丁凡 文鵬程 韓煒

摘要：威脅評(píng)估是影響武器目標(biāo)分配結(jié)果的重要因素，當(dāng)前空戰(zhàn)環(huán)境下，諸如速度、角度、高度、攻擊距離等多種參數(shù)都會(huì)影響武器目標(biāo)分配的結(jié)果，飛行員在考慮上述因素的同時(shí)，難以做出快速準(zhǔn)確的決策。研究并提出一種基于SOAR智能認(rèn)知模型構(gòu)建的武器目標(biāo)分配系統(tǒng)，通過將知識(shí)庫與武器目標(biāo)分配算法相結(jié)合，能夠快速準(zhǔn)確地給出目標(biāo)分配方案，幫助飛行員更好地進(jìn)行決策。最后進(jìn)行了仿真計(jì)算，結(jié)果表明該系統(tǒng)的輸出符合期望結(jié)果，并具有較好的實(shí)時(shí)性。

關(guān)鍵詞：SOAR；認(rèn)知架構(gòu)；目標(biāo)分配；威脅評(píng)估；專家系統(tǒng)

中圖分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.19452/j.issn1007-5453.2020.05.012

基金項(xiàng)目：航空科學(xué)基金（2017ZC31008）

武器目標(biāo)分配問題（weapon-target assignment，WTA）即WTA問題，是空戰(zhàn)協(xié)同作戰(zhàn)的一個(gè)難點(diǎn)，其核心在于在短時(shí)間內(nèi)給出正確、可靠的分配方案[1-2]。目標(biāo)分配結(jié)果受多方面因素的影響，諸如角度、速度、高度、攻擊半徑等都對(duì)目標(biāo)分配結(jié)果有著一定的干擾[3-4]，在考慮以上因素的同時(shí)，單靠飛行員個(gè)人難以做出快速周全的決策，因此迫切需要一種可靠的輔助手段來幫助飛行員進(jìn)行決策。針對(duì)武器目標(biāo)分配問題，大多通過建立專家系統(tǒng)知識(shí)庫的方法，結(jié)合威脅態(tài)勢(shì)評(píng)估和目標(biāo)分配算法總結(jié)出相應(yīng)規(guī)則來解決問題。

傳統(tǒng)的專家系統(tǒng)存在結(jié)構(gòu)簡(jiǎn)單、邏輯單一、知識(shí)庫內(nèi)容固定、難以修改且處理預(yù)期外情況能力較差等缺陷，而SOAR智能認(rèn)知模型具有類似自學(xué)習(xí)、塊處理、子狀態(tài)處理等多種手段來解決知識(shí)庫僵局的問題，將其與傳統(tǒng)專家系統(tǒng)相結(jié)合，構(gòu)建出的新系統(tǒng)具有人類專家思考解決問題的能力，且滿足決策快速準(zhǔn)確的要求，能夠適應(yīng)當(dāng)前智能化的需求。

1 SOAR模型簡(jiǎn)介

SOAR模型即狀態(tài)-算子-結(jié)果（State-Operator-andResult），是一種通過符號(hào)主義對(duì)智能行為進(jìn)行編碼的模型，通過選擇算子改變問題狀態(tài)產(chǎn)生最終結(jié)果來處理問題。SOAR模型主要包含了IO、長(zhǎng)期記憶、決策以及學(xué)習(xí)評(píng)估幾部分，具體結(jié)構(gòu)如圖1所示。

其中外部環(huán)境通過感知映射到工作記憶，工作記憶作為一種短期記憶，描述了當(dāng)前問題解決的情況，并且從長(zhǎng)期記憶獲取知識(shí)，經(jīng)過決策模塊的決策，進(jìn)行算子選擇，決定選擇哪一種行為進(jìn)行輸出，最后通過行為接口作用于外部環(huán)境。

通過SOAR構(gòu)建的專家系統(tǒng)，能夠更好地使用知識(shí)庫中的專家知識(shí)，模仿人類專家思維做出決策，具有決策迅速、規(guī)則推理并行執(zhí)行和邏輯合理等多項(xiàng)優(yōu)點(diǎn)，且SOAR模型支持推理機(jī)與知識(shí)庫分離的系統(tǒng)結(jié)構(gòu)，這使得應(yīng)用SOAR模型的專家系統(tǒng)具有靈活性高、可靠性強(qiáng)等特點(diǎn)，便于后續(xù)繼續(xù)開發(fā)和整體的維護(hù)升級(jí)，適用于專家知識(shí)的提取和空戰(zhàn)決策知識(shí)庫的構(gòu)建。

2武器目標(biāo)分配系統(tǒng)構(gòu)建

武器目標(biāo)分配問題主要包含威脅態(tài)勢(shì)評(píng)估和目標(biāo)分配算法兩部分，通過威脅態(tài)勢(shì)評(píng)估將目標(biāo)對(duì)我方的威脅大小進(jìn)行量化并排序，之后通過目標(biāo)分配算法給出最終的分配方案。

2.1威脅態(tài)勢(shì)評(píng)估

威脅態(tài)勢(shì)評(píng)估是武器目標(biāo)分配的前提，通過計(jì)算不同目標(biāo)的威脅系數(shù)來確定最終的分配方案，以達(dá)到最大殺傷效果。在協(xié)同作戰(zhàn)環(huán)境下，對(duì)目標(biāo)進(jìn)行合理的威脅態(tài)勢(shì)評(píng)估對(duì)于分配方案的準(zhǔn)確而言顯得必不可少。

針對(duì)空空、空地等不同作戰(zhàn)環(huán)境各威脅采用不同的權(quán)重系數(shù)，使得最終的計(jì)算結(jié)果更為合理。

2.2目標(biāo)分配算法

針對(duì)武器目標(biāo)分配問題的特點(diǎn)，本文采用一種蟻群-遺傳結(jié)合算法來解決武器目標(biāo)分配問題，該算法將武器目標(biāo)分配的過程量化為蟻群在不同路徑間行走的過程，最終選擇的最優(yōu)路徑即為最佳的目標(biāo)分配方案。

將總威脅系數(shù)Ta和總優(yōu)勢(shì)系數(shù)Tb歸一化處理后，得到最終的對(duì)敵優(yōu)勢(shì)T作為算法所需的路徑參數(shù)，通過循環(huán)求解得到初步分配方案，之后采用遺傳算法的交叉環(huán)節(jié)，即隨機(jī)產(chǎn)生兩個(gè)介于（0，n）之間互不相同的正整數(shù)i和j，在蟻群算法產(chǎn)生的完整路徑中，概率性地調(diào)換第i個(gè)和第j個(gè)目標(biāo)的分配位置，產(chǎn)生新的路徑，重新進(jìn)行新一輪的計(jì)算，避免了算法陷入局部最優(yōu)。同時(shí)，算法還添加了禁忌搜索表，通過將n步之內(nèi)的路徑列為搜索禁忌來避免蟻群在搜索時(shí)出現(xiàn)停滯不前或原地打轉(zhuǎn)的現(xiàn)象，確保了算法的全局搜索能力。最后，算法使用快速收斂的信息素更新公式：

該公式使得算法在有效路徑上迅速收斂，得出最優(yōu)分配方案。

3應(yīng)用SOAR模型的武器目標(biāo)分配系統(tǒng)設(shè)計(jì)

SOAR模型是一種主流的通用認(rèn)知模型，不僅提供了領(lǐng)域?qū)＜壹?jí)的通用規(guī)則描述和推理引擎，同時(shí)還提供了規(guī)劃、學(xué)習(xí)和僵局處理等高級(jí)功能[5]，其推理過程透明以及便于維護(hù)升級(jí)的特點(diǎn)，使其在構(gòu)建專家系統(tǒng)方面具有較大的優(yōu)勢(shì)。

本文構(gòu)建的基于SOAR模型的武器目標(biāo)分配系統(tǒng)可分為專家知識(shí)庫、SOAR接口程序和武器目標(biāo)分配算法三部分，具體結(jié)構(gòu)如圖2所示。

SOAR模型部分由外部輸入模塊接受外來的參數(shù)輸入和條件改變，同時(shí)創(chuàng)建短期工作內(nèi)存作為當(dāng)前工作環(huán)境；工作內(nèi)存存儲(chǔ)當(dāng)前工作的狀態(tài)、參數(shù)和后續(xù)計(jì)算所需的算子等；專家知識(shí)庫保存空戰(zhàn)規(guī)則作為長(zhǎng)期記憶，在工作內(nèi)存建立后調(diào)用長(zhǎng)期記憶中的規(guī)則進(jìn)行匹配；如果現(xiàn)有規(guī)則滿足輸出條件就調(diào)用決策模塊輸出計(jì)算結(jié)果[6-8]，不滿足則產(chǎn)生僵局，采用降低精度匹配算法輸出結(jié)果，并利用塊機(jī)制記錄處理僵局的過程并生成新規(guī)則加入到長(zhǎng)期記憶中；外部分配算法接收SOAR模型計(jì)算的結(jié)果參數(shù)，之后通過目標(biāo)分配算法得出最終的分配方案并輸出；SOAR接口程序作為連接分配算法和SOAR模型的橋梁，起到溝通的作用，具體流程如圖3所示。

通過多組試驗(yàn)得出的結(jié)果可以看出，系統(tǒng)在嵌入式環(huán)境和PC環(huán)境下進(jìn)行多組試驗(yàn)，圖5和圖6證明系統(tǒng)具有良好的穩(wěn)定性，從圖7可以看出PC環(huán)境下的ubuntu性能明顯強(qiáng)于嵌入式飛騰1500A的性能，在目標(biāo)個(gè)數(shù)相同的情況下，PC環(huán)境系統(tǒng)運(yùn)行時(shí)間遠(yuǎn)遠(yuǎn)低于嵌入式平臺(tái)，調(diào)用SOAR模型的系統(tǒng)相較于未調(diào)用SOAR模型的系統(tǒng)運(yùn)行時(shí)間較慢，但超出的運(yùn)行時(shí)間多用于調(diào)用SOAR的接口程序和規(guī)則庫文件，確保了最終方案更加貼合人為思考的分配結(jié)果，且時(shí)間損失在可接受范圍內(nèi)。圖8為嵌入式環(huán)境優(yōu)化前后運(yùn)行時(shí)間與PC運(yùn)行時(shí)間對(duì)比圖。

嵌入式環(huán)境與PC環(huán)境由于硬件條件存在差距，因此運(yùn)行時(shí)間相差較大。針對(duì)嵌入式環(huán)境進(jìn)行優(yōu)化之后系統(tǒng)性能有著明顯提升，平均提速200ms左右，且能夠在1s內(nèi)得出目標(biāo)分配結(jié)果，滿足系統(tǒng)的實(shí)時(shí)性要求。

5結(jié)束語

本文采用SOAR模型構(gòu)建專家系統(tǒng)知識(shí)庫，能夠利用領(lǐng)域?qū)＜业闹R(shí)來幫助飛行員進(jìn)行決策，實(shí)現(xiàn)了基于SOAR模型的武器目標(biāo)分配系統(tǒng)，并通過試驗(yàn)驗(yàn)證該系統(tǒng)具有一定的可行性，為目標(biāo)分配系統(tǒng)的構(gòu)建提供了一種新思路。該模型基于較為簡(jiǎn)單的規(guī)則建立，在嵌入式環(huán)境下能夠?qū)崟r(shí)準(zhǔn)確地給出合理的目標(biāo)分配方案，但實(shí)際作戰(zhàn)場(chǎng)景中的規(guī)則更加復(fù)雜多變，這將直接提升SOAR知識(shí)庫的復(fù)雜程度，并增加系統(tǒng)的整體運(yùn)行時(shí)間。未來工作將進(jìn)一步對(duì)嵌入式環(huán)境進(jìn)行針對(duì)性優(yōu)化，并提取出更符合實(shí)際場(chǎng)景的空戰(zhàn)規(guī)則，提高系統(tǒng)的實(shí)用價(jià)值。

參考文獻(xiàn)

[1]張舉.武器-目標(biāo)分配問題研究[C]//第三屆中國(guó)指揮控制大會(huì)，2015. Zhang Ju.Research on weapon target assignment problem[C]// The 3rd China Conference on Command and Control，2015.（in Chinese）

[2]于連飛，劉進(jìn)，張維明，等.武器-目標(biāo)分配問題算法研究綜述[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2016，46（2）：28-34. Yu Lianfei， Liu Jin， Zhang Weiming，et al.A review of weapontarget assignment algorithms[J]. Mathematics in Practice and Theory，2016，46（2）：28-34.（in Chinese）

[3]王偉鋼.戰(zhàn)場(chǎng)決策過程中輔助決策功能分析[J].航空科學(xué)技術(shù)， 2017（6）：4-8. Wang Weigang.Function analysis for decision aid during the process of battlefield decision[J]. Aeronautical Science & Technology，2017（6）：4-8.（in Chinese）

[4]張中偉.無人機(jī)自動(dòng)目標(biāo)識(shí)別算法研究綜述[C]//2019年（第四屆）中國(guó)航空科學(xué)技術(shù)大會(huì)論文集， 2019. Zhang Zhongwei.Overview of UAV automatic target recognition algorithm[C]//Proceedings of 2019（Fourth）Chinese Society of Aeronautics andAstronautics， 2019.（in Chinese）

[5]吳鵬，強(qiáng)韶華，高慶寧.基于SOAR模型的網(wǎng)民群體負(fù)面情感建模研究[J].中國(guó)管理科學(xué)， 2018，26（3）：126-135. Wu Peng，Qiang Shaohua，Gao Qingning.Research on netizensnegative emotion modeling based on SOAR model[J].Chinese Journal of Management Science， 2018， 26（3）： 126-135.（in Chinese）

[6]吳鵬，強(qiáng)韶華，高慶寧.基于SOAR模型的網(wǎng)絡(luò)輿情演變過程中群體行為分析與仿真[C]//中國(guó)系統(tǒng)工程學(xué)會(huì)學(xué)術(shù)年會(huì)， 2016. Wu Peng， Qiang Shaohua， Gao Qingning. Analysis and simulation of group behavior during the evolution of internet public opinion based on SOAR model[C]//Systems Engineering Society of China， 2016.（in Chinese）

[7]張國(guó)輝，徐文超，張文閣，等.基于雙層Soar框架的數(shù)字化士兵行為建模方法[J].裝甲兵工程學(xué)院學(xué)報(bào)， 2014， 28（6）：87-91. Zhang Guohui， Xu Wenchao， Zhang Wenge， et al. Behavior modeling method digitized soldiers based on double-layers soar architecture[J]. Journal of Academy of Armored Force Engineering，2014，28（6）：87-91.（in Chinese）

[8]孫向軍，陸勤夫，孫翠娟.艦艇編隊(duì)智能防空決策模型研究[J].艦船科學(xué)技術(shù)， 2010（2）：102-105. Sun Xiangjun， Lu Qinfu， Sun Cuijuan. Research of intelligent decision making model on formation aerial defense[J]. Ship Science and Technolohy，2010（2）：102-105.（in Chinese）

[9]吳濤，孫向軍，趙斯強(qiáng). Soar在水面艦艇CGF防空決策行為模型構(gòu)建中的應(yīng)用[J].指揮控制與仿真， 2013（2）：114-118. Wu Tao，Sun Xiangjun，Zhao Siqiang.The application of soar in surface warship CGF defense decision-making behavior modeling[J]. Command Control & Simulation， 2013（2）： 114-118.（in Chinese）

[10]孫麗.基于SOAR認(rèn)知模型的輔助診斷系統(tǒng)研究[D].北京：北京科技大學(xué)， 2009. Sun Li.Research on aided diagnosis system based on SOAR cognitivemodel[D]. Beijing： UniversityofScienceand Technology Beijing， 2009.（in Chinese）

（責(zé)任編輯王為）

作者簡(jiǎn)介

丁凡（1995-）男，碩士研究生，助理工程師。主要研究方向：人工智能。

Tel：18602926940E-mail：735382270@qq.com

Design and Research of Weapon Target Assignment Based on SOAR Model

Ding Fan*，Wen Pengcheng，Han Wei

Aviation Key Laboratory of Science and Technology on Airborne and Missileborne Computer，AVIC Xian Aeronautics Computing Technique Research Institute，Xian 710065，China

Abstract： Threat assessment is important for weapon target assignment. Under the current air combat condition， the result of weapon target assignment can be affected by various parameters such as speed， angle， altitude and striking distance. It is difficult for pilots to make decisions while considering these parameters. A weapon target assignment system based on SOAR model is proposed to help the pilot by combining the knowledge data base with the weapon target assignment algorithm to give a better assignment plan timely and accurately. At last， simulative calculations are performed. The results indicate that the outputs of the designed system can meet the expected requirements and display an excellent real-time performance.

Key Words： SOAR； cognitive architecture； target assignment； threat assessment； expert system