人機協同軍事計劃技術綜述

雷霆，朱承，張維明

(國防科技大學信息系統工程重點實驗室，湖南長沙410073)

軍事計劃是指指揮員根據戰場態勢和所賦予的軍事任務，使用有限的作戰資源(兵力、武器裝備)，生成一系列行動步驟和相關細節的過程，包含了多層次(與指揮組織層次對應)、多階段(計劃的生成、分析、執行、調整)、多類型(如資源調度、路徑規劃)和多參與方.

軍事計劃一直是軍事決策的核心內容，指揮部門決策主要圍繞著計劃的擬制與執行展開.軍事計劃環境往往是高度壓力、不確定、多目標、目標變化的復雜非線性活動[1].隨著現代戰爭正從機械化向信息化變革，軍事計劃問題的復雜程度急劇增加，能否快速準確地生成計劃成為影響戰爭成敗的關鍵所在.

軍事計劃問題一直受到多學科領域的關注.心理與認知科學領域從認知層面研究人做計劃的問題求解方式、描述結構[2]，并基于指揮員認知特征提出了軍事計劃過程模型[1]，但是在時間緊迫的戰爭環境中，人難以快速處理大量決策細節.其他學科則研究如何使用自動化方法來解決計劃問題.人工智能領域中的自動規劃能模擬人的計劃方式，將計劃問題視為搜索生成行動序列，將問題的初始狀態轉化為目標狀態，并做了有限狀態、確定性、靜態、串行行動等嚴格問題的假設[3]，而不確定、動態的軍事計劃問題不能滿足這些假設，并且難以建立完備的領域知識，因此無法直接求解.管理科學領域主要使用運籌學的方法對計劃問題的相關要素特征進行分析和建模，求解優化結果.

由于軍事計劃問題是非結構化的問題，問題要素難以被建模和求解.這些自動化方法不能體現指揮員的策略、經驗和偏好，并且整個過程對于用戶是一個“黑盒”，用戶無法控制和理解問題的求解過程.單靠人或自動化的方法均無法解決軍事計劃問題，若能綜合利用人機各自的知識和問題的解決能力，則能夠處理軍事計劃中的復雜性和動態性，提高計劃質量.因此從多學科交叉的角度出發，分析人和自動化之間如何協同解決軍事計劃問題，具有重要的理論意義.這不僅能夠有助于軍事計劃問題的求解，還能夠解決此類具備不確定性、動態性和對抗性的復雜計劃問題，如搶險救災、商業競爭等.

人機協同計劃技術在軍事決策中已經得到廣泛應用，使軍事計劃朝著科學、高效、精確的方向發展，其應用的發展可分為3個階段.第1個階段從20世紀90年代初至90年代中期.海灣戰爭之后，dARPA贊助的 ARPI(dARPA－Rome planning initiative)項目[4]研究了一系列人機協同計劃系統，輔助制定物資調度、應急救援、空軍戰役等計劃，解決了人對計劃系統的控制問題.第2個階段從20世紀90年代中期至90年代末，研究重點是增強計劃系統的透明性和可指導性，并將應用的范圍擴展到計劃的全周期，處理層次擴充到非戰爭軍事行動等[5].第3個階段從21世紀初至今，研究人員將人機協同計劃應用到特種作戰行動[6]、多國聯合行動[7]等領域，能夠解決決策時間緊迫、態勢動態變化的計劃

問題，輔助聯合行動計劃的協同.

國外學者對人機協同軍事計劃技術進行了廣泛研究，但國內學者在這一領域的研究還局限于對軍事計劃本體的描述，因此本文主要是在國外學者的相關文獻基礎上進行綜述.

1 人機協同軍事計劃的一般體系結構

人機協同計劃過程既要處理不同層次、不同類型的決策計算間的影響，又要通過建立人與自動化間的協同來改進解決方案，因此是一個分層、分階段、迭代遞增的解決過程.本文針對軍事計劃的問題特性，根據人機協同軍事計劃的流程，提出了人機協同軍事計劃技術的一般體系結構，如圖1所示.

圖1 人機協同軍事計劃體系結構Fig.1 The structure of human-machine collaborative planning system

計劃模型描述模塊提供人機能共同理解的計劃描述，是人機協同的基礎;方案生成模塊提供了計劃生成方法;方案調整模塊提供方案在戰場環境中執行時的動態調整方法;方案解釋模塊向用戶提供方案的決策原因解釋和展示.

本文從計劃模型描述、行動方案生成、行動方案解釋、行動方案調整4個方面分析人機協同計劃策略在軍事計劃過程中的應用.

2 計劃模型描述

人機協同計劃過程中需要讓人與系統之間能夠交流計劃信息，包括計劃過程、計劃結果等，而傳統計劃文書和圖表無法直接被系統使用，且智能規劃中基于狀態描述的模型也難以表達復雜軍事計劃，這就需要研究人機通用的計劃模型描述.

人機協同軍事計劃模型描述通過本體來實現.本體被Studer[8]定義為共享概念模型的明確的形式化規范說明，能夠被計算機所理解和使用.本體模型分為2類:1)面向過程描述的本體技術，其對計劃流程各方面領域知識進行形式化描述，目的是促進不同計劃系統、人與系統之間對計劃的共同理解，但難以用于組織間的計劃協同;2)面向約束描述的本體技術，其描述聯合軍事計劃，并且增加了對計劃理性的表示，用于促進不同軍事組織之間的計劃協同.其中基本理性描述作出計劃決策的原因和依賴的假設，包括3類理性[9]:“因果關系”理性描述領域約束如何被應用的推理步驟;“依賴性”理性描述計劃實體真值如何被維護;“決策”理性關注于如何產生其他計劃實體的決策和假設.

描述軍事計劃內容的本體已有大量的研究，代表性的有20世紀90年代dARPA開發的核心計劃描述CPR[10]，它從過程的角度對計劃進行建模，是描述計劃、過程、活動通用信息的模型.接著Gil等[11]提出了計劃本體PLANET，能夠描述計劃上下文和構成計劃問題背景的約束、計劃問題中關于環境初始狀態和目標的信息，并在外部約束和計劃承諾之間做了明顯區分.

描述軍事計劃領域中實體(如資源、時間、可視模式)的本體與具體應用相關.Smith[12]建立了調度領域對象本體OZONE，能描述活動、資源和相關約束，并建立了在計劃器層時間約束網絡中“環”的距離約束描述(將它們描述為活動時間相互依賴集、活動次序依賴)，用于面向用戶的計劃解釋創建.Lino[13]提出了用于計劃可視化模式的語義模型，包括對可視化模式、計劃過程信息、移動顯示設備特征、用者Agent特征、環境的描述.

在基于本體的計劃描述的基礎上，研究人員提出了基于約束的聯合計劃描述方法.Tate[14]使用基于約束的描述方法，將計劃認為是在約束內滿足任務目標的設計，提出了＜I－N－C－A＞ 計劃描述框架(前身是＜I－N－OVA＞)，將計劃內容描述為議題(issue)、節點(node)、約束(constraint)和標注(annotation)，能被規劃器和計劃人員所共同理解，并且標注部分能夠描述記錄計劃過程中處理議題的理性.＜I－N－CA＞已被應用到多國聯合行動計劃實驗中.

Allen 等[15]在 PLANET 和＜I－N－OVA＞ 計劃描述語言的基礎上，提出了協同計劃模型(collaborative planning model，CPM)，使用邏輯描述語言OWL形式化描述軍事計劃內容，并能夠描述計劃基本理性，適合表達限定計劃相關決策的不同形式的上下文信息.

國內的楊建池等[16]討論了軍事領域本體的構建;錢猛等[17]描述了本體技術在作戰計劃系統中的應用.

軍事計劃模型描述依據本體技術，從面向過程和面向約束2種角度出發描述計劃內容，為人機協同計劃中人機交互提供了計劃共享上下文和內容，是進行行動方案生成、解釋、校驗和調整的基礎.

3 行動方案生成

在行動方案生成中，根據計劃問題空間的搜索策略的不同可將計劃生成方法分為:1)交互約束計劃方法，由人機添加各種約束，填補計劃細節等[18];2)基于指導的計劃方法，由人提供高層指導，機器快速填充具體實現細節.

3.1 交互約束方法

交互約束方法又可分為層次式和機會式2種.前者使用最小承諾策略，人機協同遞增、自頂向下地精化;后者是盡可能快地“跳躍”到一個解決方案，機會式地解決計劃問題[2].層次式計劃方法應用于具備良好層次結構的計劃領域，常采用HTN這種層次式計劃方法[8]，因為HTN符合軍事計劃活動中人的逐層精化思想.機會式計劃模型面向的是病態結構計劃領域，需要處理動態變化的計劃約束.Ferguson等[19]借鑒人與人之間協同計劃的對話方式，采用混合主動(即系統中“主動性”是共享的，每方都能貢獻于計劃的開發和管理，而無需被明確要求[20])的方式機會式地生成計劃.Smith[21]研究了在約束不確定的情況下計劃生成的方法，將活動和時序約束描述為簡單時序問題(simple temporal problem，STP)，約束網絡中的時間邊，當用戶決策增加或調整了約束，約束傳播更新受影響的節點邊界，從而實現計劃的遞增式生成.

這種計劃模型問題解決的方式是迭代遞增的，關注人機交替約束計劃的細節.但在實際軍事計劃中，用戶更擅長高層計劃策略的探索，而由計劃器來填充細節.這種通過目標調整來獲得計劃的方式更符合指揮員的習慣[22].因此研究人員又將注意力投向了基于指導的計劃生成方法.

3.2 基于指導的計劃方法

基于指導的計劃方法可分為:1)基于目標操縱:人根據資源性能和約束，在目標空間中不斷調整，由計劃器反饋目標的可行性，以搜索到可行的目標[22];2)基于草圖(sketch)的計劃方法:人給出高層的問題解決策略(草圖)，由計劃器來快速填充其他的計劃內容，或提出策略的修復建議.

基于目標操縱的計劃模型主要研究用戶級目標描述到計劃器目標的轉換.Cox等[23]描述目標為行動謂詞，并基于目標層次定義了目標空間轉換操作，包括目標類型轉換(如實例化)、目標參數轉換和價(valence)轉換，并且為使得目標謂詞能夠為基于狀態空間推理的計劃器所使用，將目標中的行動映射為計劃器中操作符的效果狀態文字(literal).

基于草圖的計劃模型主要研究如何識別草圖，將其轉化為計劃生成過程和結果上的各類約束和控制.草圖可分為:

1)所需計劃過程特性.Myer[24]提出了描述計劃高層屬性的元級理論，構建了3類結構:角色(操作符中對象功能)、特征(操作符屬性)和度量，并定義2類策略建議[25]:a)角色建議:指出哪種角色填充是需要的或者限制在具體活動中;b)方法建議:規定或禁止計劃內具體活動的使用.為使策略建議能指導計劃器，Myer[25]根據HTN計劃精化結構，在角色填充滿足和活動匹配的概念上定義計劃約束滿足，并通過考慮HTN節點的操作符選擇和環境狀態、當前部分計劃精化結構上下文，將建議約束轉化為操作符使用約束和計劃過程約束.

2)所需計劃結果特性.Myer等[26]以 HTN 作為計劃算法基礎，使用一階謂詞描述要完成的任務，并提出草圖擴充算法:先使用演繹式的計劃識別方法，將草圖中各成分關聯到候選高層目標，再基于此關聯將所選高層目標集擴展為全部計劃.Kott[27]研究了將軍事行動時空策略擴展為可執行計劃的方法，基于HTN將行動、調度等計算緊密交叉遞增，分解當前任務，產生受限遞增的任務集，再由調度步驟執行時序約束傳播，并調度新增加活動到可用資源和時間階段.

基于目標操縱的計劃方法能夠處理計劃目標在態勢動態變化下需動態調整的情況，這種方法可根據資源性能約束靈活調整目標，但其缺點是將用戶和計劃細節完全隔開.基于草圖的計劃方法能夠指出計劃過程和結果需要實現的策略，但是草圖中可能存在的不一致性(如多個建議之間的沖突)會增加對草圖的反復調整過程.

表1列舉了本節所討論的行動方案生成技術.

表1 行動方案生成技術Table 1 Plan generation technology

行動方案生成的研究從智能規劃技術出發，通過將人對規劃算法細節的操縱和高層策略的指導實現，在計劃中體現人的經驗、偏好，其中基于指導的計劃方法避免了人在計劃細節調整中可能存在的前后不一致性，能夠快速生成行動計劃.但是這種方式限制了用戶對細節調整的靈活性，在實際應用中需要其與交互約束計劃方法結合使用.

4 行動方案解釋

在生成行動方案的過程中，系統需向用戶提供對計劃系統決策的解釋，并對計劃內容進行抽象、概括和展示.解釋一方面能增強用戶對系統方案的理解和信任，另一方面當系統決策失敗時，對問題原因的解釋能夠讓用戶選擇可行的修復策略.

當系統需要向用戶解釋問題解決過程中的搜索失敗或方案不一致時，通常使用抽象領域模型將內部的系統描述映射到用戶級的行動中，映射方式與底層計劃系統描述和上層本體相關.

目前的系統解釋研究多集中于基于約束推理的計劃器上的產生約束沖突的解釋.Smith等[28]利用時間約束網絡中“環”在距離約束上的結構，通過計算形成解釋的約束集和識別用戶能用來解決調度中沖突的約束松弛選項，提供內容創建關于沖突的解釋.Siebra[29]以＜I－N－C－A ＞計劃本體為基礎，通過捕獲與計劃的約束處理失敗相關聯的事件，為事件獲取解釋模板并將其實例化，為計劃的失敗作出解釋.但這種面向用戶的解釋技術目前較少被研究，較多的是集中于面向底層描述的解釋技術，如在約束滿足問題解決領域解釋的創建通常是面向單個決策變量和約束[30].

除了向用戶提供計劃決策解釋之外，計劃系統還需以多視角將計劃視圖展現給用戶.包括:1)計劃內容的多種視角.常用的計劃視角類型包括:任務(行動網絡)視角、資源視角、時空視角等.2)面向用戶角色的多視角.不同職責權限人員的計劃視圖不同.3)面向顯示設備的多視角.Lino[13]使用計劃可視化的語義模型和推理機制來支持協同計劃中的多模可視化.該方法從可視化角度來組織和建模計劃領域，并且為信息描述提供了可裁剪的支持.

當計劃方案的要素數量眾多并且難以展現時，需要經過近似、抽象等操作，使得用戶能夠理解計劃方案的特征.常使用的方法有:1)近似計劃結果，以簡化視圖.如Bresina[31]中對于計劃調度結果數量巨大、具有靈活開的始時間范圍，設計的視圖中只顯示調度的固定開始時間;2)提取計劃統計特征.如M－yer[32]提出了興趣時序屬性概括(summarization of interesting temporal properties，SITP)的框架，對計劃中的時序特征(如任務頻率、時序模式)進行分析，以提升用戶對計劃的理解.3)提取計劃高層特征.如Myer[24]研討了利用計劃元理論從計劃結果中抽取高層屬性的可能.

表2羅列了所討論的行動方案解釋技術.

表2 行動方案解釋技術Table 2 Plan explanation technology

行動方案解釋技術是研究如何將智能規劃系統的問題解決過程和問題的解決結果以用戶可理解的方式展現的方法，其中關于對系統生成計劃的抽象、概括方面的研究目前還較少.

5 行動方案調整

在開始執行方案后，由于戰場環境的動態變化，計劃執行可能會受到阻礙或需處理新目標，這就需要及時對行動方案進行調整，以使方案能夠適應戰場環境.

戰場的態勢信息是海量和動態變化的，需將與計劃執行相關的信息過濾、傳遞給用戶，使用戶決定如何調整計劃.監控的內容不僅包括方案中行動的執行狀況，還包括計劃所依賴的基本理性(即所依賴的事實和假設)相關信息.

監控信息是由計劃結構中行動間的因果關系、行動與事實間的依賴關系、決策理性等理性推導得出，與計劃器的形式化描述和推理方式相關.Drabble等[33]采用因果鏈接描述計劃的結構，記錄計劃中行動的效果和行動間的依賴關系(一個行動效果建立后面某些行動的前提)，通過行動前提將計劃相關信息過濾給用戶，并根據計劃修復上下文(行動當前進度)，從目標結構推導行動執行失敗與外界事件對行動的影響范圍;Myer[34]基于HTN計劃結構，從每一個節點搜集動態的(如部隊運動位置)且沒被包含在先前節點效果中的前提條件作為監視內容;Veloso等[35]在基于狀態空間的計劃器(基于后向鏈方式)算法中的決策點(行動選擇、行動實例化、子目標選擇)處創建3類影響決策的信息監視:子目標、行動可行性前提和行動量化前提監視;Asuncion等[36]在部分序因果鏈接(partial order causal link，POCL)計劃算法中，記錄了行動間因果關聯和每個因果關聯被加入的時間順序點(chronological point)作為計劃理性，并在環境狀態中文字(literal)或行動效果中文字被刪時，為受影響的因果關聯創建重計劃子目標，推導無法執行行動和與其相關的不穩定行動;Susanne[37]的混合計劃技術結合了層次規劃和對行動間因果依賴的明確推理，反應了當人在擬制計劃時所執行的推理，使得失敗方案能夠被以一種保證穩定性的方式修復.

由于單行動的失敗不足以反映對復雜的戰場環境中的計劃障礙，因此還需要用戶補充給出需要監控的內容.Myer[34]歸納了2種高層失敗模式:1)聚合級失敗:在許多情況下單個行動失敗并不影響聚合級的失敗;2)不可歸屬失敗:雖然單個行動沒有失敗，但是評估認為計劃不適合，但還有更多的高層失敗模式需要歸納.

當用戶通過計劃監控發現計劃執行受阻或出現新的目標時，必須及時修改計劃以適應新的態勢.當前研究中計劃修復的主要原則是:修復過程應當盡量重用原計劃內容，計劃修復對原計劃擾動最小，以保持原有計劃的穩定性[38].由于計劃受到阻礙的原因可能是復雜的，因此用戶的參與對于保證計劃的動態調整過程滿足用戶的需求和偏好也是必要的[34].

人機協同計劃修復過程根據人機分工不同，可分為2種類型:1)相互約束的修復.Drabble等[33]對于被外界破壞的計劃因果鏈接，通過尋找已有的可能促成因素或添加新的行動來插入合適效果，提供修復選擇，由用戶選擇合適行動;Myer[34]基于對計劃依賴結構的分析，確定失敗來源的根節點集，并為根節點重計劃其子任務節點;Veloso[35]等對于計劃監視被觸發的情況，動態創建控制規則，啟發重引導計劃空間的搜索，以執行計劃的轉換操作(增加、刪除、跳轉);Asuncion[36]允許失敗后先由用戶給出修復建議(增刪行動、增刪目標)，這些修復對計劃造成影響(相關行動被增加、刪除或變為不穩定，或重計劃子目標被增加)，系統利用具有時間戳的因果關聯來局部性地修復計劃.2)基于高層指導的修復.Myer等[34]為了支持對不可歸屬等高層失敗的修復，允許用戶能直接指定需要重新規劃的根節點，并支持用戶直接給出基于策略建議[25]的計劃修復指導;對于環境變化或資源問題造成目標無法完成的情況，Cox等[23]直接對目標進行轉換，實現全局的重計劃.

表3列出了所討論的行動方案調整技術.

表3 行動方案調整技術Table 3 Plan repair technology

目前行動方案調整研究的思路是依據計劃中包含的理性知識對計劃的執行進行監控和局部修復調整，以保持計劃的穩定性，在此過程中人能夠給出不同層次的建議.然而在聯合行動中，由于外部的agent可能將其自身的計劃基于該agent所陳述的意圖(承諾)，所以計劃修復質量的度量還與agent維持計劃承諾相關聯[39].但目前缺乏對維持計劃承諾度量下的人機協同方案調整的研究.

6 總結和展望

從文中介紹可以看出人機協同軍事計劃系統研究方興未艾，這項技術是充分發揮人機性能、提高軍事指揮效能的有效手段，成為了軍事輔助決策技術中的一項重要研究內容，在今后若干年中仍會是一個研究熱點，未來存在的技術趨勢有以下幾點:

1)基于認知科學的計劃過程中的人機任務分工.目前的計劃系統缺乏對軍事計劃環境下人的認知特性和負荷、操作方式的量化分析，應借鑒人機協同 決 策[40](human－machine collaborative decision making，HMCDM)和以人為中心的自動化(humancentered automation)中的研究;對軍事行動計劃生成中的人機任務分工進行量化分析[40];對軍事計劃過程中人的操作進行建模[41];確定計劃中人和系統的交互設計，降低用戶的認知偏差和負擔;研究以人為中心的計劃擬制技術，以滿足透明度、適度調整和基于事件反饋等原則[42].

2)不完備計劃模型下的計劃技術.當前的人機協同計劃中的系統仍需要完整的計劃領域知識描述，在面臨計劃模型不完備時，無法生成有效的行動方案.未來應研究在不完備計劃知識下人機如何協同生成計劃，降低計劃方案對知識不完備情況的敏感性.借鑒輕量級的計劃技術[43]，以降低領域建模負擔.研究在計劃、目標和偏好被完全定義之前，如何將計劃集成到一個迭代過程中[44];研究如何基于領域相關特征，生成多樣性的計劃方案[45];研究如何使用機器學習技術，使計劃系統在計劃過程中學習用戶實施計劃的經驗和偏好，系統還應能夠學習計劃案例，提取其中的計劃理性.

3)動態不確定環境下的分布式人機協同計劃技術.當前大部分研究關注單人單機計劃的生成，難以在未來戰爭復雜的組織計劃環境中使用.應當研究動態不確定混合主動環境的分布式計劃，在分布環境下靈活地計劃、重計劃和任務分配[7].

總之，人機協同計劃是解決軍事行動計劃問題的有效途徑，是在未來戰爭中保持決策優勢的重要方法.將人工智能、認知科學、決策科學和運籌學從不同學科角度對計劃的研究結合起來，將是未來人機協同軍事計劃技術研究的主要方式.

[1]KLEIN G A，ORASANU J，CALDERWOOD R，et al.Decision making in action:models and methods[M].Norwood:Ablex Publishing，1993:138－147.

[2]ROTH H，PERRAULT B.A cognitive model of planning[J].Cognitive Science:A Multidisciplinary Journal，1979，3(4):275－310.

[3]GHALLAB M，NAU D，TRAVERSO P.Automated planning:theory and practice[M].San Fransisco:Morgan Kaufmann，2004:9－11.

[4]TATE A.Advanced planning technology:technological achievements of the ARPA/Rome laboratory planning initiative[M]//Menlo Park:AAAI Press，1996:3－10.

[5]MU?OZ－AVILA H，AHA D W，BRESLOW L，et al.HICAP:an interactive case－based planning architecture and its application to noncombatant evacuation operations[C]//Proceedings of the Eleventh Conference on Innovative Applications of Artificial Intelligence.Menlo Park:AAAI Press，1999:879－885.

[6]MYERS K L，TYSON W M.PASSAT:a user－centric planning framework[C]//Proceedings of the 3rd International NASA Workshop on Planning and Scheduling for Space.Houston，USA，2002:1－10.

[7]KOMENDA A，VOKRINEK J，PECHOUCEK M，et al.IGlobe:distributed planning and coordination of mixed－initiative activities[C]//Proceedings of Knowledge Systems for Coalition Operations(KSCO).[S.l.]，UK，2009.

[8]STUDER R，BENJAMINS V R，FENSEL D.Knowledge engineering，principles and methods[J].Data and Knowledge Engineeing，1998，25(1/2):161－197.

[9]POLYAK S，TATE A.Rationale in planning:causality，dependencies and decisions[J].Knowledge Engineering Review，1998，13(3):247－262.

[10]PEASE A，CARRICO T.JTF ATD core plan representation，SS－97－06[R].Menlo Park，1997.

[11]GIL Y，BLYTHE J.PLANET:a shareable and reusable ontology for representing plan[C]//Proceedings of the AAAI Workshop on Representational Issues for Real World Planning Systems.Menlo Park:AAAI Press，2000:28－33.

[12]SMITH S F，BECKER M A.An ontology for constructing scheduling systems[C]//Working Notes of 1997 AAAI Symposium on Ontological Engineering.Menlo Park:AAAI Press，1997:120－129.

[13]LINO N，TATE A，CHEN－BURGER Y H.A visualization approach for collaborative planning systems based on ontologies[C]//Proceedings of the Eighth International Conference on Information Visualization.Washington DC，USA，2004:807－811.

[14]TATE A.＜I－N－C－A＞:an ontology for mixed－initiative synthesis tasks[C]//Proceedings of the Workshop on Mixed－Initiative Intelligent Systems(MIIS)at the International Joint Conference on Artificial Intelligence(IJCAI－03).Acapulco，Mexico，2003:125－130.

[15]DORNEICH M C，MOTT D，BAHRAMI A，et al.Lessons learned from an evaluation of a shared representation to support collaborative planning[C]//Proceedings of Knowledge Systems for Coalition Operations(KSCO 2012).[S.l.]，USA，2012.

[16]楊建池，韓守鵬，黃柯棣.軍事領域本體構建研究[J].計算機仿真，2007，24(12):6－9.YANG Jianchi，HAN Shoupeng，HUANG Kedi.Research on military domain ontology development[J].Computer Simulation，2007，24(12):6－9.

[17]錢猛，劉忠，姚莉，等.本體技術在作戰計劃系統中的應用[J].計算機工程與應用，2009，45(16):18－23.QIAN Meng，LIU Zhong，YAO Li，et al.Survey for COA ontological technologies in military planning system[J].Computer Engineering and Applications，2009，45(16):18－23.

[18]KLAU G W，LESH N，MARKS J，et al.Human－guided search[J].Journal of Heuristics，2010，16(3):289－310.

[19]FERGUSON G，ALLEN J F，MILLER B.TRAINS－95:towards a mixed－initiative planning assistant[C]//Proceedings of the Third Conference on Artificial Intelligence Planning Systems.Menlo Park:AAAI Press，1996:70－77.

[20]BURSTEIN M H，MCDERMOTT D V.Issues in the development of human－computer mixed－Initiative planning systems[M]//Berlin:Elsevier，1996:285－303.

[21]SMITH S F，HILDUM D W，CRIMM D R.Comirem:an intelligent form for resource management[J].IEEE Intelligent Systems，2005，20(2):16－24.

[22]ZHANG C.Cognitive models for mixed－initiative planning[D].Dayton，USA:Wright State University，2002:11－14.

[23]COX M，VELOSO M.Controlling for unexpected goals when planning in a mixed－initiative setting[C]//Proceedings of 8th Portuguese AI Conference.Coimbra，Portuguese，1997:309－318.

[24]MYERS K L.Metatheoretic plan summarization and comparison[C]//Proceedings of the 16th International Conference on Automated Planning and Scheduling.Menlo Park，USA，2006:182－192.

[25]MYERS K L.Strategic advice for hierarchical planners[C]//Principles of Knowledge Representation and Reasoning:Proceedings of the Fifth International Conference.San Fransisco:Morgan Kaufmann Publishers，2006:112－123.

[26]MYERS K L.Abductive completion of plan sketches[C]//Proceedings of the Fourteenth National Conference on Artificial Intelligence.Menlo Park，USA，1997:687－693.

[27]KOTT A.Building a tool for battle planning:challenges，tradeoffs，and experimental findings[J].Applied Intelligence，2005，23(3):165－189.

[28]SMITH S F，CORTELLESSA G，HILDUM D W，et al.U－sing a scheduling domain ontology to compute user－oriented explanations[C]//16th European Conference on Artificial Intelligence Workshop on Planning and Scheduling:Bridging Theory to Practice.Valencia，Spain，2004:179－188.

[29]SIEBRA C A.A united approach to planning support in hierarchical coalitions[D].Edinburgh:University of Edinburgh，2006:87－91.

[30]JUSSIEN N，BARICHARD V.The PaLM system:explanation－based constraint programming[C]//Proceedings of Techniques for Implementing Constraint Programming Systems.Singapore，2000:118－133.

[31]BRESINA J L，JóNSSON A K，MORRIS P H，et al.Mixed－Initiative planning in MAPGEN:capabilities and shortcomings[C]//Proceedings of the ICAPS－05 Workshop on Mixed－initiative Planning and Scheduling.Menlo Park，USA，2005:54－61.

[32]MYERS K L.Temporal summarization of plans[C]//Proceedings of the ICAPS－2007 Workshop on Moving Planning and Scheduling Systems into the Real World.Menlo Park，USA，2007.

[33]DRABBLE B，TATE A.Repairing plans on the fly[C]//Proceedings of the NASA Workshop on Planning and Scheduling for Space.Oxnard，USA，1997.

[34]MYERS K L.CPEF:a continuous planning and execution framework[J].AI Magazine，1999，20(4):63－69.

[35]VELOSO M M，POLLACK M E，COX M T.Rationalebased monitoring for planning in dynamic environments[C]//Proceedings for the Fourth International Conference on AI Planning Systems.Pittsburgh，USA，1998:171－179.

[36]ASUNCION M，CASTILLO L，FERNANDEZ－OLIVARES J，et al.Local(human－centered)replanning in the SIADEX framework[C]//Conference of the Spanish Association for Artificial Intelligence.San Sebastian， Spain，2003:79－88.

[37]BIUNDO S，BIDOT J，SCHATTENBERG B.Planning in the real world[J].Informatik Spektrum，2011，34(5):443－454.

[38]NEBEL B，KOEHLER J.Plan reuse versus plan generation:a theoretical and empirical analysis[J].Artificial Intelligence，1995，76(1/2):427－454.

[39]CUSHING W，KAMBHAMPATI S.Replanning:a new perspective[C]//Proceedings of the International Conference on Automated Planning and Scheduling.Monterey，USA，2005:13－16.

[40]MALASKY J S.Human machine collaborative decision making in a complex optimization system[D].Cambridge，USA:Massachusetts Institute of Technology，2005:44－51.

[41]GANAPATHY S.Human－centered time－pressured decision making in dynamic complex systems[D].Dayton，USA:Wright State University，2006:21－36.

[42]LEIFLER O.Combining technical and human－centered strategies for decision support in command and control:the comPlan approach[C]//Proceedings of the 5th International ISCRAM Conference.Washington，DC，USA，2008:504－515.

[43]KAMBHAMPATI S.Model－lite planning for the web age masses:the challenges of planning with incomplete and evolving domain models[C]//Proceedings of the 22th AAAI Conference on Artificial Intelligence.Vancouver，Canada，2007:1601－1604.

[44]SMITH D E.Planning as an iterative process[C]//Proceedings of the 26th AAAI Conference on Artificial Intelligence.Toronto，Canada，2012:2180－2185.

[45]COMAN A，MU?OZ A H.Qualitative vs.quantitative plan diversity in case based planning[C]//Proceedings of ICCBR 2011.London，UK，2011:32－46.