基于多Agent的战时装备维修保障仿真研究

张明亮，张 炜，李建华

( 国防大学联合勤务学院，北京 100039)

战时装备维修保障是为保持、恢复战时武器装备良好技术状态而进行的各项保证性措施与活动。良好的战时装备维修保障对于节约保障资源、减少保障时间、提高保障效率具有非常重要的意义[1]。然而，战时装备维修保障涉及的因素多、关系复杂，采用传统的建模方法很难对其进行准确描述，基于多Agent的建模仿真为军事作战行动仿真提供了新方法新手段[2～4]。本文尝试应用基于多Agent的建模思想和自底向上的建模方法，结合多主体仿真平台Anylogic对战时装备维修保障进行仿真实验。

1 战时装备维修保障影响要素分析

对战时装备维修保障进行多Agent的建模仿真，首先要了解影响战时装备维修保障行动的各个因素，根据各个影响要素提炼Agent进行建模仿真[5]。

战时装备维修保障一个很关键的因素是时间要素，时间要素一般可分为延迟时间与维修时间两部分。本文中，维修时间指恢复装备功能要求所需的时间长度，延误时间包括因资源短缺造成的等待时间以及维修力量到达现场的时间。

战场环境因素对战时装备维修保障有很大的影响，双方对抗的强度越高，装备受损的速度就越快，同时，战场环境越恶劣，装备维修力量就必须花费更多的时间抵达救援现场，在此过程中，维修力量本身也会受到损耗。

战时装备维修对于装备维修人员的心理素质以及专业水平都是极为严峻的考核，人员、物资在战时的集结调度都需要一次的时间，只有在平时对战时装备维修有充分的准备并进行详细合理的计划与储备，才能真正在战时快速反应。同时战场环境复杂多变，这就要求装备维修力量能够有效沟通、有序指挥、分级合作，保证战时装备维修及时高效。

2 战时装备维修多Agent定义及结构

多Agent来源于分布式人工智能理论，主要研究在特定场景下具有一定智能的主体之间相互竞争、协作的关系。多Agent建模的思想是将现实的智能行为主体进行抽象建模，每个主体独立且拥有自己的行为规则，从研究Agent的微观行为着手，进而获取系统宏观行为的量化表述[6～7]。采用基于多Agent的建模思路首先要确定系统中的实体Agent类型，并对其结构、行为及交互规则进行研究。

1) 战时装备维修保障多Agent模型图

战时装备维修保障中一般涉及战斗装备Agent、维修力量Agent和火力打击Agent，其属性与交互大致如图1所示。

2) 维修力量Agent

维修力量Agent的属性定义如表1所示。

表1 维修力量Agent结构与属性

2) 维修力量Agent行为及交互规则

维修力量Agent采用就近现场维修规则，在得知受损装备Agent位置的情况下，逐个计算其与自身距离。选择最近的受损装备Agent进行维修。当抵达维修装备所在地后，迅速进行维修作业，并根据受损装备Agent的受损程度消耗一定的物资装备。维修力量Agent携带的物资装备数量规模有限，数量多时将影响行进速度，延误维修时间，数量少时无法对受损装备进行维修，当其物资数量小于就近受损装备的受损程度时，返回基地进行补充。

3) 战斗装备Agent

战斗装备Agent的属性定义如表2所示。

表2 战斗装备Agent结构与属性

在执行作战任务与等待救援力量维修时，战斗装备可能因遭受敌火力打击而受损，受损程度视火力打击强度而定，同时，在执行作战任务时，战斗装备仍可能因正常使用而受损，随着使用时间的增加健康度逐渐减少。健康度低于75时报修。维修力量Agent抵达受损装备现场时，受损装备因接受维修保养逐渐恢复，当健康度增长到100时，视为对该受损装备的维修保养作业结束。维修力量Agent离开并前往下一个受损装备Agent。

4) 火力打击Agent

火力打击Agent的属性定义如表3所示。

表3 火力打击Agent结构与属性

对抗方Agent持续对维修力量Agent和受损装备Agent进行火力打击，并对战场环境造成一定时延的破坏，影响维修力量Agent的机动速度，增加受损装备Agent的等待延误时间。

3 仿真实现与结果分析

本文建立的基于多Agent的战时装备维修保障仿真分析模型可在Anylogic仿真平台上实现，Anylogic是一款同时支持离散事件、系统动力学以及多Agent混合建模的商用仿真工具，使用拖拉式建模方法，简化建模过程，同时该软件自带了许多库文件，用户可以此为基础进行修改，非常方便创建自己的模型[8]。

根据以上所述各Agent实体以及它们的交互规则，可应用Anylogic开发相应的仿真程序，仿真模型框架如图2所示。仿真实例中假设我方战斗装备数量为15，在战场环境中随机游走，我方维修力量的数量为6，敌方打击时间间隔为满足均值为50个时间单位的指数分布，并且每次打击随机选择三个战斗装备进行打击，每次打击会造成战斗装备健康度的减少，减少值为数量20～60的均匀随机分布，维修力量抵达战斗装备现场时，每个时间单位内战斗装备的健康度增加1。整个战时装备维修保障可视化模型如图3所示。

在战时装备维修保障仿真分析与实验中，由于战场环境的随机性，每次实验产生的结果都不尽相同，图4为某一次仿真的统计输出结果。

区别于统计输出结果，利用Anylogic自带的图表工具对每一战斗装备和维修力量的状态进行观察分析。从图5看出，随着战斗时间的增长，一些战斗装备可能因得不到及时的维修或连续遭到敌火力的打击而报废，此时，虽然敌火力强度未发生变化，但密度更集中，导致战斗装备报废的速度逐渐加快，一次打击中战斗装备可能连续遭到敌火力打击直接报废。但由于战斗装备得到了可靠的维修，在较长的时间内，较高比例的战斗装备保持了战斗状态，从而保持良好的战斗力。通过各个维修力量的忙闲状态，可以判断维修力量的业务工作量，进而增加或减少维修保障力量。

4 结论

基于多Agent理论，确定了战时装备维修保障过程中的各类型Agent实体、行为及交互规则，并借助Anylogic仿真平台实现了模型的构建，与战时装备保障的实际场景相似，具有一定的实用性。下一步工作是进一步细化各Agent的时空特性及交互演变规则，更加贴近实战条件下装备维修保障实际，为战时装备维修保障的评估提供科学参考。