程　愷, 陳　剛, 尹成祥, 康睿智, 康興擋

(陸軍工程大學(xué)指揮控制工程學(xué)院, 江蘇 南京 210007)

0　引　言

作戰(zhàn)計劃質(zhì)量的高低事關(guān)戰(zhàn)爭的成敗,因此作戰(zhàn)計劃的制定受到國內(nèi)外的廣泛關(guān)注[1]。作戰(zhàn)計劃制定的目的是確定最優(yōu)方法以完成上級指派的任務(wù),并規(guī)劃將來可能的任務(wù),其核心在于合理規(guī)劃作戰(zhàn)行動序列(course of action,COA),本質(zhì)是對COA相關(guān)概念的組織和管理[2-3],實現(xiàn)從初始態(tài)勢向期望態(tài)勢的轉(zhuǎn)化,其知識表示是COA本體。

從知識表示的角度而言,本體作為信息領(lǐng)域的概念建模,是領(lǐng)域內(nèi)部不同主體之間進(jìn)行交流的語義基礎(chǔ),通過對概念、術(shù)語及其相互關(guān)系的規(guī)范化描述,形成領(lǐng)域的知識體系。由于本體提供了描述領(lǐng)域共識的知識模型,能夠基于作戰(zhàn)過程的形式化領(lǐng)域模型進(jìn)行知識推理,因此采用本體技術(shù)來研究COA的表示及推理能夠促進(jìn)作戰(zhàn)計劃數(shù)據(jù)、信息、知識的一致性理解與智能化處理,是一種恰當(dāng)有效的方法。

COA的生成是一個復(fù)雜的協(xié)作過程,涉及到不同的指揮機(jī)構(gòu)、計劃部門和作戰(zhàn)單位,涉及到分布的、不一致的信息和知識,國內(nèi)外學(xué)者和科研機(jī)構(gòu)一致致力于本體技術(shù)在作戰(zhàn)計劃系統(tǒng)中的應(yīng)用,主要研究內(nèi)容可歸納為兩個方面。

一是為了達(dá)到對作戰(zhàn)計劃領(lǐng)域相關(guān)概念的統(tǒng)一理解和認(rèn)識,采用本體技術(shù)對其進(jìn)行規(guī)范地形式化表示。文獻(xiàn)[4]對計劃概念要素、知識表示技術(shù)等若干通用計劃本體模型的開發(fā)進(jìn)行了詳細(xì)闡述。文獻(xiàn)[5]對DICIPLE和PLANET兩個重要的作戰(zhàn)計劃系統(tǒng)中如何應(yīng)用作戰(zhàn)計劃本體模型以及如何管理作戰(zhàn)計劃本體等方面進(jìn)行了分析。文獻(xiàn)[6]利用概率本體對戰(zhàn)略級別的后勤補(bǔ)給破壞行動中涉及的概念及其不確定因果關(guān)系進(jìn)行了建模表示。文獻(xiàn)[7]對作戰(zhàn)任務(wù)的概念進(jìn)行了形式化描述,形成作戰(zhàn)任務(wù)高層本體。上述文獻(xiàn)多為通用作戰(zhàn)計劃本體的框架性理論介紹,即使有針對特定領(lǐng)域的,也只局限于對相關(guān)領(lǐng)域知識的頂層建模,缺乏對各類概念及其關(guān)系具體建模過程的詳細(xì)描述,可操作性不強(qiáng)。

二是為了能夠完成作戰(zhàn)計劃的動態(tài)生成及智能驗證,在本體建模的基礎(chǔ)上進(jìn)一步研究其自動推理方法。文獻(xiàn)[8]介紹了美軍“深栗”系統(tǒng)如何利用COA本體進(jìn)行COA的設(shè)計、分析和選擇,通過正向推理和逆向推理交替進(jìn)行的方式,輔助完成作戰(zhàn)計劃的生成。文獻(xiàn)[9]通過在COA本體中引入決策理論中的偏好關(guān)系,從而利用敵方對不同行動的偏好來預(yù)測其可能采取的行動。文獻(xiàn)[10]通過對計劃知識的本體建模、基于描述邏輯及一階謂詞邏輯的邏輯推理,實現(xiàn)對聯(lián)合作戰(zhàn)行動過程的驗證。文獻(xiàn)[11]提出利用本體來表示目標(biāo)和可用資源語義信息的集成框架,通過本體的推理能力提升了在自治Agent之間進(jìn)行任務(wù)和目標(biāo)分配的效率。上述文獻(xiàn)針對不同的應(yīng)用領(lǐng)域分別構(gòu)建了相應(yīng)的本體推理規(guī)則,但都未能顯著提升作戰(zhàn)計劃生成的效率,并且缺乏對相關(guān)推理規(guī)則類型和作用的提煉,指導(dǎo)性不強(qiáng),無法滿足現(xiàn)代戰(zhàn)爭快節(jié)奏、高對抗和智能化的要求。

綜上所述,當(dāng)前研究成果中缺乏詳細(xì)的、可操作性強(qiáng)的COA本體建模過程描述,以及在COA的選擇、評估等過程中行之有效的推理規(guī)則,從而實現(xiàn)利用本體技術(shù)完成面向決策的智能化作戰(zhàn)行動過程動態(tài)生成與檢驗。因此,本文首先提出作戰(zhàn)計劃本體的構(gòu)建策略,其次建立COA核心本體,最后基于構(gòu)建的COA核心本體研究其推理方法,并結(jié)合實例分析所提方法的可行性。

1　作戰(zhàn)計劃本體的構(gòu)建策略

出于對具體工程應(yīng)用領(lǐng)域的不同考慮,還沒有一套標(biāo)準(zhǔn)的本體構(gòu)建方法。目前常用的構(gòu)建方法主要有用于企業(yè)領(lǐng)域的多倫多虛擬企業(yè)(Toronto virtual enterprise,TOVE)法、骨架法和IDEF5法,用于化學(xué)領(lǐng)域的METHONTOLOGY法,用于自然語言處理的SENSUS法以及斯坦福大學(xué)開發(fā)的七步法等[12]。根據(jù)作戰(zhàn)計劃領(lǐng)域的特點,基于“七步法”提出作戰(zhàn)計劃本體的構(gòu)建方法,如圖1所示。

作戰(zhàn)計劃本體規(guī)劃包括確定本體應(yīng)用的具體目標(biāo)范圍和收集獲取相關(guān)知識兩個步驟。作戰(zhàn)計劃通常涉及陸、海、空、天、電等多個領(lǐng)域的作戰(zhàn)要素,首先根據(jù)應(yīng)用需求確定所要構(gòu)建本體的使用目標(biāo)和范圍,然后考慮收集相應(yīng)領(lǐng)域的軍事知識。軍事知識主要包括相關(guān)戰(zhàn)術(shù)、戰(zhàn)法的描述、作戰(zhàn)行動執(zhí)行的前提條件以及產(chǎn)生的效果,領(lǐng)域知識的獲取關(guān)系到是否能對具體實例進(jìn)行有效地推理,應(yīng)給予充分重視。

本體復(fù)用是根據(jù)構(gòu)建的需要,考慮現(xiàn)有的可用本體資源能否通過形式轉(zhuǎn)換、融合等手段直接生成目標(biāo)本體。在作戰(zhàn)計劃制定領(lǐng)域,對于輔助決策系統(tǒng)、專家系統(tǒng)等相關(guān)軍事計劃系統(tǒng),已經(jīng)積累的一些本體資源,應(yīng)首先考慮復(fù)用,若復(fù)用代價太高或與當(dāng)前應(yīng)用領(lǐng)域差別較大,則考慮重新開發(fā)相應(yīng)的本體資源。

圖1　作戰(zhàn)計劃本體構(gòu)建方法

作戰(zhàn)計劃本體設(shè)計是整個構(gòu)建的關(guān)鍵,分為COA核心本體的構(gòu)建和作戰(zhàn)計劃生成領(lǐng)域本體構(gòu)建兩個階段。其中，COA核心本體的構(gòu)建是基礎(chǔ),其內(nèi)容主要包括對性能度量、效能度量、行動、行動序列和偏好等核心要素的建模;而作戰(zhàn)計劃生成領(lǐng)域本體的構(gòu)建是在作戰(zhàn)行動核心本體的基礎(chǔ)上進(jìn)行擴(kuò)展,其內(nèi)容不僅包括了COA核心本體所涉及的要素,而且還包括了作戰(zhàn)計劃中涉及的作戰(zhàn)資源、作戰(zhàn)實體、時間約束等其他要素。從本體的具體構(gòu)建過程上來看,這兩個階段的構(gòu)建步驟相似,都包括抽取重要概念和術(shù)語、定義類和類的層次關(guān)系以及定義類的對象屬性和數(shù)據(jù)屬性等步驟,其差別主要體現(xiàn)在所涵蓋的內(nèi)容要素上,下文主要圍繞COA核心本體的構(gòu)建來討論。

本體評價是根據(jù)本體建立準(zhǔn)則評估本體的正確性、一致性、可擴(kuò)展性和有效性,包括驗證本體的概念和術(shù)語是否定義清晰、概念及其關(guān)系是否構(gòu)建完整等。若通過了本體評價則可得到所構(gòu)建作戰(zhàn)計劃本體,否則需要重新回到作戰(zhàn)計劃本體規(guī)劃階段。

由此可見,作戰(zhàn)計劃本體開發(fā)過程是將作戰(zhàn)計劃生成過程的領(lǐng)域知識轉(zhuǎn)換為概念描述的抽象過程,是一個不斷改進(jìn)、不斷完善的反復(fù)過程。

2　COA核心本體的構(gòu)建

COA核心本體設(shè)計的目標(biāo)是可擴(kuò)展、靈活性高、可重用,能夠被其他工具/應(yīng)用集成,或者能夠成為跨系統(tǒng)的計劃表示的交流工具。因此,將COA核心本體設(shè)計為由多個子本體構(gòu)成,每個子本體包括少量的概念和屬性描述,便于與其他本體的集成[13]。例如,如果定義了效能度量本體,當(dāng)需要研究與效能相關(guān)問題時,可以將效能指標(biāo)作為獨立的本體集成進(jìn)來。如果構(gòu)建了COA核心本體,當(dāng)研究維穩(wěn)行動計劃、反叛亂行動計劃、信息作戰(zhàn)計劃等問題時,可以對COA核心本體進(jìn)行相應(yīng)擴(kuò)展,形成具體領(lǐng)域的本體。

圖2表示COA核心本體之間的結(jié)構(gòu)關(guān)系及其擴(kuò)展以支持反叛亂行動計劃。COA核心本體的組織結(jié)構(gòu)便于某些特定元素的快速集成,提高了本體的靈活性和重用性。

圖2　COA核心本體結(jié)構(gòu)關(guān)系

由圖2可知，帶箭頭的實線表示子本體之間的繼承關(guān)系,帶箭頭的虛線表示反叛亂行動計劃本體Counterinsurgency(COIN) Ontology是由COA核心本體(Core Ontology)擴(kuò)展而來。COA核心本體由通用本體(common.owl)、性能度量本體(measure of performance.owl,MOP)、效能度量本體(measure of effectiveness.owl,MOE)、行動本體(activities.owl)、COA本體(COA.owl)和偏好本體(preference.owl)等6個子本體構(gòu)成,每個子本體以O(shè)WL形式的文件存儲,定義該領(lǐng)域通用的概念和屬性。COA核心本體是完全自包含的,并且經(jīng)過適當(dāng)擴(kuò)展能夠作為許多具體作戰(zhàn)行動計劃本體的基礎(chǔ),圖2中右側(cè)反壓叛亂行動計劃本體就是這樣擴(kuò)展得到的。

下面詳細(xì)討論COA核心本體所包含的6個子本體的建模問題。

(1) 通用本體(common.owl)

涵蓋COA生成過程中的一般概念和屬性,具體包括4個類:

① IO-Thing,owl:Thing的子類,用來在本體中為其他類附加屬性和關(guān)系。

② COA-Variable,IO-Thing的子類,表示一個領(lǐng)域具有某些特性的變量。例如性能度量(measure of performance,MOP)或者效能度量(measure of effectiveness,MOE)都是COA-Variable的子類。該類有2個屬性,hasValue和hasValueDirection,其中hasValue屬性是變量的實際取值,可以是定量的如整數(shù)、浮點數(shù)等標(biāo)準(zhǔn)數(shù)據(jù)類型,也可以是定性的如高、中、低等。

③ Qualitative-Direction,owl:Thing的子類,表示COA變量(COA-Variable)變化的定性描述,如上升、下降、平穩(wěn)等。

④ Qualitative-Values,owl:Thing的子類,表示COA變量(COA-Variable)定性的取值,如高、中、低等。

(2) MOP本體(measure of performance.owl)

MOP通常是評價任務(wù)本身完成情況的指標(biāo)。MOP指標(biāo)能夠有效表示一個行動的前序和后序條件,并且可作為計算MOE的輸入。MOP本體包含兩個類:

① MOP,COA-Variable類的子類,對任務(wù)自身情況的度量。該類有hasTimeStamp屬性,表示度量獲取的時間。

② State,IO-Thing的子類,同時也是MOP的等價類,表示狀態(tài)。該類有hasMOP屬性,即用一系列MOP指標(biāo)定義狀態(tài)。State滿足閉包公理(closure axioms),即State (hasMOP only MOP) and (hasMOP min 1 owl:Thing)。

(3) MOE本體(measure of effectiveness.owl)

MOE通常是指綜合考慮系統(tǒng)行為變化、能力和作戰(zhàn)環(huán)境等因素,評價戰(zhàn)場最終狀態(tài)、目標(biāo)完成情況以及效果的指標(biāo)。MOE指標(biāo)定義了指揮員的作戰(zhàn)目標(biāo)即最終COA的結(jié)果,以及每個COA階段應(yīng)完成的目標(biāo),以及在給定狀態(tài)下每個行動應(yīng)完成的目標(biāo)。MOE指標(biāo)依賴于一系列MOP指標(biāo)。MOE本體包括2個類:

① MOE,COA-Variable類的子類,表示效能的度量。該類有influencingMOP屬性,定義了影響效能的一系列MOP指標(biāo)。可將從MOP指標(biāo)到MOE指標(biāo)的轉(zhuǎn)換看作一個函數(shù)映射f,MOP指標(biāo)為輸入,MOE指標(biāo)為輸出,influencingMOP屬性相當(dāng)于定義了f的參數(shù),即MOE=f(influencingMOP1,influencingMOP2,…,influencingMOPn)。

② COA Outcome,IO-Thing的子類,同時也是MOE的等價類,表示目標(biāo)或結(jié)果。該類有hasMOE屬性,即用一系列MOE指標(biāo)定義作戰(zhàn)目標(biāo)或結(jié)果。COA Outcome也滿足closure axioms公理,即COA Outcome (hasMOE only MOE) and (hasMOE min 1 owl:Thing)。

MOP指標(biāo)和MOE指標(biāo)之間的關(guān)系如圖3所示。

圖3　MOP指標(biāo)和MOE指標(biāo)的關(guān)系

由圖3可知,左側(cè)表示本體概念及概念之間的關(guān)系,即一個目標(biāo)或結(jié)果COA Outcome由一個或多個MOE指標(biāo)度量,一個MOE指標(biāo)由一個或多個MOP指標(biāo)度量,且MOE是MOP的子類。MOP具有時間屬性,同時作為COA-Variable的子類也具有值Qualitative-Value和值的變化方向Qualitative-Direction兩個屬性。圖3中右側(cè)是與左側(cè)本體概念對應(yīng)的實例之間的關(guān)系,對于提高安全等級Increase Level of Security這一目標(biāo),由設(shè)立關(guān)卡Establish Presence和降低反映時間Reduce Reaction Time兩個效能指標(biāo)度量,而這兩個效能指標(biāo)都是由兵力密度Force Density這一性能指標(biāo)映射而來,兵力密度性能指標(biāo)由時間“20150101”、密度值“高(High)”、密度值的變化方向“上升(Increasing)”3個屬性描述。

(4) 行動本體(activities.owl)

對COA中行動的定義,行動本體只有一個類。

COA Activity,IO-Thing的子類,表示一個COA階段內(nèi)的某個行動。該類有5個屬性:previousState,subsequentState,previousActivity,subsequentActivity和hasActivityOutcome。其中previousState屬性和subsequentState屬性分別用來表示執(zhí)行某個行動的前、后狀態(tài),由MOP指標(biāo)衡量。previousActivity屬性和subsequentActivity屬性分別用來定義在一個COA階段內(nèi)某個行動的前序和后序行動,即按一定時序關(guān)系執(zhí)行的行動序列。hasActivityOutcome屬性是指執(zhí)行某行動的目標(biāo)或結(jié)果。

(5) COA本體(COA.owl)

對一個COA的定義,COA本體包含兩個類:

① Course of Action,IO-Thing的子類,表示一個COA。該類有兩個屬性:hasPhases和hasOutcome。hasPhases屬性定義了一個COA的多個階段,hasOutcome屬性定義了指揮員對執(zhí)行該COA期望完成的目標(biāo)。

② COA Phase,IO-Thing的子類,表示一個COA的階段。該類有4個屬性:hasNextPhase,hasPrevPhase,hasActivities和hasOutcome。hasNextPhase屬性和hasPrevPhase屬性用來定義一個COA內(nèi)某個階段的前序和后序階段,即按一定時序關(guān)系執(zhí)行的階段。hasActivities屬性定義了COA一個階段內(nèi)的多個行動。hasOutcome屬性定義了COA階段的目標(biāo)或結(jié)果。

COA本體及其實例關(guān)系如圖4所示。

圖4　COA關(guān)系

由圖4可知，左側(cè)表示本體概念及概念之間的關(guān)系,即一個COA有一個或多個階段以及期望的目標(biāo),一個階段有前序、后序階段,階段所包括的多個行動以及階段的目標(biāo)。行動有前序、后序行動,前序、后序狀態(tài)以及行動的目標(biāo)。圖4中右側(cè)是與左側(cè)本體概念對應(yīng)的實例之間的關(guān)系,對于COA-1這一行動序列,其目標(biāo)是恢復(fù)秩序Restore Security,包括建立公共安全Establish Security、恢復(fù)基本服務(wù)Restore Essential Services等行動階段,建立公共安全的目標(biāo)是提高安全等級Increase Level of Security,其后序行動階段是恢復(fù)基本服務(wù)。在建立公共安全階段中包括建立通行檢查站Establish Access Points等行動,進(jìn)行人口普查Perform Census和設(shè)立障礙是建立通行檢查站的后序行動,需要同時執(zhí)行。為了便于表示,圖4中右側(cè)部分沒有對具體行動的前序、后序狀態(tài)以及行動的目標(biāo)進(jìn)一步描述。

(6)偏好本體(preference.owl)

對COA結(jié)果或COA Activity狀態(tài)優(yōu)先選擇的定義。偏好在本文指兩個COA結(jié)果或COA Activity狀態(tài)的比較關(guān)系,在某一觀點下一個COA的結(jié)果好于另一個COA的結(jié)果,或者一個COA Activity的狀態(tài)好于另一個COA Activity的狀態(tài)。這些偏好關(guān)系通常由領(lǐng)域?qū)＜抑付?。偏好本體包含一個類。

Preference Relation,IO-Thing的子類,表示從某個角度比較兩個COA結(jié)果或COA Activity狀態(tài)的好壞。該類有兩個屬性:lessPreferred和morePreferred。lessPreferred屬性描述某個結(jié)果或狀態(tài)不太好,morePreferred屬性描述某個結(jié)果或狀態(tài)比較好。

偏好關(guān)系如圖5所示。

圖5　偏好關(guān)系

由圖5可知,左側(cè)表示偏好本體概念及概念之間的關(guān)系,即兩個行動序列結(jié)果或兩個行動狀態(tài)之間存在偏好關(guān)系,而這一偏好關(guān)系具有l(wèi)essPreferred和morePreferred兩個屬性。圖5中右側(cè)是與左側(cè)本體概念對應(yīng)的實例之間的關(guān)系。COA1具體為由政府進(jìn)行人口普查并由第三方軍事力量設(shè)置關(guān)卡、管控人員,產(chǎn)生的結(jié)果是反抗第三方軍事力量Attacks Against Force 1程度高,但是會逐漸下降,而人員流動Type of Movement Though Checkpoints 1強(qiáng)度適中,并且趨于平穩(wěn),其原因在于第三方軍事力量在關(guān)卡處更容易被反叛者攻擊,而在關(guān)卡設(shè)置處政府更不被民眾所信任。COA2具體為由第三方軍事力量進(jìn)行24小時巡邏并由政府軍設(shè)置關(guān)卡、管控人員,產(chǎn)生的結(jié)果是反抗第三方軍事力量Attacks Against Force 2程度適中,并且保持平穩(wěn),而人員流動Movement Though Checkpoints 2強(qiáng)度較高,并且保持平穩(wěn),其原因在于第三方軍事力量可能會出現(xiàn)在危險區(qū)域而遭受攻擊,而在關(guān)卡處政府更被民眾所信任。

由于上述結(jié)果難以直接判斷優(yōu)劣,通常由領(lǐng)域?qū)＜抑付–OA1與COA2的偏好關(guān)系。偏好關(guān)系Preference-Relation(1,2)表示兩個行動序列COA1、COA2結(jié)果之間的關(guān)系。Preference-Relation(1,2)與COA-1 Outcome之間是lessPreferred關(guān)系,與COA2 Outcome之間是morePreferred關(guān)系,即表明COA2的結(jié)果優(yōu)于COA1。進(jìn)一步根據(jù)領(lǐng)域?qū)＜抑付ǖ亩鄠€COA之間的偏好關(guān)系,基于本體自身所支持的對象屬性傳遞、對稱等特性,可對多個COA之間的偏好關(guān)系進(jìn)行自動推理,得到不同COA結(jié)果或狀態(tài)的等級排序,選擇較優(yōu)的COA或行動,提高COA的生成效率。

3　基于COA核心本體的推理方法

在構(gòu)建COA核心本體的基礎(chǔ)上,主要能夠進(jìn)行自動分類、基于規(guī)則的行動-狀態(tài)組合和COA優(yōu)選等3個方面的推理。

3.1　自動分類

自動分類其實就是對概念的包含性檢測,即利用OWL 3大公理中的等價公理(equivalent classes,EC)進(jìn)行自動推理,判斷一個類是否為另一個類的子類,從而構(gòu)建出完整的概念層級關(guān)系[14-15]。

將上文中MOP本體中的類MOP定義為等價類,其蘊含的充要條件是如果一個實例屬于類MOP,則該實例具有hasValue、hasValueDirection和hasTimeStamp 3個屬性;如果一個實例具有這3個屬性,則該實例屬于類MOP,如圖6所示。

圖6　MOP類的充分必要條件

根據(jù)上述等價關(guān)系,可得到類MOP的包含性公理,用一階邏輯[16]表示如下:

?c?x,y,zcommon:hasValue(c,x)

∧(xsd:integer(x)∨xsd:float(x)

∨xsd:boolean(x)∨common:Qualitative-Values(x))

∧common:hasValueDirection(c,y)∧common:Qualitative-Values(y)

∧mop:hasTimeStamp(c,z)∧xsd:integer(z)

→rdfs:subclassOf(c,Measure-of-Performance)

如果類C的任何一個實例c都滿足上述條件,則根據(jù)該包含性公理,可得類MOP包含類C,即類C是MOP的子類。當(dāng)本體中類較多并且類之間關(guān)系較復(fù)雜時,人工維護(hù)類之間的層級關(guān)系幾乎不可能完成,而利用本體的自動分類推理技術(shù),能夠有效降低人工維護(hù)的難度,構(gòu)建出完整準(zhǔn)確的類層級關(guān)系。

3.2　基于規(guī)則的行動-狀態(tài)組合

采用本體技術(shù)對COA進(jìn)行建模,除了能夠利用本體自身的SubClassof、EquivalentClasses和DisjointClasses 3大公理進(jìn)行推理,還允許用戶自定義推理規(guī)則,進(jìn)行一些更復(fù)雜的推理。為此,采用SPARQL語言對行動-狀態(tài)組合推理規(guī)則進(jìn)行描述,根據(jù)一定的規(guī)則將行動與其前序狀態(tài)及其后序狀態(tài)連接起來。這樣的推理規(guī)則能夠在前序狀態(tài)已知的條件下動態(tài)創(chuàng)建后序狀態(tài),從而完成計劃的自動生成。

應(yīng)用于控制移動(control-movement, CM)這一行動的推理規(guī)則如圖7所示。

圖7　CM行動前序狀態(tài)推理規(guī)則

由圖7可知,如果任意狀態(tài)p_state滿足移動控制能力(movement-control, MC)和人口普查水平(census-level, CL)這兩個性能指標(biāo)的取值及其變化均為“低”且“穩(wěn)定”,那么該規(guī)則將p_state作為CM行動的前序狀態(tài)進(jìn)行連接。

針對行動CM及其特定的前序狀態(tài)somep_state,推理規(guī)則如圖8所示。

圖8　CM行動后序狀態(tài)推理規(guī)則

由圖8可知，創(chuàng)建行動的后序狀態(tài)s_state,該后序狀態(tài)滿足其性能指標(biāo)MC的取值為“中”且取值變化為“升高”和性能指標(biāo)CL的取值為“中”且取值變化為“升高”。后序狀態(tài)推理規(guī)則實現(xiàn)了在特定前序狀態(tài)條件下,通過行動的執(zhí)行來動態(tài)創(chuàng)建其后序狀態(tài)。圖7、圖8表示的都是針對行動CM的推理規(guī)則,對于本體中的每個具體行動都可采用類似的推理規(guī)則將行動與其前序和后序狀態(tài)連接起來。

對作戰(zhàn)計劃的執(zhí)行過程而言,在初始狀態(tài)和最終狀態(tài)之間存在著多個中間狀態(tài),先后執(zhí)行的兩個行動中前序行動的后序狀態(tài)就是后序行動的前序狀態(tài),行動與中間狀態(tài)的交替變換,使目標(biāo)由一種狀態(tài)改變?yōu)榱硪环N狀態(tài),最終達(dá)到預(yù)期的作戰(zhàn)目標(biāo)[17],如圖9所示。

圖9　作戰(zhàn)計劃執(zhí)行過程描述圖

由圖9可知,滿足一定前序狀態(tài)的行動可能有多個,而行動的后序狀態(tài)可能也有多種,計劃的生成過程就是嘗試將不同的行動與狀態(tài)進(jìn)行組合,從而形成能夠完成一定作戰(zhàn)目標(biāo)的行動序列。顯然這一組合方式的狀態(tài)空間會隨著行動和狀態(tài)數(shù)量的增加呈幾何指數(shù)增長,針對該問題可采用下文介紹的COA優(yōu)選技術(shù)提升計劃生成的效率。

3.3　COA優(yōu)選

對于COA之間結(jié)果不易比較的情況,可利用偏好本體由領(lǐng)域?qū)＜医o出COA之間的偏好關(guān)系,而對于COA之間結(jié)果容易比較時,可通過構(gòu)建優(yōu)勢推理規(guī)則(dominance rule),兩兩比較COA,從中選擇較好的、排除較差的,能夠以很小的代價減小計算狀態(tài)和結(jié)果空間搜索的復(fù)雜度。直觀上,如果衡量一個結(jié)果(或狀態(tài))的所有MOE(或MOP)指標(biāo)優(yōu)于另一個結(jié)果(或狀態(tài))的相對應(yīng)指標(biāo),則認(rèn)為前者優(yōu)于后者。

以表1中COA1和COA2為例,衡量這兩個COA結(jié)果的MOE指標(biāo)為X1和X2。其中,X1指標(biāo)越大越好,X2指標(biāo)越小越好,為此針對該類型任意兩個行動序列可建立如圖10所示的優(yōu)勢推理規(guī)則。

表1　COA效能指標(biāo)取值

圖10　優(yōu)勢推理規(guī)則

該優(yōu)勢推理規(guī)則適用于所有通過X1和X2這兩個性能指標(biāo)衡量結(jié)果的COA,在兩個COA結(jié)果O1和O2之間建立outcomeDominate/outcomeDominateBy關(guān)系,該關(guān)系滿足FILTER中對屬性的約束條件,即COA1的MOP指標(biāo)O1_X1高于COA2的MOP指標(biāo)O2_X1,并且COA1的

MOP指標(biāo)O1_X2低于COA2的MOP指標(biāo)O2_X2,即COA1要優(yōu)于COA2。

類似的,可在其他類型的COA之間建立相似的優(yōu)勢推理規(guī)則,從而在行動序列生成過程中發(fā)現(xiàn)與每個行動、狀態(tài)或者結(jié)果相關(guān)的“黑洞”以及“死胡同”。在作戰(zhàn)計劃生成領(lǐng)域,“黑洞”是一種不利狀態(tài),并且一旦形成就難恢復(fù)到之前的狀態(tài);而“死胡同”是一種狀態(tài),在此狀態(tài)后沒有可行的狀態(tài)或者無法達(dá)到最終的目標(biāo)。例如,用于建立安全的行動A1,它的執(zhí)行會導(dǎo)致反政府軍中等程度的抵抗一直持續(xù);而同樣條件下，行動A2的執(zhí)行導(dǎo)致反政府軍中等程度的抵抗并且抵抗會逐漸降低,由于A2執(zhí)行的結(jié)果優(yōu)于A1,因此A1不會被選擇,此時稱行動A1導(dǎo)致的狀態(tài)為“黑洞”。如果行動A執(zhí)行后導(dǎo)致的狀態(tài)與任何當(dāng)前可執(zhí)行行動的前提條件都無法匹配時,此時稱A導(dǎo)致的狀態(tài)以及A的前提條件為“死胡同”。

采用優(yōu)勢推理規(guī)則進(jìn)行COA優(yōu)選,在COA的狀態(tài)空間路徑圖中能夠發(fā)現(xiàn)其中的“黑洞”或“死胡同”,排除多余的路徑,提高COA生成效率,例如行動路徑Path1完全優(yōu)于行動路徑Path2,則Path2被排除;或者行動路徑Path1中存在“死胡同”,則Path1被排除。

4　實例分析

在構(gòu)建COA核心本體及其推理方法的基礎(chǔ)上,以“反叛亂行動”(counterinsurgency，COIN)計劃為例,闡述基于本體的推理規(guī)則在計劃生成中的作用。COIN指現(xiàn)行體制下合法的受到公認(rèn)的政府為挫敗叛亂而采取的軍事、準(zhǔn)軍事、政治、經(jīng)濟(jì)、心理及民事行動。最為主要的手段就是軍事和準(zhǔn)軍事手段,因為叛亂者往往會采取一些暴力的極端方式甚至是武裝斗爭的形式,通常軍事手段能取得良好的效果,典型的作戰(zhàn)模式有“清除-控制-重建”“有限支援”等。制定作戰(zhàn)行動計劃目的是為了完成指揮員的最終目標(biāo)以及階段性目標(biāo),COIN計劃中候選的COA示例如圖11所示。

圖11　COIN計劃的候選COA

由圖11可知，該COA先后包括3個階段,分別是建立安全、民事管制和恢復(fù)基本服務(wù),其中每個階段最后都以階段性目標(biāo)來衡量COA當(dāng)前完成的效果。在每個階段內(nèi)又包含一系列滿足特定關(guān)系的作戰(zhàn)行動Activity,通過執(zhí)行這些行動來完成階段目標(biāo)。這些行動可以是順序關(guān)系的,建立安全階段中的Activity2-1、Activity2-2和Activity2-3;或者是分支序列或并發(fā)的,民事管制階段中的Activity2-4和Activity2-6。

采用基于約束的狀態(tài)轉(zhuǎn)移系統(tǒng)生成計劃,是狀態(tài)空間搜索方法,求解此類問題通常有正向和逆向推理兩種思路[18]。COIN計劃的正向、逆向推理過程示意圖如圖12所示。

圖12　COIN計劃的推理示意圖

正向推理是使用歸納演繹的正向鏈接推理,逆向推理是使用溯因反繹的逆向鏈接推理。正向推理是給定初始狀態(tài),將行動的前提條件與初始狀態(tài)進(jìn)行匹配,通過行動的執(zhí)行產(chǎn)生新的狀態(tài),按照時間順序依次推導(dǎo)可能產(chǎn)生的狀態(tài)以及狀態(tài)演變的情況,直至產(chǎn)生所有可能的最終結(jié)局。逆向推理是給定那些能夠產(chǎn)生最終結(jié)局的狀態(tài),將該狀態(tài)與行動執(zhí)行后的結(jié)果進(jìn)行匹配,逆向地依次推導(dǎo)得到能夠滿足最終結(jié)局的必經(jīng)行動路徑。

逆向推理是在一條因果鏈上的邏輯推導(dǎo),描述的是從初始到最終狀態(tài)的必要路徑,正向推理則是通過推導(dǎo)產(chǎn)生分支進(jìn)而推演分支結(jié)果,描述了從初始狀態(tài)開始的多條可能演化的路徑。與正向推理相比,逆向推理的可解釋性較強(qiáng),例如已知當(dāng)前狀態(tài)S,如果行動A的執(zhí)行能夠?qū)е聽顟B(tài)S,那么就認(rèn)為采取行動A能夠滿足當(dāng)前狀態(tài)S。當(dāng)然,可能會有多個行動能夠?qū)е聽顟B(tài)S,也可能面臨著行動選擇問題。

因此,本文主要采用逆向推理的思路。首先將逆向推理用于COA生成的初始階段,即根據(jù)上級的作戰(zhàn)意圖、目標(biāo)逆向推導(dǎo)出3個主要作戰(zhàn)階段,如圖12所示,最終目標(biāo)是整個作戰(zhàn)計劃的整體目標(biāo),為了達(dá)到最終目標(biāo)需要恢復(fù)基本服務(wù),而恢復(fù)基本服務(wù)是建立在民事管制的基礎(chǔ)上,然而為了進(jìn)行民事管制首先要保證公共安全,即最終目標(biāo)→恢復(fù)基本服務(wù)→民事管制→建立安全。COA的主要階段一旦確定后,接著使用一種更深層次的基于逆向推理的分析方法來生成某個階段內(nèi)的行動序列。例如,階段目標(biāo)決定了所需的MOE指標(biāo),MOE指標(biāo)決定其完成時的狀態(tài),而狀態(tài)又決定了夠到達(dá)該狀態(tài)的行動,即“階段目標(biāo)→效能指標(biāo)→狀態(tài)→行動”。為了在一個COA階段內(nèi)產(chǎn)生一系列作戰(zhàn)行動,可采用分支序列模型對這些行動序列進(jìn)行推理。

圖13展示了從指揮員的意圖開始進(jìn)行逆向推理的過程。從當(dāng)前狀態(tài)到最終目標(biāo)有3個COA,分別是COA1、COA2和COA3,假設(shè)COA中的所有行動都滿足資源約束條件。由階段目標(biāo)指向行動的帶箭頭的線,連接能夠完成該階段目標(biāo)可能的前序行動,而這些前序行動又能導(dǎo)致前序行動或前一階段目標(biāo)的出現(xiàn)。不同的行動能夠?qū)е孪嗤碾A段目標(biāo),例如對于行動Activity1-4和Activity2-8進(jìn)行逆向推理,其前序狀態(tài)都能導(dǎo)致建立民事管制這一階段目標(biāo)的出現(xiàn),即{Activity1-4,Activity2-8}→民事管制階段目標(biāo)。相同的階段目標(biāo)也能夠?qū)е虏煌男袆?。例如針對建立民事管制這一階段目標(biāo)進(jìn)行逆向推理,行動Activity2-6和Activity3-3執(zhí)行的后序狀態(tài)都滿足這一階段性目標(biāo)出現(xiàn)的條件,即民事管制階段目標(biāo)→{Activity2-6,Activity3-3}。這里實際運用的就是基于規(guī)則的行動-狀態(tài)組合的推理方法,將不同行動的前序、后序狀態(tài)以及行動狀態(tài)與階段目標(biāo)進(jìn)行組合,從而生成完成特定作戰(zhàn)目標(biāo)的COA,與正向推理不同的是逆向推理過程中產(chǎn)生的階段性目標(biāo)更少,對應(yīng)生成的是從初始到最終狀態(tài)的必要過程。

圖13　COIN計劃逆向推理過程

如圖14所示展示了基于COA優(yōu)選推理方法,利用偏好知識在逆向推理過程中能夠發(fā)現(xiàn)上文提到的“黑洞”和“死胡同”,用黑色方框表示,從而排除不符合的COA,提高COA的生成效率。通過比較Activity1-4與Activity2-7 MOP指標(biāo)之間的大小關(guān)系,利用優(yōu)勢推理規(guī)則可得,Activity1-4的后序狀態(tài)O1-4優(yōu)于Activity2-7后序狀態(tài)O2-7,即“O1-4 outcomeDominate O2-7”。由于Activity1-4優(yōu)于Activity2-7,那么在COA的逆向生成過程中,Activity2-7不會被選為候選行動節(jié)點繼續(xù)進(jìn)行推導(dǎo)。Activity2-7與建立民事管制階段目標(biāo)之間的虛線表示如果通過采取一定手段提升Activity2-7的后序狀態(tài),使其優(yōu)于Activity1-4的后序狀態(tài),則將會選擇Activity2-7繼續(xù)進(jìn)行逆向生成COA,那么可能得到一個新的COA4。對于Activity2-8而言,由于其執(zhí)行的前序狀態(tài)與民事管制預(yù)期的階段目標(biāo)恰恰相反,因此也不會作為候選行動節(jié)點繼續(xù)進(jìn)行推導(dǎo),從而成為一個“死胡同”。對于Activity3-5發(fā)現(xiàn)其前序狀態(tài)與任何行動的后序狀態(tài)都不匹配,并且也不滿足民事管制階段的階段目標(biāo),同樣成為“死胡同”。在第一階段建立安全中的灰色虛框表示目前缺少一個能夠連接Activity1-1后序狀態(tài)和該階段目標(biāo)的行動,若能夠找到連接這兩者的行動來填補(bǔ)這一空缺,則能夠得到一個完整的COA1。通常情況下,利用COA優(yōu)選推理方法能夠排除60%～70%不合適的行動路徑,顯著提升COA生成效率,但當(dāng)衡量COA結(jié)果的MOE指標(biāo)較多時,此方法效果一般。

圖14　COIN計劃逆向推理結(jié)果

采用本體技術(shù)進(jìn)行計劃的生成,主要解決計劃的表示、生成和驗證等3個方面的問題。受篇幅所限,實例分析中并未對具體計劃要素的本體表示以及行動狀態(tài)組合等細(xì)節(jié)問題進(jìn)行詳細(xì)闡述,而是重點分析了逆向推理過程中,基于規(guī)則的行動狀態(tài)組合以及COA優(yōu)選推理方法在COIN計劃生成中的應(yīng)用方式,討論了如何將行動與行動、行動與階段目標(biāo)進(jìn)行組合,以及如何選擇較優(yōu)的行動節(jié)點進(jìn)行擴(kuò)展,消減不合理的行動路徑,提升COA生成效率等問題。

5　結(jié)　論

將本體技術(shù)引入到作戰(zhàn)計劃制定領(lǐng)域,一方面能夠利用本體的知識表示能力對作戰(zhàn)計劃相關(guān)的基本概念、屬性和內(nèi)在關(guān)系進(jìn)行明確和形式化表達(dá),使作戰(zhàn)行動過程的生成、檢驗在一致的語義下進(jìn)行,便于人和計算機(jī)形成一致理解;另一方面能夠利用本體的推理能力輔助相關(guān)人員快速制定科學(xué)合理的作戰(zhàn)計劃,不斷擴(kuò)充完善作戰(zhàn)計劃知識庫,提高領(lǐng)域知識的復(fù)用性。

本文重點闡述了COA核心本體及其推理規(guī)則的構(gòu)建,并結(jié)合反叛亂計劃生成分析了所提方法的使用方式。其中,COA核心本體是描述作戰(zhàn)計劃的元模型,作為作戰(zhàn)計劃本體的核心內(nèi)容,經(jīng)過一定的構(gòu)建規(guī)則和擴(kuò)展方法,可以得到作戰(zhàn)計劃本體的其他組成部分;而推理規(guī)則對于提高指揮信息系統(tǒng)的自動化與智能化水平具有十分重要的作用,當(dāng)COA結(jié)果優(yōu)劣難以比較時,通過領(lǐng)域?qū)＜抑付ㄆ藐P(guān)系,利用本體中對象屬性傳遞性等特點進(jìn)行自動推理,刪減COA;當(dāng)COA結(jié)果優(yōu)劣易于比較時,通過COA優(yōu)選推理,利用優(yōu)勢推理規(guī)則進(jìn)行自動推理,刪減COA。這樣,基于偏好關(guān)系與優(yōu)勢規(guī)則的推理,達(dá)到了提升計劃生成效率的目的。下一步需要對MOP指標(biāo)與MOE指標(biāo)之間的影響關(guān)系、推理規(guī)則的適用性以及不確定條件下本體推理等問題[19-20]進(jìn)行深入研究,進(jìn)一步提升基于本體制定作戰(zhàn)計劃的能力。

參考文獻(xiàn)：

[1] GUSTAVSSON P M, HIEB M R, MOORE P, et al. Operations intent and effects model[J]. Journal of Defense Modeling and Simulation: Applications,Methodology,Technology,2011,8(1):37-59.

[2] 禹明剛,王智學(xué),張婷婷,等.基于能力的C4ISR通信領(lǐng)域上下文本體建模方法[J].系統(tǒng)工程理論與實踐,2015,35(8):2158-2165.

YU M G, WANG Z X, ZHANG T T, et al. C4ISR communication domain context ontology modeling based on capability analysis[J].Systems Engineering-Theory & Practice,2015,35(8):2158-2165.

[3] EBRAHIMIPOUR V, REZAIE K, SHOKRAVI S. An ontology approach to support FMEA studies[J]. Expert Systems with Applications, 2010, 37(1): 671-677.

[4] 錢猛, 劉忠, 姚莉, 等. 作戰(zhàn)計劃的本體建模研究[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(5): 994-1000, 1077.

QIAN M, LIU Z, YAO L, et al. Survey of ontological modelling of military operation plans[J]. Systems Engineering and Electronics, 2010, 32(5): 994-1000, 1077.

[5] 錢猛, 劉忠, 姚莉, 等. 本體技術(shù)在作戰(zhàn)計劃系統(tǒng)中的應(yīng)用[J]. 計算機(jī)工程與應(yīng)用, 2009, 45(16): 18-23, 35.

QIAN M, LIU Z, YAO L, et al. Survey for COA ontological technologies in military planning system[J]. Computer Engineering and Application, 2009, 45(16): 18-23, 35.

[6] ZHAO X Y, FAN Z C, YANG S L, et al. Towards a course of action probability ontology for logistic supply destruction operation[C]∥Proc.of the Asia Simulation Conference, 2012: 1-9.

[7] 李建軍, 劉翔, 任彥, 等. 作戰(zhàn)任務(wù)高層本體描述及規(guī)劃[J]. 火力與指揮控制, 2008, 33(1): 53-55, 60.

LI J J, LIU X, REN Y, et al. Operational task ontology and task planning[J].Fire Contro1 and Command Control,2008,33(1):53-55, 60.

[8] DARR T, BENJAMIN P, MAYER R. Course of action ontology for counterinsurgency operations[C]∥Proc.of the 15th International Command and Control Research and Technology Symposium (ICCRTS)-The Evolution of C2, 2013:22-24.

[9] DARR T, BENJAMIN P, MAYER R. The application of a course-of-action ontology to support OPFOR COA selection and assessment[C]∥Proc.of the Semantic Technology for Intelligence, Defense, and Security (STIDS), 2010：92-99.

[10] 劉忠,錢猛,黃金才,等.基于語義推理的作戰(zhàn)計劃驗證方法[J].系統(tǒng)工程與電子技術(shù),2010,32(5):988-993.

LIU Z, QIAN M, HUANG J C, et al. Sematic reasoning based approach to COA validation[J]. Systems Engineering and Electronics, 2010, 32(5): 988-993.

[11] NAZAR M, SADIK S. Ontology based goal and task allocation for autonomous agents[C]∥Proc.of the 11th International Conference on Fuzzy Systems and Knowledge Discovery, 2014：924-929.

[12] 蘇正煉,嚴(yán)俊,陳海松,等.基于本體的裝備故障知識庫構(gòu)建[J].系統(tǒng)工程與電子技術(shù),2015,37(9):2067-2072.

SU Z L, YAN J, CHEN H S, et al. Construction of ontology-based equipment fault knowledge base[J]. Systems Engine-ering and Electronics, 2015, 37(9): 2067-2072.

[13] DARR T, BENJAMIN P, MAYER R. Course of action planning ontology[C]∥Proc.of the Ontology for the Intelligence Community, 2009：1-6.

[14] 龐天亮,袁修久,趙學(xué)軍,等.基于OWL的仿真想定本體構(gòu)建方法[J].空軍工程大學(xué)學(xué)報(自然科學(xué)版),2012,13(6):35-39.

PANG T L, YUAN X J, ZHAO X J, et al. Approach to simulation scenario ontology development based on OWL[J]. Journal of Air Force Engineering University (Nature Science Edition), 2012, 13(6): 35-39.

[15] HORRIDGE M. A practical guide to building OWL ontologies using protege 4 and CO-ODE tools edition 1.3[EB/OL].[2017-03-06].http:∥mowl-power. cs.man.ac.uk/protegeowltutorial/resources/ProtegeOWLTutorialP4_v1_3.pdf.

[16] BAADER F, CALVANESE D, MCGUINNESS D L, et al. The description logic handbook: theory, implementation, and applications[M]. Cambridge: Cambridge University Press, 2007.

[17] DONNELLY J, EDWARDS G. Effects-based planning with strategy templates and semantic support and semantic support[C]∥Proc.of the Society of Photo-Optical Instrumentation Engineers (SPIE), 2003.

[18] 潘冠森, 蔡游飛. 作戰(zhàn)選項分析方法研究[J]. 軍事運籌與系統(tǒng)工程, 2012, 26(3): 19-22.

PAN G S, CAI Y F. Research on operational option analysis method[J]. Military Operations Research and Systems Engineering, 2012, 26(3): 19-22.

[19] EUGENE S J, JACOB C J. Bayesian knowledge-driven ontologies: intuitive uncertainty reasoning for semantic networks[C]∥Proc.of the IEEE International Conference on Systems, Man, & Cybernetics, 2011：856-863.

[20] AMATO C, FANIZZI N, LUKASIEWICZ T. Tractable reasoning with bayesian description logics[M]. Berlin: Springer-Verlag, 2008.