作戰(zhàn)任務(wù)管理

隨著作戰(zhàn)任務(wù)和系統(tǒng)的復(fù)雜性不斷增加，在正確的時(shí)間做出正確的作戰(zhàn)決策需要 （1） 實(shí)時(shí)態(tài)勢(shì)感知，以及 （2） 提供自動(dòng)建議的決策支持系統(tǒng)。這兩項(xiàng)功能是作戰(zhàn)任務(wù)管理系統(tǒng) （MMS） 的核心。

態(tài)勢(shì)狀態(tài)

作戰(zhàn)任務(wù)管理系統(tǒng) （MMS）提供的態(tài)勢(shì)包括在作戰(zhàn)任務(wù)背景下與我軍及其周?chē)鷳?zhàn)場(chǎng)的當(dāng)前狀態(tài)有關(guān)的信息。例如，最新態(tài)勢(shì)信息可包括：

我方部隊(duì)和系統(tǒng)的狀態(tài)，以及友軍和敵軍部隊(duì)的狀態(tài)。

與我方部隊(duì)和系統(tǒng)有關(guān)的各種任務(wù)性能參數(shù)，包括過(guò)去的性能以及當(dāng)前和未來(lái)的估計(jì)性能。

我方系統(tǒng)行為的異常情況，可能由故障、干擾或相互干擾、天氣條件等造成。

有關(guān)敵方部隊(duì)和系統(tǒng)的最新情報(bào)。

敵方活動(dòng)的異常情況，包括其行動(dòng)概念（CONOPS）和系統(tǒng)參數(shù)。

上述態(tài)勢(shì)通常來(lái)自對(duì)各種信息源數(shù)據(jù)的分析，例如

傳感器輸出，包括雷達(dá)、信號(hào)情報(bào)系統(tǒng)、光學(xué)/電光傳感器、聲學(xué)傳感器等。

指揮與控制（C2）輸出。

人類(lèi)情報(bào)信息。

可以使用啟發(fā)式算法等傳統(tǒng)方法和機(jī)器學(xué)習(xí)（ML）和人工智能（AI）算法等最新方法進(jìn)行分析。

自動(dòng)建議

作戰(zhàn)任務(wù)管理系統(tǒng) （MMS）會(huì)根據(jù)先驗(yàn)情報(bào)信息（任務(wù)開(kāi)始前）或任務(wù)期間的最新情況提出自動(dòng)建議。這些建議的重點(diǎn)是部隊(duì)和系統(tǒng)可以采取的行動(dòng)，例如可以包括

改變部隊(duì)部署。

平臺(tái)位置/軌跡變化。

系統(tǒng)配置更新，如頻率分配修改。

系統(tǒng)資源重新分配，即改變傳感器、效應(yīng)器、發(fā)射器或平臺(tái)對(duì)目標(biāo)和感興趣區(qū)域/體積的分配。

作戰(zhàn)任務(wù)管理系統(tǒng)的決策支持部分通常基于模擬和優(yōu)化工具的結(jié)合。模擬用于估計(jì)在各種情況下會(huì)發(fā)生什么，而優(yōu)化過(guò)程則決定應(yīng)檢查哪些情況，并選擇最合適的配置。 此外，作戰(zhàn)任務(wù)管理系統(tǒng)的決策支持組件還可以采用邏輯算法，針對(duì)一組預(yù)定義事件提出建議的應(yīng)對(duì)措施。例如，如果地基雷達(dá)測(cè)得某一空間區(qū)域和特定頻率范圍的噪聲水平增加，即使沒(méi)有干擾源的具體信息，也可以采取一些措施來(lái)緩解這一問(wèn)題。這些措施可包括，例如，改變雷達(dá)的發(fā)射頻率、調(diào)整搜索模式或?qū)δ承┙嵌确秶密壽E初始化。邏輯算法可利用文獻(xiàn)中已知的方法，如決策樹(shù)和隨機(jī)森林。

多任務(wù)優(yōu)化

目前可用的作戰(zhàn)任務(wù)管理系統(tǒng)大多針對(duì)單一任務(wù)。然而，多任務(wù)作戰(zhàn)任務(wù)管理系統(tǒng)(MM-MMS) 可以提高作戰(zhàn)任務(wù)的性能，因?yàn)樗鼈兛梢怨芾矶鄠€(gè)任務(wù)共享的資源。 最突出的共享資源是電磁頻譜，它被任何發(fā)射或接收電磁輻射的系統(tǒng)所使用。這些系統(tǒng)包括無(wú)線通信系統(tǒng)、全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）接收器、雷達(dá)、信號(hào)情報(bào)系統(tǒng)、電子戰(zhàn)系統(tǒng)等。當(dāng)今大多數(shù)作戰(zhàn)任務(wù)都嚴(yán)重依賴(lài)無(wú)線通信網(wǎng)絡(luò)和/或全球?qū)Ш叫l(wèi)星系統(tǒng)接收器，因此很容易受到相互干擾、干擾或欺騙。確保持續(xù)共存的唯一方法是進(jìn)行實(shí)時(shí)頻譜管理，同時(shí)考慮到區(qū)域內(nèi)所有依賴(lài)頻譜的系統(tǒng)，這些系統(tǒng)可能用于多項(xiàng)任務(wù)。 共享資源的另一個(gè)例子是軍用運(yùn)輸車(chē)，它可以為不同地點(diǎn)的不同單元服務(wù)，但在特定時(shí)間只能有一條路徑。 多任務(wù)作戰(zhàn)任務(wù)管理系統(tǒng)(MM-MMS)的主要技術(shù)挑戰(zhàn)是多任務(wù)優(yōu)化。多任務(wù)優(yōu)化的特點(diǎn)是

必須同時(shí)優(yōu)化的自由度數(shù)量非常大，導(dǎo)致計(jì)算復(fù)雜度和內(nèi)存需求高。

不同自由度背景下的多樣性。傳統(tǒng)的優(yōu)化算法通常處理單一類(lèi)型的問(wèn)題，如部署、軌跡規(guī)劃或資源分配。多任務(wù)優(yōu)化通常需要同時(shí)解決兩類(lèi)或多類(lèi)問(wèn)題。

此外，定義目標(biāo)函數(shù)對(duì)于多任務(wù)優(yōu)化尤其困難。優(yōu)化目標(biāo)函數(shù)通過(guò)為每個(gè)檢查方案提供性能評(píng)分，決定了優(yōu)化過(guò)程試圖優(yōu)化的內(nèi)容。對(duì)于多任務(wù)作戰(zhàn)任務(wù)管理系統(tǒng)(MM-MMS)，目標(biāo)函數(shù)可能會(huì)考慮任務(wù)優(yōu)先級(jí)和任務(wù)相互影響等問(wèn)題。為了獲得有意義的結(jié)果，目標(biāo)函數(shù)通常要通過(guò)廣泛的運(yùn)籌學(xué)研究來(lái)校準(zhǔn)。強(qiáng)化學(xué)習(xí)也可用于使目標(biāo)函數(shù)適應(yīng)作戰(zhàn)團(tuán)隊(duì)的需要。

基于人工智能的態(tài)勢(shì)感知

如上所述，使用人工智能算法可以獲得態(tài)勢(shì)感知。 在作戰(zhàn)任務(wù)管理系統(tǒng)中，人工智能算法必須支持使用小型數(shù)據(jù)集進(jìn)行模型訓(xùn)練，以便靈活應(yīng)對(duì)戰(zhàn)場(chǎng)上的快速變化。此外，算法應(yīng)基于最少的假設(shè)，以減少模型失配并產(chǎn)生準(zhǔn)確的結(jié)果。常見(jiàn)的人工智能算法通常只符合其中一項(xiàng)要求。例如，深度神經(jīng)網(wǎng)絡(luò)（DNN）只需要很少的先驗(yàn)信息，但卻需要大量的訓(xùn)練數(shù)據(jù)集。 與此相反，高斯混合模型（GMM）和支持向量機(jī)（SVM）基于特定的模型假設(shè)，但小規(guī)模的訓(xùn)練集通常就足夠了。 Omnisys 是為以色列國(guó)防和國(guó)土安全提供任務(wù)優(yōu)化解決方案的領(lǐng)先供應(yīng)商，其開(kāi)發(fā)的專(zhuān)有算法套件之一被稱(chēng)為 "敏捷統(tǒng)計(jì)建模"（ASM）。它是根據(jù)上述要求開(kāi)發(fā)的。此外，ASM 還是一種白盒方法，即其模型易于可視化和手動(dòng)調(diào)整。這一特性在處理戰(zhàn)略任務(wù)時(shí)非常重要，因?yàn)閼?zhàn)略任務(wù)的誤差往往是不可接受的，而提前估計(jì)系統(tǒng)在各種情況下的性能的能力則至關(guān)重要。

結(jié)論

在現(xiàn)代戰(zhàn)場(chǎng)上，作戰(zhàn)任務(wù)管理系統(tǒng)正逐漸成為成功完成作戰(zhàn)任務(wù)的關(guān)鍵，而現(xiàn)代戰(zhàn)場(chǎng)的特點(diǎn)是變化迅速，有無(wú)數(shù)的系統(tǒng)要滿足眾多的作戰(zhàn)需求。基于人工智能的態(tài)勢(shì)感知和多任務(wù)優(yōu)化是這些系統(tǒng)持續(xù)發(fā)展的兩個(gè)關(guān)鍵驅(qū)動(dòng)因素。

審核編輯：黃飛