一种作战网络自适应组合方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种作战网络自适应组合方法、装置、设备及介质，其方法包括：获取控制节点、侦查节点、打击节点以及目标节点；采用代表依赖关系的有向边对各节点进行连接，构建决策空间网络；针对各目标节点构建作战链，并组合各作战链构建目标节点的作战网络；计算各作战链的作战能力并进行求和，获取作战网络的作战能力；根据决策空间网络和作战网络，构建马尔科夫决策过程；构建马尔科夫决策过程的贝尔曼最优方程，并求解获取组合结果；本发明专利技术能够适应复杂作战环境，提高了作战网络的弹性和灵活性。性。性。

【技术实现步骤摘要】
一种作战网络自适应组合方法、装置、设备及介质


[0001]本专利技术涉及一种作战网络自适应组合方法、装置、设备及介质，属于系统管理


技术介绍

[0002]伴随网络信息技术及军事技术的飞速发展，战争的规模和作战样式发生了深刻的变化。传统的中心化指挥控制模式难以适应高动态、高不确定性的战场。对此，美国国防部高级研究计划局的战略技术办公室提出一种“马赛克”作战概念，期望通过利用低成本、低复杂度的自主系统，将其快速结合到传感器网络、多域指挥控制系统中，从而将复杂性强加给对手。在马赛克战中，战场上分散的有人或无人作战单位可以通过通信动态地组装成弹性作战网络。
[0003]然而，由于异构的武器系统之间的相互依赖关系产生的级联效应使作战网络的组合决策是一个难题，捕获并量化这种依赖关系是作战网络能力最大化的关键。高不确定性的战场环境会对作战网络造成毁伤，如武器装备发生重大故障或损毁而导致的作战网络能力下降，而传统的基于指挥员经验的人工决策难以快速响应作战任务。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种作战网络自适应组合方法、装置、设备及介质，解决传统的基于指挥员经验的人工决策难以快速响应作战任务，导致作战网络能力下降的技术问题。
[0005]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0006]第一方面，本专利技术提供了一种作战网络自适应组合方法，包括：
[0007]获取控制节点、侦查节点、打击节点以及目标节点；
[0008]采用代表依赖关系的有向边对各节点进行连接，构建决策空间网络；
[0009]针对各目标节点构建作战链，并组合各作战链构建目标节点的作战网络；
[0010]计算各作战链的作战能力并进行求和，获取作战网络的作战能力；
[0011]根据决策空间网络和作战网络，构建马尔科夫决策过程；
[0012]构建马尔科夫决策过程的贝尔曼最优方程，并求解获取组合结果。
[0013]可选的，所述代表依赖关系的有向边包括：
[0014]由侦查节点指向另一侦查节点或控制节点的有向边，由控制节点指向另一控制节点或打击节点的有向边，由打击节点指向目标节点的有向边。
[0015]可选的，所述作战链包括通过有向边依次连接的侦查节点、控制节点、打击节点以及目标节点；
[0016]所述作战链的作战能力为：
[0017][0018]式中，E
OC
(l
j
)为第j个作战链l
j
的作战能力，s
j
、d
j
、i
j
、t
j
分别为作战链l
j
中的侦查节点、控制节点、打击节点以及目标节点，O
S
(s
j
)、O
D
(d
j
)、O
T
(t
j
)分别为侦查节点s
j
、控制节点d
j
、打击节点i
j
的能力值，O
T
(t
j
)为目标节点t
j
的毁伤程度值，t
j
∈T；
[0019]所述作战网络的作战能力为：
[0020][0021]式中，E
N
(G)为作战网络G的作战能力。
[0022]可选的，所述有向边连接的节点之间的依赖关系满足：
[0023]O
j
＝min(SOD_O
j
,COD_O
j
)
[0024]SOD_O
j
＝Average(SOD_O
j1
,SOD_O
j2
,
…
,SOD_O
jn
)
[0025]SOD_O
ji
＝α
ij
O
i
+(1
‑
α
ij
)SE
j
[0026]COD_O
j
＝min(COD_O
j1
,COD_O
j2
,
…
,COD_O
jn
)
[0027]COD_O
j
＝O
i
+β
ij
[0028]式中，O
i
、O
j
为节点i、j的运行性能，Average为平均值函数，α
ij
、β
ij
分别为节点i、j的依赖强度SOD和依赖关键性COD，SE
j
为节点j的主动效能；
[0029]其中，当节点i为侦查节点、控制节点或打击节点时，运行性能O
i
为节点i的能力值；当节点i为目标节点时，运行性能O
i
为节点i的毁伤程度值。
[0030]可选的，所述构建马尔科夫决策过程包括：
[0031]将作战网络中节点和有向边作为状态，记为G
t
＝(N
t
,E
t
)，其中，G
t
、N
t
、E
t
分别为时刻t的作战网络、作战网络对应的节点集合和有向边集合；
[0032]将作战网络中的有向边作为可移除动作，将决策空间网络中能够与作战网络中节点连接的有向边作为可添加动作，将可移除动作和可添加动作作为决策动作，记为x
t
＝(n
t
,e
t
)，其中，x
t
、e
t
、n
t
分别为时刻t的决策动作、决策动作对应的有向边和节点；根据决策动作构建决策动作空间；
[0033]从决策动作空间中选取决策动作并执行，将执行后作战网络的作战能力变化量作为回报值，记为ΔC
t+1
＝E
N
(G
t+1
)
‑
E
N
(G
t
)，其中，E
N
(G
t+1
)、E
N
(G
t
)分别为时刻t+1、t作战网络的作战能力；
[0034]将执行后作战网络的状态作为状态转移，记为G
t+1
(N
t+1
,E
t+1
)＝G
t
(N
t
±
n
t
,E
t+1
±
e
t
)；
[0035]根据状态、决策动作、回报值以及状态转移构建马尔科夫决策过程。
[0036]可选的，所述构建马尔科夫决策过程的贝尔曼最优方程包括：
[0037]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作战网络自适应组合方法，其特征在于，包括：获取控制节点、侦查节点、打击节点以及目标节点；采用代表依赖关系的有向边对各节点进行连接，构建决策空间网络；针对各目标节点构建作战链，并组合各作战链构建目标节点的作战网络；计算各作战链的作战能力并进行求和，获取作战网络的作战能力；根据决策空间网络和作战网络，构建马尔科夫决策过程；构建马尔科夫决策过程的贝尔曼最优方程，并求解获取组合结果。2.根据权利要求1所述的作战网络自适应组合方法，其特征在于，所述代表依赖关系的有向边包括：由侦查节点指向另一侦查节点或控制节点的有向边，由控制节点指向另一控制节点或打击节点的有向边，由打击节点指向目标节点的有向边。3.根据权利要求1所述的作战网络自适应组合方法，其特征在于，所述作战链包括通过有向边依次连接的侦查节点、控制节点、打击节点以及目标节点；所述作战链的作战能力为：式中，E
OC
(l
j
)为第j个作战链l
j
的作战能力，s
j
、d
j
、i
j
、t
j
分别为作战链l
j
中的侦查节点、控制节点、打击节点以及目标节点，O
S
(s
j
)、O
D
(d
j
)、O
T
(t
j
)分别为侦查节点s
j
、控制节点d
j
、打击节点i
j
的能力值，O
T
(t
j
)为目标节点t
j
的毁伤程度值，t
j
∈T；所述作战网络的作战能力为：式中，E
N
(G)为作战网络G的作战能力。4.根据权利要求1所述的作战网络自适应组合方法，其特征在于，所述有向边连接的节点之间的依赖关系满足：O
j
＝min(SOD_O
j
，COD_O
j
)SOD_O
j
＝Average(SOD_O
j1
，SOD_O
j2
，，SOD_O
jn
)SOD_O
ji
＝α
ij
O
i
+(1
‑
α
ij
)SE
j
COD_O
j
＝min(COD_O
j1
，COD_O
j2
，
…
，COD_O
jn
)COD_O
j
＝O
i
+β
ij
式中，O
i
、O
j
为节点i、j的运行性能，Average为平均值函数，α
ij
、β
ij
分别为节点i、j的依赖强度SOD和依赖关键性COD，SE
j
为节点j的主动效能；其中，当节点i为侦查节点、控制节点或打击节点时，运行性能O
i
为节点i的能力值；当节点i为目标节点时，运行性能O
i
为节点i的毁伤程度值。5.根据权利要求1所述的作战网络自适应组合方法，其特征在于，所述构建马尔科夫决策过程包括：将作战网络中节点和有向边作为状态，记为G
t
＝(N
t
,E
t
)，其中，G
t
、N
t
、E
t
分别为时刻t的
作战网络、作战网络对应的节点集合和有向边集合；将作战网络中的有向边作为可移除动作，将决策空间网络中能够与作战网络中节点连接的有向边作为可添加动作，将可移除动作和可添加动作作为决策动作，记为x
t
＝(n
t
,e
t
)，其中，x
t
、e
t

【专利技术属性】
技术研发人员：张婷婷，孙云鹏，陈岩，李辉，肖春霞，宦蕾，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：