艦艇指控系統作戰軟件智能云生態建設研究?

孫 翼 劉 聚 房佳勛 楊 梅

（海軍大連艦艇學院作戰軟件與仿真研究所 大連 116018）

1 引言

水面艦艇指控系統作戰軟件作為連接、統籌和控制指控系統中各分系統的中央大腦對水面艦艇作戰效能發揮具有決定性作用。水面艦艇作戰軟件作戰效能發揮主要尤其所集成的作戰決策模型能力作為基礎。性能優異的單體作戰決策模型以及綜合的優化調度能力是作戰軟件的建設核心。當前隨著人工智能技術的迅猛發展和美軍“決策中心戰”理念的提出，大量的無人自主裝備將出現在未來的海戰場，這給海上艦艇作戰編隊提出了更高的要求。

將人工智能技術引入軍事作戰領域，形成人機融合的作戰生態未來軍事作戰發展趨勢，各軍事大國都投入了大量的資源進行建設。承載和推進人工智能技術最好的技術解決方案是建設完整的開發云生態［8～10］。本文將結合目前艦艇指控系統作戰軟件發展實際，充分利用人工智能和分布式計算云生態的系統優點，在新一代作戰理念的指引下構建艦艇指控系統作戰軟件云生態框架，以應對未來海上作戰對艦艇指控系統軟件提出的新挑戰［1～3］。

2 艦艇指控系統作戰軟件云生態的研發

2.1 艦艇指控系統作戰軟件云生態定義

云計算是分布式計算的一種，指的是通過網絡“云”將巨大的數據計算處理程序分解成無數個小程序，其早期就是簡單的分布式計算，解決任務分發，并進行計算結果的合并。現階段所說的云服務已經不單單是一種分布式計算，而是分布式計算、效用計算、負載均衡、并行計算、網絡存儲、熱備份冗雜和虛擬化等計算機技術混合演進并躍升的結果。而云生態的概念是以云計算平臺為基礎，打造一個集用戶交互、平臺數據處理、分布式計算、系統迭代升級的良性互動的有機體，其組成包括硬件系統、軟件系統以及人的行為操作［5］。

艦艇指控系統作戰軟件云生態勢是依托云生態的系統框架，建設專門適用于艦艇指控系統作戰軟件研發及其配套設備、系統的云生態系統。目的是為了最大限度地將專業資源進行高效整合，大幅度減少系統隔離、工程周期的壁壘和約束，實現端到端的設計、研發、測試和部署聯動環節，以更短的迭代周期有效提高艦艇指控系統作戰軟件的作戰效能。

2.2 艦艇指控系統作戰軟件云生態研發理念

鑒于美軍提出的“決策中心戰”理論，其核心是在作戰指控系統作戰軟件上下功夫，通過人工智能等新興技術對傳統武器平臺進行賦能，以算法模型優化提升原有作戰系統能力，實現無法識別其作戰企圖、體系抗摧毀和分布式殺傷的“決策中心戰”作戰理念。

在傳統知識模型基礎上，綜合使用數據驅動和知識驅動方法，理清和調整數據驅動與知識驅動邊界，利用云生態系統構建新一代作戰軟件框架。以應對“決策中心戰”等新的作戰理論為作戰軟件研發的指導思想，堅持獨立自主，勇于創新，認識和理解技術改變指揮的作戰軟件發展理念。按照軟件研發的客觀規律構建研發組織架構，建立信息交流和資源共享機制。利用現有的成熟技術對站軟件進行框架更新和模型升級，滿足現階段部隊作戰輔助決策的巨大需求。

2.3 艦艇指控系統作戰軟件云生態建設原則

艦艇指控系統作戰軟件云生態旨在為艦艇指控系統作戰軟件開發提供完整的產品解決方案，有效整合需求、設計、編寫、測試和部署等多個項目開發環節，降低各個環節對接的復雜流程，實現不同專業多人同平臺的聯合開發的研發模式，將原有孤立的作戰模型高效整合，實現快速、敏捷的艦艇指控系統作戰軟件開發模式。為了達到以上開發要求，艦艇指控系統云生態應該符合以下建設原則。

1）抗摧毀原則。作戰軟件生態云為各專業工程技術人員提供完整的開發環境，可實現多人異步在線開發。因此，云系統建設的首要原則是抗摧毀性原則。一是考慮云系統處理大量的用戶訪問帶來的系統資源枯竭而導致的系統崩潰。云系統應該在訪問控制、負載均衡以及不法請求等方面準備相應的解決方案，以實現系統的穩定性。二是考慮開發人員和用戶的錯誤操作而導致系統崩潰。這需要對用戶和開發人員的操作進行相應的技術檢測、包括漏洞檢測、邏輯檢測和數據檢測等。三是考慮系統崩潰后有完整的替代補救方案。一旦云生態系統因各項原因而崩潰，系統應該具備自動轉換備用系統，而主系統自行恢復的能力。

2）高性能原則。作戰軟件生態云包含了分布式云仿真系統，作戰仿真系統由于其本身的計算復雜度需要占用大量的系統資源，加之多用戶的線上開發調用，這對系統的性能提出了非常高的性能要求。加之作戰軟件云生態為用戶和開發人員同時在線提供計算資源，這就導致對資源的消耗成線性增長甚至幾何增長。這就需要云生態系統能夠實現非常高效的內部優化和資源管理能力，以保證云生態系統可靠性。

3）彈性擴展原則。傳統系統的內部部署架構無法輕松擴展。通常，運維團隊必須通過購買服務器和其他基礎設施資產來規劃峰值容量。這些多余的資源在活動暫停期間處于空閑狀態。云生態系統的資源池可根據開發人員和用戶需求量動態調節分配資源實現系統的可擴展性。因為可以根據需要添加或刪除計算、存儲、網絡和其他資產，這有助于開發團隊優化其云平臺托管的工作負載并避免最終用戶瓶頸。當需求意外激增時，正確配置的云計算應用程序和服務會立即自動添加資源來處理負載。當需求減少時，其云計算服務將恢復到原來的資源水平。云計算可以垂直或水平擴展，作戰軟件云生態商可以提供自動化軟件來為用戶處理動態擴展。

2.4 艦艇指控系統作戰軟件云生態建設目標

1）構建良好的作戰軟件開發生態環境，使各型號的作戰軟件開發在同一個研發環境中，通過生態云資源管理系統實現軟件資源統一管理和分配。通過開發人員不斷豐富和完善作戰模型，實現滾動迭代的軟件開發流程，逐漸形成在產業內的整體技術優勢，實現艦艇指控系統作戰軟件的彈性開發、敏捷開發。作戰軟件各模塊獨立開發模式，不能形成完整的作戰軟件開發流程。實現作戰模型開發經驗共享和快速更新迭代，利用云作戰仿真引擎驗證給予數據支持和優化，使作戰模型更加貼近作戰實際。

2）確立以作戰目的為作戰模型求解綜合目標，充分利用各戰術模塊資源形成合力，統籌各戰術模型的新型作戰模型構建理念，結合計算機技術生成動態可適應性的彈性決策模型。實現決策模型應用范圍覆蓋戰役級和戰術級的輔助決策能力。利用人工智能數據驅動網絡模型將傳統知識模型模塊包含整體的神經網絡設計框架內，最大限度發揮傳統作戰經驗和人工智能自主探索的優勢，從整體作戰目標上對作戰模型進行優化。

3）創新實現人工智能自主的作戰方案生成與驗證能力，完善和豐富作戰軟件在戰役級作戰輔助決策和任務規劃領域的應用。在作戰方案推演過程中，提供超實時的作戰方案推演和輔助決策能力，在推演的關鍵作戰節點提供預先的輔助決策分析，為指揮員提供良好的決策支撐。作戰方案推演的關鍵節點使用機器自博弈方法在各個關鍵分支方向進行模擬對抗，自博弈對抗是基于預先的智能藍軍模型進行推演，可以更加真實擬合敵方行動，并充分發揮的最大作戰能力。然后根據作戰目標對博弈結果進行評判，并將相應的分析返回到當前作戰進程中，為指揮員決策提供完整的數據支撐。

4）實現簡約友好的人機交互手段，在分布式作戰仿真引擎的數據推動下，綜合利用虛擬與現實技術，為指揮員提供全場景作戰態勢的數字沙盤和手勢交互，實現高效的人機交互和作戰輔助決策支撐。突破人機交互繁瑣，實現開發人員從指揮人員角度理解作戰過程的開發思想，提高作戰軟件的界面友好程度，從而吸引更多用戶操作使用，為云生態提高質量數據，使云生態系統進入良性循環。

5）通過軟件開發生態環境，實現過程質量管理的自動化和可追溯化。借鑒大型程序代碼倉庫管理平臺的理念，實現本地的程序代碼管理，并通過項目分組、人員分工和代碼倉庫等實現研發組織和過程管理的質量監控體系。

3 艦艇指控系統作戰軟件云生態框架

艦艇指控系統作戰軟件云生態架構總體包含客戶端與服務端，客戶端通過網絡請求想作戰軟件云申請響應的資源，服務端依據請求統籌調度各類資源為客戶端提供響應的服務。服務端總體包括作戰方案原子規則生成模塊、智能計算平臺和云仿真引擎等部件，其架構圖如圖1所示。

圖1 艦艇指控系統作戰軟件云生態架構

3.1 基于計算服務器集群的分布式計算中心與仿真平臺

根據新的作戰理論描述，未來海上作戰就是算法作戰。深度學習算法作為人工智能算法研究前沿，在諸多領域已經進行了測試和應用，并取得了良好的效果。新一代的智能算法需要計算云為其提供強大的計算能力，而計算云構建離不開高性能的硬件基礎以保障充足的算力實現大規模的分布式計算。構建作戰軟件生態云還需要底層的資源調度系統和運行維護，這三部分相互支撐構成完整的計算云環境。利用第三方開源云生態框架Ku?bernets和Docker容器化技術構建作戰軟件生態云，實現云上開發、云上管理、云上部署、云上測試的完整軟件開發流程，實現作戰軟件的敏捷開發和彈性開發。

現代化作戰由于其殺傷性強、成本高無法進行大規模的試驗和訓練。而作戰軟件是未來作戰的中心環節，在一定程度上決定了作戰的走向，因此其可靠性有效性需要在仿真平臺上進行大量的試錯和優化。構建具有獨立自主的仿真模擬運行引擎。基于分布式架構的云仿真驅動平臺依托云計算和微服務技術，可以最大限度調動計算資源，并支持多想定并行推演。利用仿真平臺的推演結果對整體的作戰方案進行評估，為作戰指揮人員提供高效的作戰輔助決策。

3.2 基于數據驅動模型和知識驅動模型算法的智能計算架構體系

戰爭是復雜系統體系，現代化戰爭加入了各種高技術手段，導致系統維度進一步提升，使指戰員更加難以清晰地理解和認識。解決復雜系統就要使用與之配套的解決手段，傳統上的演繹方法——依靠決策樹的和戰術計算的方案無法進行高維度復雜問題求解。在數據充分的條件下，歸納方法更為有效。新一代的智能技術深度神經網絡框架由于其實現了輸入與輸出的非線性變換，在仿真引擎的數據驅動模式下，可以實現復雜問題求解。在分析和理解作戰輔助決策上充分利用二者的優勢實現層級化的任務規劃和輔助決策，實現全鏈路的作戰方案生成。數據驅動模型和知識驅動模型算法框架應用基于梯度下降的強化學習算法，其組成包括價值網絡和策略網絡，即Actor-Critic模型。在網絡模型整體設計中，將知識模型的決策樹結構設計在策略網絡結構內，這樣可以模型在可以繼承先驗知識的情況下，又能決策空間進行探索，最大發揮知識驅動和數據驅動模型的效能［6～9］。

3.3 基于作戰方案數據集的作戰原子規則生成模塊

作戰方案原子規則生成模塊利用特征提取、自動編碼、數據離散等算法對原始作戰方案數據集進行關鍵要素提取，并在分布式云仿真平上通過后續強化學習算法對原子規則進行驗證，并將結果返回給數據算法對算法進行修正，以實現對機器對專家知識、歷史經驗的提取和利用。模塊建設主要分為兩個階段，第一階段對現有方案按著作戰要素進行特征提取，并形成一套完整的作戰原子規則庫，為其他模塊提供基礎支撐。第二階段則使用自然語言處理技術（NLP），利用機器學習自動提取作戰方案要素，探索作戰中更多的未知性和不確定性［10］。

3.4 基于人工智能技術的應用服務層

基于人工智能技術的應用服務層通過B/S結構向軍事人員提供模型開發服務，整合成完整的應用級服務集對不同用戶提供作戰指標建立、模型開發、模型驗證、方案推演驗證以及實裝部署測試等應用服務。軍事開發人員可以在自己所從事領域，基于作戰方案數據集的作戰原子規則模塊進行高效的模型開發，也可以通過機器學習算法、深度學習算法、強化學習算法對底層資源進行調度，實現快速的數據驅動和知識驅動融合開發。并在系統內完成模型的驗證和封裝，實現一體化的知識到模型庫流程。

數據是構建作戰是作戰軟件云生態的核心要素，依托現有的軍隊網絡或結合人員培訓，構建一套BS架構的作戰軟件使用模式，使廣大作戰指揮人員和工程技術人員進行廣泛的使用測試，既可以提高作戰人員的操作熟悉程度，又可以為后續迭代開發提供大量高質量數據支撐。該使用環境依托與分布式架構實現，可以實現多名開發人員在同一環境下并行開發，也可以實現多名指揮員在統一作戰想定中進行模擬推演［13～16］。

4 結語

本文依據新一代作戰理念，提出了艦艇指控系統作戰軟件云生態的建設理念、建設原則和建設目標，結合作戰軟件的客觀業務需求和網絡云生態技術，以此為基礎構建了艦艇指控系統作戰軟件云生態架構。該架構是進一步提升我水面艦艇作戰體系適應性的理論基礎和實施方法，旨在應對未來美軍“決策中心戰”，對未來海上作戰軟件研發具有重要的指導意義。