基于貪婪算法的影響網絡行動方案優選

田 仲，李加祥

(海軍大連艦艇學院，遼寧 大連 116018)

影響網絡(Influence Nets，INs)已經廣泛應用于基于效果作戰(Effects-Based Operations，EBO)領域的相關試驗［1］。其主要功能是輔助建模人員對不確定的環境中作戰行動和效果之間的因果影響關系進行建模和分析，從而建立特定環境下各元素之間的定性與定量關系［2-3］。INs建模的主要目的是為了對一系列作戰行動方案(Course Of Actions，COA)進行評估和優選，從而獲得最有可能達成期望效果的行動方案。

目前，INs中行動方案優選的常用方法是窮舉搜索法和靈敏度分析法。窮舉搜索法需要遍歷整個方案空間，雖然理論上一定能夠找到最優方案，但所需的搜索時間也將隨可行行動個數的增加而成指數增長，所以只能適用于可行行動數量較少的情況，當可行行動數量較多時，該方法將無法有效應用。靈敏度分析法通過對單個可行行動對期望效果的影響來判定該行動對期望效果的靈敏度，從而進一步確定較優(不一定是最優)的行動方案。該方法執行效率較高，但是僅從單個可行行動的角度進行分析，并沒有考慮行動之間的相互關系，難免會造成最終結果的不合理。為了克服上述方法的不足，本文提出了一種適用于INs的基于貪婪算法的行動方案優選方法。

1 影響網絡模型

影響網絡在拓撲結構上是一個有向無環圖，圖中的節點表示隨機變量，節點之間的有向邊表示變量之間的因果影響關系。INs作為貝葉斯網絡(Bayesian Networks，BNs)的一種變體，是不確定情況下因果影響關系建模的常用概率網絡，現已經廣泛應用于人工智能領域，解決了BNs存在的大量條件概率獲取困難和概率推理困難［4］。……