购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第2章
体系贡献率评估的基础理论

体系贡献率评估本质上是体系工程理论方法和技术在评估领域的应用,其研究根植于体系工程、复杂系统、网络科学相关基础理论和方法。本章从复杂系统与复杂网络、体系工程与能力机理、体系能力与效能及特性评估、体系仿真实验与认知演化计算4方面阐述体系贡献率评估的基础理论。

2.1 复杂系统与复杂网络

2.1.1 复杂系统的净贡献概念

从本质上来讲,体系贡献率问题是一个局部对整体的影响问题。早在20世纪90年代,系统工程学者希金斯就在《系统运行原理》( Putting Systems to Work )一书中指出,根据开放(活)系统理论,需要从以下3方面对效能进行评价:一是对上层系统目标的贡献;二是与同层系统的协作;三是兼容和适配下层系统。该理论认为贡献只是效能的一部分,而这个贡献其实只是直接贡献,还应该通过影响同层和下层来对整体效能产生影响,即间接贡献,最终需要综合考虑直接贡献和间接贡献。在此基础上,希金斯又提出了净贡献的概念,即通过综合考虑效费比、上层系统使命目标、对同层的影响等优劣势,计算下层系统对上层系统的净贡献值。

2.1.2 复杂适应系统理论

美国圣塔菲研究所提出的复杂适应系统(Complex Adaptive System,CAS)理论及其研究方法为作战体系研究提供了有益借鉴。体系研究人员从复杂适应系统的涌现性和适应性等行为特性出发,对体系贡献率进行研究。例如,罗小明等提出了基于CAS的体系作战观:战斗力是体系作战的一种“涌现”现象,即战斗力是作战要素之间及作战要素与环境之间相互作用时整体涌现性的体现;信息化战争形态下的战斗力系统的实质是一个CAS(可称其为“3+1+1”结构),它是由实体要素(人、武器装备、体制编制)、渗透性要素(信息)、关系要素(适应性)生成和演化的过程,主要由武器装备能力、人力、组织力、信息力和适应力构成。

2.1.3 复杂网络理论

复杂网络理论为作战体系的形式化描述提供了重要手段,通过建立作战体系的复杂网络模型,能够从系统对复杂网络整体特征参数(主要是网络拓扑结构参数)的影响角度来研究体系贡献率问题。例如,罗小明等基于复杂网络理论对武器装备作战体系网络的拓扑结构进行了分析,构建了基于不确定性自信息量的武器装备作战体系作战效能分析模型,提出了计算武器装备体系贡献率的方法,并探讨了网络结构演化及度量参数的改变对武器装备体系贡献率的影响。何舒等提出了基于网络抗毁性的贡献率评价方法,通过建立网络模型和计算装备有无对网络抗毁性指标的影响,计算体系贡献率,并采用美国国家导弹防御系统进行算例分析,以验证该方法的可行性。

2.1.4 超网络理论

王飞等认为,超网络理论是当前复杂网络理论的最新进展,其与体系问题有天然的契合性,超网络(也称为“相互依赖网络”或“网络的网络”)在复杂网络研究的基础上更关注不同网络间的依赖和关联,使得网络科学在复杂系统功能和性质上的认识更进一步。从结构上来看,武器装备体系比一般的社会基础设施网络更复杂,这源于其动、静态结构的复杂性及其特有的对抗性。因此,关于武器装备体系的研究需要在全面考虑武器装备体系结构和性质的基础上,建立该体系的超网络模型,通过动态对抗中的“测量”,研究体系异质网络间的依赖和关联,分析体系能力形成和变迁的机理。

李际超等根据超网络思想,提出了基于体系作战网络模型的体系贡献率研究框架。首先根据作战体系的特征,建立功能-过程作战网络:①将装备按功能细分为侦察、指挥控制、影响3类元功能节点,建立功能作战网络;②考虑时间因素,建立过程作战网络;其次,在功能-过程作战网络模型的基础上,从体系作战(进攻)、结构抗毁(防御)、任务支撑(作战任务)多个视角开展体系贡献率评估研究。

2.2 体系工程与能力机理

2.2.1 体系贡献率的能力基准:基于能力的体系工程思想

武器装备体系贡献率的首要问题是如何度量武器装备体系。由于武器装备体系相对于武器装备系统在量和质上存在不同,相关研究方法也需要实现从基于功能的系统工程思想到基于能力的体系工程思想的转变。

2001年,美国国防部在《四年防务评论报告》(1997—2001年)中首次提出了“基于能力的方法”(A Capabilities-Based Approach)这一概念。该报告强调主导美国防务规划的基础必须从过去“基于威胁”的模式转变为“基于能力”的模式。传统的“基于威胁”的模式以特定威胁和想定为背景,通过开展有针对性的分析,确定国防和装备建设的目标和方向。但在未来联合作战背景下,面对作战对手的不确定性、威胁的不确定性,以及作战环境与任务的高度不确定性,需要用一种新的思路来指导防务规划,基于能力的方法应运而生。

美军认为基于能力的方法是一种新的战略思想,它将注意力放在“具备威慑和打败对手的能力”上,通过在战略层面分析应对当前及未来潜在的各种威胁需要具备哪些能力,评价现有的防务能力水平,查找能力差距,并规划未来的能力发展路线,以保证自己军事力量的“全维优势”,增强防务规划的灵活性和稳健性。2001年后,美军开始以“基于能力的方法”为指导,推进军事转型,推动武器装备的建设与发展,增强各军兵种装备的互联、互通、互操作水平。

由于能力在体系研究中的重要作用,加拿大的研究人员提出了体系能力管理的概念,具体包括能力的生成、部署和维护,并通过将能力工程思想引入能力生成中,建立了一个包括体系能力识别、定义、获取、开发和改进的标准化体系能力过程,使得基于能力的规划目标能够与具体的平台或者系统采办计划紧密联系,从而优化整体能力生成过程。

本书聚焦国内外基于能力的主流方法,按照体系能力的规划设计、集成开发和演化管理对体系工程基础理论进行综述。

2.2.1.1 体系能力规划设计

一般来说,能力是在给定的标准和条件下,通过一系列手段或方式的集合,完成一组任务,从而达到预期使命效果的本领。能力是对体系功能需求的一种高层描述,并不会随着特定系统、威胁和环境而变化,美军的能力要素涉及条令、编制、训练、装备、领导力、人事、设施和政策等方面。

(1)基于能力的思想认为面对不确定的外部环境、多样化的使命任务及快速发展的装备技术,能力需求具有相对稳定的内涵和结构。因此,通过能力需求,对上可以映射军事战略和使命任务,对下可以牵引各类型装备组合规划和成体系发展。

(2)基于能力的思想强调对所有装备的发展风险进行共同评估,通过装备规划和装备发展费用控制,既要求装备发展尽可能填补能力差距,又要求其降低发展风险和节约费用,实现装备的发展规划在能力、风险和费用之间的最佳平衡。

(3)基于能力的思想要求尽可能多地考虑能力需求的各种可能演化情景,并针对不同情景制订稳健的发展规划。此外,它还强调装备的论证规划不是一蹴而就的,而应随着能力需求的不断明确,不断调整众多装备的发展方向与组成结构,使其发展具有良好的适应性,并能持续满足动态演化的能力需求。

根据以上思想,美军提出了基于能力的规划方法。它是一种顶层设计思想或规划过程,其作用是在预算约束下提出一组合适的能力需求,以应对一系列不确定的威胁和挑战,并对预期作战需求进行功能分析。一旦预期作战任务确定能力需求清单,就能找到满足这些能力需求最切实有效的能力解决方案。其中,装备(Materiel)方案包括研发新的武器装备系统、改进现有系统以及引进外来系统等;非装备方案则是对DOTMLPF-P 中除装备外的各方面进行分析与调整,如改变战略战术、规则、作战过程或现有系统和资源的使用方式等。

与传统的规划方法相比,基于能力的规划方法有以下特点:

(1)同时考虑多种威胁发生的可能性,而非针对某类具体的威胁。

(2)规划是为了回答实现预期作战效果需要做什么,而非每一类系统需要多少数量。

(3)规划的目的是构造稳健性好、灵活的兵力结构,以适应广泛的威胁,而非针对少数几类威胁最优的兵力结构。在有资源约束的环境中,最好的解决方案是在所有想定中都有较好稳健性的方案,而非针对某个想定最优的方案。

2.2.1.2 体系能力集成开发

20世纪90年代,美军面临各类武器装备分散发展和烟囱林立的困境,无法形成整体作战能力,难以有效应对多元复杂的战略环境和高度不确定的潜在威胁。2001年,美国国防部首次提出武器装备发展规划必须从传统的“基于威胁”模式转变为“基于能力”模式。相应地,为了适应未来联合作战的要求,美军于2003年发布了联合能力集成与开发体制(JCIDS),用于替代原有的需求生成体制(RGS)。RGS采用“自底向上”的需求生成过程,各军兵种根据自身情况提出各自的武器装备需求,经过高层部门的规划协调,最终确定装备需求,待装备开发出来后,再与其他装备进行集成,形成局部联合的作战能力。JCIDS则采用“自顶向下”的需求生成过程,它根据联合作战构想和联合作战概念,确定联合作战能力需求,并在跨军兵种范围内探索作战能力的实现手段,按照此种方式开发得到的装备体系或系统具有“天生”的联合作战能力。与RGS在需求开发过程中不考虑集成不同,JCIDS采用的方法是先进行能力层次的集成,再以能力需求驱动装备发展。

JCIDS以国家战略需求和体系联合作战使命为牵引,进行能力需求分析,并针对现有武器装备体系进行基于能力的评估,以发现能力差距,最终形成一系列用于规范体系能力集成与开发的能力文档,具体包括初始能力文档(ICD)、能力开发文档(CDD)和能力产品文档(CPD),从而完成以能力为主线的体系规划。JCIDS主要包括4部分内容:

(1)基于战略的一体化联合作战概念生成。以国家安全战略和国防部战略指南为基础,开发面向未来的作战概念和联合作战概念集,用于指导军队转型和作战能力开发。

(2)基于联合概念的能力需求分析。在联合概念的指导下,开发一体化联合作战能力需求体系,同时依据国家战略和指导方针、能力差距及风险分析结果排定联合作战能力需求的优先顺序,以便集中力量重点攻关。

(3)基于能力的方案分析评估。根据能力需求分析确定当前存在的能力差距、重叠或冗余,并确定解决这些问题的潜在装备解决方案和非装备解决方案。

(4)面向能力发展需求的方案集成与实施。根据一体化作战能力发展需求,通过分析确定装备解决方案或非装备解决方案,以及两者的结合方案。

基于能力的评估(Capabilities-Based Assessment,CBA)是JCIDS的基础,它主要有以下作用:①确定能力的属性、标准及完成使命的能力需求;②评估现有兵力在交付相关能力时存在的能力差距及由此带来的作战风险;③对能力差距进行排序;④通过非装备解决方案减轻或填补能力差距;⑤通过装备解决方案消除能力差距。此外,CBA还是验证能力需求的基础,可用于引导需要的新能力,改进能力的开发和部署。整个CBA过程分为功能领域分析(Functional Area Analysis,FAA)、功能需求分析(Functional Needs Analysis,FNA)和功能方案分析(Functional Solution Analysis,FSA)3个阶段。通过CBA过程可以获得以下7项内容:①关于待评价的使命和军事问题的描述;②为实现使命目标而要完成的任务;③识别需要的能力,即能力需求;④现有或计划中的作战力量对能力需求的满足程度;⑤能力差距导致的作战风险;⑥弥补能力差距的非装备解决方案建议;⑦弥补能力差距的装备解决方案建议。

2.2.1.3 体系能力演化管理

体系的一个本质特点就是演化特性,因此需要对体系能力进行演化管理。加拿大军方根据体系能力演化管理的需求,开展了一个为期4年(2003—2007年)的协作式能力定义、工程化管理项目。该项目提出了一个面向能力演化管理的高层能力工程过程。该过程首先将战略性国防指南映射到已定义的国防能力上,并采用架构模型描述每个能力所需的人员、过程和装备。对于一个给定的能力,严格采用若干指标来衡量在一系列预定义任务和兵力规划想定下产生军事能力的本领。根据演化中的能力目标,通过这些任务和规划想定随时间的变化,识别能力缺陷,并反过来推动填补这些缺陷的方案选项的(制定)过程。这些方案选项的实现计划包括能力演化路线图,可以支持国防投资决策。

体系能力演化管理的实质是根据体系使命目标和外界环境的变化,识别体系的能力差距,并通过填补能力差距使体系从现有(as-is)能力向所需(to-be)能力演化。在此项目中,能力工程被视为一个符合改进能力管理目标的使能器,它包括能力生成、维护和部署等功能。

为了实现体系能力的演化管理,该项目提出需要以下5方面的支撑:

(1)模型驱动的架构。通过模型驱动建立的架构模型能够在较高层次描述体系各要素之间的关系,对于能力演化管理具有重要的支撑作用,一个支持能力演化管理的架构具有标准化接口、层次化接口和持续的系统校核与验证过程。

(2)迭代渐进的体系工程过程。能力工程是一个演化的螺旋过程,这个过程是需求定义分析、功能分析和设计综合的混合并发、不断迭代、螺旋上升,即不必在所有需求完全明确后才进行功能分析和设计开发。

(3)协作式能力工程环境。它包括一系列系统工程工具的协同在线环境,如可执行功能分析与建模的工具、需求建模工具、信息系统建模工具等。

(4)功能性一体化能力工程团队。

(5)工业界的早期介入。

2.2.2 体系贡献率的作用原理:体系网络任务链路动量原理

体系贡献率的研究首先需要明确体系的概念和内涵。近年来,国内外的大量学者和专家从各自的理论研究和实践工作出发提出了体系的概念,但是尚未对体系有权威且统一的定义。学术界一般认为,体系具有以下7方面的特征:地理分布、(组成)元素的运行独立、(组成)元素的管理独立、演化发展、涌现行为、子系统的异质性、子系统的网络化,而体系子系统之间的网络化连接是构建体系的基本途径。从军事领域出发,作战体系依赖各个作战领域内的探测器、指挥控制系统、火力系统、通信系统、保障系统等形成探测网络、指挥控制网络、火力网络、通信网络、保障网络等功能子网络。从这个意义上讲,体系是将众多领域任务系统连接在一起的复杂网络。

从作战功能的角度来看,作战体系的基本组成单元是观察-判断-决策-行动(OODA)任务链路(又称为杀伤链),它包括目标探测、数据融合、态势评估、火力分配、武器交战和战果评估等典型过程。现代网络化作战体系的核心就是在OODA任务链路思想的指导下,根据目标需求建立一系列具体化任务序列,例如美国空军远程火力打击建立的发现-锁定-跟踪-目标分配-交战-评估链路。任务链路可以用任务链动量 M 来度量,即

M =( R × P V

式中, R 为作战半径; P 为任务性能; V 为任务链路的速度(包括作战节奏和链路之间的协同度)。 R P 的乘积表示物理动量公式中的质量概念,即任务链动量的质量不仅与作战链路的半径有关,还与其作战性能相关。

整个作战体系是由多个层次的具备OODA指挥控制循环的兵力单元所构成的体系网络,其模型如图2-1所示。低层次兵力的OODA循环作为一个整体完成高层次兵力的OODA循环的某项作战功能(根据上级的决策和行动命令来完成某个作战功能),同级兵力OODA循环之间存在相互关联性,而体系动量就是所有OODA循环产生的任务链动量总和。装备的变化对体系的影响可以从装备对体系中任务链动量的影响来衡量。作战双方的对抗可以看作双方链路之间的对抗,体系的制胜率取决于体系所包含的任务链路相对于敌方任务链路的制胜率。

图2-1 基于OODA任务链路的作战体系网络模型

从体系网络整体宏观层面来看,由于体系网络将子系统通过网络互联,其能够有效增强体系作战能力。根据网络中心战理论,体系网络通过增进网络互联和信息共享来增进态势感知和理解,从而增进系统间的互操作和合作,以及体系诸单元间的同步,进一步形成更多更强的杀伤链,最终获得更高的体系效能。如图2-2所示,体系网络主要从两方面提高体系动量:一是通过态势共享形成信息优势;二是通过指挥控制协同形成指挥控制优势。信息优势能够有效提高单链能力,指挥控制优势能够增强多链能力,两者综合能够形成更多类型和数量的杀伤链,并能提高杀伤链动量,多链联合和同步能力也将得到有效增强。由此可知,体系网络能够有效提高体系效能,从而实现体系能力的增值。

图2-2 体系网络能力增值原理

2.2.3 体系贡献率的成因机理:体系协同、适应与层次涌现特性

体系能力生成是体系贡献率的实际表征。美国国防部则将能力定义为在指定需求(条件和性能标准)下,通过不同手段和使用方式的组合来实施一组关键任务,从而达到预期目标或结果的持续本领。能力生成不仅体现在具体的装备体系配置上,也体现在装备的使用方式上,如图2-3所示。从另一个角度讲,基于能力的装备体系方案空间包括非装备方案(包括条令、组织、训练、领导力与教育、人力、设施)和装备方案或者它们的组合。其中,装备和非装备方案分析主要根据能力差距、军事行动的具体范围和环境等因素,利用有效的测量方法来分析一种方案或者几种方案的组合所能提供的能力。

有学者认为,作战体系能力是一种对复杂使命领域的敏捷适应能力。其中,复杂使命领域包含两种含义:①针对不同空间维度的多种威胁目标;②针对具有不同时间特性的当下。敏捷适应能力是指针对不同使命作战对象具有组合应用的能力,针对不同的目标具有动态组合的能力,以及网络化的体系适应能力。从体系能力生成的微观层面来看,可以将体系能力生成机理理解为协同机理、适应机理和涌现机理。

图2-3 体系能力三要素

1.协同机理

体系作战过程最终体现为多个侦-控-打-评杀伤链构成的杀伤链网络。在作战体系中,体系的控制是基于OODA指挥控制循环进行的,协同性对体系能力的提升,从指挥控制的角度看是各个兵力单元通过OODA指挥控制循环的协同,形成协同侦察预警、协同态势感知、协同规划决策和协同作战行动。最终从作战行动角度看,协同性表现为各个兵力单元协同一致完成杀伤链各环节的闭合衔接和多条杀伤链之间的行动同步。美军在网络中心战(Network Centric Warfare,NCW)中提出体系层面的度量指标,如图2-4所示。以网络为中心的体系与以平台为中心的体系相比,各个指标都有明显增长,特别是互操作程度、协作程度、同步程度及作战速度等指标,其表现更为突出。

2.适应机理

体系的适应机理体现在针对不同的环境威胁和态势变化,体系能够做出调整和部署,完成“使命-任务-作战活动”的体系使命需求空间分解,形成针对不同威胁的体系使命空间和任务活动方案,并将作战资源配属到作战活动中,形成作战体系的兵力编成和作战行动方案空间。体系通过态势威胁-使命任务-编成行动3个空间的动态更新和持续匹配形成适应能力。

图2-4 体系整体度量指标示例

3.涌现机理

体系一般具有层级结构,层级结构的产生又源于整体涌现。根据活系统理论,从体系管理控制的角度来看,体系从高到低包括体系全局的目标、政策和监管层、规划和应变层、运行控制与审查层,以及局部的子系统的常规控制层。由于体系网络的层次性,功能链路也具备层级特点,由高到低可以分为体系作战任务链路、领域系统任务链路、作战单元任务链路、作战平台任务链路,低层次的任务链路一般是高层次任务链路中的一个或者部分环节,能够通过层级关系聚合到上层链路。

从体系网络构成的角度来看,体系自顶向下可以分为体系层、领域系统层,作战单元层、作战平台层等。体系的底层系统通过自身的涌现行为,对整个体系产生影响。针对体系内在层次结构,其涌现特征也具有多层涌现的特性。有学者针对联合作战任务能力规划问题,提出体系的层级性是研究联合作战问题的核心。

体系的适应机理是从体系使命需求到装备系统的映射过程,而涌现机理是从系统级涌现到体系级涌现的反向映射过程。因此,可以利用QFD的分解产品,对每个基本的作战活动,按照能力编成原理,确定由谁用什么系统完成什么任务,并到达什么标准要求。之后,由作战活动向上集成为作战任务,进一步集成为作战使命。

2.2.4 体系贡献率的能力培育:作战体系能力生成周期模型

作战体系不同于一般的工程系统,它是一个物理-赛博-社会复合的有机组织体,其体系作战能力生成并非一蹴而就,而是按照一定内在规律由各类要素通过不同阶段的交互融合逐步生成的。体系作战能力生成是指根据体系使命任务要求,通过“体系多类能力要素建设与架构化融合、体系多个作战兵力构建与网络化集成、体系多个作战领域对抗与链路化联合”,从体系作战概念生成体系实战能力的过程。作战体系能力生成周期模型构建的关键在于明确能力生成的阶段和要素类型,以及每个阶段每类要素的具体能力要求。该模型包括能力要素项目建设、作战兵力能力演训、体系能力联合运用3个阶段,其中能力要素项目建设包括作战概念开发、方案设计论证、体系产品研发、集成试验验证、兵力列装部署5个主要活动;作战兵力能力演训的主要活动是部队训练演习;体系能力联合运用的主要活动是体系实战对抗。每个活动都有大概的时间周期和能力里程碑产品。借鉴美军的能力七要素(DOTMLPF),体系能力要素包括以下7种:①军事作战理论(对应美军能力要素中的Doctrine,简记为D),它对美军提出的概念内涵有所扩充,具体包括军事作战活动的指导原则、理论方法、流程规范,涵盖军事理论、作战概念、战术战法、作战条令等内容;②组织编制体制(对应美军能力要素中的Organization,简记为O),主要是军队的组织机构、力量编成和体制机制;③作战训练演习(对应美军能力要素中的Training,简记为T),主要是军事训练和作战演习;④装备技术资源(对应美军能力要素中的Materiel,简记为M),主要是装备、技术、能源等物质资源;⑤领导力教培(对应美军能力要素中的Leadership and Education,简记为L),除了美军强调的指挥员领导力与教育培训的基础,还包括对军队人员的政治教育;⑥军事人力资源(对应美军能力要素中的Personnel,简记为P),主要是军队各单位的人力资源;⑦战场设施保障(对应美军能力要素中的Facility,简记为F),它在美军战场设施的基础上,增加战场保障要素。作战体系能力生成周期模型的具体研究将在8.1.3.1节中详细介绍。

2.3 体系能力与效能及特性评估

体系评估是面向未来使命任务需求,通过综合运用系统分析、系统建模、系统仿真、专家知识等技术方法,根据体系中的兵力编成、战场部署、作战运用及作战环境、敌方力量、对抗情况等,对装备作战体系的整体性评价。按照评估内容的不同,体系评估可以分为体系能力评估、体系作战效能评估、体系风险评估、体系技术可行性评估、体系演化过程评估、新技术引入对体系的影响评估及体系贡献率评估等类型,具体评估方法包括专家调查法、试验统计法、解析方法、仿真方法及混合方法等。

总体来看,作战体系整体性评估指标可分为体系能力、体系效能和体系特性3类。其中,体系能力指的是体系完成使命任务的固有属性和潜在本领;体系效能指的是体系在特定场景下针对特定对手完成体系使命任务效果的度量;体系特性与具体使命任务无关,它是体系结构和行为方面的本质特征和整体性能。

体系能力是体系完成使命任务(而非特定作战任务)的“本领”或潜力,它由装备性能、数量、结构等因素决定,是一个静态概念。而体系效能是体系能力在特定条件下的具体化表现,它是体系在给定威胁、条件、环境和作战方案下完成使命任务的效果,由装备性能、数量、结构及作战环境、作战过程等因素决定,是一个动态概念。体系特性是体系作战能力的决定性因素,可以从结构和行为两方面对其进行描述。就结构方面而言,其可分为组分本身的智能化程度、信息化程度和组分之间的拓扑结构特征、组分连通性、互操作性等特性;就行为方面而言,其可以分为敏捷性、适应性、弹变性、演化性、涌现性、同步性等特性。与人的能力从主观因素上看主要由智商、情商、财商和体质等基础特性决定类似,体系作战能力在很大程度上是由上述体系特性决定的。

作战体系是典型的复杂系统,具备结构模块化重组和长期演化、行为协同涌现和动态适变等特性,因而需要采取“整体、动态、对抗”的方式进行评估。过去的很多体系评估方法将装备系统平台的评估方法平移到作战体系评估领域,但因其只适应“局部、静态、单方”的简单系统,得出的结果往往经不起推敲,更经不起验证。此外,传统的评估方法往往关注单一武器装备,评估内容也多为系统的性能或效能,很少在体系背景下研究武器装备的评估问题,尤其缺乏针对无人作战体系层面的特性评估。

2.3.1 体系能力评估

体系能力评估一般从以下两方面开展研究:一是从体系的静态结构出发,对体系能力和体系结构属性进行计算,可采用基于子系统聚合的评估方法或者架构网络拓扑特性分析方法;二是从体系的动态行为出发,对体系的行为特性进行计算,可采用架构可执行性分析、架构驱动仿真等方法。一般来说,体系能力是体系完成使命任务本领的固有属性度量,具备隐性特征,难以进行显性测度,现有的体系能力评估方法大都以静态的子系统战技术指标树状聚合为主,如指标能力树方法、功能质量部署方法等。然而,也有不少学者根据体系的能力特性,尝试从整体、全局和动态的角度对体系能力进行评估。典型的体系能力评估方法研究有网络化体系能力评估、体系能力图谱评估、体系能力试验方法论。

2.3.1.1 网络化体系能力评估

胡晓峰等在《网络化体系能力评估》一文中详细探讨了网络化体系能力评估的理念转变、方法创新和平台支撑。传统的作战能力评估方法有3种:数学解析计算评估方法、基于历史数据和试验的统计评估方法以及基于计算机仿真分析的评估方法,这些方法对解决一些问题可以起到一定的作用,但是随着体系规模逐渐增大,关系越来越复杂,网络化体系能力评估面临许多新挑战。传统的体系能力评估一般是先建立树状指标体系,然后进行单项评估,最后进行综合评估。确定树状效能指标体系需要遵循针对性、独立性、完备性、可测性、客观性、简明性等原则,其中最核心的是独立性和完备性原则,但这两个原则只能在系统静态或弱动态条件下实现,一旦体系处于动态对抗条件下,树状效能指标将难以达到预期的目标。因此,构建体系能力指标应执行3个转变,具体如下:

(1)抛弃能力指标独立性假设,将“指标树”转变为“指标网”。在复杂体系评估中,若不能保证指标的独立性和完备性,就应将其去除。各指标之间实际是网状结构而非树状关系(因为体系本身就具有非还原的复杂性特点),因此需要用网络理论而非简单分解还原理论去研究网络化体系,指标体系也应是网状而非树状的。

(2)抛弃能力可分解合并假设,将“简单和”转变为“涌现和”。对于复杂系统来说,系统性质不能简单分解,因而不能用局部指标简单求和得到整体效能,即“1加1不等于2”。综合效能应是涌现出的网络化整体性“相变”效果,这些效果会产生新性质。因此,下级指标需要从整体条件向上涌现综合形成上级指标,而不能只是简单求和。

(3)抛弃能力结果单一性假设,将“单一值”转变为“结果云”。体系能力的结果不会只有一个,其应有一组,这组结果就是“结果云”。在复杂体系能力评估中,结果与决策是相关多值变化的,只有在多次仿真的基础上才能实现,因此需要不断的动态“测量”,而非一次性“评估”。

2.3.1.2 体系能力图谱评估

作战能力图谱是军事领域的典型能力图谱。它是对作战能力相关数据的一种可视化的表征和标识方法,除了通过静态图谱的方式直观描述装备体系或装备系统及其编配的部队完成特定作战任务应具备的作战能力,还通过动态图谱的方式展现其生成因素和相互关系,以及受战场态势和自身状态影响而产生的变化规律。

作战能力图谱中的作战能力是广义的概念,涵盖了装备体系的作战能力和综合效能、武器系统的体系作战能力和综合效能,以及体系贡献率、部队的战斗力等内容。与作战能力图谱有关的数据可以分为装备体系作战能力类、型号装备作战能力和效能类及部队战斗力类等。

装备体系作战能力类数据包括体系的作战能力指标、体系的能力满足度、新旧体系能力对比、体系能力任务分工、体系能力匹配度、体系能力关联度、体系能力技术支撑度、体系能力发展重要度、体系能力装备实现度、体系能力装备编配度及不同想定下的体系综合效能等。上述数据均包含任务值、规划值、现状值及实现值。

型号装备作战能力和效能类数据包括装备的作战能力指标、不同想定下的装备作战效能、装备的体系贡献率、装备的体系融合度、装备的作战适用能力、装备的部队适用能力、装备能力的组成因素分解、装备组成的能力贡献、装备能力的硬件分解、装备能力的软件分解、装备能力的使用方式因素分解、装备能力的工作状态因素分解、装备能力的作战过程因素分解、装备能力的战场环境因素分解、装备能力的作战目标因素分解、装备能力的参战人员因素分解、装备能力的战损因素分解、装备能力的消耗因素分解及装备能力的降级因素分解等。上述数据均包含论证值、设计值、试验值和演训考核值。此外,各级各类装备作战能力指标分类均可参考相关标准规范的通用要求定义并结合装备和部队特点,构建、裁剪或扩充适用的指标。

部队战斗力类数据包括部队作战能力指标、部队作战能力生成度、部队作战能力保持度、部队作战能力提升度、部队作战能力发挥度、部队作战任务完成度、部队装备使用度、部队训练任务完成度、部队装备编配度、部队人员编配度、部队人员培训度及部队人员技能达标度等。上述数据均包含部队级别、部队类型及部队任务方向等。

如图2-5所示,能力图谱分为静态图谱和动态图谱两部分。

图2-5 能力图谱构成

1.静态图谱

静态图谱包括指标体系图谱、作战能力与装备关系图谱、单项作战能力指标图谱、作战任务满足度图谱、单装作战能力对比图谱、作战能力生成因素分解图谱、作战能力关系图谱及作战能力任务需求图谱,它是能力状态的可视化表征。

2.动态图谱

在大规模探索性仿真实验的基础上,构建多重迭代、逐步聚焦的试验框架,主要包括线索提炼、数据耕耘、数据收获和综合分析等步骤,进而对实时能力评估数据进行可视化展示,即能力动态图谱。

能力动态图谱对具体时空环境下的体系对抗具有重要的研究价值。例如,红方作战体系对重点关注区域的目标指示能力和打击能力因对抗环境的不同而在三维物理空间有不同的分布,并随着作战进程的推进不断变化。首先对重点关注区域按照热图与基于地理信息的可视化方法生成能力图谱,并将红方重点关注区域分为 M × N 个区块,通过对每个区块进行仿真,计算区块内能力指标(如目标指示能力)的数值,并根据数值大小对区块进行着色,进而形成区域的能力图谱;其次,通过生成不同条件下的能力图谱,分析体系的整体能力。能力图谱可用于体系对抗过程中的态势评估和指挥控制。

总而言之,动态图谱通过序贯采集数据进行动态评估,并对评估结果进行空间分布和时变曲线绘制,从而为实时决策提供依据。

2.3.1.3 体系能力试验方法论

为了适应武器装备采办由以系统为中心向以能力为中心、由单个军兵种的需求向联合能力的需求,以及由需求生成体制向联合能力集成与开发体制3方面的转变,美军针对武器装备体系联合作战能力评估问题,提出了能力试验方法论(Capability Test Methodology,CTM)。该方法论的核心思想是构建一个联合使命环境(Joint Mission Environment,JME),并在该环境中对体系能力进行试验。JME是联合作战环境的子集,包括兵力和非兵力实体、条件、环境及影响。在该环境中,兵力可以利用能力执行联合任务,以满足具体的使命目标。

JME是一个包括以下3方面的有机整体:联合作战试验环境、指标框架、系统工程过程。其中,联合作战试验环境包括蓝方兵力、使命、自然环境与威胁。指标框架是基于系统在体系背景下完成某个使命而提出的,它负责对以下3个层次的能力进行检验:使命层的使命效能指标(用来评估系统行为、能力、作战环境的变化对使命终态达到、使命目标实现、使命预期结果创建的影响)、任务层的任务性能指标(用来评估一项任务能否完成,如近空火力支援、联合火力打击任务等),以及系统层的系统属性和体系属性指标。体系属性指标是底层指标,它包括一系列装备和非装备的属性。装备属性又包括飞机的作战范围、指挥机构之间传递信息所需的时间等;非装备属性则包括战术、技术、后勤等。系统工程过程包括以下3个阶段:①通过一个使命线程对体系行为、任务和环境进行系统性的概念设计;②对所有系统节点、交互和接口进行与真实资源无关的逻辑设计;③将真实的硬件和软件资源分配给逻辑设计的物理设计,并将物理设计方案集成到JME中,同时存入分布式仿真库中以备重用。

CTM包括6个步骤:①开发试验与评估策略;②试验的特点描述;③试验规划;④集成实拟-虚拟-模拟-分布式试验环境;⑤管理试验执行;⑥能力评估,以及3个线程:评估线程、系统工程线程和试验管理线程。其中,系统工程线程对应步骤①~⑤,其他两个线程则贯穿所有步骤。

CTM的关键环节在于根据体系使命任务识别出一系列关键能力问题(Critical Capability Issue,CCI)及其支撑性的关键作战问题(Critical Operational Issue,COI),并围绕这些问题开展能力测试。关键能力问题的定义如下:评估体系配置 Y 在条件集 A 下执行任务 X ,达到使命效果 Z 的能力。关键能力问题把预期的效果、途径和方法(联合能力或者体系)、任务用一个清楚且连续的方式联系起来。关键作战问题是在作战试验与评估中,评估系统在完成某项使命任务的能力时所要回答的作战效果和可适用性两方面的问题。一般来说,CCI对应一系列的COI。

CTM采用本体方法建立了一套术语集,以对相关概念进行统一规范,并在这套术语集的基础上采用模型化的方法对能力试验方法进行描述,它包括3个模型,分别用于描述其概念、流程和试验环境。

(1)能力评估元模型(Capability Evaluation Meta-model,CEM)。它描述了能力评估和多个国防部流程中重要术语之间的关系,为能力试验方法的评估线程和操作子线程提供了评估指标框架。

(2)流程模型。它提供了各个流程活动及其依赖关系。

(3)联合使命任务环境基础模型(Joint mission environment Foundation Model,JFM)。它可为使用LVC-DE(LVC分布式环境)构建联合使命任务环境的工程实践提供指导。

作为能力试验方法的核心,能力评估元模型从认识论的角度对相关术语进行了详细的定义,它包括一系列的概念及其关系和规则,并提供了统一的评估指标框架描述。完整的能力评估元模型非常复杂,其核心元素如图2-6所示。

通过与流程模型的输出相关联,能力评估元模型建立了一个与流程模型相容的循环结构,该结构描述了能力评估元模型与6个一级流程及若干二级子流程之间相互协作、推进的关系,因此能力评估元模型又被称为“星-模型”。同为开发活动的一种模型化描述,“星-模型”比“V-模型”进步明显。这里以“星-模型”的联合能力开发与集成轴为例,如图2-7(a)所示,该轴从系统工程的角度实现能力的开发与集成,按照需求分析、功能分析与分配、综合设计3个步骤进行。在需求分析中,从使命预期效果和关键任务两方面发掘能力问题,这与“V-模型”左轴中仅关注系统级的需求形成了鲜明对比。“星-模型”的联合能力开发与集成流从使命级和任务级层次出发,映射到联合能力域,这种在体系层面(高于“V-模型”的系统层面)进行逻辑设计并实现的方法,使得CTM可以从装备和非装备两方面考察体系能力问题,从而给出更好的解决方案。

图2-6 能力评估元模型的核心元素

“V-模型”的另一个轴表示系统集成与试验过程,对应于“星-模型”的第2~6轴,这些流程通过一系列的试验活动实现能力的生成,如图2-7(b)所示。与“V-模型”相比,CTM的试验活动更注重在能力生成过程中建立一个不断校正、改进试验评估活动的循环。这种循环具有以下优势:

图2-7“星-模型”与“V-模型”的对比

图2-7“星-模型”与“V-模型”的对比(续)

(1)除了关注能力域问题,还对试验活动本身进行了约定,从而使试验活动能够通过及时纠正和调整来适应特殊的作战任务需求。

(2)可以在发现体系缺陷后持续对体系进行调整和改进,为能力生成提供了保证。

2.3.2 体系效能评估

体系效能一直是装备体系建设与发展需要解决的核心问题之一,同样地,武器装备体系效能评估也是装备体系论证的重要内容,对武器装备体系建设与发展的管理和决策具有重要影响。在敌方兵力、部署和作战方式基本确定的条件下,通过仿真或计算不同武器装备品种结构方案对作战结果的影响,评估这些方案的体系效能,从而确定不同武器装备品种结构方案的合理性问题,并通过费用、技术可行性、风险等约束确定较好的武器装备品种结构方案。此外,武器装备体系的总体结构、装备编配、装备更新换代等发展与建设问题,也需要通过体系效能评估的方法进行论证分析,重大主战武器平台、电子信息系统、保障装备对武器装备体系效能的影响分析同样是武器装备体系效能评估关注的重要问题。在上述问题研究中,体系效能评估需要研究不同装备体系方案的作战效能问题,并能回答这些装备体系在应对不同威胁时的作战能力,从而支持论证分析人员对不同装备体系方案的作战效果进行评价。

长期以来,武器装备体系效能评估工作大都以定性分析论证为主,也产生了许多理论研究成果,但都涉及不同层次和不同类型装备体系的功能种类、数量规模、结构关系及装备的作战运用等问题,难以只用定性方法解决。因此,装备决策与管理部门在拟制装备研制与采购的规划与计划、制定新型装备的编配方案、确定装备的作战使用方式等方面,迫切需要从体系对抗的角度开展武器装备体系效能的评估,以为武器装备体系发展与建设提供重要的技术支撑。

武器装备体系效能评估面临的挑战主要在于缺乏有效的实验手段和实验方法去评价不同装备体系方案完成作战任务的能力。武器装备系统效能评估一般可以基于武器系统的工程原理建立交战级的作战效能实验分析环境,用于评价现有和新研制的武器装备在完成不同典型作战任务中的作战效果,从而为武器装备论证提供依据。

与武器装备系统相比,武器装备体系涉及范围广、层次多、要素全、综合性强,大大增加了建立武器装备体系实验分析环境的难度,使得论证分析人员难以开展有效的效能评估工作,甚至在很多情况下只能借助传统的定性评估方法分析不同武器装备体系的作战效能。

在武器装备体系效能评估研究中,作为评估对象的武器装备体系,它由众多武器系统组成,不仅包括地面、空中、水上(下)等作战武器平台系统,各种导弹、弹药等打击武器系统,以及预警探测、情报侦察、指挥控制、通信、导航、战场环境信息保障等装备组成的电子信息系统,还包括兵力投送、弹药与后勤补给、工程、防化等战斗保障装备系统和维修、检测等技术保障装备系统,这些系统因关系复杂,相互作用明显、相互制约多、相互影响大,成为武器装备体系实验环境建立困难的主要原因之一。此外,武器装备体系效能评估还与作战对手的装备情况、作战样式、地理环境、战争规模、军事战略及复杂战场环境等因素有关,这也是难以建立武器装备体系实验环境的主要原因。因此,现阶段对武器装备体系问题的研究,大都使用武器装备系统论证评估的方法,将武器装备体系的要素进行简化,或者将体系评估的问题分解为若干系统评估的问题,例如简化综合电子信息系统在武器装备体系中的作用,或者不考虑装备维修保障的问题等。这些处理方法虽然在一定程度上具有技术支撑作用,但与真正的体系评估分析有不小的差距,并且在评估多个军兵种装备协调发展等问题时,也难以发挥作用。

面向武器装备体系效能评估的实验环境一般采用建模仿真的方法建立。美国是最早利用仿真实验方法进行武器装备体系效能评估的。美国军方很早就发现,面对要素众多、相互关系复杂的武器装备体系,传统的武器系统评估方法已无法适应,因此开始积极探索利用仿真实验法进行评估:首先通过建模仿真方法,建立装备体系中各类装备的仿真模型、作战环境和交互关系等模型,并用计算机模拟作战环境下各类装备的能力和体系对抗的全过程,此即武器装备体系试验的有效手段;然后利用数理统计方法对大量的试验结果进行统计,以发现战果与装备体系方案之间的数量关系,此即武器装备体系效能的评估结果。西方主要军事大国也采用同样的方法建立武器装备体系评估的实验环境,并充分利用单件兵武器的试验数据、战术仿真和解析计算结果等,以使模拟更精确可信。由此可知,在装备体系效能评估工作中采用仿真实验方法已是不少军事大国家发展装备、制定作战方案必须实施的技术手段。

2.3.3 体系特性评估

根据能力、效能和特性的关系,作战体系的能力和效能评估的基础是特性评估,因此,作战体系评估需要先充分考虑体系特点,开展体系特性评估。未来智能化作战体系相对于传统以人为主的作战体系而言,需要将人在回路的指挥作战因素融入装备的智能化、自主化行为中。目前,无人装备和作战领域的研究大都集中在平台和集群层,对于体系特性的研究较少,因而需要在体系设计时预先考虑体系的作战环境、作战对手等作战态势的复杂性和不确定性,开展针对性的特性指标框架构建和计算方法研究,使得无人作战体系具备更强的智能适变特性,从而产生符合预期的体系作战能力。

体系特性是对体系结构和行为本质特征的描述,根据军事领域的研究现状,作战体系有3方面的特性:一是聚焦静态体系兵力编成配系的稳健性(Robustness),主要是在预设使命能力边界内,针对可预测的低强度变化扰动能够保持使命任务能力的特性;二是聚焦内部功能抗毁的弹变性(Resilience),主要是在预设使命能力边界内,针对部分可预测的内部中高强度变化扰动造成的损毁失效情况,体系能力能够恢复到指定水平的特性;三是聚焦外部态势变化的适应性(Adaptability),主要是针对基本不可预测的外部中高强度扰动,能够进行主动在线学习,从而适应外部变化并完成体系使命目标的特性。对于无人作战体系而言,智能性和自主性是其区别于以有人装备为主要载体的传统作战体系的重要特征,也需要进行评估。体系特性指标用F(Feature)作为标识。

这里主要聚焦作战体系应对环境和对手变化等体系对抗态势的复杂性和不确定性。根据以上约定,下面以无人作战体系特性评估为例,主要从结构上的智能自主和行为上的稳健、弹变与适变两方面进行特性评估。

1.结构方面的智能性和自主性

对于无人作战体系而言,智能性和自主性是区别于以有人装备为主要载体的传统作战体系的重要特征,也是支撑无人作战体系弹变性和适应性的基础特性。从军事智能化角度出发,人工智能和武器装备的结合效应集成于OODA环路中,体现为智能感知、数据分析、态势融合、智能决策、自主作战等能力。基于人工智能等先进技术的无人作战体系能够缩短OODA时间周期,提升探测、感知、分析、规划、决策、控制、行动、评估的精度,进而提高无人作战体系的智能性和自主性。考虑到当前对于智能性和自主性的区分尚未完全达成一致,这里将智能性和自主性分离,智能性主要指作战行动的自动化和智能化水平,自主性主要是任务遂行自主程度和指挥控制授权程度。

2.行为方面的稳健性、弹变性和适应性

根据军事领域的研究现状,面向智能适变的作战体系行为有3个特性:一是聚焦静态体系兵力编成配系的稳健性(Robustness),主要是在预设使命能力边界内,不改变无人作战体系的兵力编成和任务分配,针对可预测的低强度变化扰动能够保持使命任务能力的特性;二是聚焦内部功能抗毁的弹变性(Resilience),主要是在预设使命能力边界内,针对部分可预测的内部中高强度变化扰动造成的损毁失效情况,体系能力能够恢复到指定水平的特性;三是聚焦外部态势变化的适应性(Adaptability),主要是针对基本不可预测的外部中高强度扰动,能够进行主动在线学习,从而适应外部变化并完成体系使命目标的特性。

面向体系特性评估的领域划分见表2-1。

表2-1 面向体系特性评估的领域划分

2.4 体系仿真实验与认知演化计算

2.4.1 体系仿真实验

2.4.1.1 仿真是体系贡献率评估的关键使能技术

体系贡献率是指武器装备系统对作战体系的作战能力或者作战效能的贡献程度,强调从体系作战对抗的角度来定量研究武器装备系统对于整个作战体系或者装备体系的贡献。定量研究手段一般包括解析计算和仿真实验。对于作战体系而言,仅采用解析计算类的定量研究方法难以有效描述体系结构规模的复杂性和行为对抗的复杂性。而仿真实验充分考虑了使命环境和对抗条件,能够对体系对抗的过程和作战结果进行计算,具备定性方法和解析计算方法所不具备的优势,从而可以有效支撑体系贡献率研究。

从相关研究现状来看,仿真已经成为体系贡献率评估的关键使能技术,但其技术仍存在诸多不足。如何根据体系贡献率评估的研究需求,以现有的系统仿真技术为基础,发展体系仿真技术已经成为一个亟待解决的难题。

2.4.1.2 体系仿真实验理论研究所面临的难题

体系仿真实验理论研究主要面临下述几个难题。

(1)体系的度量复杂性。体系研究的基础是体系的度量问题,只有明确体系如何度量、哪些可度量、哪些需要度量,才能有针对性地开展体系研究。体系是一类特殊的复杂系统,不能只用简单系统的还原论思想对其进行度量,还需要从体系的整体特性出发研究体系的度量问题。当前对作战体系的度量主要从静态的能力和动态的效能出发,但是对于如何对体系的整体特性进行度量尚未有系统性的结论(主要集中在连通性、互操作等方面),对于体系能力指标和效能指标之间的定量关系研究也不够深入。以作战体系效能度量为例,目前对体系的传统度量指标主要是遵循还原论法则的4层指标体系(使命效能/任务效能/体系属性/系统属性),但因对该指标体系的研究在体系整体属性方面仍存在不足,故未提出整套作战体系整体度量的指标。体系仿真必须在明确体系度量指标后才能设计仿真实验、收集数据并支撑体系决策。

(2)体系建模的复杂性(体系描述复杂性)。体系的大规模性、层次性、涌现性、演化性等特征给传统的系统建模方法带来了巨大挑战,采用现有的系统建模方法对这些特征进行建模存在较大困难,尤其对于作战体系而言,由于作战的不确定性和过程演化性难以合理刻画,很难建立全体系的详细模型。因此,在体系模型的基础上对问题进行描述并开发仿真模型较为困难。

(3)体系仿真的需求复杂性。由于体系的规模大、层次多、行为复杂,建立全体系详细模型基本很难实现,体系问题本身的研究需求也难以形式化描述。而体系仿真需要面向体系问题研究的需求,为解决体系问题服务,但是由于体系需求的不明确性,难以对体系仿真需求进行形式化、明确化描述。因此,明确仿真要解决什么体系问题是一个难题。

(4)体系仿真的应用开发复杂性。应用开发复杂性主要包括以下两方面:一是根据体系仿真的需求建立体系仿真的应用开发框架;二是根据应用开发框架开发具体的想定文件、模型体系和实验设计文件。对体系仿真需求难以进行形式化描述,导致体系应用开发难度增加,并且体系仿真应用涉及的模型多、想定复杂、实验因素繁多,因此对仿真应用的开发需要较高的效率。一般来说,从头开发各种模型的工作量大,往往难以实现,因而需要对原有的仿真模型、想定等资源进行重用,但会涉及仿真资源的互操作、重用和可组合等问题。

(5)体系仿真的实验复杂性。仿真本质上是一种计算实验,即在给定的输入和实验设置条件下,通过执行仿真模型计算实验结果。从实验的角度来讲,如何设计实验和管理实验,使得仿真实验结果能够有效支撑体系研究是一个非常重要的问题。对于体系仿真来说,一般存在研究对象体系边界模糊、知识不全面、数据匮乏等问题,导致仿真模型难以对研究对象进行一步到位的描述等问题,因此从总体上讲,体系仿真实验会是一个多阶段、多层次、多方面综合的过程,它需要不断根据需求的变化和所获取的新知识,改进仿真模型和仿真系统、调整实验方案,并以此为基础对研究问题进行持续深入的探索,提供更准确和合理的实验数据和结果,直到能够达到预定的实验目标。此外,对体系仿真结果进行分析并合理呈现给决策人员,从而提供有效的决策支持也是一个重要且复杂的问题。

2.4.1.3 需要重点发展的体系仿真实验技术

根据体系贡献率评估的需求,体系仿真实验技术的发展需要回答以下3方面的问题:

(1)为什么要执行体系仿真?体系仿真需要服务于体系工程问题的需求。具体来说,体系仿真应能为体系贡献率评估服务。因此,如何对体系贡献率评估研究的需求进行形式化描述以驱动体系仿真的应用开发和运行,如何对作战体系建立形式化的模型,以及如何构建体系贡献率评估的指标体系以指导体系仿真实验设计和结果采集显得尤为重要。

(2)如何执行体系仿真?体系仿真与系统仿真不同,其应用开发和实验管理的复杂性更强,如何研究相应的关键技术以支撑这两方面显得尤为重要。

(3)体系仿真的结果如何支撑装备发展决策?体系仿真在体系工程问题中发挥应有的作用,其关键在于如何对仿真结果进行分析、整理并以合适的方式呈献给决策人员。由于体系仿真设计的实体多、行为复杂,必须对仿真结果进行详细分析和因果机理挖掘,从而使决策者能够“知其然,知其所以然”。根据上述问题分析,归纳总结出以下几种需要重点发展的体系贡献率评估相关仿真技术。

1.基于仿真实验的作战体系网络化指标体系构建

如何应对体系的度量复杂性是体系工程问题研究面临的首要问题,前文已经分析了度量复杂性的两个主要问题:一是如何对体系进行整体性的度量;二是如何建立能力-效能指标体系之间的定量关系,从而对体系的静态和动态属性进行综合评估。对于作战体系的整体性度量而言,只有在对抗、动态和整体三位一体的条件下才能实现,并且需要解决以上两个主要问题,但是传统的定性分析和解析计算难以胜任,因为只采用这两种方法无法对体系整体规模的复杂性和动态对抗过程的复杂性进行有效描述。采用仿真实验的方法对体系问题进行探索性研究,不仅能在体系整体性的动态对抗仿真中获得效能数据,还能从对抗仿真中获得体系的新知识,从而形成定性分析和解析计算无法获得的度量指标,并根据仿真结果中的因果关系建立指标之间的定量关系。需要注意的是,体系指标之间的影响关系复杂,树状指标体系不能有效刻画指标之间的交叉影响关系,因而需要建立网络化的指标体系。

2.基于Agent与复杂网络的体系架构建模

体系的结构和行为复杂性决定了对体系进行全面详细的建模是难以实现的,并且由于体系的演化性,这种全面详细建模的意义也不大。架构是体系组分的结构、组分的相互关系,以及控制组分设计和演化的原则和指南,也是体系的骨架和核心,贯穿于体系设计、开发和管理的全过程。体系架构是一种用于子系统集成的元结构,它关注的是如何根据体系目标的需求选择合适的子系统进行组合,以获得所需的性能和能力。因此体系结构与静态的系统结构不同,体系结构是由架构确定并随着目标和环境的变化而演化的。在体系工程中,只有抓住了体系架构这个核心,才能切实把握体系的结构演化特征和动态行为特点。

由于传统的系统建模方法难以对体系的大规模性、层次性、涌现性、演化性等特征进行有效刻画,对于体系的涌现性、演化性和独立性等特征,适合采用基于Agent(主体)的建模方法。而体系作为子系统集成的关键在于子系统的网络化,因而适于采用复杂网络的建模方法进行描述。通过将Agent思想和复杂网络理论综合起来,能够对体系架构进行有效描述。例如,对于作战体系而言,可以将其建模为包括装备网络、任务网络和组织网络3类子网络的超网络。对于这3类子网络内的节点,可以采用不同量级的Agent方法进行建模,即采用简适性Agent对装备网络的节点进行描述,采用贯彻性Agent对任务网络的节点进行描述,采用研判性Agent对组织网络的节点进行描述。

在体系工程研究的不同阶段,体系架构可表现为不同的模型形态。例如,按照体系工程的研究过程,体系的需求论证、方案设计、原型开发和作战运行4个阶段分别对应体系能力需求架构、体系功能编成架构、体系测试原型架构和体系作战管理架构(也可以按照体系开发的基本过程分为概念架构、逻辑架构和物理架构)。体系架构的模型族可以作为体系设计、实现、管理的主线,贯穿于整个体系工程的过程。

3.架构驱动的建模仿真体系化开发

架构模型是体系顶层关键要素及其关系的宏观描述,它能够作为体系开发的基线和驱动器来推动体系产品开发。军事领域架构驱动开发的典型代表是基于美国国防部架构(DoDAF)模型进行体系产品的设计和实现。建模与仿真产品是体系产品的重要组成部分,进行架构驱动的建模仿真开发既能将体系需求有效映射到建模仿真需求,又能基于架构模型的相关信息高效快速地开发仿真模型和仿真应用产品,还能根据架构模型和建模仿真产品的映射关系建立建模和仿真结果与体系工程问题的映射关系,从而可以利用建模仿真结果有效支撑体系工程的问题研究。架构驱动的建模仿真开发能够提高建模仿真的形式化水平和自动化程度,进而提高建模仿真的开发效率和产品质量。

体系一般包括多领域内的多个子系统,需要根据问题的特点对其进行多层次、多方面和多粒度的建模,并进行层次化、系列化和一体化仿真,因此需要对建模仿真应用进行体系化开发,形成体系化的模型和仿真应用产品。对于建模与仿真问题可以从建模和仿真两个角度进行研究,架构驱动的建模仿真体系化开发包括以下两方面:

1)基于架构的多层次、多方面(多领域)、多粒度仿真建模

架构模型描述了体系的“骨架”,可以作为体系模型族的开发基准。根据仿真研究的需求,在架构模型中提取相关信息,对体系的各个层次和各方面进行展开和详细建模,并根据研究问题的需求选取合适的分辨率建立不同粒度的模型。各层次、各方面和各种粒度的模型通过架构模型的基准性作用能够形成模型体系,并服务于各种类型的体系仿真问题,如基于仿真的贡献率评估。

2)架构驱动的层次化、系列化和一体化仿真

在前述仿真模型体系的基础上,从体系架构出发,可以构建层次化、系列化和一体化的仿真应用,从而为体系问题研究提供体系化的仿真支撑。

首先根据架构对体系问题的层次性描述构建不同层次的仿真应用,分别解决不同层次的体系问题。例如战略-战役-战术3个层次的仿真应用,其上层仿真对下层仿真具有需求牵引的作用,下层仿真又为上层仿真提供数据支撑,各个层次之间的仿真应用能够实现相互校验和支撑。

其次,根据作战体系的研究进程进行架构驱动的系列化仿真应用开发。例如,作战仿真可以先根据体系架构中的作战架构驱动体系作战流程仿真,在体系顶层分析体系对抗的主要过程;然后根据作战流程中分析得出的重点流程节点,选择系统架构中的关键装备进行系统效能仿真;最后在明确作战流程和重点装备效能的基础上开展体系效能仿真。

最后,在体系架构的基础上开展模拟-实拟-虚拟(LVC)一体化仿真。体系架构对体系全要素进行了顶层描述,但在仿真系统的技术手段方面,需要根据不同要素的实现特点和问题研究的需求,对体系的不同部分采用LVC仿真的方法,分别建立计算机仿真、实物/半实物仿真和人在回路的仿真,并根据体系架构所描述的要素关系建立各类仿真系统之间的交互接口,通过这些接口将各类仿真有效集成起来,形成一体化仿真系统。

4.基于认知计算的体系仿真实验推演

正如前文所述,体系仿真实验总体上是一个多阶段、多层次、多方面综合的过程,在仿真模型、实验方案、数据结果等方面很难一蹴而就,需要随着实验的逐步推进和知识的持续更新而不断动态改进。例如近年来根据仿真实验对象的复杂性所提出的探索性仿真实验、平行仿真实验、动态数据驱动仿真等方法,其本质都是利用逐步完善的仿真系统和多阶段的实验方法来应对研究对象的复杂性。在上述研究的基础上,提出基于认知计算的体系仿真实验推演方法,其核心思想是采用人在回路的推演方法对仿真结果进行认知计算,形成新的知识用于模型改进和决策支持,具体包括以下3方面:①基于仿真数据进行挖掘,形成因果知识模型;②引入人在回路的推演方法,融入专家知识,指导模型改进和实验方案完善;③融合定性定量知识,采用逐步迭代、螺旋上升的多阶段实验设计与管理方法。

在该方法中,认知计算是核心和关键,它包括4种模型和2个回路。4种模型分别是指标计算模型、因果推理模型、效能仿真模型和智能学习模型,2个回路是计算回路和认知回路。在计算回路中,指标计算模型提出体系计算的需求,因果推理模型根据此需求对体系网络进行解析计算,缩减体系计算率的方案空间,效能仿真模型能够对体系对抗进行更高精度的计算,最终指标计算模型根据效能仿真数据进行体系贡献率的指标体系计算,得出体系贡献率的数值。而在认知回路中,智能学习模型根据效能仿真模型生成的数据进行数据分析,挖掘潜在的因果模式,并反馈到因果推理模型中,以对前期的因果关系进行修正。如果体系贡献率的认知计算没有达到指定的要求,2个回路之间将不断进行重新计算,直到满足要求为止。

认知计算与人在回路的推演有机结合,即一方面在计算回路中采用人在回路的推演方法支持仿真数据的产生,另一方面采用认知计算对仿真数据进行模拟人类思维的机器学习。这需要建立人在回路的推演所遵循的机理与认知回路的机理之间的映射关系,确保仿真实验的有效性和回路收敛速度。

5.建模与仿真的工程化技术

体系仿真的规模和复杂性比系统仿真有指数级的增长,这对于建模与仿真的开发效率和产品质量提出了更严苛的要求,因此需要大幅度提高建模与仿真的工程化水平,确保在实践中能够有效应对体系建模仿真的复杂性,从而有效支撑体系贡献率评估等体系工程问题的研究。体系仿真产品开发的关键是子系统的集成开发,因为这种开发一般是一个多阶段、多主体参与的过程。在这种情况下,建模仿真产品的互操作、重用和可组合对于体系的集成开发显得尤为重要。因此,提高体系仿真的工程化水平需要在以上4方面研究的基础上,从以下3方面着手:形式化、自动化、规范化。其中,形式化是指建模与仿真全寿命周期产品都要采用形式化的方法进行描述、表示与存储;自动化是指建模与仿真全寿命周期各个阶段产品之间的转换应尽量自动化,以提高开发效率;规范化是指建模与仿真全寿命周期产品要基于公认标准和便于工程实践的规范,从而能够有效支持不同类型、不同主体开发的仿真产品的互操作、重用和可组合。

在形式化、自动化、规范化的基础上开展体系建模与仿真产品的标准库建设,并根据体系贡献率的需求构建LVC多层次仿真体系、基于工业标准的多分辨率装备模型体系,以及基于标准数据格式的装备型号、战术规则、战场环境等数据库。

2.4.2 认知演化计算

2.4.2.1 大数据认知计算的定义和特性

认知这一术语指的是感知、意识、洞见、推理能力和判断的心理认识过程。认知计算通过使用计算学科的理论、方法和工具来模拟人类认知的建模过程。具体而言,它是一种自上而下的、全局性的统一理论研究,旨在解释观察到的认知现象(思维),并且符合已知的自下而上的神经生物学事实(脑),既可以进行计算,也可以用数学原理解释。它寻求符合已知的且拥有脑神经生物学基础的计算机科学类的软、硬件,并用于处理感知、记忆、语言、智力和意识等心智过程。认知计算的一个目标是让计算机系统能够像人脑一样学习、思考,并进行正确的决策。人脑与计算机各有所长,而认知计算系统可以成为一个很好的辅助性工具,配合人类进行工作,解决人脑所不擅长的问题。在认知计算时代,计算机将成为人类能力的扩展和延伸。认知计算意味着更高效的信息处理能力、更自然的人机交互能力、以数据为中心的体系设计,以及类似于人脑的自主学习能力。由于认知系统的复杂性,需要在实现认知计算时横跨多个学科和研究领域。

人类的认知过程主要包括两个阶段:①通过人体自身的感觉器官来觉察周围的物理环境,并由此输入外部信息;②输入的信息被传输至大脑进行复杂处理,如存储、学习等,并将处理结果通过神经系统反馈给身体的各个部位。人的一生都在学习,当大脑的认知能力达到一定程度时,就能实现举一反三,即对信息进行不同维度的转化,其转化结果又能应用于其他维度,进而产生新信息和新观点。人类的认知过程通过运用生物和自然的手段——大脑和心灵来实现。认知计算系统在训练过程中模拟人的思维,通过持续学习不断增强智能性,从而逐步接近人类所具备的认知能力。

理想状态下的认知计算系统应具备以下特性:

(1)辅助功能。认知计算系统可以提供百科全书式的信息辅助和支撑能力,从而帮助人类利用广泛且深入的信息,并成为各个领域的“资深专家”。

(2)理解能力。认知计算系统应具有卓越的观察力和理解能力,能够帮助人类在纷繁的多源异构数据中发现不同信息之间的内在联系。

(3)决策能力。认知计算系统须具备快速的决策能力,能够帮助人类定量分析影响决策的各种因素,从而保障决策的精准性。认知计算系统也可以用来解决大数据的相关问题,例如通过分析大量的交通数据,找出解决交通拥堵的方法。

(4)洞察与发现。认知计算系统的真正价值在于其可以从大量数据和信息中归纳出人们所需的内容和知识,使计算系统具备类似于人脑的认知能力,从而帮助人类更快地发现新问题、新机遇和新价值。

从功能层面上讲,基于大数据的认知计算的目标是使计算系统具备人类的某些认知能力,从而能够出色完成大数据的发现、理解、推理、决策等特定认知任务。认知计算是一项系统工程,也是实现智能的途径。而大数据是帮助人们获取对事物和问题更深层次的认知并做出决策的保障。基于认知计算实现智能决策,涉及多个领域的技术。随着大数据和智能时代的到来,为了实现数据认知目标,根据“数据获取—知识提取—认知决策”的逻辑,认知计算系统需要包括以下关键使能技术:

(1)数据挖掘。认识计算需要从大数据中提取知识。为实现基于认知计算的大数据智能决策,需要针对大数据的潜在问题,设计相应的数据挖掘技术。例如,多样性是构成大数据复杂性的主要因素之一,也是大数据智能决策面临的主要困难。当一项综合决策需要整合多方面的数据时,不同来源的大数据在类型、分布、频率及密度上可能各不相同,这对多源大数据融合分析、多源信息协同决策等构成巨大的挑战。目前,通过分布式知识获取与协同的方法可以有效实现多源异构数据的协同感知与交互。

日益加快的人、机、物之间的交互活动,使大数据呈现动态性。对于大数据的处理,使能技术不能只局限于闭环数据集,这些技术不能满足由于大数据的动态性所产生的决策及时和决策准确性的需求。目前,针对大数据这一特性,增量式机器学习方法相较于传统闭环场景下的机器学习方法,能够有效缓减大数据发生分布漂移、概念漂移的问题。

(2)机器学习/深度学习。认知计算用于解决理解和推理的问题,因此学习能力是认知系统的关键。机器学习/深度学习是实现该能力的重要支撑。机器学习涵盖概率论知识、统计学知识、近似理论知识和复杂算法知识,致力于实时真实模拟人类学习方式,并对现有内容进行知识结构划分,以有效提高学习效率。传统机器学习的研究内容主要包括决策树、随机森林、人工神经网络和贝叶斯学习等。

随着各行业对数据分析需求的持续增加,通过机器学习实现知识的高效获取,已逐渐成为当前机器学习技术发展的主要推动力。在大数据时代,数据的体量有了前所未有的增长,而需要分析的新的数据种类也在不断涌现,如文本的理解、文本情感的分析、图像的检索和理解、图形和网络数据的分析等,致使大数据机器学习和数据挖掘等智能计算技术在大数据智能化分析处理应用中占有极其重要的地位。

深度学习作为机器学习的重要分支,通过构建基于表示的多层机器学习模型,对海量数据进行训练并学习有用特征,以提升识别、分类或预测的准确性。深度学习模型包括输入层、隐藏层和输出层3部分,每层之间通过权重连接,整个训练过程由前馈映射和反向传播学习实现。

(3)计算机视觉。它是指利用摄像机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉操作,并经图形处理生成更适合人眼观察或仪器检测的图像。作为一个科学学科,计算机视觉通过研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术赋予计算系统“看”的能力。人类通过眼睛直观地分辨周围的环境并做出判断。计算机视觉技术的出现则使计算机可以通过算法进行人类识别、图像识别、视频分析等,并根据识别结果为人类的判断和决策提供参考。

(4)自然语言处理。它是人机交互道路上使人类与计算机顺畅交流的重要依靠。自然语言处理技术以语言为对象,利用计算机技术来分析、理解和处理自然语言,即将计算机作为语言研究的强大工具,在其支持下对语言信息进行定量化的研究,并提供人与计算机之间可共用的语言描述。实现人机间的自然语言通信意味着计算机需要理解自然语言文本的意义,并能用自然语言文本来表达给定的意图、思想等。无论实现的是自然语言理解,还是自然语言生成,从现有的理论和技术情况来看,通用的、高质量的自然语言处理系统仍然是未来一段时间内的努力目标。

(5)知识图谱与知识推理。知识图谱融合了知识表示与推理、信息检索与抽取及数据挖掘等技术的交叉研究,是实现人工智能从“感知”跃升到“认知”的基础。知识图谱的本质是一种由关联性知识组成的网状知识结构,对机器表现为图谱,其形成过程即建立对行业或领域的理解和认知的方程,拥有规范的层次结构和强大的知识表示能力。在内容维度,知识图谱是一种表达规范、关联性强的高质量数据表示;在技术维度,知识图谱可解释为一种使用图结构描述知识和建模万物关联关系的技术方法;在价值维度,知识图谱实现了基于语义连接的知识融合和可解释性,成为人类思维与机器路径思维的转换器。此外,知识图谱借助概念上下位关系、属性类型及约束、图模型实体间关联关系,并结合业务场景定义的关系推理规则,实现对推理和决策的有力支撑。

在认知计算系统的研究中,知识推理扮演非常重要的角色,其任务是发掘知识、常识之间的逻辑关系,并为最终的知识决策提供逻辑依据。

2.4.2.2 仿真大数据认知演化计算方法

与知识紧密相联的是以认知系统为基础的人类自然智能,诸如人类的学习、推理等认知行为都是以知识为基础的。人类的思维过程是问题求解的根本过程。Turchin在提出元系统跃迁理论时指出“在人脑中运行试错方法比在现实中快很多”,这说明通过对人类思维机制进行模拟,有望得到比基于自然选择机理的智能算法更高的求解效率。创造性思维是解决复杂问题的重要途径。钱学森在提出求解复杂问题的综合集成方法时指出“创造性思维是智慧的源泉”。近期的研究发现,通过计算机对创造性思维进行建模、模拟,有望使计算机达到并产生等同于人类水平的创新能力。这类研究被称为创新计算。借鉴认知心理学和创新计算的相关研究成果,使创造性问题求解的认知过程和行为算法化,从而提出一种新的可用于复杂问题求解的智能算法——认知演化算法(Cognition Evolutionary Algorithm,CEA)。

1.知识-解互映射平行演化机制

任何思维成果的形成都是由其心理因素驱动的行为层面的研究与心理层面的研究相结合的过程,即解的演化过程受其心理目标演化过程的支配。问题求解过程没有采用从旧解到新解的直接演化机制。在演化形成新解的过程中存在一个从旧解到知识空间的映射过程,新解的产生则是一个由知识空间到解空间的映射过程。这种演化机制就是知识-解互映射平行演化机制,如图2-8所示。

图2-8 知识-解互映射平行演化机制

假设知识空间为 K ,解空间为 S 。执行和学习映射是指通过解的学习而形成知识,可表示为ELM: S K 。ELM实际由两个映射合成:①执行映射将解作用于外部环境生成数据样本;②学习映射将数据样本映射为知识。

思维映射是指通过基于知识的思维过程产生新的解,可表示为TM: K S 。平行演化是指在CEA的执行过程中知识空间和解空间处于同时演化的状态,并且知识空间演化和解空间演化是相互关联的。这种关联性是由ELM和TM产成的,即通过ELM从旧解中产生新知识,使知识空间发生演化;通过TM在当前知识空间形态的基础上产生更为合理优化的解,使解空间发生演化。互映射是指从解空间到知识空间的执行和学习映射,以及从知识空间到解空间的思维映射。

2.认知演化算法的基本框架

创造性问题的求解可看成由记忆、学习、创造性思维和执行4部分组成的,其中创造性思维又包含两类思维技巧——发散思维和收敛思维。

CEA可以用六元组进行描述,即CEA=< L M V D C E >。其中, L 为知识学习模块, M 为记忆模块, V 为价值体系模块, D 为发散思维模块, C 为收敛思维模块, E 为执行模块。图2-9所示为CEA的基本框架,其中已标明各模块之间的关系。

图2-9 CEA的基本框架

各模块的作用如下:

(1)知识学习模块通过学习从环境中感知的信息来形成知识。

(2)记忆模块对通过学习得到的知识进行组织和管理。

(3)价值体系模块是表征“思考者”价值取向的标准,用于对整个解或部分解进行价值评估。价值体系会对各思维模块产生影响。

(4)发散思维模块负责将已有的知识进行组合,以形成结构化的知识发散模型。该模型可以看成一个由人脑内部知识的自组织过程所形成的知识发散模型,也可看成一个包含若干可行解的集合。

(5)收敛思维模块是在发散思维模块得到的知识发散模型的基础上,按照一定的规则从中选取一个由若干可行解组成的收敛集,并创造性地进行改良或革新以得到新的解。

(6)执行模块将由收敛思维模块产生的新的解作用于环境。

2.4.3 体系动力学仿真

当前体系层仿真实验方法主要以兵棋推演、流程仿真和效能仿真为主,尚缺乏一种类似系统动力学的仿真方法,即采用解析形式对体系的主要行为特征及其机制机理进行建模描述与仿真实验。体系动力学主要关注基于体系静态结构框架和基本行为流程产生的行为模式及其内在机理。作战体系具有涌现、协同、演化、适应等行为特性,体系动力学聚焦装备作战系统之间的作战行为交互和内在行为机理,具体而言,包括侦察、指挥控制、打击、评估、防御、保障、机动(侦、控、打、评、防、保、动)等作战行为,数据、信息、能量、物质等交互关系,以及内部运行、外部对抗、克敌制胜的行为机理。本书作者所在团队目前正在开展体系动力学仿真方面的研究,主要思路如下:借鉴系统动力学等系统层次的形式化方法和复杂网络理论,以体系架构视图模型为基础,辨识体系关键模型要素及其交互关系行为机制和演化机理,进行可视化建模和解析仿真分析,建立体系架构模型向体系动力学模型的转换规则,实现体系数字化表征,研究体系动力学模型求解方法,并在此基础上开展体系架构运行机制分析与仿真,构建反映体系运行机制的评估模型,支撑实现对体系运行状态评估和运行趋势预判等能力。 6Cz5Wh4rtEMX6J/QDNhLq4k63DsU9emrKj1aoJZQcyQyF+jnCQlBBk+p9tP5zQsp

点击中间区域
呼出菜单
上一章
目录
下一章
×

打开