張永亮1，趙廣超2，陳希亮1，董強1

　　（1.解放軍理工大學 指揮信息系統學院，江蘇 南京 210007；2.中國洛陽電子裝備試驗中心， 河南 洛陽 471003）

        摘要：著眼于知識在指揮控制中的作用機理，以提升軍隊指揮控制系統智能決策的科學性、智能化和適應性為目標，設計基于知識的指揮控制系統智能決策框架結構，采用基于本體的知識表示技術構建決策任務空間知識體系，研究面向情景空間的智能化知識服務技術，提出基于產生式規則的指揮實體靜態決策推理模型和基于動態貝葉斯網的動態決策推理模型，旨在為未來我軍智能化指揮控制系統的論證和建設提供理論與技術準備。

　　關鍵詞：指控系統;智能決策;知識本體;知識推薦;知識推理

　　中圖分類號：TP273文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.02.018

　　引用格式：張永亮，趙廣超，陳希亮,等.基于知識的指控系統智能決策關鍵技術研究［J］.微型機與應用，2017,36（2）：56-59.

0引言

　　從知識工程（KnowledgeBased Engineering，KBE）角度看，知識是在數據、信息加工的基礎上，賦予其一定語義與語境而形成的相互關聯的信息結構，是一種面向人員的更加注重效用的信息。知識的作用在于它可以跨越信息到決策、行動的作用邊界，實現信息與決策和行動的交聯（如圖1所示），幫助軍事人員將獲取的信息迅速轉換為正確的決策和行動。正如知識管理著名專家Thomas Davenport所指出，知識是一種包含了結構化的經驗、價值觀、關聯信息以及專家見解等要素的動態組合，比數據和信息更有價值是因為它更貼近行動［1］。

　　當前，“信息中心”技術體制的指控系統在信息化戰爭中暴露出知識化程度不夠、系統自主程度低、快速反應能力弱等問題［2］。面對信息時代指揮控制智能化的發展趨勢，指揮人員越來越需要基于知識的決策支持系統輔助指揮運籌。美軍已經認識到“知識”在信息時代作戰系統中的重要作用，并于2006年在其國防白皮書中正式提出“知識中心戰”的概念，提出從“推送信息到邊緣”的網絡中心戰向“推送知識到邊緣”的知識中心戰轉型的戰略構想，并據此牽引其C4ISR系統向智能化方向發展。美軍積極倡導并研發的“深綠”系統即是其代表性成果。

　　本文在繼承智能決策支持系統（Intelligent Decision Support System，IDSS）相關技術的基礎上，結合運用認知心理學、人工智能與知識工程［3］技術、指揮決策理論與方法，著重從指控系統智能決策框架設計、任務空間知識體系構建、情景知識服務提供以及指揮決策推理等關鍵技術展開研究，旨在提高我軍指控系統輔助決策的科學化水平、智能化程度和適應性能力。

1基于知識的指控系統智能決策架構設計

　　對于指揮決策人員而言，從信息向知識的轉化能夠實現“從簡單的呈現原始數據到提供具有決策質量的關于任務空間的知識與理解”。然而，現有指揮控制系統并不支持把數據直接轉換為知識，只能依靠決策人員的經驗與靜態知識，將戰場海量信息經過分析、判斷、重新組織，通過人工呈現的形式，才能轉換為指揮員可以理解的關于戰場態勢判斷所需的智能決策知識。于是，這一事實就形成了所謂的“知識縫隙”，即指揮決策所依據的戰場情境知識與信息系統提供的信息之間存在“斷層”。

　　為此，基于知識指控系統智能決策架構需要完成對數據、模型、知識、交互四個部件的有效集成［45］。智能決策層次結構總體框架模型如圖2所示。基于指控系統的智能化決策，是通過一系列知識處理方法來獲取軍事領域專家的知識和經驗，并運用合適的知識建模方法與語言，將知識形式化，然后，采用合理的知識服務策略，根據特定的使命任務、戰場環境和個性化知識需求進行智能推理和演繹的過程。

2基于本體的任務空間知識建模方法

　　科學規范的知識體系是智能化智能決策的關鍵［68］。基于知識的智能決策，首先要解決的問題即是在指揮控制系統中構建能夠反映信息化戰爭原貌的任務空間知識（Mission Space Knowledge，MSK）體系。總體來看，MSK主要由兩類知識構成：一類可視作是反映任務空間規律、特點和屬性的“決策領域知識”（Operations Domain Knowledge，ODK）；另一類，是與典型使命任務空間特征緊密關聯的知識，可理解為“情景知識”（Context Knowledge，CK）。CK是在元知識的作用下，依據當前任務背景與態勢情況，由作戰人員結合其個性特征而形成的一類知識。在指揮決策過程中，CK具有關鍵性的支撐作用，能夠直接為指揮員決策過程提供服務，是彌補“知識縫隙”的關鍵所在。

　　運用基于本體的知識建模技術，以任務主題詞表為標準對選詞進行規范化處理，參考任務概念建模工程EATI模型、EBI框架，對決策領域知識本體構建進行標準化處理，可形成統一的形式化知識本體表示規范。分析并確定知識本體概念術語及其層次關系，可構建決策任務空間知識本體總體框架，從而形成任務空間知識的概念邏輯關系體系。決策任務空間知識本體的核心概念體系如圖3所示。

　　領域知識本體概念化表示后，需要運用本體的代數系統形式化編碼為計算機可識別的形式，存儲在領域知識本體庫中，以便知識的重用和共享。可采用NAING M M等人提出的六元素方法描述決策領域知識本體（OMSK_ON），運用巴科斯范式（Backus-Naur Form，BNF）表示六元組為：

　　OMSK_ON：：=<C，AC，R，AR，H，X>（1）

　　其中，C表示不同層次的概念類的集合；AC代表概念的屬性集合；R代表關系的集合，R中的每個關系ri（Cp，Cq）代表了概念Cp與Cq之間的雙向關系；AR表示每個關系的屬性集合；H是由C派生的概念層次關系，體現概念間的超類—子類關系的層次體系結構；X代表公理集合，每條公理代表了一種約束條件。在形式化定義本體后，利用本體開發工具protégé和本體描述語言OWL來構建本體模型，完成對領域知識本體的形式化編碼，從而為后續的知識過濾、推送、組織和呈現奠定基礎。

3面向戰場情景空間的主動知識服務技術

　　知識就是存在于特定情景當中的信息，正是有了情景的存在，知識才有了豐富的關系與意義。在任務執行過程中，指揮決策受“情景”的影響很大，這里的“情景空間”是使命任務、戰場態勢、指揮人員認知特征等各種因素的總和。指揮決策人員不了解所處的情景空間，就會產生認知上的偏差，甚至是誤判。

　　要為指揮決策人員提供智能化知識服務，必然要結合指揮決策中的“情景空間”來運用知識［911］。這里需要解決三個關鍵問題：一是抽取反映任務空間情景特征的關鍵要素，構建符合戰場態勢的綜合情景空間模型，為實現面向任務空間的知識過濾提供約束條件；二是研究基于情景空間模型的知識過濾算法，實現對系統知識資源的有效推薦；三是通過設計主動知識服務運作機制，實現符合決策人員認知規律的智能化知識服務。基于情景過濾知識信息的過程如圖4所示。

4面向認知的指揮實體智能決策推理模型

　　指揮實體的智能決策模型是指在特定使命空間中對指揮實體決策過程及結果的抽象描述，主要用來表達指揮實體任務理解、態勢分析、條件判斷及決策結果等內容［1213］。智能決策推理模型的科學性關乎指揮控制系統智能決策實戰化運用程度。

　　為滿足指揮實體智能化決策的需要，可以將指揮實體決策推理模型分為兩種類型：靜態決策與動態決策，分別對應于籌劃與組織任務行動階段、控制與協調任務行動階段的指揮決策活動，其基本過程描述如圖5所示。下面介紹基于產生式規則的推理技術實現對戰前任務部署的靜態決策過程，以及基于動態貝葉斯網絡［14］（Dynamic Bayesian Net，DBN）的貝葉斯推理技術實現對實時戰況的動態決策過程。

　　4.1基于產生式規則的靜態決策推理模型

　　從人工智能的角度看，基于產生式規則的靜態決策過程是運用產生式規則進行知識邏輯推理的過程。其工作過程是根據知識庫存儲的軍事規則與實際“情景空間”知識進行匹配，并由此選擇相應決策結果，并推理出相應決策方案。產生式規則的一般形式為：〈前件〉—>〈后件〉。其中，靜態決策模型中的前件可以認為是靜態決策條件，后件是相應的決策結果，前件和后件可以是由邏輯運算符AND、OR、NOT等組成的邏輯表達式，也可以由函數、微分和積分公式等組成的數學表達式。

　　產生式規則的語義是，如果決策條件與已知的事實相匹配，則可得到分析判斷結論或者執行相應的動作，即后件由前件來觸發。所以，前件是規則的執行條件，后件是規則體。如果靜態決策條件集用C表示，最終靜態決策生成的兵力部署決策集用D表示，則對兵力部署決策集內任意一個任務實體的行動決策di可表示為：

　　di=f(AC)（2）

　　其中，di是靜態決策D的任意一個行動決策，即

　　di∈D，D={d1，d2，…，dn}，i∈{1，2，…，n}；f是靜態決策條件集C對應兵力部署決策集D的關系函數，通過相應的決策規則來表現。A是C的系數矩陣：

　　其中akj表示對于第k個任務實體動作dk與第j個條件cj的關系，k∈{1，2，…，s}，j∈{1,2,…,m}。當akj=0時，表示無關；當akj=1，表示有關。

　　實際靜態決策過程中，一般取0≤akj≤1，表示第j條件cj對第k個動作決策dk的權重關系，且影響行動決策的條件子集CzC，表示它是一組靜態決策條件的組合。于是，對于靜態決策集中任一行動實體的決策dk有：

　　其中，=1akj=1，k∈{1，2，…，s}，cj∈Cz。該數學表達式的涵義是靜態決策模型最終生成的任意一組面向行動實體的決策方案，包括編組、配置和任務區分等內容。

　　4.2基于動態貝葉斯網的動態決策推理模型

　　對不確定性、不完全戰場態勢信息進行估計的動態決策問題，采用貝葉斯網絡技術建立戰場事件的概率模型，將多個作戰實體在不同戰場態勢層次進行連接，從而構造、演化成一個對戰場態勢能夠進行感知、推理、預測的貝葉斯網絡模型，是一種比較有效的戰場態勢估計的建模方法。

　　貝葉斯網絡（BN）是基于概率分析和圖論的一種不確定性知識的表示和推理模型，利用變量之間的條件獨立性大大減少了定義全聯合概率分布所需的概率數目，在不確定性推理和決策問題中得到廣泛應用。貝葉斯網絡的每個節點表示一個隨機變量，具有因果關系的節點之間用箭頭相連，節點之間的關系使用條件概率表來描述。由給定節點的先驗概率和條件概率可以得到各個節點的狀態概率，以實現沿有向邊按照條件進行概率傳播，從而完成整個貝葉斯網絡推理。貝葉斯網絡利用變量之間的條件獨立性，將聯合分布分解為幾個局部分布的乘積：

　　動態貝葉斯網絡（DBN）是對靜態貝葉斯網絡在時間軸上的擴展，用來描述一個隨時間而改變和演化的系統模型。動態貝葉斯網絡是由T個隱含狀態變量X={x0,x1,…,xT－1}序列的概率分布函數與T個觀測變量Y={y0,y1,…,yT－1}的序列構成的，T是所調查事件的時間界。動態貝葉斯網絡可描述為：

　　其中，p(xi|xi－1)是指在不同時間片上的狀態之間的概率函數；p(yi|xi)是指在同一時間片上各個節點的概率函數；P(x0)是指在過程開始時的初始狀態。

　　運用貝葉斯網絡進行動戰場態決策態勢推理與預測時，需要解決兩個關鍵問題：戰場態勢要素特征的提取和領域知識的獲取，它們共同決定著BN網絡的結構。由于態勢要素增多時，網絡結構的復雜度成倍增加，因而在動態決策態勢估計中，首先依賴軍事專家的領域知識進行必要的網絡修改。戰場態勢估計過程中，通過合理選取反映戰場態勢的特征，并依據領域知識構建特征間的關聯關系，可以構建起反映戰場態勢的貝葉斯網絡模型。

5結論

　　隨著智能化戰爭日益臨近，研制智能化的指控平臺輔助指揮人員運籌帷幄，已是大勢所趨。基于知識的智能化指控系統的關鍵性技術的突破可以為設計、論證未來我軍智能化指揮信息系統提供重要參考。近年來，以深度學習為核心的認知智能的突破與發展，使得從技術角度解決基于指揮信息系統的智能化輔助決策有望取得關鍵性進展。研究基于知識與機器學習的智能決策支持系統是下一步指揮信息系統工程領域的工作重點。

參考文獻

　　［1］ 任海泉．軍隊指揮學［M］．北京：國防大學出版社，2007.

　　［2］ 柴宇球，徐國成．信息化條件下陸軍決策學［M］．北京：軍事科學出版社，2009．

　　［3］ 陳文偉，陳晟.知識工程與知識管理［M］.北京：清華大學出版社，2010.

　　［4］ 李興森，石勇，張玲玲.從信息爆炸到智能知識管理［M］.北京：科學出版社，2010.

　　［5］ 童志鵬, 劉興. 綜合電子信息系統［M］. 北京：國防工業出版社，2008.

　　［6］ 王曉東．基于Ontology知識庫系統建模與應用研究［D］．上海：華東師范大學，2003．

　　［7］ 吳江．基于本體的知識管理關鍵技術研究［D］．西安：西北大學，2007．

　　［8］ 宋峻峰,張維明,肖衛東,等.基于本體的信息檢索模型研究［J］.南京大學學報， 2005，41(2):189-197.

　　［9］ 馮鵬程.基于情境感知的個性化推薦算法的研究［D］. 上海：東華大學，2014.

　　［10］ 李燕妮，李海生，蔡強.基于語義相似度的領域知識推薦研究［J］. 復雜系統與復雜性科學， 2013，10（3）:50-54.

　　［11］ 仵雪婷.基于知識情境的知識個性化推送技術的研究與應用［D］. 南昌：南昌大學， 2010.

　　［12］ 孫鵬, 張永亮.陸軍作戰仿真指揮實體一體化建模問題研究［M］.北京：解放軍出版社，2014.

　　［13］ 曹曉東，郭嘉誠．論指揮控制規則［J］．軍事運籌與系統工程, 2006，20(3)：22-26．

　　［14］ 肖秦琨，高嵩，高曉光．動態貝葉斯網絡推理學習理論及應用［M］．北京：國防工業出版社，2007．