面向應用需求的裝備需求論證模型組合方法

趙 凱，郭齊勝，樊延平，穆 歌

（陸軍裝甲兵學院，北京 100072）

0 引言

隨著建模與仿真技術在各領域應用的不斷成熟，人們發現解決新的問題時并不需要重新構建所有的模型，而可以在原有模型的基礎上采用適當的技術手段集成原有的模型，形成滿足問題需求的模型，于是模型組合就成為解決這種需求的有效方法。

模型組合是指將多個模型按照一定的語法規則、語義要求組合形成功能更加強大模型的過程［1］。在裝備需求論證領域，由于裝備需求論證目標、過程、方法的日趨復雜，以裝備需求論證簡單模型為基礎，根據裝備需求論證實踐要求組合形成功能比較復雜的論證功能模型，也是當前裝備需求論證功能建模領域面臨的重要問題。裝備需求論證實踐是驅動裝備需求論證模型組合的內在動因。多樣化的裝備需求論證實踐要求裝備需求論證支持系統具有不同的功能組合，不同的功能組合需要由不同的論證模型組合生成。筆者依據裝備需求論證模型組合主要影響因素，面向裝備需求論證應用需求，提出融合規則推理和案例推理的裝備需求論證模型組合集成推理方法，為提高裝備需求論證模型組合推理的有效性提供方法支撐。

1 模型組合理論

1.1 組合原理

裝備需求論證元模型的構建采用了分解和“抽象”迭代的方法，按照“事物-子類-分類-類-基類”的順序，將裝備需求論證的各類功能模型抽象成更加簡單、一般的基類，并通過基類的規范化定義和描述，實現對裝備需求論證模型的規范［2］。模型組合可以認為是“抽象”的逆向過程，就是按照裝備需求論證模型的組合要求，它以裝備需求論證基類、類、分類或子類模型為基礎，通過模型語法和語義層面的有效銜接，生成更高層次的論證模型。其基本原理如圖1所示。

圖1 裝備需求論證模型組合的基本原理

1.2 組合框架

裝備需求論證模型組合的基礎是可重用的模型。根據裝備需求論證模型的組合原理可知，裝備需求論證模型的組合具有層次化的特征，由簡單模型組合形成復雜模型的過程，可以從語法、語義和模型構建3個層次進行研究。為此，可構建如圖2所示的裝備需求論證模型組合框架。

圖2 裝備需求論證模型組合框架

1）語法組合。即根據裝備需求論證模型組合的語法要求，主要包括接口參數數量、類型、順序等，從裝備需求論證模型庫中選擇模型進行接口檢測與匹配，并按照語法組合規則，生成新的模型。

2）語義組合。即在語法組合的基礎上，要研究裝備需求論證模型的語義要求，研究待組合的裝備需求論證模型是否符合特定的應用要求，比如有些模型是面向特定領域的模型，即使在語法組合檢測成功時，也不允許應用于其他領域，這就需要進行語義組合檢測。

3）模型構建。一方面可采用概念建模的方式，將裝備需求論證功能系統的建模需求和內容描述清楚，另一方面，以概念模型為基礎，驗證組合模型的功能和輸入、輸出結果。

1.3 組合方式

根據裝備需求論證功能模型的相互關系，其組合方式主要有并發組合、順序組合、選擇組合和混合組合4種方式。

1）并發組合。由多個并行執行的模型組合形成新模型的方式稱為并發組合。例如在裝備需求方案評估過程中，在已知評估指標體系的情況下，底層指標數據處理、指標權重分析這2項活動即為并行開展的工作。當由底層指標數據處理模型和指標權重分析模型組合形成新的模型時，即為并發組合方式。

2）順序組合。由多個順序執行的模型組合形成新模型的方式稱為順序組合。通常，前一模型的輸出為后一模型的輸入。例如，在作戰任務需求分析過程中，通常應先進行作戰任務活動分解，后進行作戰任務活動流程分析，在由這2個模型組合形成新模型時遵循順序組合方式。

3）選擇組合。當完成特定的功能可以有多種執行路徑時，由相應模型組合形成新模型的方式稱為選擇組合。比較典型的例子是當某個功能模型有多種實現途徑時，當包含該功能模型的多個模型組合形成新模型時，選擇該功能模型的哪種實現途徑進行模型組合，就面臨著選擇組合問題。

4）混合組合。存在并發組合、順序組合和選擇組合中的兩種或兩種以上的組合方式的新模型生成過程稱為混合組合。

Before words come into context,their meanings are usually general and abstract and their inner semantic components are potential and stable.However,as long as a word enters its context,it is under the influence of the concrete environment.

1.4 主要影響因素

由裝備需求論證模型組合框架可知，通常模型構建過程中的概念建模過程是對現實系統的抽象和規范化，目的是明確建模的目標和主要內容，是引導以元模型為基礎的各級功能模型的構建。裝備需求論證模型組合的目的也是通過各級功能模型由簡單到復雜的組合，形成支撐現實系統功能的復雜模型。就技術層面看，模型組合成功與否與模型構建中的概念建模有關，但主要取決于語法定義和語義定義的情況［3］。

在語法層面，裝備需求論證模型的組合主要體現在模型接口的匹配，順序組合的前置模型的輸出應與后置模型的輸出匹配、組合形成新模型的輸入與輸出應與新模型的前置或后置模型的接口相匹配。模型接口匹配的根本是模型接口參數命名、參數數量、參數類型、參數順序等的匹配。

在語義層面，裝備需求論證模型的組合主要體現在論證模型能否滿足特定的功能要求，就是要在語法組合的基礎上判斷組合后的新模型是否與待解問題的領域要求一致。否則，即使語法組合匹配成功，也不能有效支持特定領域待解問題的功能要求。語義組合是以語法組合為基礎的。通常，在模型組合過程中，存在4種情況：一是語法、語義完全匹配的情況，是比較理想的組合現象；二是語法一致但語義不一致，這種情況即使匹配成功，也毫無用處；三是語法不一致，但語義一致，這種情況有可能存在有效的組合方法。

2 需求驅動的組合策略設計

2.1 裝備需求論證典型應用需求

由于武器裝備體系的復雜性，裝備體系、裝備型號的論證目標并不一致，所要求的論證流程也存在較大的差異。同時，由于裝備需求論證目標的多樣性，不同論證目標的功能要求也存在較大的差異。這些差異性是引起裝備需求論證模型組合的重要原因。從裝備需求論證應用實踐情況看，驅動裝備需求論證模型組合方式與裝備需求論證的典型應用模式具有較高的一致性。裝備需求論證典型應用模式如圖3所示。

圖3 裝備需求論證典型應用模式

從裝備需求論證典型應用模式看，主要包括裝備體系論證與裝備型號論證兩類論證對象；同時，針對每類論證對象，主要包括全流程論證模式、按需組合論證模式和專題式論證模式3種。其中，全流程論證模式是指針對裝備體系或裝備型號需求論證目標，提供的全流程、全功能的論證模式，功能最為齊全、完備。專題式論證模式通常是按照裝備需求論證的領域組成，分為作戰概念設計與驗證、作戰任務需求分析、作戰能力需求分析、裝備體系需求方案分析、裝備型號需求方案分析、需求方案評估6種專題，分別進行論證。按需組合論證模式，是指根據靈活的裝備需求論證來籌措，由5種論證領域的部分功能組合形成的功能流程，在此過程中要求組成功能流程的功能模塊具有較高的通用性和可組合性。

每一種裝備需求論證應用模式，均是一種裝備需求論證模型的組合需求。從裝備需求論證應用模式看，模型之間具有一定的層次性；全流程模式的功能包含了按需組合模式和專題模式的功能，或者說，全流程模式的功能模塊可以組合形成按需組合模式和專題模式的功能流程。

因此，在裝備需求論證模型組合過程中，應緊緊圍繞多樣化裝備需求論證應用需求的變化，以裝備需求論證典型應用模式的功能要求為牽引，開展裝備需求論證模型組合研究。

2.2 需求驅動的模型組合框架

基于元建模的裝備需求論證模型構建，是根據裝備需求論證活動功能采用逐層分解的方法，獲得功能更加簡單的低層模型。在由低層模型組合生成高層模型時，應以裝備需求論證典型應用模式功能需求為牽引，在一定的規則指導下，采用自底向上的策略，逐層組合形成滿足特定應用需求的功能模型。需求驅動的裝備需求論證模型組合框架如圖4所示。

圖4 需求驅動的裝備需求論證模型組合框架

1）應用模式功能需求。根據裝備需求論證應用模式的目標要求，提出裝備需求論證應用模式的功能需求。

2）功能方案集。采用功能分解方法或者工作結構分解方法，將裝備需求論證應用模式的功能需求進一步分解為一系列相互聯系的功能單元，形成功能方案集。

3）模型需求。定義功能方案集中每個功能單元的模型需求，包括模型功能、模型輸入、輸出及其參數要求。

4）模型發現。采用多種方法，從裝備需求論證模型庫中選擇滿足模型需求的裝備需求論證模型，形成模型候選集。

5）模型組合。按照裝備需求論證應用模式的功能需求，在一定的模型組合規則（語法組合規則、語義組合規則2個方面）指導下，進行候選模型的組合。

6）組合模型輸出。將組合形成的功能模型輸出，并存儲于裝備需求論證模型庫。

3 模型組合方法

3.1 基于規則推理的模型組合方法

裝備需求論證模型的語法組合規則和語義組合規則，為開展裝備需求論證模型組合和檢測提供了基本依據。根據裝備需求論證模型的語法、語義組合規則，可利用規則推理（Rule-Based Reasoning，RBR）方法進行模型組合。

當且僅當需要組合的兩個模型同時滿足語法組合規則和語義組合規則時，兩個模型方能組合成功。

在基于規則推理的模型組合中，應分別建立語法模型組合規則庫和語義組合規則庫，其推理結構如圖5所示。

圖5 基于規則推理的裝備需求論證模型組合推理過程

3.2 融合規則推理與案例推理的模型組合方法

盡管規則推理能夠解決裝備需求論證模型的組合問題，但其完備性要求其受推理條件的約束，會對推理的有效開展造成一定限制。同時，裝備需求論證模型和成熟的組合模型，也是裝備需求論證模型庫的寶貴資源，可為后續的模型組合提供有效的參考和借鑒。為此，在裝備需求論證模型組合時，提出融合規則推理優勢和案例推理（Case-Based Reasoning，CBR）特征的組合推理方法，能夠有效提高裝備需求論證模型組合的效率和有效性［4］。

1）基本思路。案例推理是指通過若干個已有組合案例的相似性檢測，根據已知組合案例的事實知識，推論出具有相似特征的其他組合的過程，具有人類思維方式中的“類比”思維［5］，既是對已有模型組合成果與經驗的有效繼承，也是應對信息不完全和不確定時而采取的一種有效方法。特別是隨著案例庫的增長，模型組合的“經驗”將更加豐富，基于經驗進行模型組合測試的成功概率越來越大。而規則推理則是人類思維方式中的演繹思維，擅長解決領域知識豐富、知識結構完整的邏輯推理問題，要求能夠按照一定的規則，從已知的事實推算出未來的知識，當知識描述不完備、推理算法不確定時，往往難以得到正確的結果。因此，可在基于規則推理的模型組合方法的基礎上，以模型組合案例為依據，開展融合規則推理與案例推理的模型組合方法。

2）推理框架。規則推理與案例推理適應解決問題的領域明顯不同，有效融合規則推理和案例推理就需要解決好規則推理與案例推理的順序問題，以及規則推理結果與案例推理結果的融合問題。就使用順序而言，通常有RBR為前導CBR后置補充、CBR為前導RBR后置補充兩種方式［6］。其中，前者比較適用于案例庫結構完整、案例豐富，而領域知識不充分、不完備的推理；而后者比較適用于案例知識比較匱乏，而領域知識相對比較完整的推理，這時往往由于推理對象的特點、運行規律和功能相對比較明確，基于規則的條件比較充分，有力發揮規則推理的嚴密邏輯，同時可以利用案例推理彌補案例推理中的不確定性。

在裝備需求論證模型組合過程中，語法組合和語義組合的規則相對比較明確，模型接口在本體庫中也得到了明確的定義，規則推理往往能夠較好地解決一般模型組合的推理問題。但是隨著模型組合案例的不斷豐富，裝備需求論證模型庫資源的不斷補充完善，部分模型接口及其屬性可能發生改變，導致難以完全保持規則推理條件與規則條件之間的一致性，往往會導致規則推理失敗。因此，在裝備需求論證模型組合過程中，應采用“RBR為前導CBR后置補充”的推理模式，即主要發揮規則推理在模型組合中的作用，驗證語法與語義規則的約束作用；若推理失敗，則著重發揮模型組合經驗在模型組合中的主要作用，通過案例的匹配給出模型組合的結論。

融合CBR和RBR的裝備需求論證模型組合集成推理框架如圖6所示。

3.3 案例的表示

案例是基于案例推理的模型組合的根基。模型組合案例，能夠以結構化的形式體現裝備需求論證模型領域所具有的特性及問題，也能以數據結構的方式識別、存儲裝備需求論證模型組合問題的描述、組合方案及實施過程。對模型組合條件與目標的進行綜合分析，可將模型組合案例的特征屬性信息歸納總結，如表1所示。

圖6 融合CBR和RBR的裝備需求論證模型組合集成推理框架

表1 裝備需求論證模型組合案例特征信息

3.4 案例檢索與匹配

根據案例特征信息從案例中檢索匹配相似的案例，是案例推理的關鍵。基于案例的模型組合推理的依據是模型組合問題與案例目標的一致性，可以根據案例的源組合模型特征及其組合方式，推理出待解問題的模型組合方案。案例檢索主要是對案例庫的候選案例以及待解決問題的兩方面特征值進行比較，區分兩者的相似度與差異。通常，較高的相似度意味著匹配成功的概率越大，解決問題的可能性越高。因此，計算待解問題與目標案例之間的匹配程度，是基于案例的模型組合推理的核心所在，一般而言，由于案例檢索過程中可能檢索到多個有效的案例，應根據案例匹配相似度的高低，優選相似度高的案例，作為案例推理的依據。

模型組合的案例檢索采用“fish-and-shrink”［7-9］算法，來計算待解問題與案例之間的相似度。由于案例中不同的特征向量的重要程度不同，需引入特征向量，滿足。利用兩個案例之間的特征距離來表示案例之間的相似程度，其中si（X，Y）表示X和Y兩者的特征屬性i上的距離，在［0，1］這個區間內進行取值，如果X和Y這兩者中，有一個共同的特征屬性，那么1便是其取值。由此可知，特征距離越大，則相似度越大，案例匹配成功的概率越高。

4 結論

模型組合理論為裝備需求論證模型組合問題提供了頂層指導和理論基礎，同時界定了影響模型組合語法和語義兩個層面因素；需求驅動的裝備需求論證模型組合框架進一步增強了模型組合的針對性，提高了模型組合成果與實踐應用的貼近度；以規則推理方法為基礎，融合規則推理和案例推理的裝備需求論證模型組合集成推理方法，能夠將模型組合語法和語義匹配規則與裝備需求論證應用需求有機結合，提高了裝備需求論證模型組合推理的有效性。該方法已成功應用于裝備需求論證模型體系構建及建模仿真，具有較高的可信度。