助决策类按10s级有限延时运算并推送，所述辅助决策包括作战行动方案(COA)生成和作战推演。
CN202111558502.2A 2021-12-17 2021-12-17 一种基于杀伤链的智能战术决策方法 Expired - Fee Related CN114240169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111558502.2A CN114240169B (zh) 2021-12-17 2021-12-17 一种基于杀伤链的智能战术决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111558502.2A CN114240169B (zh) 2021-12-17 2021-12-17 一种基于杀伤链的智能战术决策方法

Publications (2)

Publication Number Publication Date
CN114240169A true CN114240169A (zh) 2022-03-25
CN114240169B CN114240169B (zh) 2024-08-06

Family

ID=80758789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111558502.2A Expired - Fee Related CN114240169B (zh) 2021-12-17 2021-12-17 一种基于杀伤链的智能战术决策方法

Country Status (1)

Country Link
CN (1) CN114240169B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456090A (zh) * 2022-09-20 2022-12-09 沈阳飞机设计研究所扬州协同创新研究院有限公司 一种基于知识推理机的战斗机多层次复合意图预测方法
CN115952428A (zh) * 2022-12-31 2023-04-11 中国电子科技集团公司信息科学研究院 基于gru的群体任务识别方法
CN116204333A (zh) * 2022-12-15 2023-06-02 中国航空工业集团公司西安航空计算技术研究所 一种面向服务的智能ooda环路实现方法和系统
CN116257621A (zh) * 2023-03-17 2023-06-13 中国电子科技集团公司第五十四研究所 一种战场语义化态势抽取方法
CN116680542A (zh) * 2023-06-27 2023-09-01 北京五木恒润科技有限公司 一种主干分支态势与旁路分支态势生成方法及系统
CN118036876A (zh) * 2024-01-31 2024-05-14 中国人民解放军95844部队 一种辅助杀伤链快速构建的系统及方法
CN118152725A (zh) * 2024-03-22 2024-06-07 哈尔滨工业大学 一种基于装备体系模型的杀伤链闭合性评估方法
CN118586268A (zh) * 2024-05-20 2024-09-03 武汉和弦科技有限公司 一种基于虚实结合的仿真推演杀伤链构建方法
CN119106529A (zh) * 2024-07-30 2024-12-10 国网湖北省电力有限公司经济技术研究院 基于改进idef的输电线路设备数字孪生模型构建方法及系统
CN119647843A (zh) * 2024-11-22 2025-03-18 中国空间技术研究院 基于场景的天基对陆保障需求分析方法
KR102872487B1 (ko) * 2024-09-02 2025-10-20 한화시스템 주식회사 전술정보통신체계 및 방법
CN120893195A (zh) * 2025-07-21 2025-11-04 方舟融创(北京)科技有限公司 一种基于混合智能的空中实时作战管理系统
CN120929808A (zh) * 2025-06-13 2025-11-11 西北工业大学 一种超远程空对空杀伤链快速动态重构的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210115A (zh) * 2019-05-30 2019-09-06 北京华如科技股份有限公司 基于决策点和分支仿真的作战仿真方案设计及运行方法
CN111221352A (zh) * 2020-03-03 2020-06-02 中国科学院自动化研究所 基于多无人机协同博弈对抗的控制系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210115A (zh) * 2019-05-30 2019-09-06 北京华如科技股份有限公司 基于决策点和分支仿真的作战仿真方案设计及运行方法
CN111221352A (zh) * 2020-03-03 2020-06-02 中国科学院自动化研究所 基于多无人机协同博弈对抗的控制系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙聪: "从空战制胜机理演变看未来战斗机发展趋势", 航空学报, vol. 42, no. 8, 25 August 2021 (2021-08-25) *
张建伟;李启元;: "基于势场函数战场态势可视化分析方法研究", 计算机与数字工程, no. 08, 20 August 2009 (2009-08-20) *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456090A (zh) * 2022-09-20 2022-12-09 沈阳飞机设计研究所扬州协同创新研究院有限公司 一种基于知识推理机的战斗机多层次复合意图预测方法
CN116204333A (zh) * 2022-12-15 2023-06-02 中国航空工业集团公司西安航空计算技术研究所 一种面向服务的智能ooda环路实现方法和系统
CN115952428A (zh) * 2022-12-31 2023-04-11 中国电子科技集团公司信息科学研究院 基于gru的群体任务识别方法
CN115952428B (zh) * 2022-12-31 2023-11-14 中国电子科技集团公司信息科学研究院 基于gru的群体任务识别方法
CN116257621A (zh) * 2023-03-17 2023-06-13 中国电子科技集团公司第五十四研究所 一种战场语义化态势抽取方法
CN116680542A (zh) * 2023-06-27 2023-09-01 北京五木恒润科技有限公司 一种主干分支态势与旁路分支态势生成方法及系统
CN116680542B (zh) * 2023-06-27 2024-01-09 北京五木恒润科技有限公司 一种主干分支态势与旁路分支态势生成方法及系统
CN118036876A (zh) * 2024-01-31 2024-05-14 中国人民解放军95844部队 一种辅助杀伤链快速构建的系统及方法
CN118152725A (zh) * 2024-03-22 2024-06-07 哈尔滨工业大学 一种基于装备体系模型的杀伤链闭合性评估方法
CN118586268A (zh) * 2024-05-20 2024-09-03 武汉和弦科技有限公司 一种基于虚实结合的仿真推演杀伤链构建方法
CN118586268B (zh) * 2024-05-20 2025-04-18 武汉和弦科技有限公司 一种基于虚实结合的仿真推演杀伤链构建方法
CN119106529A (zh) * 2024-07-30 2024-12-10 国网湖北省电力有限公司经济技术研究院 基于改进idef的输电线路设备数字孪生模型构建方法及系统
KR102872487B1 (ko) * 2024-09-02 2025-10-20 한화시스템 주식회사 전술정보통신체계 및 방법
CN119647843A (zh) * 2024-11-22 2025-03-18 中国空间技术研究院 基于场景的天基对陆保障需求分析方法
CN120929808A (zh) * 2025-06-13 2025-11-11 西北工业大学 一种超远程空对空杀伤链快速动态重构的方法
CN120893195A (zh) * 2025-07-21 2025-11-04 方舟融创(北京)科技有限公司 一种基于混合智能的空中实时作战管理系统
CN120893195B (zh) * 2025-07-21 2026-01-06 方舟融创(北京)科技有限公司 一种基于混合智能的空中实时作战管理系统

Also Published As

Publication number Publication date
CN114240169B (zh) 2024-08-06

Similar Documents

Publication Publication Date Title
CN114240169B (zh) 一种基于杀伤链的智能战术决策方法
CN112329348B (zh) 一种面向非完全信息条件下军事对抗博弈的智能决策方法
CN113392521B (zh) 面向海空联合作战任务的资源编组模型构建方法及系统
CN119004986A (zh) 一种兵棋推演领域的人机智能博弈对抗场景设计方法
CN114529205B (zh) 马赛克战体系能力需求满足度评估方法及相关设备
CN118036911A (zh) 一种基于规则分层强化学习的作战任务规划方法
CN112287521B (zh) 一种智能作战装备决策平台
CN119514637B (zh) 一种地面无人装备协同作战决策智能体的构建方法
Yuksek et al. Intelligent wargaming approach to increase course of action effectiveness in military operations
CN113283110B (zh) 一种用于智能化对抗仿真推演的态势感知方法
Pang et al. Role-based bayesian decision framework for autonomous unmanned systems
Shi et al. The UAV swarm mission planning based on adaptive genetic algorithm
Xia et al. Predicting war outcomes based on a fuzzy influence diagram
Najgebauer et al. The automation of combat decision processes in the simulation based operational training support system
Kebir et al. A Multi-Agent Model for Countering Terrorism.
Sisti Dynamic situation assessment and prediction (DSAP)
Ma Military decision support with actor and critic reinforcement learning agents
Meirina et al. Normative framework and computational models for simulating and assessing command and control processes
Jin et al. Research on Hybrid Intelligence Wargame Method
Andriole Command and Control Decision-Aiding
CN120893195B (zh) 一种基于混合智能的空中实时作战管理系统
Biltgen et al. A Methodology for Capability-Focused Technology Evaluation of Systems of Systems
Plamondon A frigate survival approach based on real-time multiagent planning
Li et al. Decision-Making in Wargames: An E-CARGO Perspective
McQuay et al. Distributed collaborative decision support environments for predictive awareness

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20240806

CF01 Termination of patent right due to non-payment of annual fee