指控单元战术协同效果分析、建模与应用

论文摘要

指控单元的战术协同是指多个由人参与的指控子系统为了达到一个共同目标共同努力的过程。协同过程也是一个不断协作决策的过程,所以,协同也是决策领域研究的重要内容。随着网络技术运用于指控系统,协同的作用更加突出,网络技术带来的信息共享为协同的实现创造了条件,美国发展的协同交战能力(CEC)系统已成为当今世界协同工作研究的最新成果。传统的指控单元协同的研究,是从影响协同效果的协同对象、结构、指挥、目标及手段因素出发的,且研究大部分停留在定性研究层次上。如何采取有效的方法,对影响指控单元协同效果的因素进行分析,用协同机制规则、指挥员认知、决策时间、通信手段、信息质量等来体现协同效果,已成为当代军事决策领域关键的前沿问题,也构成了本文研究的内容。论文以战术指控系统子系统或指控单元为研究对象,以自然科学基金《协同决策设计中主体一致性检验与优化方法》和社科基金《基于作战设计工程方法的我军信息作战理论研究》有关理论为支撑,以课题《基于数据链的××协同作战效能研究》、《××对海上编队作战能力影响分析的方法研究》为依托,在国内外有关研究成果的基础上,深入分析影响协同效果诸因素及其关系,并结合现代网络技术,用基于Bayes假设检验的“逐点递进法”和基于知识的信息熵方法,从机制规则、指挥员认知、协同时间、通信手段、信息质量等方面,研究了它们对协同效果的影响。论文主要做了以下几个方面的工作:1、分析了国内外研究现状,指出存在的不足及解决问题的思路。2、研究战术指控系统协作模式分类、协作模式和机制,阐述指控单元协同中的决策和一般决策的概念及区别,分析影响指控系统协同效果的因素,并给出论文研究框架。3、研究战术指控系统的协同结构及划分,将“簇”的概念引入到决策节点的分割中,建立基于“簇”知识熵的决策节点分割方法,为研究协同提供结构基础。4、研究网络条件下基于Bayes假设检验的协同效果分析及建模求解问题。以对目标的环境情况判明为背景,从协同目标、协同手段和协同指挥过程中的决策出发,研究协同机制与规则、通信手段以及指挥认知水平对协同效果的影响,建立基于Bayes假设检验决策模型,并对模型进行求解。5、研究基于网络知识熵的协同效果模型及求解。从协同对象、协同手段、协同指挥出发,在分析网络关键信息元素基础上,研究指挥员认知带来协同时间的不确定性和指控系统获取和处理信息的质量对协同效果的影响。6、通过案例,采用仿真和对比的方法,验证指控单元“簇”的知识熵协同效果,说明指挥员的认知、决策时间以及信息质量如何影响协同效果。论文在以下方面进行了创新研究:1、在研究战术指控系统单元的协同结构中,将“簇”的概念引入到信息共享条件下指控单元决策节点的描述与划分,在根据传统的军事原则划分决策节点的基础上,通过“簇”知识熵的类聚来描述“簇”的分割。2、在多决策节点的分布式信息结构中,面对传统的约束条件离散、有通信损失、求解困难的问题,提出描述分布式结构协同效果模型的“逐层递进法”。以协同目标作战单元决策的损失最小为目标函数,建立基于Bayes假设检验的协同效果模型,通过研究协同效果与指挥员协同的最佳决策问题,最终研究决策质量和决策时间带来完成任务机会的增加,从而提高协同效果。3、在信息共享条件下,从协同对象、协同手段、协同指挥出发,将目标函数定义为协同网络知识的增加,通过建立基于战术指控系统网络“簇”知识的信息熵模型,研究指挥员认知带来协同时间的不确定性和指控系统获取和处理信息的质量对协同效果的影响。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 指控系统的研究现状
• 1.2.2 协同技术和方法研究现状
• 1.2.3 指控单元协同效果模型的研究现状
• 1.3 存在的问题及解决问题思路
• 1.3.1 存在的问题
• 1.3.2 解决问题的思路
• 1.4 论文的主要内容和结构安排
• 1.4.1 论文的主要内容
• 1.4.2 论文的结构安排
• 1.5 本章小结
• 第二章 问题分析与研究总体框架
• 2.1 指控系统战术协同过程
• 2.1.1 协同和协作模式的分类
• 2.1.2 指控单元的决策和协同
• 2.1.3 协同收益与代价
• 2.2 指控系统单元战术协同要素
• 2.2.1 指控系统构成要素
• 2.2.2 指控单元协同的构成要素
• 2.2.3 影响协同效果的因素分析
• 2.3 指控单元协同效果分析
• 2.3.1 协同要素的整体效应
• 2.3.2 协同对象的组合效应
• 2.3.3 协同目标对效果的影响
• 2.3.4 指挥员认知水平和协同机制对效果的影响
• 2.3.5 协同手段、协同时间与信息质量对效果的影响
• 2.4 研究的问题
• 2.4.1 指控单元的协同结构
• 2.4.2 基于Bayes 假设检验的协同效果分析及模型
• 2.4.3 基于知识熵的协同效果分析及模型
• 2.5 问题研究框架
• 2.6 本章小结
• 第三章 指控单元的协同结构
• 3.1 指控系统的组成结构
• 3.1.1 分布式结构与交叉递阶系统
• 3.1.2 协同结构及其比较
• 3.2 协同结构优化模型
• 3.2.1 双层规划模型
• 3.2.2 基于信息流结构假设检验优化模型
• 3.2.3 网络条件下基于知识熵的结构模型
• 3.3 “协同结构”与“簇”的分割
• 3.3.1 关键决策元素与概念空间
• 3.3.2 “簇”的特点
• 3.3.3 基于知识熵的“簇”的分割
• 3.3.4 “簇”分割的运用
• 3.4 本章小结
• 第四章 基于Bayes 假设检验的协同效果分析及模型
• 4.1 Bayes 推断与决策
• 4.1.1 Bayes 推断
• 4.1.2 似然率和经典假设检验
• 4.1.3 Bayes 假设检验和决策
• 4.2 集中、分散和分布式结构协同模型
• 4.2.1 集中式结构协同模型
• 4.2.2 分散式结构协同模型
• 4.2.3 分布式结构协同模型
• 4.2.4 三种信息结构决策比较与分析
• 4.3 无通信损失下多指控单元协同决策方法
• 4.3.1 逐步递进法算法步骤
• 4.3.2 逐步递进法的求解及解例
• 4.3.3 最优决策规则分析
• 4.4 无通信损失下多指控单元协同效果模型
• 4.4.1 有无通信损失条件下影响协同效果因素分析
• 4.4.2 指控系统反应时间和交战武器击毁目标的概率
• 4.4.3 解例
• 4.5 本章小结
• 第五章 基于知识熵的协同效果分析与模型
• 5.1 信息不确定性的描述与知识度量
• 5.1.1 关键信息元素的正态模型
• 5.1.2 基于信息熵得知识度量
• 5.2 基于关键信息元素关联的决策方法
• 5.2.1 多属性权重确定方法
• 5.2.2 相对熵方法
• 5.3 时间对协同效果的影响
• 5.3.1 协同机会
• 5.3.2 协同可靠性模型
• 5.3.3 协同可信度模型
• 5.3.4 时间对协同效果影响分析
• 5.4 信息质量对协同效果的影响
• 5.4.1 有关知识、偏差、精度的概念
• 5.4.2 “簇”的知识度量
• 5.4.3 度量偏差有效性的两种方法
• 5.4.4 标准差与知识熵
• 5.4.5 提高信息质量的方法
• 5.5 基于信息质量的协同效果模型
• 5.6 本章小结
• 第六章 应用案例及分析
• 6.1 案例背景
• 6.1.1 海军编队协同作战组成及作战过程
• 6.1.2 研究思路
• 6.2 数学模型的建立
• 6.2.1 基于Bayes 假设检验模型
• 6.2.2 权重优先决策模型
• 6.2.3 基于知识熵的协同效果模型
• 6.3 仿真设计与数据的来源
• 6.3.1 仿真设计
• 6.3.2 数据的来源
• 6.4 结果及分析
• 6.4.1 风险系数和协同效果的关系
• 6.4.2 均值估计值的期望与真值之间差的最大值对知识函数的影响
• 6.4.3 关联系数和决策知识函数的关系
• 6.4.4 协同与不协同对决策知识函数的影响
• 6.5 两种仿真结果的比较
• 6.6 本章小结
• 第七章 结束语
• 7.1 论文所做的工作和得出的结论
• 7.1.1 论文所做的工作
• 7.1.2 得出的结论
• 7.2 论文的创新点
• 7.3 需进一步研究的问题
• 7.4 下一步的工作和展望
• 致谢
• 参考文献表
• 作者在学习期间取得的学术和科研成果