基于RIMER方法的體系能力需求推薦方法

錢立煒, 徐向前, 豆亞杰, 譚躍進

(國防科技大學系統工程學院, 湖南 長沙 410073)

0 引 言

近年來,隨著軍隊現代化、信息化建設腳步的加快,軍事需求工程的任務也隨之加重,同時也帶來了許多問題:基層部隊難以準確規范地描述軍事需求、技術部門描述需求脫離實際、軍事需求論證周期長等。這些問題導致技術部門與作戰部隊之間出現了嚴重影響需求論證效率的技術代溝,遲滯了軍隊未來聯合作戰任務下武器裝備發展的腳步,傳統的需求工程已經難以應對這種挑戰。因此,本文聚焦于研究基于能力的體系需求推薦方法,為作戰部隊推薦其可能存在的需求,推動作戰部隊從描述需求轉變為選擇需求,大大減少需求生成的難度。

20世紀80年代,需求工程(requirement engineering,RM)的概念被提出[1],不久之后,RM便成為軟件領域的研究熱點。常用的需求描述方法有結構化自然語言描述方法、程序設計語言描述方法、數據流圖描述方法、用例圖描述方法、形式化描述方法等[2]。

近些年來,RM的理論和方法被繼續不斷完善,應用的場景也不斷增多。文獻[3]聚焦討論軟件開發場景下的需求描述。文獻[4]則聚焦了RM方法在民用飛機機身段開發中的應用。文獻[5]則討論了敏捷產品線工程場景下的行為驅動RM。在企業系統開發場景中,對于提高中間件需求規范中的需求質量的方法文獻[6]也開展了研究。在方法上,一種數據驅動[7]的方法不斷被用于對需求進行更新和完善。文獻[8]解決了成熟的RM過程組織中發生的與需求相關的問題。

2001年,美國國防部在其《四年防務評論報告》當中首次提出了“基于能力的方法”這一概念。在這份報告里,美國防務的規劃必須要從 “基于威脅”的模式向著“基于能力”的模式進行轉變。傳統“基于威脅”模式的出發點為特定的威脅和想定,通過對其進行具體的、有針對的分析,從而明確國防和裝備建設的目標和方向。為了應對高度不確定的各式威脅和環境,美軍將建設的中心轉移到了自身的能力建設上來[9]。最近幾年里,許多國家采用基于能力的方法以研究通信技術[10-11]、武器裝備組合決策方法[12-13]、衛星任務規劃[14]、網絡安全維護[15]以及緊急事件處置[16]等問題。

推薦系統自20世紀90年代被提出以來,經過了幾十年的發展,推薦技術獲得了飛速的發展,產生了多種不同類型的算法和技術。現下較為廣泛應用的推薦方法按照原理分類，主要分為基于用戶行為特征的推薦、基于標簽的推薦、基于上下文的推薦以及基于知識的推薦技術[17]。

其中，基于知識的推薦技術主要依靠已構建的規則庫實現,基于證據推理的方法是其中一種。證據理論,也稱D-S(Dempster-Shafer)證據理論、信度理論,是Dempster在1967年提出,而后Shafer在1976年出版的《證據理論的數學基礎》[18]一書中,進一步發展起來的一種不精確推理理論。在此基礎上產生的證據推理(evidential reasoning, ER)是合成多條證據、給出命題結論的過程。證據的融合有多種方法,最早的合成規則為Dempster合成規則。之后,學者陸續提出了Yager合成規則[19]、Toshiyuki合成規則[20]等。為了在統一的框架下表示各種不確定信息,評估和優化復雜系統,YANG等提出了基于ER算法的信度規則庫推理方法[21](belief rule-base inference methodology using the ER,RIMER)。RIMER方法集成了多種理論[18,22-23],具有對模糊數據、主觀數據、概率型數據及無知信息等進行建模和分析的能力。

ER方法不斷被學者改進研究,并應用于多種場景。文獻[24]提出了一種基于邏輯推理規則和沖突測度的證據網絡推理新方法。文獻[25]研究了具有語言信度結構的ER。文獻[26]將模糊ER與熵權結合對不確定性的電網應急能力進行評價。除此之外,ER方法還廣泛應用于無人系統的健康分析[27]、空中目標識別[28]、傳感器故障預測[29]、風險評估[30]等。

上述文獻關于需求規范化描述、體系結構建模、基于能力方法的研究以及ER應用場景的研究雖然較多,但鮮有將軍事需求場景與推薦技術相結合的研究。本文針對需求規范化描述、基于能力的方法、智能化推薦技術、ER技術的研究現狀的綜述和分析,將采用ER的方法對軍事需求場景的能力需求進行推薦,填補軍事需求推薦的技術空白,擴展推薦技術的應用場景,對傳統的需求生成模式進行改進。

1 能力需求體系和使命任務描述方法

1.1 能力需求體系描述方法

為了便于能力需求體系的描述與構建,需要將能力需求劃分為多個層次,形成能力需求的樹狀結構。能力需求體系結構如圖1所示。

圖1 能力需求體系描述示意圖

在能力體系自身內部,各個能力需求之間同樣也存在著相互影響的關系。底層的能力需求會對上層能力需求產生支持作用。對于能力體系中非葉子結點的能力需求項,必然包含一系列下層的能力需求,這些下一層的能力需求會對上層能力需求產生支持作用。也就是說,只有存在下層能力需求的能力測度取值較為理想時,對應的上層能力需求取值級別才會達到“強”的級別。

1.2 任務需求描述方法

使命是由一系列軍事行動來完成的,而一個軍事行動又包含了若干個作戰任務,每一個作戰任務都會有一系列衡量尺度去為戰斗部隊遂行任務提供指導。作為戰斗部隊的行動指引,這些衡量尺度會被設置一定的標準。這些作戰任務以及其衡量尺度和標準則是體現了上級對于下級行動表現的需求和期望,因而使命任務需求便可以由一系列這樣的衡量尺度和標準進行描述。

定義 1衡量尺度。衡量尺度是體現任務根本特征并予以辨別的屬性。

定義 2標準。標準用于定義任務執行的可接受性,是對衡量尺度的描述。

定義 3信度。信度是衡量標準取值可信程度的屬性。

上述各部分的關系如圖2所示。

一系列作戰任務的衡量尺度,標準及對應信度構成了使命任務需求,并以需求列表的形式呈現出來。列表當中的任務需求需要確定任務的背景(各項客觀約束條件)、任務執行時間、開展行動的地點、完成任務的程度等必要信息。這些信息將有助于了解各項作戰行動對于總體使命任務完成的貢獻。

下面某空降任務為例,生成任務需求列表,如表1所示。任務編號為0，任務基本描述為：某空降旅搭乘C架Y型運輸機，在A空域以H高度，將下轄部隊空投至D地域。各部于××分之內在E地域集結完畢。某空降旅搭乘C架Y-9型運輸機，在A空域以H高度，將下轄第1營，第2營，第3營空投至D地域。各部于××時××分在E地域集結完畢，向敵防線后方及防御縱深實施迂回穿插任務，奪取交通要道，破壞敵方指揮節點，保障設施。

表1 空降任務需求列表

2 基于ER的能力需求推薦方法

從使命任務到能力需求的轉化過程是完成能力需求推薦的核心內容。通過上文當中提出的任務需求描述方法,對這些使命任務進行分解,并轉化成規范化的描述形式,即一系列的任務需求清單。任務需求清單當中包含對于作戰任務進行描述的衡量尺度和標準。之后將相應的任務需求清單列表進行輸入,通過任務-能力需求轉化置信規則庫進行證據推理,之后得出相應的能力需求及其信度,從而完成推薦。

2.1 信度結構規則庫結構

利用已有的歷史經驗和知識,建立起任務需求與能力需求的映射關系,作為證據推理的基礎依據。能力需求推薦的規則庫基本結構如下所示:

RB=〈M,C,F〉

(1)

式中：M={M1,M2,…,MP}為任務衡量尺度集合,集合中的元素Mi={mi1,mi2,…,mi|Mi|}為一項任務衡量尺度的標準在規則庫當中的取值集合,Mi中的各項元素的意義為衡量尺度Mi在規則庫中的標準取值，衡量尺度及對應的標準取值可共同作為規則庫的前提條件；C={C1,C2,…,CL}則表示能力需求集合,其中元素(能力需求)的取值作為規則庫的推理結果，取值結果共有3種{強,中,弱},代表對于能力需求的需求程度；F則為從前提條件到結論的轉化關系。

規則庫中的規則示例如下。

規則27:當該設備搭載在某機動平臺上,通訊設備狀態良好,在50 km距離上的目標進行通信時長不低于2 h時,其抗電磁干擾能力需求為(強,0.7),(中,0.25),(弱,0.05)。該條規則在規則庫當中的相對權重為0.6,各項前置條件的權重分別為0.3,0.5,0.2。

該規則使用數學語言表示為:R27∶if(M1=“良好”)∧(M2=50)∧(M3=2),then{(強,0.7),(中,0.25),…,(弱,0.05)}。θ27=0.6,δ27,1=0.3,δ27,2=0.5,δ27,3=0.2

2.2 能力需求推薦

2.2.1 輸入數據轉換

輸入數據的轉化過程是指將輸入的數據與規則庫當中的前提條件相互匹配的過程。通過匹配計算可以找到與輸入數據匹配度較高的幾條規則的前提條件,從而更好地找到與輸入數據匹配度更高的規則,并修正結論信度。

推理的輸入數據為單個任務的衡量尺度標準x以及信度ε:(x1,ε1),(x2,ε2),…,(xP,εP)。εP為輸入數據xP的信度,代表該數據值出現的把握或可能性。

獲得帶有信度的輸入數據之后,即可對輸入數據與規則前提條件的匹配程度進行計算:

T(xi,εi)={(mij,αij)|i=1,2,…,P,j=1,2,…,|Vi|}，

(2)

式中：T(xi,εi)表示輸入數據(xi,εi)經過數據轉化之后,所匹配到的前提條件的集合,集合的元素為任務衡量尺度指標集合Mi的第j個取值mij和相應匹配程度αij組成的二元組,αij∈[0,1]；φ(xi,mij)為相似函數,用來刻畫xi與mij的相似程度。

相似函數種類較多,一般根據數據的類型和特征進行選擇,本文主要采用能力屬性為離散數值情況下的相似函數,表達式為

(3)

其中,mi k≤xi≤mi(k+1),對規則庫當中任務衡量尺度標準集合Mi={mi1,mi2,…,mi|Mi|},其取值mij∈Mi。假設集合中元素已按照單調遞增序列排序。

規則庫當中任務衡量尺度標準的取值為{30,60,80},輸入的數據值為(65,1),則原輸入數據與庫中對應規則標準取值的相似程度分別為φ(65,30)=0,φ(65,60)=0.75,φ(65,80)=0.25,因而輸入數據與所對應規則標準取值的匹配度分別為α30=0,α60=0.75,α80=0.25。

2.2.2 規則匹配計算

進行輸入數據與規則匹配程度的計算實質上是將一系列規則前提的匹配度進行聚合的過程,因為輸入與規則的匹配程度取決于其與規則的前提條件匹配程度的總和。將一系列前提條件匹配程度進行匯總的過程需要使用一個聚合函數,記作:

(4)

對于前提條件的聚合方式有兩種,一種是所有前提條件都使用“∧”進行連接,而另一種則是全部通過“∨”進行連接。對于兩種連接符號同時出現的情況,可以通過相應的數學邏輯運算,轉化為只含有一種連接符號的形式。

(1) 前提條件使用“∧”進行連接時

在此情況下,前提條件匹配程度的聚合方式類似于獨立條件下的概率乘法,即將所有前提條件的匹配度進行累乘,聚合結果為

(5)

(2) 前提條件使用“∨”進行連接時

該情況對應的是前提規則只需滿足其中一種的情況,匹配程度的計算方法為

(6)

在根據上述兩種情況的聚合函數得到了與第k條規則的匹配程度αk之后,便可結合第k條規則自身的權重θk進行激活,歸一化之后的激活程度ωk可以表示為

(7)

式中:當αk=0時,有ωk=0。此時輸入數據與該條規則匹配程度為0,激活程度也為0,意味著該條規則沒有被激活。

在規則庫當中,該規則的權重θk通常情況下均為相等的,但必要情況下可通過改變權重θk的取值進行調整。

2.2.3 結果信度分布修正

由于現實的輸入數據經過轉化之后,與規則庫當中的前提條件中的能力需求并非是完全匹配的。一條規則當中的部分前提條件往往可能是與轉化后的輸入數據相匹配。為此,需要對結果的信度進行一定的修正:

(8)

(9)

(10)

式中:Mt是一個衡量尺度;Rk是規則;Tk是第k條規則當中包含的衡量尺度個數；l和k分別是結論和規則的編號,l=1,2,…,L,k=1,2,…,K。規則庫當中共有K條規則以及L個結論。

2.2.4 ER

通過以上步驟,帶有信度結構的規則庫已被構造出來。同時完成了輸入數據的轉換,輸入數據對相應規則的激活程度以及結果信度的修正,接下來介紹ER的過程。

最終對于規則庫cl結果信度的計算方法為

(11)

式中：RL為包含結論cl的規則集合；Θl為結論cl的最終信度。

最終的單個任務推理輸出即為(c1,Θ1),(c2,Θ2),…,(cL,ΘL)。

整個證據推理算法流程如圖3所示。

圖3 基于ER的能力需求推薦過程示意圖

2.3 能力需求智能化聚合

在完成了對于單個任務能力需求的推理之后,需要將多個任務的能力需求進行聚合。能力需求聚合是將單個任務的能力需求向整個軍事行動的能力需求轉化的過程。聚合的過程是指將多個任務的能力需求進行匯總,并將重復的能力需求進行合并的過程。

合并的過程示意如圖4所示。

圖4 能力需求聚合示意圖

Ji=ρ1xi+ρ2yi+ρ3zi，ρ1?ρ2?ρ3

(11)

Ji取值最大的結論項即為最終聚合所取的結論項。

3 基于能力的體系需求推薦方法應用示例

在前兩個部分當中已經介紹了能力需求及使命任務的描述方法,基于ER的能力需求推薦方法。本部分將通過針對某工兵分隊的作戰任務,進行相應能力需求的推薦過程開展研究,從而幫助該部隊準確把握其能力需求,并驗證本文的推薦方法是否合理和科學。

案例研究主要分為以下幾個步驟:① 針對工兵的作戰能力需求進行描述,構建相應能力需求體系;② 對工兵典型作戰任務進行描述;③ 構建置信規則庫,進行證據推理,完成單個任務的能力需求智能化推薦;④ 進行智能化能力聚合,完成對使命任務的能力需求智能化推薦。

案例研究流程如圖5所示。

圖5 案例研究流程圖

3.1 能力需求體系構建示例

根據能力需求體系構建方法,可以得到工兵能力需求體系如下。

機動能力需求C1:陸上機動能力需求C11,復雜地形通過能力需求C12。

火力打擊能力需求C2:地面火力壓制能力需求C21,反裝甲能力需求C22,反工事能力需求C23,對空打擊能力需求C24。

防護能力需求C3:火力防護能力需求C31,核防護能力需求C32,生物防護能力需求C33,化學防護能力需求C34。

工程支援能力需求C4:雷場布設能力需求C41,雷場掃除能力需求C42,橋梁架設能力需求C43,道路鋪設能力需求C44,工事修筑能力需求C45,障礙破除能力需求C46。

信息感知能力需求C5:通信能力需求C51,偵察能力需求C52。

以上共概括了C1到C55個一級能力需求,每個能力需求下包含C11到C52等若干二級能力需求。

3.2 任務需求描述示例

本文模擬某次演習當中分派給工兵分隊的作戰行動作為想定,該想定僅供驗證推薦方法,數據部分參考了文獻[31-32],并進行一定的加工處理,想定內容如下。

某部預定于XX時XX分向A陣地發起進攻,下屬工兵分隊協同偵察分隊抵近前沿進行工程偵察,查明敵防御地帶情況,并進行上報。

該部于XX時XX分開始進攻。下屬工兵分隊負責為進攻分隊開辟通路。于較難通過地區架設橋梁,破壞敵方障礙物,并壓制和打擊部分火力點,保障主力向進攻地域開進。

主力進攻分隊奪取A陣地并轉入防御。工兵分隊負責在A陣地修筑工事,協助防御,保障固守A陣地。于陣地外遠距離快速設置雷場障礙,遲滯可能來犯之敵。

依照上述想定,根據圖2的任務分解方法,將任務想定內容分解為3個任務。3個任務為同一場軍事行動下的3個作戰任務,相互聯系,依次遞進。生成的各個任務需求列表如表2～表4所示,各個衡量尺度的標準在規則庫當中所有可能取值的部分展示如表5所示。

表2 任務1任務需求列表

表3 任務2任務需求列表

表4 任務3任務需求列表

表5 規則庫中任務衡量尺度標準取值

3.3 ER示例

根據ER方法,接下來以工兵分隊的任務想定為例,構建相應規則庫,實現從任務需求到能力需求的轉化。

3.3.1 置信規則庫構建示例

根據相關資料和專家經驗,得出了證據推理規則庫,本文中的規則庫僅供驗證推理方法,表6給出規則庫片段。其中，推理結論當中的A代表能力需求的 “強”,B代表能力需求的 “中”,C代表能力需求的 “弱”。

表6 規則庫部分規則示例表

為方便案例演示,規則庫當中的規則權重θ均取相同值,對推理結果不造成影響,因而在上述規則表當中也未給出權重值一列。在實際應用當中,可以加入每條規則的權重。

3.3.2 ER計算過程示例

推理過程示例當中,為方便演示和計算,規則之間的權重θ與每條規則內的前提條件權重δ取值均相同,因而在計算過程中可不代入計算。

以上述任務當中的任務1為例,輸入數據即為表2的輸入內容:(M11=1 200,1),(M12=2,1),(M13=10,1),(M14=90,1),(M15=2.5,1)。

將輸入的取值與取值表即表5當中的值進行比對,計算獲得匹配程度:φ(1 200,1 000)=0.6,φ(1 200,1 500)=0.4,φ(2,2)=1,φ(10,10)=1,φ(90,90)=1,φ(2.5,2)=1,φ(2.5,3)=1。

根據各規則前提條件的匹配情況,根據式(9)又得到了各規則結論的修正因子μk取值為:[0.5, 0.5, 0, 0.5, 0.5, 0, 0.75, 0.75, 1, 0.7, 0.4, 0.4, 0.8, 0.6, 0.6, 1, 0, 0, 0.5, 0.5, 0, 0.75, 0.75, 1, 0.5, 0.5, 0]。

結合求出的各規則激活程度ωk以及結論的修正因子μk,根據式計算得到任務1的結果輸出為:C11={(A, 0.146 875),(B, 0.039 583 33),(C, 0.042 708 33)};C21={(A, 0.156),(B, 0.041 333 33),(C, 0.036)}；C51={(A, 0.171 875),(B, 0.044 791 67),(C, 0.012 5)}。

同理,得出任務2和任務3的結果輸出。

任務2結果輸出為:C21={(A, 0.15)(B, 0.04)(C, 0.06)}；C42={(A, 0.18)(B, 0.047 5)(C, 0.022 5)}；C43={(A, 0.17)(B, 0.03)(C, 0.05)}；C46={(A, 0.165)(B, 0.05)(C, 0.035)}。任務3結果輸出為:C21={(A, 0.128 787 88)(B, 0.051 515 15)(C, 0.031 818 18)}；C31={(A, 0.128 787 88)(B, 0.051 515 15)(C, 0.031 818 18)}；C41={(A, 0.396 969 7)(B, 0.109 090 91)(C, 0.069 696 97)}。

根據任務1的結果輸出,為該工兵分隊的能力需求推薦按照如下順序呈現:通信能力需求C51,地面火力壓制能力需求C21,陸上機動能力需求C11。

任務2的能力需求推薦結果為:雷場掃除能力需求C42,橋梁架設能力需求C43,障礙破除能力需求C46,地面火力壓制能力需求C21。

任務3的能力需求推薦結果為:雷場布設能力需求C41,火力防護能力需求C31,地面火力壓制能力需求C21。

3.3.3 能力需求聚合過程示例

按照能力需求最大化聚合模型,地面火力壓制能力需求C21在3個任務推薦結果當中都出現了,因此需要對其進行聚合。3個任務對應該能力需求的結論信度分別為:任務1:{(A, 0.156),(B, 0.041 333 33),(C, 0.036)};任務2:{(A, 0.15),(B, 0.04),(C, 0.06)};任務3:{(A, 0.128 787 88),(B, 0.051 515 15),(C, 0.031 818 18)}。

因此，聚合后應當取信度值最高的結論項,即C21={(A, 0.156),(B, 0.041 333 33),(C, 0.036)}

最終經過能力聚合之后,由3個任務推導出的該想定下總能力需求如表7所示。

表7 能力需求信度

最終的推薦結果按照信度順序為:雷場布設能力需求C41,雷場掃除能力需求C42,通信能力需求C51,橋梁架設能力需求C43,障礙破除能力需求C46,地面火力壓制能力需求C21,陸上機動能力需求C11,火力防護能力需求C31。

3.4 結論分析

從實際情況的角度分析,信度較高的能力需求項主要為雷場布設能力需求C41,雷場掃除能力需求C42等,這類需求主要為工兵的專業技術能力需求,突出了工兵本身的技術特性,具有不可替代特性;而相對應的最后幾項能力需求,如:地面火力壓制能力需求C21,陸上機動能力需求C11,火力防護能力需求C31則是更為通用的能力需求,該部分能力需求可由其他兵種支援補充,因而需求度較低。

這部分的分析結果是符合實際的,工兵作為技術兵種,更加注重和突出的是其工程保障和支援的業務。因而工兵對于工程保障能力的需求往往更加強烈,這與推薦的結果也相照應。在實際作戰當中,工兵火力壓制與掩護能力需求可由步兵、炮兵、裝甲兵進行支援,防空能力需求也由于防空部隊的掩護被弱化,核生化的防護需求可由防化兵提供。推薦結果當中,工兵的非專業能力需求排到了靠后的位置上,這也是與現實情況相符合的。

從實驗數據的角度分析,推薦的結果當中,各項能力需求的信度數值普遍較低,原因是一條規則的前提條件被激活的個數較少,導致修正因子取值較低,因而給出的修正因子取值多集中在0.5左右,致使最終的結論信度普遍較低。

同時,在工兵能力需求體系當中出現的部分能力需求在推薦結果當中并未體現,原因在于該方法根據任務需求推薦對應的能力需求。由于案例當中的任務類型有限,并未激活全部規則并推薦所有的能力需求。而在實際應用當中,構建規模龐大且完備的規則庫,輸入充分的任務衡量尺度,推薦結果則更可能會覆蓋絕大多數能力需求項。

4 結束語

本文聚焦能力需求的構建階段,把握住從任務需求到能力需求的轉化的核心問題,通過研究能力需求和任務需求的描述,以及基于證據推理的轉化方法,對基于能力的體系需求智能化推薦方法展開了研究,最后使用工兵能力和裝備復雜體系的實例開展研究。

在研究當中,仍存在一定問題,主要體現在:① 置信規則庫的構建主要以專家經驗為主,對映射轉化過程的科學性和合理性可能有一定的影響。② 最終結果僅僅是推薦了能力需求的強度,沒有進一步地將能力需求的能力測度和指標進行推薦,推薦深度不夠。③ 該研究僅僅是從需求目標單位自身的角度出發,沒有應用其他單位的歷史數據作為參考,具有一定封閉性。

從實用意義的角度分析,本文將推薦技術與軍事能力需求場景進行結合,實現了為任務部隊以及科研部門推薦適應于任務的能力需求的功能。本文的推薦方法可以輔助部隊通過任務快速、明確地找到自身的能力需求，從而為任務的遂行、部隊的成長、軍事理論的發展提供了有力的支撐作用。