] 未来战争中，作战资源编组构成模式可以采取任务式（作战任务比那组）与功能 式（功能编组）两种编组形式相结合的形态，如图3所示，从而形成优势，更加适应复杂的 战场情况，实施更加有效的体系对抗。功能式的核心在于根据作战功能不同，将有相同功能 的各种参战资源进行科学优化与重组，形成集成作战能力。如对陆海空的远程火力打击力 量进行集成，可有效实施对目标的远程精确打击行动。任务式的特点是依据作战任务进行 资源编组，将所属力量整合成一个个任务集团，对作战体系展开全面同步综合打击。本发明 针对资源冲突的消解采用如下策略：
[0094] 若两个发生了资源冲突的任务间存在先后顺序，则资源优先满足先开始的任务；
[0095] 若两个发生了资源冲突的任务间不存在时序关系，即一个任务的开始不依赖于令 一个任务的完成，则比较两个任务的重要程度或两个任务对破击敌方作战体系并达成最终 作战目标的贡献度，谁重要或谁的贡献度大，则先执行谁；
[0096] 若有紧急任务介入且与正在执行的任务发生资源冲突，比如来犯之敌的导弹向我 指挥所袭来，则该冲突资源优先满足紧急任务。
[0097] 图3中通过作战资源综合管理模块进行资源冲突消解，即对资源进行分配，作战 资源包括坦克。舰艇、导弹以及歼击机等。
[0098] 上述实施例，通过文本编辑环境编辑Iua脚本，编辑后重新加载，即可采用本发明 提出的冲突分析方法进行冲突探测与消解。上述实施例设置数据存储装置，所述数据存储 装置采用sqlite数据库存储冲突案例信息，其存储的信息包括：资源信息，包括资源的性 质、可用数量、作战性能参数等；战场信息，包括敌我双方作战编成、武器配备、地域配置等 信息；作战计划信息，包括每个作战单元的作战任务情况。
[0099] 上述信息通过指挥信息系统进行自动更新维护，在冲突检测过程中通过提取这些 f目息进行计算。
[0100] 上述实施例的算法引擎装置采用脚本语言Iua实现具体冲突智能分析方法。Lua 是一类方便嵌入并可扩展的轻量级脚本语言，具有简单、小巧、快速、可移植的特点，非常适 合数据描述、配置管理和逻辑控制等任务。
[0101] 本发明实施例设计了Iua引擎框架，集成了有向图、有向链表、动态贝叶斯网络、 案例匹配与扩充等算法，并设计了与系统交互的接口。
[0102] 部分代码示例如下：
【主权项】
1. 一种冲突分析方法，其特征在于，所述方法包括以下步骤： 51、 接收冲突检测数据，建立各个作战单元的时间冲突分析有向图； 52、 对于每一个所述作战单元，利用所述步骤Sl建立的对应的所述时间冲突分析有向 图进行时间冲突检测； 53、 若所述作战单元不存在时间冲突，则转入步骤S4,否则转入步骤S8 ; 54、 构造多个所述作战单元的有向链表，并根据所述有向链表对多个作战单元进行空 间冲突分析； 55、 若所述多个作战单元不存在空间冲突，则转入步骤S6,否则转入步骤S8 ; 56、 采用动态贝叶斯网络对多作战任务的资源进行资源冲突检测； 57、 若多个作战单元不存在资源冲突则本次冲突分析结束，否则转入步骤S8 ; 58、 进行基于案例匹配的冲突消解：对所述时间冲突、空间冲突或资源冲突进行冲突特 征提取，并根据所述冲突特征与案例库中的冲突案例进行匹配。
2. 根据权利要求1所述的方法，其特征在于，所述步骤Sl中，对于每一个所述冲突将侧 单元，构建其时间冲突分析有向图具体为： 511、 将所述作战单元中的各个任务分别看作一个节点，并且所述节点包括持续时间和 任务地点两个属性； 512、 按照时间先后顺序将所述节点排序，并在相邻的节点之间画有向线，所述有向线 的起点为两个节点中起始时间较早的节点，所述有向线的终点为两个节点中起始时间较晚 的节点；若多个节点的起始时间相同，则从比所述多个节点的起始时间早的上一个节点引 出对应条数的有向线分别指向所述多个节点； 513、 对各个所述有向线赋权值，所述权值为所述有向线的起点对应的节点的起始时间 减去所述有向线的终点对应的节点的终止时间。
3. 根据权利要求1所述的方法，其特征在于，所述步骤S2中，利用所述时间冲突分析有 向图进行时间冲突检测具体包括以下步骤： 521、 对所述时间冲突分析有向图中的每一个节点，判断其出度是否大于1，若是则有两 个任务同时发生，存在时间冲突，否则转入步骤S22 ; 522、 对所述时间冲突分析有向图中的每一条有向线，判断其权值是否小于O，若是则下 一个任务的起始时间在上一个任务还未结束时开始，对应作战单元存在时间冲突，否则转 入步骤S23 ; 523、 对所述时间冲突分析有向图中的每一条有向线，判断其对应的起点的任务地点和 终点的任务地点，判断其权值的合理性：若所述冲突将侧单元能够在所述权值对应的时间 段内从所述有向线的起点对应的节点的任务地点运动到所述有向线的终点对应节点的任 务地点，则对应的权值合理，对应的作战单元不存在时间冲突，否则对应的作战单元存在时 间冲突。
4. 根据权利要求3所述的方法，其特征在于，所述步骤S4中，构造多个所述作战单元的 有向链表具体为：将多个所述作战单元的节点按照时间先后顺序进行排序，并建立相邻两 个节点的有向链，所述有向链由时间较早的节点指向时间较晚的节点。
5. 根据权利要求4所述的方法，其特征在于，所述步骤S4中，根据所述有向链表对多个 作战单元进行空间冲突分析具体为：对时间有重叠的节点进行任务地点交集分析，若所述 任务地点交集不为空，则对应的多个作战单元存在空间冲突，否则对应的多个作战单元不 存在空间冲突。
6. 根据权利要求5所述的方法，其特征在于，所述案例库保存冲突案例的所述冲突特 征以及冲突案例的解决方案。
7. 根据权利要求6所述的方法，其特征在于，所述步骤S8中，进行案例匹配具体为： 581、 训练RBF神经网络模型； 582、 提取待匹配的所述时间冲突、空间冲突或资源冲突的所述冲突特征，并利用所述 RBF神经网络模型对所述待匹配所述时间冲突、空间冲突或资源冲突进行分类，RBF神经网 络由输入层、隐含层和输出层构成，所述输入层神经元个数由所述冲突特征个数决定，并且 所述输入层神经元个数取值为所述冲突特征个数的2倍，输出层为单神经元，其输出值为 相似度，并选择相似度最大案例，以其解决方案进行所述时间冲突、空间冲突或资源冲突的 消解。
8. 根据权利要求7所述的方法，其特征在于，所述步骤S81中，训练RBF神经网络模型 具体为： 对样本案例进行聚类，每类案例为一个案例子集，设定有K个所述案例子集； 对各所述案例子集中的数据进行预处理； 确定第i个案例子集对应的RBF神经网络中隐含层的神经元个数和输出层的神经元个 数； 对每一个所述案例子集，使用经过预处理的数据作为素材，进行RBF神经网络训练，直 到RBF神经网络的权空间数据趋于稳定或不变，形成K个训练完毕的RBF神经网络，K个所 述RBF神经网络构成所述RBF神经网络模型。
9. 根据权利要求8所述的方法，其特征在于，所述步骤S82中，案例间的所述相似度小 于预先设定的阈值时，即所述案例匹配不能完全消除所述资源冲突，采用如下方法进行冲 突消解： 若发生资源冲突的两个任务的任务执行时间存在先后顺序的关系，则资源优先分配给 任务执行时间较早的任务； 若发生资源冲突的两个任务的任务执行时间没有时序关系，则比较两个任务的重要程 度，并把资源分配给重要程度较高的任务； 若有优先级高的任务临时加入，则把资源分配给所述临时任务。
10. 根据权利要求9所述的方法，其特征在于，所述步骤S8中，通过匹配获得的冲突案 例为多个时，对多个所述冲突案例进行比较，选择所述相似度最高的冲突案例。
【专利摘要】本发明公开了一种冲突分析方法，所述方法包括以下步骤：建立各个作战单元的时间冲突分析有向图，并进行单一作战单元的时间冲突检测判断；对不存在时间冲突的多作战单元进行空间冲突分析；对不存在时间和空间冲突的作战单元进行资源冲突检测；若不存在资源冲突的作战单元，则本次冲突分析结束；对于存在冲突的作战单元先进行基于案例匹配的冲突消解。本发明技术方案可有效提高冲突决策的合理性，避免潜在的缺陷和冲突，实现对多类冲突检测全面检测，同时提高检测效率、决策正确度以及简化分析过程。
【IPC分类】G06F19-00
【公开号】CN104794326
【申请号】CN201510106868
【发明人】孙岩, 雷震, 何国良, 崔伟宁, 王光伟, 孙凌云, 张文阁, 谭亚新
【申请人】中国人民解放军装甲兵工程学院
【公开日】2015年7月22日
【申请日】2015年3月11日