基于体系重心算法的火力打击目标排序方法*

张 睿,梁海民,赵士夯

(国防大学联合作战学院,河北石家庄 050084)

在未来信息化战场上,信息网络固然有其指令传输高效、战场感知灵敏等优势,同时也存在体系重心节点脆弱、抗毁性差等缺点,无处不在的网络也意味着无处不在的弱点[1]。随着联合火力打击战法研究日益深入,体系破击成为一体化联合作战的重要指导思想,其战法核心是通过对敌作战体系中的某一支撑节点实施打击,达成“击一点而瘫一片”的毁伤效果。为此,国内外学者研究了多种目标排序方法,文献[2-3]从层次分析的角度对目标排序进行了量化赋权分析,文献[4-5]从模糊聚类的角度对目标排序进行了矩阵分析,文献[6]从复杂系统角度构建体系模型分析目标排序,文献[7]从证据链角度分析目标排序,文献[8]从复杂网络角度分析体系破击的评估指标,文献[9]从熵权角度分析了目标排序综合评估指标。上述研究方法可归为两类:一类从单个目标出发对评估指标进行综合衡量计算,优点在于效率高、好理解、计算简单,缺点在于没有考虑目标在体系中发挥的网络关联作用。另一类为从体系出发对目标在作战网络中发挥的作用进行关联评估计算,优点在于体现了体系破击的作战思想,缺点在于网络构建过于简单,且并未融入指挥员的决策倾向,使结果难以预测和控制。本文在总结前人工作基础上,通过自主设计的体系重心算法,在网络体系中找到使网络结构发生重大改变的体系重心节点,进而得到目标打击排序。

1 算法原理

体系重心算法设计理念来源于实体网络结构中的重心概念。所谓重心,是指物体处于任何方位时,各节点的重力合力都通过的那一点。任何实体网络结构都存在重心节点,其特征为与其相连接的各边受力相同,即该节点为整个网络结构的平衡点。通过重心概念可知:节点相连接各边承受重量的差别越小,则该节点距离重心越近。本文定义重心偏离度以衡量某节点的相连接各边受力的最大差异。在图1所示网络体系中,G为重心偏离度最小的节点,从网络体系构架分析,摘除G必定会造成整个体系的崩解。

图1 体系重心节点示意图

体系破击战法的核心目的在于通过打击某一节点使敌网络体系毁瘫,从网络体系构架分析,打击距重心最近的节点最有可能造成网络体系的重心发生重大偏离甚至造成体系崩解。因此算法的核心就在于找到网络中的重心节点。

2 算法描述

体系重心算法设计的总体思路是:一是利用战前梳理汇总出的理想目标清单、目标属性表和目标关联表,融合生成作战体系超网络;二是利用目标属性表计算各节点、边和子网络的重量分值;三是利用重心偏离度算法对超网络进行重心偏离度分析;四是根据目标打击清单中各目标的重心偏离度确定火力打击目标排序。算法流程图如图2所示。

图2 体系重心算法流程图

2.1 生成超网络

超网络的概念是美国科学家Sheffi等[10]在处理交织网络时提出,特指高于而又超于现存网络的网络,超网络也可看作是网络的网络,体现出超越一般网络的复杂性和涌现性。超网络理论对作战体系建模产生重要影响,主要体现在:一是超网络可将现存作战数据分类并形成相互关联的网络数据,赋予数据全新的信息描述与解释;二是超网络的层次概念适用于作战模块和作战进程区分,便于在作战进程中实时筛选并简化数据量,提升数据计算效率;三是超网络的宏观性配合战场各类传感器的实时数据,以及最新的数据挖掘和深度学习算法,能够在海量数据中匹配出单一网络无法探查出的新特征,并以众多新特征提升军队整体作战能力。本文为了区分作战体系网络与各子网络,将作战对抗体系超网络划分为如下子网络:指挥控制网、侦察情报网、防空火力网、远程火力网、近程火力网、后方保障网。各子网络的划分原则如表1所示。

表1 子网络划分表

2.2 计算重量值

本文对重量值做出定义:重量值用以衡量某节点(或边、子网络)在超网络中能够发挥出的使用价值,即使用程度越高,则重量分值越大。设超网络中的第i条边同时被k个子网络包含,则定义其重量为k;设第j个节点的重要程度分值为Cj,对我威胁程度分值为Wj,易毁程度分值为Yj,机动能力分值为Jj,指挥员决策倾向权重分值为K,则重量Zj计算公式为

(1)

式中,若第j个节点属于r个子网络,而指挥员决策倾向为每个子网络赋予不同权重时,则K的计算公式为

K=max{K1,K2,…Kr}

(2)

设第k个子网络中包含有m条边和n个节点,第i条边的重量为Zi,第j个节点的重量为Zj,则第k个子网络的重量Zk的计算公式为

(3)

2.3 分析重心偏离度

通过对重心概念的界定,重心节点应为所有节点中各边重量差异最小的节点,本文将重量差异命名为重心偏离度。重心偏离度用以衡量某节点在超网络中的平衡状态,重心偏离度越小则该节点在超网络中的位置越接近重心,在超网络中发挥的体系支撑作用越大。计算关键节点的重心偏离度算法描述如下:

1)从该节点出发,累加与其相邻的所有边的重量;

2)从与其相邻的所有边出发,累加能够访问到的下一个节点重量(不允许重复访问);

3)重复1)和2),直至访问到邻接子网络或者访问不到下一个节点为止;

4)若访问到邻接子网络,则累加相连的所有邻接子网络重量之和;

5)若访问不到下一个节点,则返回累加的重量值。

6)设节点序号为i,该节点共有n条边与其相连接,各边传递的重量为Zj(1≤j≤n),则重心偏离度pi计算公式为

pi=max{Z1,Z2…Zn}-min{Z1,Z2…Zn}

(4)

7)重复1)-6),计算出所有节点的重心偏离度。

2.4 统计目标排序

使用重心偏离度算法即可计算出各实体目标的打击排序,由于排序结果是依据指挥员决策倾向的主观赋值计算得出,易造成排序结果的失真。本文引入蒙特卡罗仿真实验方法对排序结果进行统计分析,主要步骤如下:

1)确定指挥员的决策倾向限制条件,并根据限制条件随机生成权重序列;

2)根据权重序列调用体系重心算法计算火力打击目标排序,保存排序结果;

3)重复1)和2),整理统计排序结果,生成各目标的打击排名统计情况输出。

3 实例分析

输入初始条件:战时动态获取的目标打击清单如表2所示。

作战筹划阶段拟制的理想目标清单、目标属性表和目标关联表如表3-5所示。

设指挥员决策倾向为“防空火力网>侦察情报网>指挥控制网>远程火力网>近程火力网>后方保障网”。根据体系破击思想确定火力打击目标排序,具体计算流程如下:

1)生成超网络。首先根据理想目标清单和目标关联表生成超网络,如图3所示。

2)计算重量值。设指挥员主观决策权重为防空火力网6分,侦察情报网5分,指挥控制网4分,远程火力网3分,近程火力网2分,后方保障网1分,则根据表1计算所有边的重量;根据公式(1)计算所有节点的重量;根据公式(3)计算所有子网络的重量。子网络重量如表6所示。

表2 目标打击清单

表3 理想目标清单

表4 目标属性表

表5 目标关联表

图3 未加边重超网络图

表6 子网络重量表

3)分析重心偏离度。以M101为例,根据重心偏离度算法,与M101相连接的边传递重量Z101分别为

(5)

根据公式4,计算M101的重心偏离度P101为29.75。进而求得各实体节点的重心偏离度,如表7所示。

表7 实体目标重心偏离度

4 算法应用

通过实验设计制作“联合火力打击目标排序软件”验证算法的科学性和有效性,软件的主要实现功能:在给定目标打击清单和指挥员决策倾向的基础上自动生成火力打击目标排序,提供定量分析的目标排序统计结果,并形成量化辅助决策建议。实验计算机配置:联想笔记本电脑运行MFC程序,配置:Intel酷睿双核处理器T7300 2.0GHz;3G内存;32位Win7操作系统;vc6.0编程环境。

4.1 模块设计

软件由数据导入模块、网络显示模块、决策倾向模块和辅助决策模块组成。数据导入模块用于录入理想目标清单、目标属性表和目标关联表,软件自主计算每个目标节点的对应重量并格式化显示。网络显示模块用于形成理想目标的关联矩阵,并调用“UCINET软件”生成网络图,便于指挥员分析各目标在超网络中的支撑作用,为定下指挥员决策倾向做准备。决策倾向模块由指挥员根据主观决策确定对各子网络的打击先后排序。辅助决策模块用于输出计算机量化计算后产生的辅助决策建议,供指挥员参考决策。软件的整体界面如图4所示。

图4 软件整体界面

4.2 实验分析

1)对比分析。为了验证该算法有别于传统的重要程度排序法,选取目标打击清单中的重要程度排名进行参照对比,对比结果如表8所示。

表8 目标排序对比结果

通过对比,本算法产生的排序结果和重要程度排序法差别较大,原因主要是本算法考虑了网络体系对各目标的关联影响,从体系角度确定各目标的综合价值,相比于传统方法,本算法确定的目标排序更科学合理。

2)效率分析。为了验证该算法是否满足战场指挥时效性要求,对蒙特卡罗仿真实验的整体用时进行效率分析,结果如表9所示。

表9 算法用时统计/ms

由表9可知,本算法可在1分钟内对指挥员提出具体辅助决策建议,并提供量化分析结果,时效性满足作战指挥需求。

4.3 效果显示

软件运行结果如图5所示。

图5 软件运行结果

5 结束语

本文在给定理想目标清单、目标属性表、目标关联表的基础上,设计出基于超网络构架的体系重心算法,实现了火力打击目标的排序,较传统的基于经验的重要程度排序法更能体现体系破击战法思想,较同类体系评估算法更有效率。其创新点有:一是引入理想目标清单,弥补目标打击清单的信息片面性,使超网络构架更完备;二是构建出区分层次的超网络,从网络宏观视角审视各火力打击目标在作战网络中的体系价值;三是以体系重心算法代替传统的以目标重要程度确定打击排序的经验做法,从体系破击角度分析各目标在体系中发挥的体系重心节点作用;最后使用蒙特卡罗仿真实验方法进行随机权重匹配,并根据指挥员的决策倾向生成排序结果量化统计,使打击目标排序更具科学性,为指挥员在作战中快速确定火力打击目标排序提供了量化辅助决策建议。