基于置信规则库推理的体系能力需求推荐方法及装置

1.本发明属于军事能力需求推荐技术领域，具体涉及到一种基于置信规则库推理的体系能力需求推荐方法及装置。


背景技术：

2.近些年来，需求工程的理论和方法被继续不断完善，应用的场景也不断增多，如软件开发场景下的需求描述、需求工程方法在民用飞机机身段开发中的应用、敏捷产品线工程场景下的行为驱动需求工程等。
3.推荐系统自20世纪90年代被提出以来，经过了几十年的发展，推荐技术获得了飞速的发展，产生了多种不同类型的算法和技术。现下较为广泛应用的推荐方法按照原理分类主要分为基于用户行为特征的推荐，基于标签的推荐，基于上下文的推荐以及基于知识的推荐技术。基于知识的推荐技术主要依靠已构建的规则库实现。基于证据推理的方法是其中一种。证据理论，也称d-s证据理论(dempster-shafer theory of evidence)、信度理论。基于证据推理算法的信度规则库推理方法(belief rule-base inference methodology using the evidentialreasoning，rimer)具有对模糊数据、主观数据、概率型数据及无知信息等进行建模和分析的能力。证据推理方法可以应用于冲突测度的证据网络推理、电网应急能力评价、无人系统的健康分析，空中目标识别，传感器故障预测等，但鲜有将军事需求场景与推荐技术相结合的研究。


技术实现要素：

4.本发明提供一种基于置信规则库推理的体系能力需求推荐方法及装置，以解决鲜有将军事需求场景与推荐技术相结合的问题。
5.基于上述目的，本发明实施例提供了一种基于置信规则库推理的体系能力需求推荐方法，包括：根据预构建的能力需求体系将一个行动计划分解为至少一个任务；获取所述至少一个任务的输入数据，所述输入数据包括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度；根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组；根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子；根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果。
6.可选的，所述根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，包括：根据所述置信规则库中的所述任务衡量尺度取值表计算所述输入数据中任一所述衡量尺度标准与所述任务衡量尺度取值表中与所述衡量尺度对应的各取值的相似程度；根据所述相似程度以及所述信度计算任一所述衡量
尺度标准与各所述前提条件匹配的所述第一匹配程度；集合所述输入数据中各所述衡量尺度标准匹配到的所有所述前提条件，构成所述前提条件集合。
7.可选的，所述置信规则库中的所述规则还包括权重，所述根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子，包括：根据所述前提条件集合与所述置信规则库中所述规则的前提条件进行匹配，获取匹配的至少一个所述规则；针对匹配的每个所述规则，对所述规则中的各所述前提条件对应的所述第一匹配程度应用聚合函数进行聚合，获取所述规则的第二匹配程度；根据各所述规则的所述第二匹配程度以及所述权重计算各所述规则的所述激活程度；根据各所述规则中各所述前提条件的所述第一匹配程度计算各所述规则的所述修正因子。
8.可选的，所述对所述规则中的各所述前提条件对应的所述第一匹配程度应用聚合函数进行聚合，获取所述规则的第二匹配程度，包括：将所述规则中各所述前提条件对的所述第一匹配程度进行和逻辑的概率运算，得到所述规则的第二匹配程度；或者，将所述规则中各所述前提条件对的所述第一匹配程度进行或逻辑的概率运算，得到所述规则的第二匹配程度。
9.可选的，所述置信规则库中与所述规则对应的结论包括能力需求、至少一个结果以及对应的结果信度，所述根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果，包括：根据所述修正因子对所述规则中的每个所述结果信度进行修正；基于所述置信规则库根据匹配的各所述规则确定能力需求；根据匹配的各所述规则的所述激活程度和所述修正的结果信度分别计算与各所述能力需求对应的能力需求信度，得到所述至少一个任务的所述能力需求推理结果。
10.可选的，所述根据匹配的各所述规则的所述激活程度和所述修正的结果信度分别计算与各所述能力需求对应的能力需求信度，包括：从匹配的各所述规则中获取与各所述能力需求对应的至少一个所述规则；根据与各所述能力需求对应的所述规则的所述激活程度和所述修正的结果信度应用以下关系式分别计算各所述能力需求对应的各所述结果的最终结果信度，作为对应的所述能力需求信度：其中，rl为包含结果c
l
的规则集合，θ
l
为结果c
l
的最终信度。
11.可选的，所所述方法还包括：一个行动计划分解为多个所述任务时，将多个所述任务中的能力需求进行聚合，获取所述行动计划的各所述能力需求以及对应的所述能力需求信度。
12.可选的，所述将多个所述任务中的所述能力需求进行聚合，获取所述行动计划的各所述能力需求以及对应的所述能力需求信度，包括：集合多个所述任务中的所述能力需求作为所述行动计划的推理出的各所述能力需求；对多个所述任务中相同的所述能力需求，选择优先级最高的所述结果中所述最终结果信度最大的所述能力需求为聚合后的所述能力需求。
13.基于同一发明构思，本发明实施例还提出了一种基于置信规则库推理的体系能力需求推荐装置，包括：行动分解单元，用于根据预构建的能力需求体系将一个行动计划分解为至少一个任务；数据获取单元，用于获取所述至少一个任务的输入数据，所述输入数据包
括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度；条件匹配单元，用于根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组；规则匹配单元，根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子；证据推理单元，用于根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果。
14.基于同一发明构思，本发明实施例还提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项中所述的方法。
15.本发明的技术效果为，从上面所述可以看出，本发明实施例提供的一种基于置信规则库推理的体系能力需求推荐方法及装置，通过根据预构建的能力需求体系将一个行动计划分解为至少一个任务；获取所述至少一个任务的输入数据，所述输入数据包括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度；根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组；根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子；根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果，能够将推荐技术与军事能力需求场景进行结合，能够为任务部队以及科研部门推荐适应于任务的能力需求，为任务的遂行、部队的成长、军事理论的发展提供有力支撑。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例中的基于置信规则库推理的体系能力需求推荐方法的流程示意图；
18.图2为本发明实施例中的能力需求体系结构示意图；
19.图3为本发明实施例中的使命、军事行动、任务关系的示意图；
20.图4为本发明实施例中的单个任务的证据推理算法流程示意图；
21.图5为本发明实施例中的能力需求聚合示意图；
22.图6为本发明实施例中的某工兵分队的作战任务的能力需求推荐示例图；
23.图7为本发明实施例中的基于置信规则库推理的体系能力需求推荐装置的结构示
意图；
24.图8为本发明实施例中电子设备示意图。
具体实施方式
25.为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
26.需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本发明实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
27.本发明实施例还提供了一种基于置信规则库推理的体系能力需求推荐方法。如附图1所示，基于置信规则库推理的体系能力需求推荐方法包括：
28.步骤s11：根据预构建的能力需求体系将一个行动计划分解为至少一个任务。
29.在本发明实施例中，为了便于能力需求体系的描述与构建，需要将能力需求划分为多个层次，形成能力需求的树状结构。能力需求体系结构如图2所示，代表的是第一层能力需求体系的第一个能力需求，上标表示能力需求所在层数。n
lm
则代表的是第l层拥有相同父能力需求的能力需求个数。cm是相应能力需求的能力测度集合。在能力需求体系当中，每一个能力需求都与在武器装备体系当中相对应的武器装备系统相互影响。能力需求既源自于武器装备体系的实际情况和后续发展，武器装备体系也会应能力需求的不断提出而前进和发展。除此之外，能力需求还与军兵种编成体系相互影响。这种影响的渠道反应在人员素质上面：已有军兵种的不断发展和新兴军兵种的诞生，则要求其作战人员具备相应的、更高的能力素质，同时也推进着武器装备体系的发展进步，从而催生了新的能力需求；而不断增加的能力需求也对人员的素质提出了更高需求。在能力需求体系内部，各个能力需求之间同样也存在着相互影响的关系。底层的能力需求会对上层能力需求产生支持作用。对于能力需求体系中非叶子结点的能力需求项，必然包含一系列下层的能力需求，下一层的能力需求会对上层能力需求产生支持作用。也就是说，只有存在下层能力需求的能力测度取值较为理想时，对应的上层能力需求取值级别才会达到“强”的级别。
30.参见图3，使命是由一系列军事行动来完成的，而一个军事行动又包含了若干个作战任务，每一个作战任务都会有一系列衡量尺度去为战斗部队遂行任务提供指导。作为战斗部队的行动指引，衡量尺度会被设置一定的标准。衡量尺度是体现任务根本特征并予以辨别的属性，标准用于定义任务执行的可接受性，是对衡量尺度的描述，信度是衡量标准取值可信程度的属性。作战任务以及其衡量尺度和标准则是体现了上级对于下级行动表现的需求和期望，因而使命任务需求便可以由一系列的衡量尺度和标准进行描述。一系列作战任务的衡量尺度，标准及对应信度构成了使命任务需求，并以需求列表的形式呈现出来。列表当中的任务需求需要确定任务的背景(各项客观约束条件)，任务执行时间，开展行动的
地点，完成任务的程度等必要信息。这些信息将有助于了解各项作战行动对于总体使命任务完成的贡献。在步骤s11中，根据前述的能力需求体系将一个行动计划分解为至少一个任务。
31.步骤s12：获取所述至少一个任务的输入数据，所述输入数据包括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度。
32.在本发明实施例中，从使命任务到能力需求的转化过程是完成能力需求推荐的核心内容。单个任务的输入数据可以包括多个衡量尺度标准以及各衡量尺度标准对应的信度。推理的输入数据为单个任务的衡量尺度标准x以及信度ε，可表示为：
33.(x1，ε1)，(x2，ε2)，
…
，(x
p
，ε
p
)，其中，ε
p
为输入数据x
p
的信度，代表该数据值出现的把握或可能性。
34.步骤s13：根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组。
35.在本发明实施例中，可以利用已有的历史经验和知识，建立起任务需求与能力需求的映射关系，构建置信规则库，作为证据推理的基础依据。置信规则库中包括任务衡量尺度取值表以及至少一条规则。置信规则库的基本结构可如下表示，rb＝《m，c，f》，其中， m＝{m1，m2，
…
，m
p
}为任务衡量尺度集合，集合中一项元素为一项任务衡量尺度的标准在置信规则库当中的取值集合，mi中的各项元素的意义为衡量尺度mi在置信规则库中的标准取值。衡量尺度及对应的标准取值可共同作为置信规则库的前提条件。 c＝{c1，c2，
…
，c
l
}则表示能力需求集合，其中的元素(能力需求)的取值作为置信规则库的推理结果。取值结果共有三种{强，中，弱}，代表对于能力需求的需求程度。f则为从前提条件到结论的转化关系。
36.在置信规则库中，每条规则至少包括前提条件和结论，还可以包括权重。置信规则库中与所述规则对应的结论包括能力需求、至少一个结果以及对应的结果信度。每条规则的结果都具有信度，从而更好地刻画规则的不确定性。带有信度结构的规则如下所示：
[0037][0038][0039]
其中，表示一系列前提条件，为该规则涉及到的衡量尺度，为对应的规则库中标准取值，tk为前提条件的个数。β
ik
为在第k条规则中，前提条件成立时，结果为ci的信度，且满足该规则在置信规则库当中的相对权重规定为θk，其各前提条件的相对权重为
[0040]
若则意味着所有的可能结果都被该规则所涵盖，称该条信息是完全的；表示完全无法预测结果，对输出结果完全无法得知；说明对于结果是部分知
晓的。规则在置信规则库中的具体表现形式参考表5。举例说明，置信规则库中的规则27为：当一设备搭载在某机动平台上，通讯设备状态良好，在50km距离上的目标进行通信时长不低于2h 时，其抗电磁干扰能力需求为(强，0.7)，(中，0.25)，(弱，0.05)。该条规则在置信规则库当中的相对权重为0.6，各项前置条件的权重分别为0.3，0.5，0.2。则该规则使用数学语言可表示为：
[0041]r27
：if(m1＝“良好”)^(m2＝50)^(m3＝2)，
[0042]
then{(强，0.7)，(中，0.25)，
…
，(弱，0.05)}
[0043]
θ
27
＝0.6，δ
27，1
＝0.3，δ
27，2
＝0.5，δ
27，3
＝0.2
[0044]
在本发明实施例中，输入数据的转化过程是指将输入的数据与置信规则库当中的前提条件相互匹配的过程。通过匹配计算可以找到与输入数据匹配度较高的几条规则的前提条件，从而可以更好地找到与输入数据匹配度更高的规则，并修正结论信度。在步骤s13中，可选地，根据所述置信规则库中的所述任务衡量尺度取值表计算所述输入数据中任一所述衡量尺度标准与所述任务衡量尺度取值表中与所述衡量尺度对应的各取值的相似程度；根据所述相似程度以及所述信度计算任一所述衡量尺度标准与各所述前提条件匹配的所述第一匹配程度；集合所述输入数据中各所述衡量尺度标准匹配到的所有所述前提条件，构成所述前提条件集合。
[0045]
相似函数种类较多，一般根据数据的类型和特征进行选择。本发明实施例采用能力属性为离散数值情况下的相似函数，表达式为：
[0046][0047]
其中，称为相似函数，用来刻画xi与m
ij
的相似程度。对置信规则库中的任务衡量尺度取值表中任务衡量尺度标准集合其取值m
ij
∈mi。假设集合中元素已按照单调递增序列排序。
[0048]
获得带有信度的输入数据之后，即可通过以下关系式对输入数据与前提条件的匹配程度进行计算：
[0049][0050][0051]
其中，t(xi，εi)表示的是输入数据(xi，εi)经过数据转化之后，所匹配到的前提条件的集合，集合的元素为任务衡量尺度指标集合mi的第j个取值m
ij
和相应第一匹配程度α
ij
组成的二元组，α
ij
∈[0，1]。例如，置信规则库当中任务衡量尺度标准的取值为{30,60,80}，输入的数据值为(65,1)，则原输入数据与置信规则库中对应规则标准取值的相似程度分别
为为因而输入数据与所对应规则标准取值的匹配度分别为α
30
＝0，α
60
＝0.75，α
80
＝0.25。
[0052]
步骤s14：根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子。
[0053]
在本发明实施例中，首先根据所述前提条件集合与所述置信规则库中所述规则的前提条件进行匹配，获取匹配的至少一个所述规则。如此，原有的输入数据被转换为对应规则的一系列前提条件，即k代表前提条件隶属于第k条规则。
[0054]
然后针对匹配的每个所述规则，对所述规则中的各所述前提条件对应的所述第一匹配程度应用聚合函数进行聚合，获取所述规则的第二匹配程度。输入数据与规则匹配程度的计算实质上是将一系列规则前提的匹配度进行聚合的过程，因为输入与规则的匹配程度取决于其与规则的前提条件匹配程度的总和。将一系列前提条件匹配程度进行汇总的过程需要使用一个聚合函数，记作：对于前提条件的聚合方式有两种，一种是所有前提条件都使用“∧”进行连接，即将所述规则中各所述前提条件对的所述第一匹配程度进行和逻辑的概率运算，得到所述规则的第二匹配程度。而另一种则是全部通过“∨”进行连接，即将所述规则中各所述前提条件对的所述第一匹配程度进行或逻辑的概率运算，得到所述规则的第二匹配程度。对于两种连接符号同时出现的情况，可以通过相应的数学逻辑运算，转化为只含有一种连接符号的形式。
[0055]
在本发明实施例中，对前提条件使用“∧”进行连接时，前提条件匹配程度的聚合方式类似于独立条件下的概率乘法，即将所有前提条件的匹配度进行累乘，聚合结果为：
[0056][0057][0058]
其中，为前提条件的相对权重，αk为第k条规则的匹配程度。为第k条规则的匹配程度。
[0059]
对前提条件使用“∨”进行连接时，前提规则只需满足其中一种的情况，匹配程度的计算方法为：
[0060][0061][0062][0063][0064]
再根据各所述规则的所述第二匹配程度以及所述权重计算各所述规则的所述激活程度。在根据上述两种情况的聚合函数得到了与第k条规则的匹配程度αk之后，便可结合第k条规则自身的权重θk进行激活，归一化之后的激活程度ωk可以表示为：
[0065][0066]
其中，当αk＝0时，有ωk＝0。此时输入数据与该条规则匹配程度为0，激活程度也为0，意味着该条规则没有被激活。在置信规则库当中，该规则的权重θk通常情况下均为相等的，但必要情况下可通过改变权重θk的取值进行调整。
[0067]
本发明实施例还根据各所述规则中各所述前提条件的所述第一匹配程度计算各所述规则的所述修正因子。修正因子μk的计算方法为：
[0068][0069][0070]
式中的m
t
是一个衡量尺度，rk是规则，tk表示第k条规则当中包含的衡量尺度个数，k表示规则的编号，k＝1,2,
…
，k。置信规则库当中共有k条规则。
[0071]
步骤s15：根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果。
[0072]
在本发明实施例中，可选地，根据所述修正因子对所述规则中的每个所述结果信度进行修正；基于所述置信规则库根据匹配的各所述规则确定能力需求；根据匹配的各所述规则的所述激活程度和所述修正的结果信度分别计算与各所述能力需求对应的能力需求信度，得到所述至少一个任务的所述能力需求推理结果。
[0073]
由于现实的输入数据经过转化之后，与置信规则库当中的前提条件中的能力需求并非是完全匹配的。往往可能与一条规则当中的部分前提条件是与转化后的输入数据是相匹配的。为此，需要对规则的结论中各结果的结果信度采用以下关系式进行一定的修正：
[0074]
其中，表示经过修正之后的结果信度，μk表示前面计算的修正因子。l 表示各规则的结论中结果的编号，l＝1,2,
…
，l。置信规则库当中每条规则有l个结果。若输入数据包含了规则的所有前提条件，即对都有则表示当信息完全时，不需要对结果进行任何修正。至此，完成了输入数据的转换，输入数据对相应规则的激活程度以及结论中各结果信度的修正。
[0075]
然后基于置信规则库根据匹配的各规则的结论中的能力需求合并，得到该任务的能力需求。匹配的各规则中，可能存在多个规则的结论中的能力需求相同，此时需要基于该多个规则聚合计算该能力需求的能力需求信度。对于一系列的输入数据(x1，ε1)，(x2，ε2)，
…
，(x
p
，ε
p
)，激活的规则集合为rs＝{r1，r2，
…
，r
|rs|
}，该集合当中的规则的激活程度分别为ω1，ω2，
…
，ω
|rs|
。其中规则k的结果l修正之后的信度为可选地，从匹配的各所述规则中获取与各所述能力需求对应的至少一个所述规则；根据与各所述能力需求对应的所
述规则的所述激活程度和所述修正的结果信度应用以下关系式分别计算各所述能力需求对应的各所述结果的最终结果信度，作为对应的所述能力需求信度：
[0076][0077]
其中，rl为包含结果c
l
的规则集合，θ
l
为结果c
l
的最终信度。最终的单个任务推理输出即为(c1，θ1)，(c2，θ2)，
…
，(c
l
，θ
l
)。本发明实施例的单个任务的证据推理算法流程参见图4，对单个任务的需求输入进行数据转换，得到前提条件集合，然后根据置信规则库进行规则匹配和信度修正，再进行证据推理得到该单个任务的能力需求输出。
[0078]
在本发明实施例中，一个行动计划分解为多个所述任务时，将多个所述任务中的能力需求进行聚合，获取所述行动计划的各所述能力需求以及对应的所述能力需求信度。在完成了对于单个任务能力需求的推理之后，需要将多个任务的能力需求进行聚合。能力需求聚合是将单个任务的能力需求向整个军事行动的能力需求转化的过程。聚合的过程是指，将多个任务的能力需求进行汇总，并将重复的能力需求进行合并的过程。可选地，集合多个所述任务中的所述能力需求作为所述行动计划的推理出的各所述能力需求；对多个所述任务中相同的所述能力需求，选择优先级最高的所述结果中所述最终结果信度最大的所述能力需求为聚合后的所述能力需求。例如，对于多条同一能力c0的结论项c0＝{(a，x1)，(b，y1)，(c，z1)}，
…
， c
0i
＝{(a，xi)，(b，yi)，(c，zi)}。能力两两聚合的方法主要依靠比较信度聚合值的大小ji，ji的计算方法为：ji＝ρ1xi+ρ2yi+ρ3zi(ρ1＞＞ρ2＞＞ρ3)，ji取值最大的结论项即为最终聚合所取的结论项。 (ρ1＞＞ρ2＞＞ρ3)，说明结果x的优先级最高，在多个任务中结果x的最终结果信度最大的能力需求作为聚合后的能力需求。如图5所示，任务1对应能力需求1、2、5，而任务3对应能力需求1、2、3、5，将任务1-3聚合后得到行动计划对应能力需求1、2、3、4、5，其中，对任务1和任务3都包括的能力需求1进行聚合，得到行动计划对应的能力需求1。
[0079]
以下针对某工兵分队的作战任务进行举例说明，进行相应能力需求的推荐，如图6所示，分为以下几个步骤：根据能力需求体系对工兵典型作战任务进行描述；根据置信规则库进行证据推理，完成单个任务的能力需求智能化推荐；进行智能化能力聚合，完成对使命任务的能力需求智能化推荐。
[0080]
根据能力需求体系构建方法，可以得到工兵能力需求体系为：机动能力需求c1：陆上机动能力需求c
11
，复杂地形通过能力需求c
12
。火力打击能力需求c2：地面火力压制能力需求c
21
，反装甲能力需求c
22
，反工事能力需求c
23
，对空打击能力需求c
24
。防护能力需求c3：火力防护能力需求c
31
，核防护能力需求c
32
，生物防护能力需求c
33
，化学防护能力需求c
34
。工程支援能力需求c4：雷场布设能力需求c
41
，雷场扫除能力需求c
42
，桥梁架设能力需求c
43
，道路铺设能力需求c
44
，工事修筑能力需求c
45
，障碍破除能力需求c
46
。信息感知能力需求c5：通信能力需求c
51
，侦察能力需求c
52
。
[0081]
以上共概括了c1到c5五个一级能力需求，每个能力需求下包含c
11
到c
52
等若干二级能力需求。
[0082]
模拟某次演习当中分派给工兵分队的作战行动做为想定，想定内容为：任务一，某部预定于xx时xx分向a阵地发起进攻，下属工兵分队协同侦察分队抵近前沿进行工程侦察，查明敌防御地带情况，并进行上报。任务二，该部于xx时xx分开始进攻，下属工兵分队负责为进攻分队开辟通路；于较难通过地区架设桥梁，破坏敌方障碍物，并压制和打击部分火力
点，保障主力向进攻地域开进。任务三，主力进攻分队夺取a阵地并转入防御，工兵分队负责在a阵地修筑工事，协助防御，保障固守a阵地；于阵地外远距离快速设置雷场障碍，迟滞可能来犯之敌。依照上述想定，根据图3的任务分解方法，将任务想定内容分解为三个任务。三个任务为同一场军事行动下的三个作战任务，相互联系，依次递进。生成的各个任务需求列表如表1-表3所示。
[0083]
表1 任务一任务需求列表
[0084][0085]
表2 任务二任务需求列表
[0086][0087]
表3 任务三任务需求列表
[0088][0089][0090]
各个衡量尺度的标准在置信规则库当中所有可能取值的部分展示如表4所示。置信规则库部分规则示例参见表5。表5中，推理结论当中的a代表能力需求的“强”，b代表能力需求的“中”，c代表能力需求的“弱”。
[0091]
表4 置信规则库中任务衡量尺度标准取值表
[0092][0093]
表5 置信规则库部分规则示例表
[0094][0095]
置信规则库当中的规则权重θ均取相同值，对推理结果不造成影响，因而在上述置信规则库规则示例表当中也未给出权重值一列。在实际应用当中，可以加入每条规则的权重。为方便演示和计算，规则之间的权重θ与每条规则内的前提条件权重δ取值均相同，因而在计算过程中可不带入计算。
[0096]
以上述任务当中的任务一为例，输入数据即为表1的输入内容：
[0097]
(m
11
＝1200，1)，(m
12
＝2，1)，(m
13
＝10，1)，
[0098]
(m
14
＝90，1)，(m
15
＝2.5，1)
[0099]
将输入的取值与取值表即表4当中的值进行比对，计算获得相似程度：
[0100][0101][0102][0103]
根据相似程度计算与置信规则库中的前提条件的匹配程度得到的数据转换结果如下所示：
[0104]
(m
11
＝1000，0.6)，(m
11
＝1500，0.4)，
[0105]
(m
12
＝2，1)，(m
13
＝10，1)，(m
14
＝90，1)，
[0106]
(m
15
＝2，0.5)，(m
15
＝3，0.5)
[0107]
根据该转换后的输入数据，与置信规则库的前提条件进行匹配，激活了第 1，2，4，5，7-16，19，20，22-26条规则，根据各规则前提条件的匹配程度的取值，计算得到各规则的激活程度ωk取值为：[0.04，0.04，0，0.04，0.04，0，0.04，0.04，0.08，0.03，0.03，0.03，0.05，0.05， 0.05，0.08，0，0，0.04，0.04，0，0.04，0，0.08，0.04，0.04，0]。
[0108]
根据各规则前提条件的匹配情况，又计算得到各规则结论的修正因子μk取值为：[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]。
[0109]
结合求出的各规则激活程度ωk以及结论的修正因子μk，计算得到任务一的结果输出为：
[0110]c11
＝{(a，0.146875)，(b，0.03958333)，(c，0.04270833)}；
[0111]c21
＝{(a，0.156)，(b，0.04133333)，(c，0.036)}
[0112]c51
＝{(a，0.171875)，(b，0.04479167)，(c，0.0125)}
[0113]
同理，得出任务二和任务三的结果输出。
[0114]
任务二结果输出：
[0115]c21
＝{(a，0.15)(b，0.04)(c，0.06)}
[0116]c42
＝{(a，0.18)(b，0.0475)(c，0.0225)}
[0117]c43
＝{(a，0.17)(b，0.03)(c，0.05)}
[0118]c46
＝{(a，0.165)(b，0.05)(c，0.035)}
[0119]
任务三结果输出：
[0120]c21
＝{(a，0.12878788)(b，0.05151515)(c，0.03181818)}
[0121]c31
＝{(a，0.12878788)(b，0.05151515)(c，0.03181818)}
[0122]c41
＝{(a，0.3969697)(b，0.10909091)(c，0.06969697)}
[0123]
根据任务一的结果输出，为该工兵分队的能力需求推荐按照如下顺序呈现：通信能力需求c
51
，地面火力压制能力需求c
21
，陆上机动能力需求c
11
。任务二的能力需求推荐结果为：雷场扫除能力需求c
42
，桥梁架设能力需求c
43
，障碍破除能力需求c
46
，地面火力压制能力需求c
21
。任务三的能力需求推荐结果为：雷场布设能力需求c
41
，火力防护能力需求c
31
，地面火力压制能力需求c
21
。
[0124]
按照能力需求最大化聚合模型，地面火力压制能力需求c
21
在三个任务推荐结果当中都出现了，因此需要对其进行聚合。三个任务对应该能力需求的最终结果信度分别为：
[0125]
任务一：{(a，0.156)，(b，0.04133333)，(c，0.036)}
[0126]
任务二：{(a，0.15)，(b，0.04)，(c，0.06)}
[0127]
任务三：{(a,0.12878788),(b,0.05151515),(c,0.03181818)}
[0128]
因此聚合后应当取最终结果信度最高的结论项，即c
21
＝{(a,0.156),(b,0.04133333),(c, 0.036)}。最终经过能力聚合之后，由三个任务推导出的该想定下总能力需求如表6所示。
[0129]
表6 能力需求信度表
[0130][0131]
最终的推荐结果按照信度顺序为：雷场布设能力需求c
41
，雷场扫除能力需求c
42
，通信能力需求c
51
，桥梁架设能力需求c
43
，障碍破除能力需求c
46
，地面火力压制能力需求c
21
，陆上机动能力需求c
11
，火力防护能力需求c
31
。
[0132]
从实际情况的角度分析，信度较高的能力需求项主要为雷场布设能力需求c
41
，雷场扫除能力需求c
42
等，这类需求主要为工兵的专业技术能力需求，突出了工兵本身的技术
特性，具有不可替代特性；而相对应的最后几项能力需求，如：地面火力压制能力需求c
21
，陆上机动能力需求c
11
，火力防护能力需求c
31
则是更为通用的能力需求，该部分能力需求可由其他兵种支援补充，因而需求度较低。
[0133]
以上某工兵分队的作战任务的分析结果是符合现实实际的，工兵作为技术兵种，更加注重和突出的是其工程保障和支援的业务。因而工兵对于工程保障能力的需求往往更加强烈，这与推荐的结果也相照应。在实际作战当中，工兵火力压制与掩护能力需求可由步兵、炮兵、装甲兵进行支援，防空能力需求也由于防空部队的掩护被弱化，核生化的防护需求可由防化兵提供。推荐结果当中，工兵的非专业能力需求排到了靠后的位置上，这也是与现实情况相符合的。从实验数据的角度分析，推荐的结果当中，各项能力需求的信度数值普遍较低，原因是一条规则的前提条件被激活的个数较少，导致修正因子取值较低，因而给出的修正因子取值多集中在0.5左右，致使最终结果信度普遍较低。同时，在工兵能力需求体系当中出现的部分能力需求在推荐结果当中并未体现，原因在于该方法根据任务需求推荐对应的能力需求。由于示例当中的任务类型有限，并未激活全部规则并推荐所有的能力需求。而在实际应用当中，构建规模庞大且完备的置信规则库，输入充分的任务衡量尺度，推荐结果则更可能会覆盖绝大多数能力需求项。
[0134]
本发明实施例的基于置信规则库推理的体系能力需求推荐方法可以辅助部队通过任务快速、明确地找到自身的能力需求，从而为任务的遂行、部队的成长、军事理论的发展提供了有力的支撑作用。本发明实施例将推荐技术与军事能力需求场景进行结合，实现了为任务部队以及科研部门推荐适应于任务的能力需求的功能，对军事需求场景的能力需求进行推荐，填补军事需求推荐的技术空白，扩展推荐技术的应用场景，对传统的需求生成模式进行改进。
[0135]
本发明实施例通过根据预构建的能力需求体系将一个行动计划分解为至少一个任务；获取所述至少一个任务的输入数据，所述输入数据包括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度；根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组；根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子；根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果，能够将推荐技术与军事能力需求场景进行结合，能够为任务部队以及科研部门推荐适应于任务的能力需求，为任务的遂行、部队的成长、军事理论的发展提供有力支撑。
[0136]
上述对本发明特定实施例进行了描述。在一些情况下，在说明书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0137]
基于同一发明构思，本发明实施例提供了一种基于置信规则库推理的体系能力需求推荐装置。如附图7所示，基于置信规则库推理的体系能力需求推荐装置包括：行动分解
单元、数据获取单元、条件匹配单元、规则匹配单元和证据推理单元。其中，
[0138]
行动分解单元，用于根据预构建的能力需求体系将一个行动计划分解为至少一个任务；
[0139]
数据获取单元，用于获取所述至少一个任务的输入数据，所述输入数据包括所述任务的至少一个衡量尺度标准及与衡量尺度对应的信度；
[0140]
条件匹配单元，用于根据预设的置信规则库对所述输入数据进行前提条件匹配转换，获取所述输入数据匹配到的前提条件集合，所述置信规则库中包括任务衡量尺度取值表以及至少一条所述规则，每条所述规则至少包括前提条件和结论，所述前提条件集合中的每个元素为所述输入数据匹配到的任一所述提前条件以及与所述前提条件对应的第一匹配程度构成的二元组；
[0141]
规则匹配单元，根据所述前提条件集合进行规则匹配，并结合所述置信规则库计算匹配的每个所述规则的激活程度以及修正因子；
[0142]
证据推理单元，用于根据匹配的每个所述规则的所述激活程度和所述修正因子结合所述置信规则库进行证据推理，获取所述至少一个任务的能力需求推理结果。
[0143]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
[0144]
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0145]
基于同一发明构思，本发明实施例还提供了一种电子设备，该电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的方法。
[0146]
图8示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器801、存储器802、输入/输出接口803、通信接口804和总线805。其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
[0147]
处理器801可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本发明实施例所提供的技术方案。
[0148]
存储器802可以采用rom(read only memory，只读存储器)、ram(randomaccessmemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器802 可以存储操作系统和其他应用程序，在通过软件或者固件来实现本发明实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行。
[0149]
输入/输出接口803用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0150]
通信接口804用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0151]
总线805包括一通路，在设备的各个组件(例如处理器801、存储器802、输入/输出接口 803和通信接口804)之间传输信息。
[0152]
需要说明的是，尽管上述设备仅示出了处理器801、存储器802、输入/输出接口803、通信接口804以及总线805，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本发明实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0153]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0154]
本发明旨在涵盖落入本技术的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。