兵力組織扁平化指揮控制結構設計方法

孫　昱, 姚佩陽, 吳吉祥, 賈方超

(1. 空軍工程大學信息與導航學院, 陜西 西安 710077;2. 空軍大連通信士官學校, 遼寧 大連 116600)

?

兵力組織扁平化指揮控制結構設計方法

孫昱1, 姚佩陽1, 吳吉祥2, 賈方超2

(1. 空軍工程大學信息與導航學院, 陜西 西安 710077;2. 空軍大連通信士官學校, 遼寧 大連 116600)

合理的兵力組織指揮控制結構能提高兵力組織的整體作戰效能。首先介紹了兵力組織的組成要素,提出了兵力組織扁平化指揮控制結構的數學描述方法。在其基礎上分析了扁平化指揮控制結構設計問題,以均衡和最小化組織中各決策單元的負載水平為目標建立了相應的優化模型。最后提出了一種多目標模糊離散粒子群求解算法,并結合聯合作戰算例證明了算法的有效性和優越性。

兵力組織; 扁平化; 指揮控制結構; 多目標優化

0　引　言

兵力組織是圍繞一定的作戰目的,由各作戰單元有機組合而形成的一個作戰整體。組織權變理論[1]認為,沒有一致的普遍適用的組織模式,只有在具體使命環境下,適用于具體條件的最佳組織。兵力組織設計的目的就是在具體使命環境中,構造出與該使命環境相適應的最佳組織。

兵力組織指揮控制結構是兵力組織為了完成其作戰目的,對組織內各決策單元所屬的資源、任務、以及決策單元相互間關系作出的安排[2-3]。兵力組織指揮控制結構設計是兵力組織設計的重要環節。文獻[4-6]首先對兵力組織指揮控制結構設計問題進行了研究,并將指控結構設計分為平臺資源聚類和組織層次結構設計兩個子階段。平臺資源聚類階段主要完成平臺資源到決策單元的合理配置以及決策單元間協作關系的建立,組織層次結構設計階段主要完成決策單元間上下級關系的建立。文獻[7-8]分析了Levchuk在平臺資源聚類階段中所采用方法的不足,并對其進行了改進。文獻[9-12]提出將兵力組織指揮控制結構設計分為組織協作網設計和組織決策樹設計兩個子階段,這兩個子階段中完成的工作與Levchuk等人的工作類似。

隨著技術水平的發展,現代戰場環境更加錯綜復雜,傳統的金字塔型等級式指揮控制結構由于存在反應速度慢、可擴展性差等不足,越來越難以適應網絡化的作戰需求,以敏捷、靈活為特點的扁平化組織模式逐漸被接受采納。然而目前大部分研究設計的仍然是傳統的等級式指控結構,與未來作戰指揮控制的發展趨勢并不相符。此外,目前對兵力組織指控結構的設計通常分為兩個子階段,這樣雖然降低了設計難度,但可能使最終的設計結果偏離最優解。在對兵力組織指控結構設計問題的求解中,目前采用的主要方法是層次聚類法,然而該方法是一種基于貪婪策略的近似解法,并不一定能得到最佳的求解結果。

針對這些不足,本文研究兵力組織扁平化指揮控制結構(flattening command and control structure of army organization, FC2SAO)的設計方法。首先,對FC2SAO進行數學描述;然后分析FC2SAO設計問題并建立相應的數學模型;最后提出一種多目標模糊離散粒子群算法求解模型,并通過實驗證明算法的有效性和優越性。

1　FC2SAO的數學描述

兵力組織中的實體[13]通常包括任務實體(task, T)、決策實體(decision-maker, DM)和平臺實體(platform, P)。任務實體是兵力組織為達成其作戰目的而采取的行動,兵力組織所有任務實體的集合構成組織的任務層。決策實體是兵力組織的核心要素,負責組織中的指揮、決策和協調等工作,兵力組織所有決策實體的集合構成組織的決策層。平臺實體是在決策實體的控制下,直接參與作戰任務的對象,兵力組織所有平臺實體的集合構成組織的資源層。

為使指控結構扁平,兵力組織決策層通常分為戰役指導層和戰術控制層兩個子層[3]。戰役指導層中有一個戰役決策實體(operational decision-maker, ODM)負責對整個兵力組織進行宏觀集中控制,戰術控制層中有若干戰術決策實體(tactical decision-maker, TDM)負責具體作戰任務的執行。

FC2SAO中OC2包括決策層中戰役決策實體對戰術決策實體的指揮關系RODM-TDM、戰術決策實體間的協作關系RTDM-TDM、決策層中戰術決策實體對資源層中平臺實體的控制關系RTDM-P和決策層中戰術決策實體對任務層中任務實體的執行關系RTDM-T,用四元組OC2=(RODM-TDM,RTDM-TDM,RTDM-P,RTDM-T)表示。典型FC2SAO如圖1所示。

圖1　兵力組織扁平化指揮控制結構

將兵力組織中的戰役決策體記為ODM;所有戰術決策實體構成的集合記為STDM={TDM1,TDM2,…,TDMND},ND為戰術決策實體的數量;所有平臺實體構成的集合記為SP={P1,P2,…,PNP},NP為平臺實體的數量;所有任務實體構成的集合記為ST={T1,T2,…,TNT},NT為任務實體的數量。

2　FC2SAO設計問題

兵力組織設計的步驟如下:

步驟 3確定兵力組織的戰術決策實體集STDM以及兵力組織扁平化指揮控制結構OC2。

如何實現步驟1是一個軍事行動過程(course of action, COA)設計問題[14],如何實現步驟2是一個資源調度問題[4],而如何實現步驟3即為本文所要解決的FC2SAO設計問題。在實現步驟3時,假定步驟1和步驟2已經完成,即兵力組織的任務集ST、平臺集SP、任務間時序關系RT-T和任務-平臺關系RT-P是已知的。

解決FC2SAO設計問題在于確定兵力組織的戰術決策實體集STDM以及兵力組織扁平化指揮控制結構OC2。在OC2=(RODM-TDM,RTDM-TDM,RTDM-P,RTDM-T)中,戰術決策實體與平臺實體間的關系RTDM-P是其中的關鍵要素。當STDM和RTDM-P=(MTDM-P)確定時,OC2中的其他關系也隨之確定,具體方式如下所述。

(1)

(2)

(3)

戰役決策實體與戰術決策實體間的關系為RODM-TDM=(VODM-TDM),在兵力組織中,各戰術決策實體都受戰役決策實體的指揮,故VODM-TDM=(1,1,…,1)1×ND。

由以上分析可知,當集合STDM和關系RTDM-P=(MTDM-P)確定時,兵力組織的指控結構OC2是確定的,因此解決FC2SAO設計問題的關鍵在于合理地確定集合STDM和關系RTDM-P。

3　問題建模

確定集合STDM,需要確定該集合中戰術決策實體的數量ND。戰術決策實體數量過多使得組織內的溝通交流頻繁,給各戰術決策實體帶來較大的負載;戰術決策實體數量過少使得各戰術決策實體需要分擔的工作多,同樣會帶來較大的負載。因此兵力組織中戰術決策實體的數量ND需要保持一個恰當值。

確定戰術決策實體與平臺間關系RTDM-P是將平臺集SP中的平臺劃分為若干組,每一組平臺實體交由一個戰術決策實體控制。良好的分組方式可以避免戰術決策實體間不必要的協作,同時均衡各戰術決策實體的負載,從而提高整個兵力組織的作戰效能[6]。

其次，在如何去做的問題上，陸九淵心學和增能理論共同的理論創新點在于，由用外部糾正、規范內部的范式轉換成從內部尋找資源去增強內部的范式。

本節首先給出戰術決策實體負載的測度方式,然后再建立FC2SAO設計問題的多目標優化模型。

3.1負載測度

戰術決策實體的負載可以分為局部負載和全局負載兩部分。局部負載又稱為任務負載,是戰術決策實體在執行其作戰任務時,指揮控制平臺實體,同時與其他戰術決策實體進行局部協作而產生的負載。

(4)

(5)

戰術決策實體的全局負載是戰術決策實體進行全局協作而產生的工作負載。戰術決策實體TDMi∈STDM的全局負載定義為

(6)

式中,wMC為全局協作負載系數；ND為集合STDM中元素的個數。

戰術決策實體TDMi∈STDM的總負載為

(7)

由第3節中先前的分析知,兵力組織各戰術決策實體的負載越低,越均衡,組織的整體作戰效能越高,因此FC2SAO設計問題的目標函數可以從以下兩方面考慮:

(1) 使集合STDM中所有戰術決策實體的平均負載WTDM最小,即

(8)

(2) 使集合STDM中所有戰術決策實體負載的方差DTDM最小,即

(9)

FC2SAO設計問題的約束包括以下幾點:

(1) 兵力組織戰役決策實體能同時指控的戰術決策實體的數量存在上限LND,因此戰術決策實體集合STDM中元素的數量ND滿足2≤ND≤LND。

綜上所述,FC2SAO設計問題的多目標優化模型為

(10)

式中,f是優化模型的目標向量。優化模型的決策變量為集合STDM中元素數量ND和戰術決策實體與平臺實體間的關系RTDM-P=(MTDM-P)。

4　模型求解

模糊離散粒子群算法[15]是求解組合優化問題的有效方法,本文在其基礎上提出一種多目標模糊離散粒子群算法(multi-objectivefuzzydiscreteparticleswarmoptimization,MFDPSO)求解式(10)中的優化模型。

4.1粒子編、解碼

在MFDPSO算法中,每一個粒子由位置矩陣X=(xij)NP×LND和速度矩陣V=(vij)NP×LND表示。其中,位置矩陣X=(xij)NP×LND滿足約束

(11)

(12)

速度矩陣V=(vij)NP×LND滿足約束

(13)

每一個粒子經過解碼后,對應優化模型的一個解。粒子的解碼步驟如下:

步驟 1采用最大數法對其位置矩陣X解模糊,解模糊后得到的矩陣記為Y=(yij)NP×LND,滿足

(14)

步驟 2若矩陣Y某列的所有元素之和為0,則將該列稱為無效列。將矩陣Y中的所有無效列刪除,形成矩陣Y′。

步驟 3若矩陣Y′某行的所有元素之和大于2,則將該行稱為無效行。對于矩陣Y′中的每個無效行,隨機地選擇該行中為1的一個元素,保持該元素的值不變并將該行中的其他所有元素值置0。處理后形成的矩陣為Y″。

步驟 4若矩陣Y″只有1列,則給Y″添加一個所有元素都為0的新列,形成矩陣Y?。然后隨機選擇Y?的某一行,交換該行中兩個元素的位置,形成矩陣Z。

步驟 5優化模型的決策變量為RTDM-P=(MTDM-P)和ND,則該模型的一個解為MTDM-P=ZT,ND為Z中列的數量。

根據粒子解碼后得到的解可以計算優化模型的目標函數f=(WTDM,DTDM),稱f=(WTDM, DTDM)為該粒子的適應度函數。粒子的位置變化時,其適應度函數也不斷改變。若粒子在位置X1時的適應度函數為f1,在位置X2時的適應度函數為f2,當f1支配f2時,稱位置X1優于X2;當f2支配f1時,稱位置X1劣于X2;當f1與f2互不支配時,稱X1既不優于也不劣于X2。

4.2檔案維護

MFDPSO算法為每個粒子維護一個個體檔案,為整個粒子群維護一個群體檔案。

粒子的個體檔案保存該粒子在移動過程中較優的位置。粒子個體檔案的容量為1,即檔案中最多只能保存一個位置。粒子個體檔案的維護規則為:當向個體檔案中添加某個新位置時,若該新位置優于個體檔案中的位置,則用新位置替換個體檔案中的位置;若新位置劣于個體檔案中的位置,則不替換;若新位置既不優于也不劣于個體檔案中的位置,則隨機決定是否替換。

粒子群的群體檔案保存整個粒子群在移動過程中較優的位置。群體檔案的容量為GW,即在群體檔案中最多只能保存GW個位置。群體檔案的維護規則為:當向群體檔案加入若干個新位置時,采用非支配排序方法[16]更新群體檔案中的位置。

4.3粒子更新

粒子移動時,按式(15)更新其速度矩陣和位置矩陣。

(15)

式中,V,X是更新前的速度矩陣和位置矩陣;V′,X′是更新后的速度矩陣和位置矩陣;XL是從該粒子個體檔案中讀出的位置;XG是從粒子群群體檔案中選出的位置,選擇的方法采用錦標賽機制;W為慣性系數,C1,C2為學習因子,這些參數為實數;Rand1,Rand2為區間[0,1]內的隨機數。

式(15)中涉及到實數與矩陣之間的乘法,以及矩陣之間的加減法,若矩陣A=(aij)I×J,矩陣B=(bij)I×J,實數為λ,則其運算規則為

(16)

(17)

當粒子按式(15)更新其速度矩陣和位置矩陣時,若更新前速度矩陣V滿足式(13)的約束,位置矩陣X滿足式(11)和式(12)的約束,則更新后的速度矩陣V′同樣滿足式(13)的約束,而更新后的位置矩陣X′滿足式(11)的約束,但不一定滿足式(12)的約束[15]。此時,需要對矩陣X′進行規范化操作以使該矩陣滿足式(12)。具體步驟如下:

步驟 1將X′中的所有小于0的元素置0；

步驟 2計算X′中每一行所有元素之和；

步驟 3將X′中的每一個元素除以該元素所在行的所有元素之和。

4.4算法流程

MFDPSO算法的具體流程如圖2所示。

圖2　MFDPSO算法流程

粒子群初始化包括設置粒子群中粒子的數量、初始化各粒子的位置矩陣和速度矩陣、初始化粒子的個體檔案和粒子群的群體檔案、設置粒子群進化的代數上限。粒子群進化是按式(15)對粒子群中的每一個粒子進行更新。粒子群進化后,將各個粒子的當前位置加入其各自的個體檔案中,將所有粒子的位置加入粒子群的群體檔案中,然后按第4.2節中所述方法對個體檔案和群體檔案進行維護。結束條件一般采用粒子群進化的代數是否達到上限來判斷。算法結束后,將群體檔案中的Pareto最優解輸出。

5　實驗結果及分析

以文獻[3]中提出的聯合作戰想定為算例,在Inter(R)Dual-CoreCPU3.06GHz計算機上進行仿真實驗。其中,任務數量NT=18,平臺數量NP=20,戰役決策實體能指控戰術決策實體的最大數量LND=6,負載系數wC2=1,wTC=1, wMC=3,通過任務規劃[4]得到的兩種可行任務-平臺分配方案如表1所示。

表1　任務-平臺分配方案

仿真實驗1層次聚類法是兵力組織指控結構設計中采用的主要方法[5,7-8,10,12],然而該方法是一種基于貪婪策略的近似算法,并不一定能得到最佳的解。本文提出的MFDPSO算法是一種全局搜索算法,理論上能獲得比層次聚類法更好的解。分別采用層次聚類法和MFDPSO算法求解算例,得到的Pareto最優解如圖3所示。

圖3　Pareto最優解

從圖3中可以看到,MFDPSO算法獲得的解確實優于層次聚類法獲得的解,證明了MFDPSO算法的有效性。圖3中的典型解(虛線圈內的解)如表2所示。

仿真實驗2由于第2代非支配排序遺傳算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)算法是解決多目標優化問題的主要方法[16],故將MFDPSO算法與NSGA-Ⅱ算法進行對比來衡量MFDPSO算法的性能。常用的多目標算法性能評價指標包括收斂性指標、覆蓋性指標、均勻性指標以及算法耗時[17-18],其中,收斂性指標、均勻性指標和算法耗時越小越好,覆蓋性指標越大越好。分別使用NSGA-Ⅱ算法和本文提出的MFDPSO算法求解算例,設置NSGA-Ⅱ算法和MFDPSO算法的進化代數上限為100,種群數量為50,各算法獨立運行50次,所得結果如圖4所示。

表2　戰術決策實體-平臺關系

圖4　算法比較

由圖4可知,雖然MFDPSO算法在解集的均勻性上劣于NSGA-Ⅱ算法,但是MFDPSO算法在解集的收斂性和覆蓋性上均優于NSGA-Ⅱ算法,且算法耗時更低,因此綜合來看,本文提出的MFDPSO算法在求解FC2SAO設計問題時的性能更佳。

6　結束語

本文研究了兵力組織指控結構設計問題,主要有以下3方面的工作:(1)給出了FC2SAO的數學描述方法;(2)為合理的設計兵力組織的指揮控制結構,以均衡和最小化兵力組織中戰術決策實體的負載水平為目標建立了相應的優化模型;(3)提出了一種MFDPSO算法,并通過實驗證明了該算法的有效性和優越性。

本文的不足是在建立模型時,假定所有戰術決策實體的能力是相同的,而在實際作戰中,其各自的能力具有一定的差異性。因此本文下一步的工作是繼續完善所建立的模型并研究不確定性環境中兵力組織指揮控制結構的動態調整方法。

[1] Hollenbeck J R, Moon H, Ellis A P, et al. Structural contingency theory and individual difference: examination of external and internal person-team fit[J].JournalofAppliedPsychology, 2002, 87(3): 599-606.

[2] Yu F, Tu F, Pattipati K R. A novel congruent organizational design methodology using group technology and a nested genetic algorithm[J].IEEETrans.onSystems,Man,andCybernetics-PartA:SystemsandHumans, 2006, 36(1): 5-18.

[3] Yu F, Tu F, Pattipati K R. Integration of a holonic organizational control architecture and multi-objective evolutionary algorithm for flexible distributed scheduling[J].IEEETrans.onSystem,Man,andCybernetics-PartA:SystemandHumans, 2008, 38(5): 1001-1017.

[4] Levchuk G M, Levchuk Y N, Luo J, et al. Normative design of organizations-part I: mission planning[J].IEEETrans.onSystem,Man,andCybernetics-PartA:SystemandHumans, 2002, 32(3): 346-357.

[5] Levchuk G M, Levchuk Y N, Luo J, et al. Normative design of organizations-part II: organizational structure[J].IEEETrans.onSystems,Man,andCybernetics-PartA:SystemsandHumans, 2002, 32(3): 360-375.

[6] Levchuk G M, Levchuk Y N, Meirina C, et al. Normative design of organizations-part III: modeling congruent, robust, and adaptive organizations[J].IEEETrans.onSystems,Man,andCybernetics-PartA:SystemsandHumans, 2004, 34(3): 337-350.

[7] Zhou X X, Yao P Y, Wang X. Command and control resource deployment based on improved hierarchical clustering method[J].SystemsEngineeringandElectronics, 2012, 34(3): 523-528. (周翔翔, 姚佩陽, 王欣. 基于改進層次聚類法的指揮控制資源部署[J].系統工程與電子技術, 2012, 34(3): 523-528.)

[8] Zhang J Y, Yao P Y. Model and solving method for collocating problem of decision-makers in C2 organization[J].SystemsEngineeringandElectronics,2012,34(4):737-742.(張杰勇,姚佩陽.C2組織決策實體配置問題建模與求解方法[J].系統工程與電子技術,2012,34(4): 737-742.)

[9] Yang D S, Peng X H, Xiu B X, et al. Organizational collaboration net and decision-making tree[J].SystemsEngineeringandElectronics, 2006, 28(1): 63-67. (陽東升, 彭小宏, 修保新, 等. 組織協作網與決策樹[J].系統工程與電子技術, 2006, 28(1): 63-67.)

[10] Liu H F, Yang D S, Liu Z, et al. Research on algorithms of tailoring military force tailoring nodes of decision-making[J].SystemsEngineering-Theory&Practice,2007,27(5):106-112.(劉宏芳,陽東升,劉忠,等.兵力編成裁剪算法研究:決策結點裁剪[J].系統工程理論與實踐,2007,27(5):106-112.)

[11] Liu H F, Yang D S, Liu Z, et al. Research on optimize algorithms of command relationship in tailoring military force structure[J].JournalofNationalUniversityofDefenseTechnology, 2006, 28(4): 99-104. (劉宏芳, 陽東升, 劉忠, 等. 兵力編成結構裁剪中指揮關系優化研究[J].國防科技大學學報, 2006, 28(4): 99-104.)

[12] Yang D S, Zhang W M, Liu Z, et al.Designingofcommandandcontrolorganization[M]. Beijing: Nation Defense Industry Press, 2010. (陽東升, 張維明, 劉忠, 等. 指控組織設計方法[M]. 北京: 國防工業出版社, 2010.)

[13] Sun Y, Yao P Y, Zhang J Y. Measurement and comprehensive evaluation of C2 organizational information structure efficiency[J].SystemsEngineeringandElectronics, 2015, 37(6): 1313-1318.(孫昱,姚佩陽,張杰勇.C2組織信息結構效能測度及綜合評估[J].系統工程與電子技術,2015,37(6):1313-1318.)

[14] Zhang J Y, Yao P Y, Yang D S, et al. Approach to organizational course of actions selection based on DINs and PSO[J].SystemsEngineering-Theory&Practice, 2011, 31(10): 1985-1992. (張杰勇,姚佩陽,陽東升,等.基于DINs和PSO的組織行動過程選擇方法[J].系統工程理論與實踐,2011,31(10):1985-1992.)

[15] Pang W, Wang K P, Zhou C G, et al. Dong fuzzy discrete particle swarm optimization for solving traveling salesman problem[C]∥Proc.ofthe4thInternationalConferenceonComputerandInformationTechnology, 2004: 1-5.

[16] Deb K, Pratap A, Agarwal S, et al. A fast and elitist multi-objective genetic algorithm: NSGA-II[J].IEEETrans.onEvolutionaryComputation, 2002, 6(2): 182-197.

[17] Van V D A, Lamont G B. On measuring multi-objective evolutionary algorithm performance[C]∥Proc.oftheCongressonEvolutionaryComputation, 2000: 204-211.

[18] Goh C K, Tan K C. An investigation on noisy environments in evolutionary multi-objective optimization[J].IEEETrans.onEvolutionaryComputation, 2007, 11(3): 354-381.

Design method of flattening command and control structure of army organization

SUN Yu1, YAO Pei-yang1, WU Ji-xiang2, JIA Fang-chao2

(1. Information and Navigation College, Air Force Engineering University, Xi’an 710077, China;2. Dalian Sergeant School of Air Force Communication, Dalian 116600, China)

Reasonable command and control (C2) structure of army organization will improve an army organization’s operational efficiency. First, the components of an army organization are introduced and a mathematical description method for flattening command and control structure of army organization (FC2SAO) is proposed. then the design problem of FC2SAO is analyzed on that basis. And an optimal model is built for the problem with purposes to balance and minimize the workload of each decision-making unit in an organization. A multi-objective fuzzy discrete particle swarm optimization algorithm is proposed to solve the model. The availability and superiority of the algorithm is proved with a case of joint campaign.

army organization; flattening; command and control (C2) structure; multi-objective optimization

2015-07-23；

2015-11-12；網絡優先出版日期：2016-03-01。

國家自然科學基金(61573017)資助課題

E 917

A

10.3969/j.issn.1001-506X.2016.08.18

孫昱(1989-),男,博士研究生,主要研究方向為指揮控制系統建模與仿真。

E-mail:suny.z@qq.com姚佩陽(1960-),男,教授,博士,主要研究方向為指揮控制理論與技術。

E-mail:ypy_664@163.com

吳吉祥(1985-),男,講師,博士,主要研究方向為指揮信息系統、軍事信息網絡。

E-mail:jixiang19850126@163.com

賈方超(1989-),男,助教,碩士,主要研究方向為指揮信息系統。

E-mail:hijiafc@163.com

網絡優先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160301.1108.002.html