海軍特種作戰兵力行動知識推理研究*

張 磊，魏成昊

（1.海軍指揮學院，江蘇 南京 210016; 2.海軍潛艇學院，山東 青島 266071）

兵力行動知識管理的一個很重要的方面，就是如何保留住知識，并提高知識使用的效率和頻度。從這個角度來講，知識管理的解決方案從本質上來說是一個輔助決策的系統，它利用所包含的知識來為決策者在兵力行動管理中提供決策支持，決策支持可理解為通過知識推理解決大量的基于規則的兵力行動管理，這樣兵力行動建模就能通過知識推理模型得出參考決策，提高兵力行動決策的效率。

1 兵力行動知識原理

兵力行動建模與相關的領域知識密不可分。對于行動建模來說，獲取領域知識是進行知識表示的基礎，兵力行動建模描述的是作戰單元對戰場態勢的評估、各作戰單元作戰任務的規劃與協同，以及根據戰場環境所進行的實時決策等，模型的復雜性很高，因此，對知識的表示要求也很高。兵力行動建模領域的知識需要從軍隊條令條例以及有關的作戰指揮人員、參謀人員處來獲取，信息量很大，采用何種方法來對這些知識進行有效的表示，將是兵力行動建模的一個必不可少的組成環節。知識獲取和知識表示在兵力行動建模中的一般流程如圖1所示。

圖1 兵力行動建模的知識獲取和知識表示流程

2 兵力行動知識工程建模方法

目前，比較成熟的知識工程建模技術主要包括：有限狀態機、產生式規則、黑板系統、面向對象的知識庫等建模技術。其中，有限狀態機與產生式規則是比較成熟、并且得到廣泛運用的技術，下面將這兩種技術進行有效地結合，提出了一種有限狀態機加規則的特種作戰兵力的行動建模方法，并相應地提出行動模型結構。

當兵力在某一個狀態下有事件發生時，根據當前狀態和輸入的不同，選擇如何處理該事件以及判斷是否需要轉換下一個狀態。兵力行動狀態機包含五個部分：一組兵力狀態的集合 S，一組輸入集合 C，輸出集合W，以及兩種映射關系λ、μ。

式中，λ是狀態遷移映射；μ是輸出映射。

在使用有限狀態機進行行動建模時，我們需要確定在當前狀態下，當環境發生變化時如何動作以及是否進行狀態轉移。因為狀態轉移也可以認為是一種特殊的動作，所以問題就可以用產生式規則解決。

對于狀態轉移映射 λ :S( t + 1 )＝ λ (S( t), C( t ))。

由于觸發狀態轉移的條件在不同的情況下是不同的，而實現狀態轉移的動作則是通用的，所以相應規則的一般形式為：

兵力行動有限狀態機當前處于狀態S( t)：

IF C( t)THEN “設置狀態 S( t+1)” 。

其中，C( t)可以由返回值為Boolean的條件函數來實現。建立規則庫時根據當前狀態選擇所需的條件函數，系統運行時條件函數根據任務和從裝備模型獲取戰場態勢做出判斷。而S( t+1)可以由行動函數來實現。

類似的μ的映射 μ : W ( t)＝ μ( S ( t), C( t))。

可以表示為：兵力行動有限狀態機當前處于狀態S( t)：

IF C( t)THEN “執行動作W( t)”。

3 基于邏輯神經網絡的兵力行動知識推理

3.1 邏輯神經網絡推理方法

三值邏輯神經網絡（Three-valued Neural Logic Network，簡稱Neulonet）最早是新加坡國立大學的研究學者提出的模型。它具有強大的知識表示能力，僅通過一系列純數字的連接權值就可表示有語義的人類邏輯規則，使其能模擬各種偏好的、主觀的人類決策制定。同時它又是一種模糊知識的表達方式，對不完整數據有很好的容忍性。Neulonet是一種結合了三值邏輯的符號表示和神經網絡的連接及傳播結構的模型，它包含一些結點和連接弧，通過調整連接權值，可以表示出較復雜且有語義的邏輯操作。其特點主要有：1）它的符號表示使用三值邏輯；2）它通過類似人工神經網絡的形式表示；3）它是以上兩者的完美結合。

與通常的神經網絡類似，Neulonet包括一系列的輸入結點，連接弧和一個輸出結點。結點上附有激活值，連接弧上標有連接權值。不同的是這些激活值和連接權值都是有序的實數對（見圖 2）。經典的布爾邏輯只包括兩個值：真值（True）和假值（False），分別由1和0表示。然而在實際應用中存在大量模糊的值，它們無法被輕易地定義為真或假，因此人們引入了三值邏輯。它包括‘真 ’、‘假’和‘不確定'，依次由（1,0）,（0,1）和（0,0）表示。同經典邏輯一樣，三值邏輯也可以定義與（AND），或（OR）和非（NOR）的操作。事實上，“不確定”的使用大大加強了邏輯表示的靈活性和復雜性，布爾邏輯僅有24=16個二元操作，而三值邏輯則共有38=6561個有意義的二元操作。

圖2 邏輯神經網絡基本結構圖

如圖2所示，Q是輸出節點，P1,P2……Pn是輸入節點。與節點Pi相關的輸入值為（ai,bi），Pi到Q的連接權值表示為（αi,βi）。傳播函數定義如下：

激活的規則定義如下（λ是閾值，通常被設為1）：

3.2 兵力行動推理規則的確定

我們將任何一個作戰單元遂行特定作戰使命的過程表述為若干個時序上順序執行的戰術任務過程，以任務過程名表述：

首先，將這些任務過程名按照從后到前的順序壓入堆棧，作戰單元執行使命過程的過程就是按照時間邏輯從堆棧中順序地彈出逐個任務過程名進行解釋執行的過程。

由于在對作戰單元進行使命任務規劃時對戰場環境感知的限制，以及作戰執行過程中戰場出現態勢變化使作戰單元獲得新的戰場感知，可能使作戰單元針對出現的新情況，暫時中斷當前的任務過程，轉入新的作戰過程，只有在該過程完成后，作戰單元才會恢復到原來的作戰過程。因此每個作戰過程TaskNamei(i=1,2,…,n)除了必須具備確實執行的作戰過程外，還可能存在一個或多個備用的作戰過程：

當根據判斷決策在執行新的作戰過程TaskName_Bakij前，將原來執行的作戰過程TaskName_Execi重新壓入堆棧，轉入新的作戰過程TaskName_Bakij，新的作戰過程TaskName_Bakij完成后，從堆棧中彈出原來的作戰過程 TasNamek_Execi進行執行。這一方法可能出現多重嵌套，但采用堆棧的管理方式能夠有效地解決多重嵌套問題。

每個任務過程具有戰法標識和可能的陣地或者行動路線：

其中，戰法Tactics由標識、目的、一組規則組成：

兵力在使命遂行過程中可能根據戰場感知對任務過程重新進行規劃，這時對Mission進行重新處理。

以海軍特種作戰分隊對敵重要目標實施偵察，并引導我導彈部隊進行打擊任務為例，其作戰想定表述為如圖3所示。

圖3 海軍特戰分隊執行引導打擊任務規劃示例

3.3 邏輯神經網絡兵力行動推理

應用以上規則，我們就能以Neulonet的形式構建‘與’、‘或’和‘非’等操作，如圖 4 所示。Neulonet上的連接權值可以通過一些構建算法得出，這樣，這些權值不再是任意數字的組合，而是表示一定語義的操作。

Neulonet通過不同的權值對集合可以對應不同的邏輯操作，因此我們可以將知識庫中的任意規則映射到簡單的具有相同語義的 Neulonet形式：這樣每個Neulonet規則可以有兩個相應的形式，文本形式和圖形形式。另一方面，兵力行動知識的連接邏輯有時要比傳統的‘與’和‘或’邏輯要復雜。有些兵力行動知識可能是從過去的演習或實戰中提煉出的規則，因此具有較強的主觀性和隨意性。同時由于不同的指揮員可能對于不同的影響因素有不同的喜好程度，因此兵力行動知識也是有偏好的。通過稍微調整Neulonet的連接權值，或者將一系列的“規則單元”連接起來，它們可以用來表示有一些難度的兵力行動規則。如在兵力行動決策中經常使用的“少數服從多數”規則，即最終的決定取決于大多數因素的暗示。顯然，傳統邏輯很難表示這一規則，但是利用Neulonet強大的知識表示能力，可以很輕易地做到。

對于一些埋藏在軍事人員頭腦中的隱性知識或者潛規則，人們雖然意識到了它們的存在，但是很難對其加以總結概括。Neulonet繼承了神經網絡的學習能力，它可以通過以往的數據進行訓練，來確定連接權值，從而實現這部分隱性知識的顯性化。圖5給出的是一些在兵力行動建模中經常使用的邏輯規則的Neulonet形式。

圖4 ‘與’和‘或’操作的Neulonet表示

圖5 兵力行動建模中常見邏輯Neulonet表示

3.4 實例分析

有關于兵力行動的一系列的或然陳述，并且被當成擁有背景知識而被要求預測結果，我們就需要通過一系列的推理，只要給出了足夠的信息，就能得出結論。使用Neulonet，我們可以構建這樣的一個推理過程的表示，根據其他兵力的已知情況，確定特戰分隊是否可召喚航空兵力執行支援任務的例子：

? 如果特戰分隊請求空中支援，條件滿足航空兵力行動條件，那么航空兵力進行空中支援；

? 除非水面艦艇執行其他作戰任務，否則特戰分隊一定呼叫水面艦艇進行支援；

? 艦艇兵力可以執行支援任務，只要潛艇兵力和電子對抗兵力不能執行支援任務；

? 除非潛艇兵力必須進行支援，否則潛艇兵力進行隱蔽待機；

?如果特戰分隊請求電子支援，條件滿足電子對抗兵力行動條件，那么電子對抗兵力進行支援；

? 只要潛艇兵力進行支援，電子對抗兵力可以不參加支援；

? 如果行動條件允許，那么潛艇兵力可以進行支援。

最后要決定航空兵力是否執行支援任務，而已知的是潛艇兵力和電子對抗兵力不能執行支援任務。相應的Neulonet推理過程表示如圖6所示。

圖6 兵力行動推理示例圖

圖5中的過程類似于人類推理并得到結論過程。其中每一個節點都代表一個命題，推理時只有一個輸入結點，被賦予（1,0）值，表示潛艇和電子對抗兵力不能執行掩護任務；其余的結點都是輸出結點，初始時被賦予（0,0），推理過程中新的值會通過傳播函數計算。推理結束后，如果輸出節點仍然為（0,0），表示沒有足夠的信息得出結論；否則，網絡將會產出True=（1,0）或 False=（0,1）。連接權值是根據為兵力行動設計的邏輯操作分配的。值得一提的是，非標準的邏輯操作，如‘除非’、‘只要’在這個模型中都可以被表示出來。在本例中，將輸入結點賦予（1,0）值，最后輸出的結果是：航空兵進行空中支援（1,0）。

4 結束語

本文首先對兵力行動的知識原理和知識工程建模方法進行了分析，然后重點研究了基于三值邏輯神經網絡模型的兵力行動知識表示和推理方法，并結合兵力行動知識推理實例，對其運行機制給予了說明。

綜上所述，Neulonet作為三值邏輯和神經網絡的結合，繼承了前者強大的知識表示能力和后者的學習能力。它表示復雜的人類邏輯時，可用不同的權值組合來表示偏好性，也可用過去的例子訓練來表現主觀性。進而還可將一些基本邏輯的規則單元連接形成推理樹來模擬兵力行動中的決策制定過程。這些特點使Neulonet可作為有效的知識表示和推理方法，被應用到軍事領域中。

[1]Jay Liebowitz. Conceptualizing and implementing knowledge management. Management of Knowledge in Project Environments[C].2004:45-52.

[2]孔繁勝. 知識庫系統原理[M].杭州:浙江大學出版社,2000.

[3]向陽，等. 復雜問題決策支持模式研究[M].北京:科學出版社,2008.

[4]丁秋林. 推理技術在決策支持系統中的應用[J].計算機應用,2004,24(7):141-144.

[5]陳躍新,蘇亮. 正向推理機系統研究[J].計算機工程與應用,2002(19):78-80.