海戰場作戰資源規劃方法研究綜述?

龍紅軍 劉佳銘

（1.武漢數字工程研究所 武漢 430074）（2.海裝駐上海地區第一代表室 上海 201913）

1 引言

信息化背景下的海上作戰，作戰任務種類繁多且復雜多變，實時戰場態勢瞬息萬變，作戰資源對象數量龐大且能力多樣，針對實際作戰所需的資源種類也急劇增加，如何合理、有效地分配有限的作戰資源以達到效能最大的目標是保證作戰任務成功完成的關鍵。優化作戰資源能夠提高任務完成效率。國外關于作戰資源規劃方法的研究取得了豐碩的成果，包括作戰資源計劃系統和任務管理系統的研發，其中聯合作戰計劃與執行系統（JOPES）［1］是美國關于作戰資源規劃的重要研制成果。國內對作戰資源規劃技術進行了廣泛研究，許多理論和方法已用于海上作戰中，并取得了豐富的研究成果。本文針對海上作戰資源規劃問題，梳理了多種有效的資源分配方法，并探討了實際應用情況。

2 海戰場作戰資源內容分析

海戰場是現代戰爭的主要作戰場所之一，對我國國防事業意義重大，海軍各兵種及其力量組成通過科學合理的配置編組，形成的作戰力量體系具有功能互補且兵力之間有機協同的特點。隨著網絡化信息系統的不斷發展，針對特定的作戰目的，以不同的任務需求為依托，海戰場資源規劃方法優化選擇并應用相應的作戰力量，通過發揮不同兵種的各自優勢和特點，最終實現功能互補，揚長避短，有效協同，形成綜合優勢。根據海上綜合作戰的要求，整個作戰指揮體系必須能夠在極短的時間和龐大的空間范圍內完成一系列具體功能，包括信息獲取、兵力配置、情報處理和武器∕傳感器的指揮控制。在實時作戰過程中，為有效應對戰場態勢的快速變化，必須實現分布式海戰場作戰資源的實時動態規劃，以滿足指揮員靈活調度的需求。

海戰場作戰具有如下特點：

1）戰場涉及的作戰樣式、作戰任務、作戰活動種類繁多，作戰要素和對象之間的關系及信息交互過程復雜；

2）指揮形式復雜，協同與支援關系多變；

3）海上作戰決策過程異常復雜；

4）戰場空間巨大，戰場資源種類繁多，其屬性與功能各異，且分布廣泛；

5）信息化背景下的海上作戰具有作戰行動節奏快、作戰形式多樣的特點，且作戰任務具有一定的不確定性和突發性，這些特性使得在海上實際作戰過程中，留給資源規劃方案動態生成和實時調整的時間非常有限。

復雜作戰環境下的種種原因導致了海戰場資源規劃的復雜性和特殊性。海戰場環境下資源規劃的目標，是要在現代化海上作戰過程中，根據作戰任務與需求，針對確定的海戰場資源集合，完成合理的資源分配過程，以多種資源組合構建滿足海軍作戰任務要求的合理資源服務，提高作戰資源利用率，優化海戰場各類資源的管理，協調作戰行動，最大程度上減少作戰指揮過程中來自海戰場的不確定因素影響。

海戰場作戰資源可分為物理資源（武器∕傳感器裝備、大型物資設備等）和信息資源（信息、數據、知識等）。面向資源實施的規劃與管理，根據功能可將海戰場作戰資源分為武器平臺資源、傳感器感知資源、作戰保障資源和指揮控制資源等（如圖1所示），這些不同的資源具有分布性、移動性、交互性以及約束性的特點，并已逐漸形成有機的整體，呈現出相互制約、相互依存的一體化特點，作戰資源所能夠發揮的整體效能極大地影響著海戰場作戰效能。

圖1 海戰場資源分類

3 資源規劃的主要方法

目前針對作戰資源規劃方法有許多較深入的研究，其中包括基于決策偏好的Pareto多目標作戰資源規劃方法［2］、基于遺傳算法的作戰資源規劃方法［3］、基于Ripple共識機制的分布式作戰資源規劃分配方法［4］、基于多優先級任務鏈的資源規劃方法［5］等。而隨著科學技術發展，這些新理論、新方法也與海上作戰實際應用相結合，從不同角度對現有的作戰資源規劃方法進行改進以獲得更優的結果。

1）基于決策偏好的Pareto多目標作戰資源規劃方法

在解決多目標優化問題的時候，通常存在多個優化目標之間是互相制約、互相矛盾的情況，往往無法同時增加所有目標的性能，亦即無法得到使得所有目標同時達到最優的解，只能在協調的前提下對結果進行折中處理。在理論層面，多目標優化會得到多個Pareto最優解，這里Pareto最優解也稱Pareto效率，而整個優化問題的最優解僅為某個偏好決策前提條件下的滿意解，因此解決該問題時類似于單目標優化的最優解不存在。算法運行結束后，會存在大量分布范圍廣，且重要程度差異不大的非支配解。

針對Pareto解的問題，通過模糊邏輯構建模糊推理系統［6］，設計一種“強度優于”關系，這種關系能夠替代Pareto支配關系，從而抽象為決策偏好信息，最終得到的解具有一定程度的指向性。對于決策者而言，決策空間的減小將大大提高決策效率。同時為提高量子粒子群在尋解過程中的多樣性，算法使用混沌變異算子來避免過早收斂，進一步提升了局部搜索效率［7］。優化后的方法通過分析作戰資源規劃過程中性能指標函數和主要約束條件，建立了一種面向任務的作戰資源規劃模型，該模型基于決策偏好信息進行求解，使得解集結果范圍更聚焦，縮小了目標解的搜索空間，提高了作戰指揮的決策效率。

2）基于遺傳算法的作戰資源規劃方法

海戰場中作戰資源與其他類型的資源有著很大的差異，作戰行動總是以最大任務完成度和最小代價為前提進行決策。海上作戰資源規劃的制約條件有許多：（1）同種資源可能需要支持多個不同的作戰任務，作戰資源具有多任務特性；（2）一個作戰任務可能由多個不同的作戰資源共同完成；（3）現有作戰資源和作戰任務要求之間的匹配問題；（4）各項不同的作戰任務或活動之間存在著一定的邏輯與時序關系，并制約著資源分配結果；（5）不同的任務具有空間分布性；（6）不同的作戰資源具有不同的使用條件，包括空間和時間等因素。這些問題使得海戰場資源分配變得十分復雜。針對這些問題，遺傳算法通過計算機仿真的方式，將求解過程轉化為生物理論中染色體的基因組合、更新過程，在動態過程中實現編碼、適應度函數配置、選擇運算、交叉運算、變異運算、懲罰運算等步驟，具有自適應、自組織以及自學習性等特性。使用基于染色體群的并行搜索，以及帶有猜測性質的選擇、交換和突變過程，使得遺傳算法同其它搜索算法區別開來，同時對搜索空間中的多個解進行評估，能夠減少產生局部最優解的概率，算法易于實現。

3）基于Ripple共識機制的分布式作戰資源規劃分配方法

近年來，區塊鏈技術飛速發展，已在許多不同領域中成功應用，其分布式共識機制可以應用于資源規劃問題，能夠同化分布式節點間的分配問題，確保資源數據維持同步狀態。Ripple［8］共識機制的算法效率高且分區容錯性強，將其應用于海上作戰的作戰資源分配過程中，遵循區分末端節點、協商節點和審核節點等三類功能節點的海戰場作戰資源分配架構，在戰場環境下能夠使得各分布式指揮節點間進行分配的作戰資源數據具有一致性，同時在一定程度下保證分配效率。在Ripple共識機制下，參與作戰任務的各指揮節點達成作戰資源分配共識。海戰場的作戰資源分配流程主要可包括綜合處理作戰資源的使用申請、對作戰資源分配提案進行分析、規劃作戰資源的使用以消解沖突、對完成的作戰資源分配結果進行確認。

4）基于多優先級任務鏈的資源規劃方法

基于多優先級任務鏈的資源規劃方法首先對總任務集進行預處理，將若干有關聯的子任務通過組合聚合為任務鏈，使得問題規模減小，以提高規劃效率。同時通過每條聚合任務鏈的時序和屬性特征，可有效消解單個任務鏈內的多種約束，包括依賴關系與資源占用等。為保證核心重要任務的優先權，使用多優先級動態規劃技術，構建平行最優集。針對作戰資源的過度冗余問題，引入負反饋調整機制，優化了作戰資源的規劃，使得調度過程更加均衡。

4 基于多優先級任務鏈的作戰資源規劃方法在海戰場中的應用

海戰場作戰樣式多樣，任務的完成需要海量異構作戰資源的共同支撐，海戰場作戰資源不僅數量龐大，而且約束關系復雜，這使得合理高效的資源規劃成為難點。資源規劃與利用的有效性深刻影響著我海軍奪取制空、制海權，保護海上交通線與戰略通道，維護我國海外利益，以及實現我海軍由近海防御向遠海防衛的轉型［9～12］。在具體的作戰任務背景下，對可用資源平臺進行科學配置和部署，做到作戰樣式、任務和活動與作戰資源之間合理匹配，是提高海上作戰體系效能的關鍵所在。

基于多優先級任務鏈的資源規劃方法首先對總任務集進行預處理，將若干有關聯的子任務通過某種方式聚合為任務鏈，并設置平行最優集和多級反饋規劃機制，在保證高優先級任務資源優先權的同時又兼顧考慮低優先級任務的基本資源需求，從而有效減小了作戰資源的過度冗余，使得作戰資源的規劃與調度更加合理。其規劃流程如圖2所示。

圖2 基于任務鏈的多優先級動態列表規劃流程圖

該算法所提供的最優集具有多樣性和代表性，能夠適應不同作戰背景及不同任務情況下的海上作戰需求，從而提高指揮員方案決策的靈活性和全面性。

5 結語

作戰資源規劃是現代化海戰場作戰制勝的關鍵問題之一。目前已存在許多優良的資源規劃算法，同時廣泛應用于軍事理論與研究中。針對海上作戰中的任務資源規劃問題，基于多優先級任務鏈的資源規劃方法針對任務集給出了關聯任務聚合和任務鏈構建方法，弱化了海上作戰任務之間的依賴關系并減少了資源重用約束；同時針對作戰過程中作戰資源的過度富集問題，設計了并行最優集和多級反饋規劃機制。該方法能夠簡化海戰場作戰資源規劃的問題規模并降低了模型求解難度，使得作戰資源的調度均衡化，可以適應不同作戰背景及不同任務情況下的海上作戰需求，最終提高指揮員方案決策的靈活性和全面性。在未來的戰爭背景下，資源規劃方法將不斷發展，并深刻影響著戰爭的走向。