改進的體系進化架構(gòu)優(yōu)化設(shè)計方法

任天助, 辛萬青, 嚴(yán)晞雋, 趙鴻宇, 黃 輝

(1. 北京宇航系統(tǒng)工程研究所, 北京 100076; 2. 中國運載火箭技術(shù)研究院, 北京 100076;3. 北京精密機電控制設(shè)備研究所, 北京 100076)

0 引 言

體系是一類由眾多彼此獨立的系統(tǒng)組成的復(fù)雜系統(tǒng)集合,又稱為系統(tǒng)之系統(tǒng),是目前系統(tǒng)工程研究的重要方向[1-4]。體系各個組成部分并不是傳統(tǒng)系統(tǒng)工程意義上的緊耦合關(guān)系,而是相對松散、有較大的自主性、并給整體帶來演化性的一種特殊關(guān)系。體系領(lǐng)域需要一套適合這樣特點的方法流程,指導(dǎo)研究者進行體系設(shè)計。在這樣的背景下,Dahmm等人[5]提出將體系設(shè)計用一種易于理解和操作、反復(fù)迭代不斷進化的波浪模型來表述,如圖1所示。由于其把握了體系的演化特性,被廣大的體系研究者關(guān)注[6-12]。包括美國普渡大學(xué)Delaurance教授的團隊、美國密蘇里大學(xué)Dagli教授的研究團隊以及國內(nèi)的王維平[12]等學(xué)者都對這一模型予以了關(guān)注。Agarwal[13]在波浪模型的基礎(chǔ)上提出了一套名為靈活智能學(xué)習(xí)體系框架(flexible intelligent learning architectures for systems of systems, FILA-SoS)的體系優(yōu)化設(shè)計方法論。Imane[14]則在波浪模型的基礎(chǔ)上,提出以任務(wù)為主線的體系工程分析流程。方哲梅[15]提出了一種基于動態(tài)戰(zhàn)略規(guī)劃的體系架構(gòu)進化建模方法,與傳統(tǒng)的美國國防部體系架構(gòu)框架(簡稱為DoDAF)體系視圖架構(gòu)進行了結(jié)合。

圖1 體系工程波浪模型

這類進化體系架構(gòu)開發(fā)理念是把體系組成要素設(shè)計問題轉(zhuǎn)化為優(yōu)化問題,并且是一個隨著內(nèi)外部條件變化的重復(fù)優(yōu)化問題。在每一個周期內(nèi),根據(jù)外部條件和當(dāng)前的需求,確定架構(gòu)內(nèi)潛在的體系要素,并開展優(yōu)化設(shè)計得到最優(yōu)的要素組合形式,在下一個周期內(nèi)隨著體系內(nèi)外關(guān)系的變化重復(fù)這一過程。然而目前關(guān)于體系進化架構(gòu)有關(guān)的研究有以下幾點問題。

第一,體系架構(gòu)優(yōu)化過程中缺乏具備可操作性的體系需求分析方法,對體系架構(gòu)進化的目標(biāo)難以清晰定位。

第二,目前對體系優(yōu)化設(shè)計或是將體系中的系統(tǒng)作為黑箱,缺乏各系統(tǒng)自身情況對體系影響的分析;或是采用分層優(yōu)化的形式,將體系分解為多層,逐級尋優(yōu),容易導(dǎo)致局部優(yōu)化而整體非最優(yōu)的問題。

本文在前人工作基礎(chǔ)上,從兩方面對基于進化架構(gòu)的體系優(yōu)化設(shè)計方法進行改進。一方面,引入聯(lián)合能力集成與開發(fā)系統(tǒng)(joint capabilities integration and development system,JCIDS)中的相關(guān)方法,分析對體系的劣勢短板作為優(yōu)化的目標(biāo)。另一方面在面向體系架構(gòu)的優(yōu)化方法中加入對系統(tǒng)級、子系統(tǒng)級參數(shù)變量的整體優(yōu)化,以一體化編碼的形式對各級變量協(xié)同優(yōu)化,通過進化優(yōu)化算法得出體系多層協(xié)同優(yōu)化的方案。以此實現(xiàn)從體系需求到系統(tǒng)參數(shù)優(yōu)化的進化架構(gòu)設(shè)計流程。并以海上搜救裝備體系優(yōu)化設(shè)計問題作為應(yīng)用對象,對該方法的有效性進行檢驗。

1 融合JCIDS的體系進化架構(gòu)優(yōu)化設(shè)計流程

進化體系架構(gòu)設(shè)計與開發(fā)流程如圖2所示,通過需求分析確定體系架構(gòu)的選擇范圍、體系整體的約束規(guī)則和體系能力的優(yōu)化目標(biāo)。實現(xiàn)這一過程的關(guān)鍵是確定體系的能力需求,找到體系進化的方向,形成優(yōu)化的目標(biāo)函數(shù)。JCIDS是美軍為完成聯(lián)合作戰(zhàn)任務(wù)、實現(xiàn)聯(lián)合作戰(zhàn)目標(biāo)而創(chuàng)建的一種作戰(zhàn)需求生成系統(tǒng),主要用于指導(dǎo)裝備采辦階段中裝備的設(shè)計與選型,也在其他領(lǐng)域被用于解決需求分析問題[16-19],大致流程如圖3所示。

圖2 進化體系架構(gòu)設(shè)計與開發(fā)流程

圖3 JCIDS開發(fā)流程

JCIDS中對能力差距的分析能夠提高體系在進化設(shè)計中對需求的把控力,對體系的能力需求開展優(yōu)選和排序,為體系架構(gòu)進化提供充分的目標(biāo)依據(jù)。因此,本文選取JCIDS中的功能域分析(function area analysis, FAA)與功能需求分析(function needs analysis, FNA)這兩個主要步驟,形成如圖4所示改進的進化體系架構(gòu)設(shè)計與開發(fā)流程。主要包括以下步驟。

圖4 改進的進化體系架構(gòu)設(shè)計與開發(fā)流程

步驟 1將體系戰(zhàn)略目標(biāo)與行動概念作為進化體系架構(gòu)設(shè)計的需求總輸入,將抽象的需求轉(zhuǎn)換為能力目標(biāo)。

步驟 2然后進行FAA,確定體系的內(nèi)涵和邊界,形成體系的任務(wù)清單、限制條件和評估標(biāo)準(zhǔn),作為體系框架生成的基礎(chǔ)。

步驟 3將體系的限制條件參數(shù)化,形成體系要素規(guī)則庫,作為優(yōu)化模型的約束條件。

步驟 4以FNA方法,對各項任務(wù),確認(rèn)能力現(xiàn)狀和存在的差距,對能力的優(yōu)先級進行排序,并對評估體系能力的標(biāo)準(zhǔn)組織成可量化的目標(biāo)函數(shù)的形式。

步驟 5將體系內(nèi)潛在的組成要素和要素的關(guān)鍵參數(shù)組合成一種可優(yōu)化的編碼形式。

步驟 6以進化算法對體系方案優(yōu)化,形成當(dāng)前條件下最優(yōu)的體系方案。

步驟 7以未來的評估標(biāo)準(zhǔn)對當(dāng)前最優(yōu)方案結(jié)果進行評估,對方案進一步權(quán)衡后決定是否開展下一波進化架構(gòu)優(yōu)化設(shè)計。

圖4所示的進化架構(gòu)融入JCIDS的好處在于將圖2的進化架構(gòu)中體系需求分析的步驟具象化。這種架構(gòu)是一種“評估先行”的體系架構(gòu)設(shè)計理念,即對體系能力的評估先于對體系的設(shè)計與優(yōu)化,而非在體系的原型架構(gòu)設(shè)計完成之后再從各個角度去評估。這種理念與“進化”的概念更貼合,更能適應(yīng)體系演化的特質(zhì),保證體系在每個設(shè)計循環(huán)內(nèi)始終向最優(yōu)的方向進化。

2 體系需求表生成與能力差距分析

在JCIDS流程中,FAA的重點工作是對整個聯(lián)合任務(wù)使命流程開展描述,并在其中識別出完成特定使命最為必需的任務(wù)清單。之后,對每個任務(wù)說明執(zhí)行的條件。最后,確定衡量任務(wù)完成情況的標(biāo)準(zhǔn),以“在……條件下,按……衡量標(biāo)準(zhǔn),執(zhí)行……任務(wù)”的體系需求表的形式輸出。

以海上救援問題為例,在3級以下海況下,距離海岸50海里以內(nèi),能見度為2 km以上,遇險總?cè)藬?shù)在10人以內(nèi)的需求表如表1所示。FNA在FAA基礎(chǔ)上,通過任務(wù)和能力的對應(yīng)關(guān)系,合并同類的條件,形成能力單元。在JCIDS中,規(guī)定了一系列聯(lián)合作戰(zhàn)的基本能力,只需將能力單元按照基本能力進行歸類,即可形成完整的能力清單。面對非作戰(zhàn)問題,同樣可以按照FNA的思路,將能力單元按照所承擔(dān)能力的組成系統(tǒng)的共性特點,聚合形成體系的能力清單。

表1 特定條件下的任務(wù)評價標(biāo)準(zhǔn)表

之后,通過將衡量標(biāo)準(zhǔn)與能力清單進行對應(yīng),從能力現(xiàn)狀中找到能力差距,并根據(jù)能力差距的大小、緊迫程度,對能力的優(yōu)先級進行排序(第4節(jié)案例部分更為詳細(xì)描述)。對于提升要求緊迫的能力,將其設(shè)為當(dāng)前一輪進化架構(gòu)流程的優(yōu)化目標(biāo)。根據(jù)體系所需的能力,選擇能夠在所需條件下滿足對應(yīng)能力的潛在組成系統(tǒng)。再將分析得到的任務(wù)條件轉(zhuǎn)化為對系統(tǒng)的約束,至此,體系架構(gòu)優(yōu)化的目標(biāo)函數(shù)、優(yōu)化變量和約束條件已經(jīng)全部具備。

3 改進的體系多層進化架構(gòu)優(yōu)化設(shè)計

第2節(jié)的內(nèi)容解決了如何將一個體系從抽象的概念,經(jīng)過基于JCIDS的需求分析流程,逐步形成任務(wù)到能力、能力到系統(tǒng)的體系架構(gòu)。接下來的關(guān)鍵問題是對體系架構(gòu)進行優(yōu)化,尋找最合適的體系架構(gòu)方案。對于一般的優(yōu)化問題而言,都可以用如下的形式來進行表示:

(1)

由于體系結(jié)構(gòu)的復(fù)雜性,其求解相比于傳統(tǒng)優(yōu)化問題也有所不同。體系除了整體的優(yōu)化之外,應(yīng)該考慮內(nèi)部組成系統(tǒng)參數(shù)對系統(tǒng)的影響。體系優(yōu)化目標(biāo)的變量由部分系統(tǒng)變量來決定,而系統(tǒng)的變量由子系統(tǒng)決定。因此,在一些文獻(xiàn)中[20-25],根據(jù)傳統(tǒng)系統(tǒng)工程多學(xué)科優(yōu)化的思路,提出了體系多層協(xié)同優(yōu)化的方法,如圖5所示,將體系分解為體系、系統(tǒng)、子系統(tǒng)3層,每層都有各自優(yōu)化目標(biāo)F,通過目標(biāo)級聯(lián)法、多學(xué)科協(xié)同優(yōu)化等方法解決各個目標(biāo)的一致性問題。這種方法處理時,采用對沒有參數(shù)耦合問題的最底層優(yōu)化后,解出耦合參數(shù)C,作為上一層目標(biāo)函數(shù)的自變量代入其中,再來優(yōu)化上一層。這種方法直觀上有效合理,但是在實際優(yōu)化過程中,為了實現(xiàn)體系目標(biāo)的最優(yōu),需要反復(fù)多次計算耦合參數(shù),并且特別容易陷入子系統(tǒng)的局部最優(yōu)中。本文提出另外一種協(xié)同進化的思路,將體系、系統(tǒng)和子系統(tǒng)的所有設(shè)計參數(shù)直接以遺傳算子的形式輸出到多目標(biāo)進化算法中。雖然這種算法會在一定程度上帶來優(yōu)化算法計算開支的增加,但這樣的好處是沒有處理耦合算子的問題,從根本上避免了系統(tǒng)或子系統(tǒng)局部最優(yōu)而體系整體非最優(yōu)。

圖5 體系優(yōu)化問題的多層性

對于改進后的優(yōu)化方法,將各層所有的耦合參數(shù)C都以下一層的變量代入,可以將其寫成一體化編碼形式X:

(2)

圖6 體系任務(wù)-能力-系統(tǒng)的對應(yīng)關(guān)系示例

這樣在體系優(yōu)化中,借助這一變量在一體化編碼中確定分段,可以更快速地將不適合體系的組成系統(tǒng)剔除,減少優(yōu)化的規(guī)模。同時,面向體系的各種能力,采用多目標(biāo)優(yōu)化求解出一個體系方案的權(quán)衡空間。在權(quán)衡空間中,根據(jù)能力的優(yōu)先級和體系決策者的偏好,在Pareto前沿上由體系決策者選擇最適合的方案。

4 應(yīng)用案例

海上搜救問題是典型的體系問題,涉及到多個部門、多種救援裝備的協(xié)調(diào)配合[26],許多論文都以其作為研究對象或典型案例[27-29]。本文以海上搜救場景作為驗證本文中體系進化架構(gòu)優(yōu)化設(shè)計方法的應(yīng)用實例。考慮從大型搜救船、搜救直升機、小型搜救艇、海上搜救雷達(dá)等搜救裝備和搜救設(shè)施中選擇合適的組合,布置在合理的位置上,并優(yōu)化搜救裝備，如搜救直升機的設(shè)計參數(shù),選擇提升油箱容量提升續(xù)航,還是攜帶更大功率的探照燈提升低能見度搜索時的視野,或是減少一些設(shè)施提升飛行時的速度。

在第2節(jié)中,已經(jīng)以例子的形式介紹如何利用JCIDS中的FAA流程,得到海上搜救體系的任務(wù)、條件和標(biāo)準(zhǔn)。這里對海上救援任務(wù)的條件進一步明確為3類,樂觀條件、平均條件和悲觀條件,具體如表2所示。

表2 任務(wù)條件分類

得到任務(wù)條件后,現(xiàn)開展對能力差距的分析,首先通過分析海上搜救任務(wù)流程,分析得到對應(yīng)的子能力清單,再聚合為3種主要能力,如圖6所示。通過將能力分配到救助裝備系統(tǒng),形成救援裝備體系架構(gòu)實現(xiàn)能力。

根據(jù)歷史數(shù)據(jù),對任務(wù)的各種條件分類并確定出現(xiàn)概率后,進入FNA過程,對能力現(xiàn)狀進行評估并確定能力優(yōu)先級順序,評估能力差距分析結(jié)果如表3所示。目前與期望達(dá)成的能力水平差距最大的、最為緊迫的體系能力為“運輸機動能力”,其次為“搜索探測能力”,最后為“指揮通信能力”。由式(2),建立海上救援優(yōu)化模型,設(shè)計目標(biāo)為加權(quán)后滿足標(biāo)準(zhǔn)的程度百分?jǐn)?shù)作為能力評估值,即當(dāng)前優(yōu)化算法的目標(biāo)函數(shù)。各級優(yōu)化變量包括:

表3 能力差距分析

(1) 體系級設(shè)計參數(shù)X:各類直升機/救援船救助基地數(shù)量、指揮中心部署位置(經(jīng)緯度)等。

(3) 系統(tǒng)級設(shè)計參數(shù)x:搜救雷達(dá)功率、救助直升機/輪船巡航速度、救助直升機/輪船續(xù)航里程、岸上最大通信距離等。

變量約束考慮體系級約束條件包括裝備的經(jīng)費總額,基地容納飛機/船只上限,基地部署位置,系統(tǒng)級約束包括救援飛機、救援船只攜帶搜救裝備的重量限制等。本案例中,進化架構(gòu)考慮兩次進化,分別為當(dāng)前最優(yōu)方案和5年后最優(yōu)計劃方案。5年后的方案經(jīng)費更加充足,搜救裝備選擇更多,功能更強。

這里應(yīng)用非支配排序遺傳算法(non-dominated sorting genetic algorithm, NSGA-II)[30]多目標(biāo)優(yōu)化算法對體系裝備組合展開優(yōu)化。根據(jù)能力優(yōu)先級排序,對“運輸機動能力”和“搜索探測能力”兩項優(yōu)先開展優(yōu)化。應(yīng)用改進的優(yōu)化算法后,得到的Pareto前沿結(jié)果如圖7所示。

圖7中每個點代表一組優(yōu)化后的體系設(shè)計方案。從圖中可以看出,改進的進化架構(gòu)在獲取體系所亟需的能力需求,并對能力需求進行優(yōu)先級排序后,利用優(yōu)化算法為體系決策者提供合理的方案集。

本文以改進后一體化編碼形式和分層計算的模式進行了算法性能的對比。為了避免討論多目標(biāo)優(yōu)化條件下加權(quán)計算帶來的影響,這里以“運輸機動能力”中“救援力量平均到達(dá)時間”這一單獨指標(biāo)來驗證算法性能。

圖7 兩次優(yōu)化的Pareto前沿結(jié)果

如表4所示根據(jù)仿真結(jié)果可知,本文提出的采用一體化編碼的優(yōu)化模式在當(dāng)前問題中尋優(yōu)效果較好,避免了分層優(yōu)化的局部最優(yōu)。

表4 優(yōu)化算法性能參數(shù)比較

5 總結(jié)與展望

本文對體系進化架構(gòu)優(yōu)化設(shè)計方法的改進之處在于通過結(jié)合JCIDS的需求分析方法解決了體系進化架構(gòu)缺乏需求獲取方法和多級優(yōu)化過程耦合性的問題。以FAA過程給出體系的優(yōu)化變量選取范圍,以FNA確定能力的評價標(biāo)準(zhǔn)和優(yōu)先級,考慮體系內(nèi)多級參數(shù),并通過采用一體化編碼的方式,避免了求解中各級耦合的問題及局部最優(yōu),提高了進化算法的優(yōu)化效果。最后以海上救援問題作為應(yīng)用案例開展了從需求分析到優(yōu)化方案的閉環(huán)驗證,該方法能夠有效分析能力需求,并利用優(yōu)化算法實現(xiàn)體系內(nèi)各級參數(shù)的協(xié)同優(yōu)化。

目前研究中應(yīng)用的優(yōu)化算法為在遺傳算法基礎(chǔ)上改進的仿生智能進化算法,其優(yōu)化結(jié)果存在一定隨機性,速度也并不理想。未來研究中將考慮借助代理模型提升評估的效率,并引入博弈決策相關(guān)方法對進化算法進行改進,進一步提高體系架構(gòu)優(yōu)化的速度和質(zhì)量。