基于贝叶斯网络的武器装备体系作战效能评估方法_于小岚.pdf
《基于贝叶斯网络的武器装备体系作战效能评估方法_于小岚.pdf》由会员分享,可在线阅读,更多相关《基于贝叶斯网络的武器装备体系作战效能评估方法_于小岚.pdf(9页珍藏版)》请在咨信网上搜索。
1、文章编号:1002-0640(2023)05-0001-08火 力 与 指 挥 控 制Fire Control&Command Control第 48 卷第 5 期2023 年 5 月收稿日期:2022-03-11修回日期:2022-05-09基金项目:复杂电子系统仿真重点实验室基础研究资助项目(DXZLJC、2020、002)作者简介:于小岚(1998),男,四川宜宾人,硕士研究生。研究方向:作战效能评估。摘要:武器装备体系的作战效能呈现非线性、对抗性、动态性等特点,武器装备体系的建设发展对评估模型的应用分析提出更高的要求。由于贝叶斯网络具备对武器装备体系的效能与指标之间的非线性关系的良好映
2、射能力、对动态过程良好的描述能力、良好的推理分析的能力,基于贝叶斯网络的作战效能评估成为了该领域目前的研究热点之一。论述了武器装备体系的作战效能评估以及贝叶斯网络的发展现状,及基于贝叶斯网络的作战效能评估方法的研究现状,指出了基于贝叶斯网络的武器装备体系作战效能评估方法的发展方向。关键词:武器装备体系;作战效能评估;贝叶斯网络;动态贝叶斯网络;推理分析中图分类号:N954.13;TJ01文献标识码:ADOI:10.3969/j.issn.1002-0640.2023.05.001引用格式:于小岚,熊伟.基于贝叶斯网络的武器装备体系作战效能评估方法 J.火力与指挥控制,2023,48(5):1-
3、8.基于贝叶斯网络的武器装备体系作战效能评估方法*于小岚,熊伟(航天工程大学复杂电子系统仿真国防科技重点实验室,北京101416)Overview of Operational Effectiveness Evaluation Methods of System ofWeapon Equipment Based on Bayesian NetworkYU Xiaolan,XIONG Wei(Science and Technology on Complex Electronic System Simulation Laboratory,Space Engineering University,
4、Beijing101416,China)Abstract:At present,the combat effectiveness of weapon system is nonlinear,antagonistic anddynamic,and the construction and development of weapon system put forward higher requirements forthe application and analysis of evaluation model.As Bayesian network has the ability to map
5、thenonlinear relationship between the effectiveness and index of weapon equipment system,it also has thedescription capability of the dynamic process and reasoning and analysis ability,the operationaleffectiveness evaluation based on Bayesian network has become one of the current research hotspots i
6、nthis field.The operational effectiveness evaluation of weapon equipment system and the developmentstatus of Bayesian network are discussed,the research status of operational effectiveness evaluationmethods based on Bayesian network is expounded,and the development direction of operationaleffectiven
7、ess evaluation methods of weapon equipment system based on Bayesian network is pointed out.Key words:weapon equipment system;operational effectiveness evaluation;Bayesian networks;dy-namic Bayesian networks;inferential analysisCitation format:YU X L,XIONG W.Overview of operational effectiveness eval
8、uation methods ofsystem of weapon equipment based on bayesian network J.Fire Control&Command Control,2023,48(5):1-8.0引言作战效能是衡量作战单位在作战过程中能否取得胜利的重要指标,对作战效能进行评估可以为作战指挥提供辅助决策。随着战争科技与作战理念的不断发展,现代战争呈现武器装备种类复杂、作*Vol.48,No.5May,20231(总第 48-)火 力 与 指 挥 控 制2023 年第 5 期战高效、制胜手段丰富等特点,因此,对作战过程中武器装备所发挥的效能进行准确评估成为了制
9、胜关键。武器装备体系的作战效能与其性能和作战运用方式紧密相关,已经不是线性映射关系可以刻画的,迫切需要寻找新的方法来解决非线性和不确定性条件下的武器装备体系的作战效能评估问题。目前解决该问题的方法中比较热门的有结构方程模型、作战环、BP 神经网络等1-3,以上方法能够较好地刻画效能与指标之间的非线性关系。随着武器装备的复杂程度越来越大,国内外学者也在不断探索新的评估方法,贝叶斯网络因其因果关系的揭示以及强大的非线性映射能力备受关注,该方法能够很好地揭示复杂评估问题的映射关系并进行因果推理,因此,该方法逐渐成为武器装备体系作战效能评估方法的研究热点方向之一。本文将对非线性和不确定性条件下武器装备
10、体系的作战效能评估问题进行分析,论述贝叶斯网络方法的研究现状,指出了目前基于贝叶斯网络的武器装备体系的作战效能评估方法中存在的问题,展望了其未来发展方向。1武器装备体系的作战效能评估武器装备体系是在给定作战任务的背景下,各种独立而又紧密关联的武器装备作战系统按照某种组织结构,组成一个在功能上相互关联的更高层次的系统。武器装备体系的作战效能评估即武器装备体系在作战过程中制胜的重要程度。一般的作战效能评估过程如图 1 所示,明确评估对象以及边界,利用相关军事理论以及作战过程中的诸多影响因素,确立相关评估指标以及评价规则,从而构建评估指标体系;在明确问题与指标体系的基础上,结合评估目的选取合适的评估
11、方法,然后获取相关评估数据,建立合理的评估模型实施评估,并对评估模型进行检验。通过对武器装备体系的作战效能评估过程分析,可以发现目前武器装备体系的效能评估方法的研究,主要集中在对评估方法的非线性与对抗性动态性的探究上,在作战实际应用过程还停留在改变作战方案、改变装备参数等较为单一的方式上。因此,目前武器装备体系的作战效能评估存在以下 3个问题:1)评估方法在揭示因果关系、非线性关系、不确定性信息的能力上有所欠缺,诸如传统的层次分析法、SEM 法、模拟仿真等方法在一定程度上都有着主观性,而且在非线性关系的映射上是有限的。因此,探究一种新的具有强非线性映射能力、强可解释性的效能评估方法是很有必要的
12、。2)评估结论的可分析性推理性不足,一般意义的评估方法由于流程复杂、耗时较长等特点,无法实现对评估结果的反复推演。因此,构建一个可以进行多角度推理的效能评估方法,对于后续武器装备体系建设具有必要性。3)现阶段的作战任务都是结合对抗性动态性的作战活动,是呈体系的对抗。在如今的作战背景下,依靠静态的评估方法无法完整地揭示作战活动中武器装备体系的效能变化状况。因此,建立一个适用于武器装备体系的动态评估模型迫在眉睫。为了解决以上困难,国内外学者作出了很多尝试,比较常见的是结构方程模型方法、作战环、复杂网络、神经网络等方法,文献 4 在非线性关系的揭示上有了新的突破,文献 5 基于改进支持向量机利用粒子
13、群算法对支持向量机进行改进,大大提高了其对非线性关系的能力,并在小样本评估上有了新的突破。随着国内外学者对各种方法的探索,贝叶斯网络作为一种具备非线性映射能力的学习方法逐步成为该领域的研究热点,并得到了广泛关注。图 1武器装备的作战效能评估流程Fig.1Flow chart of operation effectiveness evaluation of weaponequipment2基于贝叶斯网络的作战效能评估方法的研究现状2.1贝叶斯网络贝叶斯网络是一种用于描述变量间不确定性因果关系的图形网络模型,由节点、有向连线和节点概率表组成,其中有向连线代表节点之间的因果20764(总第 48-)
14、依赖关系。贝叶斯网络分为静态贝叶斯网络与动态贝叶斯网络,所谓动态贝叶斯网络并不是指网络拓扑结构或者参数是动态变化的,而是指把静态贝叶斯网络与时间因素相结合,从而形成具有处理时序数据功能的网络模型,如图 2 所示。图 2动态贝叶斯网络与静态贝叶斯网络示例Fig.2Examples of dynamic Bayesian networks and staticBayesian networks定义:贝叶斯网络是表示变量间概率依赖关系的有向无环图,这里每个节点表示领域变量,每条边表示变量间的概率依赖关系,同时对每个节点都对应着一个条件概率分布表(CPT1),指明了该变量与父节点之间概率依赖的数量关系
15、,表示 CPT 的参数。一个贝叶斯网络有 N 个节点,特征变量为 X1,Xn,其中,Xi代表贝叶斯网中对应的节点;代表节点 Xi的父节点集:以知网全文数据库为数据来源,检索方式以主题检索为检索项,以贝叶斯网络为主题进行检索,时间周期为最近两年,共 2 000 余篇文献,采用VOSViewer 对原始数据进行可视化处理及网络分析。图 3 为贝叶斯网络研究热点关键词网络图。标签的颜色与尺寸分别反映了其领域相似程度和节点的出度。贝叶斯网络的研究热点关键词图中,不难发现最近两年关于贝叶斯网络的研究热度是多样化的,从建模到应用、从静态到动态、与神经网络相结合等各个方向都有所发展。由图 3 可以发现,当前
16、贝叶斯网络的发展脉络大致分为两个主体的两个方面。如下页图 4 所示,两个主体是传统的贝叶斯网络与动态贝叶斯网络,在确定的主体下分为两个方面,一方面是网络建模可以分为结构学习与参数学习;另一方面是网络应用图 3贝叶斯网络的研究热点关键词网络图Fig.3Network diagram of the keywords of research hotspots of Bayesian network于小岚等:基于贝叶斯网络的武器装备体系作战效能评估方法30765(总第 48-)火 力 与 指 挥 控 制2023 年第 5 期由故障诊断、预测、可靠性评估等组成。本文将从贝叶斯网络的建模与应用两个方面,论
17、述贝叶斯网络在武器装备体系作战效能评估中的发展前景。2.2贝叶斯网络的建模研究现状针对贝叶斯网络的建模过程,将贝叶斯网络建模分为两大类:一是已知网络结构,在这样的条件下需要应用参数学习算法,利用样本数据获取已知网络结构的条件概率表数据。二是未知网络结构,在这样的条件下,学习算法不仅有条件概率表的数据需要学习获取,而且需要根据已有的样本数据构建一个合理的网络结构,从而客观准确地构建预测模型。在贝叶斯网络学习中主要分为两种参数学习与结构学习,参数学习的网路结构一般是由相关领域的专家,根据经验进行分析研究最终确定网络结构,这样的方式在一定程度上无法真实地反映事物的运行机理,随着计算机科学的日益发展,
18、依据数据进行贝叶斯网络结构的学习逐渐成为了贝叶斯网络的研究热点与难点。经过一段时间的探索研究,基于评分搜索的算法受到较大的关注,其中主要使用的评分算法有 MDL、BDe、K2 等。其中著名的 K2 算法被 Cooper 和 Herskovits 提出来。随后,很多学者对其进行了优化改进。优化算法的不断发展,如图 5 所示6,11。虽然提出了诸多的改进,但是目前如何找到一个快速准确地建立模型的方法仍是贝叶斯网络结构学习的研究方向。同样的 MDL(最小描述长度)测度在贝叶斯网络的结构学习中有着相当高的认可度,国内外学者都有相关研究成果。2012 年国内的吴红等在提出融合先验信息的贝叶斯网络的网络结
19、构学习方法中使用了 MDL 测度进行评价寻优,并应用了模拟退火算法进行搜索寻优,大幅度提高了学习精度,表现了 MDL 评价的可用性12。叶光善等将MAP 算法同 MDL 相结合,提出基于混合贝叶斯的数据挖掘方法,这对未来 MDL 的应用改进提出了新思路13。国外学者对 MDL 的应用研究指出了新方向,NICANDRO C R 等提出一种基于 MDL 得分进行修剪搜索空间的方法,将搜索空间大片区域进行排除,以此提高算法的速率,但是准确率会有所影响,在未来可以搭配搜索寻优算法将准确率提升14。由此可以发现 MDL 在国内外的研究依旧是热点,其评分机制简单准确,发展改进空间大,可以从速率与准确度两个
20、方面考量,是值得探索的一种评价方法。综上所述,贝叶斯网络建模的主要难点与热点在于结构学习的准确性。从基于评分搜索算法的发展过程可以发现,该算法从两个角度出发:一是评分测度出发常用的有 K2、MDL、BDe 等,K2 虽然应用较多,但是其改进更多的是在搜索策略上,在测度灵活性上 MDL 更胜一筹。二是搜索策略上一般有传统的遗传算法、模拟退火算法等,在实用阶段针对特定情况使用相应的算法。2.3基于贝叶斯网络的效能评估方法的研究现状本文以贝叶斯网络模型在作战效能评估领域的应用为主,因此,以知网全文数据库为数据来源,检索方式以主题检索为检索项,以贝叶斯网络、效能评估为主题进行检索,共 50 余篇文献,
21、时间周期20102020 年,采用 VOSViewer 对原始数据进行可视化处理及网络分析。下页图 6 为贝叶斯网络研究热点关键词与时间关系网络图。标签的颜色与尺图 4贝叶斯网络发展脉络Fig.4Bayesian network development context图 5基于评分搜索学习方法的发展时间线Fig.5The development time line of search learning method based on scoring40766(总第 48-)图 6基于贝叶斯网络的作战效能评估研究热点关键词与时间关系网络图Fig.6The relationship network
22、 diagram between the keywords of the research hotspots and the time of operationeffectiveness evaluation based on Bayesian network寸分别反映了其时间和节点的出度。从图 6 可以发现,从 2010 年开始贝叶斯网络在作战效能评估领域的应用就得以迅速发展。从时间维度看,自 2010 年以来对于贝叶斯网络应用于效能评估领域还处于基础发展阶段,近年国内外学者结合已有文献,主要对贝叶斯推理、动态贝叶斯网络等领域进行探索性研究。本文将贝叶斯网络在作战效能评估领域的应用分为静态与
23、动态两类。2.3.1静态贝叶斯网络自 2008 年国防科大的刘明辉等提出基于贝叶斯网络的效能评估方法开始,贝叶斯网络在效能评估领域的应用便不断发展。该方法包括了两大部分,其一是基于贝叶斯网络驱动的效能仿真,它是基于贝叶斯网络的先验知识构建仿真推演模型,获取相较传统方法更为精确的仿真数据;其二是应用贝叶斯网络进行效能预测,以此实现对效能值的精确预测15。以上两种思路奠定了后续应用贝叶斯网络进行效能评估的基础。周旋等提出的基于贝叶斯网络的效能评估方法,从能力上揭示了对贝叶斯网络进行评估的优势,其具有复杂关联关系表示能力、概率不确定性表示能力,以及因果推理能力,能够在反映指标与效能值之间的关系上有很
24、好的表现16。因此,针对贝叶斯网络对数据离散化的要求,提出了一种基于遗传算法的离散化算法,寻求最优的离散化规则。王磊提出了一种基于贝叶斯网络的效能分析方法,该方法不同于建立评估模型,侧重点是对已有模型的推理应用,创新性地提出了正向探索模式、态势扰动分析模式、因果追溯分析模式和截断分析模式等 4 种分析模式,比传统模式的分析更加透彻17。2013 年 LI H等提出一种基于贝叶斯网络的抗震性能评估专家系统,采用了双向推理的方式进行经验验证得出结论18。陈宏建针对无人机编队的不同形式,提出基于贝叶斯网络的效能评估模型,使用贝叶斯网络的推理方式,分别对单个编队的作战效能和整体编队的作战效能进行推理,
25、验证了模型的合理性19。因此,针对贝叶斯网络在效能评估领域的应用,主要是基于贝叶斯网络建立效能评估模型,其中主要的难点在于数据来源、数据不确定性、结构参数学习等,研究成果如下页表 1 所示20-25。由此可以发现,目前该领域的专家学者主要抓住贝叶斯网络的样本数据获取与数据处理两个方面展开研究,将模糊理论、神经网络等诸多方法应用其中,并取得了较好的效果,但是在样本数据的学习算法与推理分析算法两个方面还存在局限性。因此,探索一种新的贝叶斯网络结构学习算法和一种适用于该武器装备的推理分析算法是目前的研究热点。2.3.2动态贝叶斯网络近年来,贝叶斯网络的应用已从简单的静态贝于小岚等:基于贝叶斯网络的武
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 贝叶斯 网络 武器装备 体系 作战 效能 评估 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。