鄭少秋，梁汝鵬，吳 浩，袁 翔，張政偉*

（1.中國(guó)電子科技集團(tuán)公司第二十八研究所，南京 210007；2.中國(guó)電子科技集團(tuán)公司信息系統(tǒng)需求重點(diǎn)實(shí)驗(yàn)室，南京 210007）

0 引言

當(dāng)前，隨著人工智能、云計(jì)算、先進(jìn)通信等技術(shù)發(fā)展，作戰(zhàn)兵力正朝無(wú)人化、智能化、模塊化方向發(fā)展。無(wú)人自主裝備快速切入戰(zhàn)場(chǎng)前沿，極大地拓展了對(duì)抗的時(shí)空約束，模塊化兵力支持面向任務(wù)的動(dòng)態(tài)靈活組織，在為對(duì)手制造認(rèn)知和決策困境的同時(shí)，極大提升了作戰(zhàn)體系效能。作戰(zhàn)兵力發(fā)展逐步引發(fā)戰(zhàn)爭(zhēng)形態(tài)、制勝機(jī)理的變革。戰(zhàn)爭(zhēng)形態(tài)日益復(fù)雜多變，分布式、多域聯(lián)合、智能化的體系作戰(zhàn)成為未來(lái)戰(zhàn)爭(zhēng)制勝關(guān)鍵。在此背景下，美軍相繼提出了“算法戰(zhàn)”［1］、“馬賽克戰(zhàn)”［2-3］、“聯(lián)合全域作戰(zhàn)”［4］等新型作戰(zhàn)概念。

隨著無(wú)人化、智能化、模塊化作戰(zhàn)單元的廣泛運(yùn)用，作戰(zhàn)兵力的可組合性和作戰(zhàn)效能得到顯著加強(qiáng)，但對(duì)作戰(zhàn)決策的快速協(xié)同、精準(zhǔn)聚優(yōu)提出了更高要求。傳統(tǒng)的以指揮員為中心的“指揮員決策、機(jī)器輔助計(jì)算”的作戰(zhàn)決策范式，難以滿足未來(lái)作戰(zhàn)時(shí)效性、精準(zhǔn)性要求，迫切需要研制與未來(lái)戰(zhàn)爭(zhēng)相匹配的智能作戰(zhàn)決策能力。

1 相關(guān)工作

圍繞智能化作戰(zhàn)決策，許多研究者做了諸多工作［5-8］，包括情報(bào)信息處理、作戰(zhàn)態(tài)勢(shì)研判、作戰(zhàn)任務(wù)規(guī)劃等方面。具體地，在情報(bào)信息處理方面，邢世宏等［9］提出將遷移學(xué)習(xí)應(yīng)用于艦船目標(biāo)識(shí)別；李婷婷等［10］提出智能訂單方法進(jìn)行態(tài)勢(shì)產(chǎn)品服務(wù)；廖鷹等［11］分析了戰(zhàn)場(chǎng)態(tài)勢(shì)分層表示與理解機(jī)理，并據(jù)此提出了面向態(tài)勢(shì)理解的復(fù)合架構(gòu)深度學(xué)習(xí)模型。在作戰(zhàn)態(tài)勢(shì)研判方面，胡曉峰等［12］將注意力機(jī)制應(yīng)用于態(tài)勢(shì)認(rèn)知，提出戰(zhàn)場(chǎng)態(tài)勢(shì)感知注意力機(jī)制框架；康凱等［13］基于貝葉斯網(wǎng)絡(luò)推理模型進(jìn)行態(tài)勢(shì)相關(guān)估計(jì)，實(shí)現(xiàn)對(duì)陸戰(zhàn)場(chǎng)的實(shí)時(shí)變化態(tài)勢(shì)動(dòng)態(tài)分析、理解與判斷。在作戰(zhàn)任務(wù)規(guī)劃方面，邢思遠(yuǎn)等［14］將Apriori 數(shù)據(jù)挖掘方法應(yīng)用于武器使用規(guī)律挖掘研究，支撐根據(jù)不同地形、協(xié)同規(guī)律進(jìn)行兵力推薦；季軍亮等［15］將啟發(fā)式算法應(yīng)用于兵力編組。總體而言，主要將人工智能技術(shù)應(yīng)用到作戰(zhàn)決策單一環(huán)節(jié)業(yè)務(wù)，提升其自動(dòng)化、智能化水平。

近年來(lái)，隨著AlphaGo［16］、AlphaStar［17］模型在圍棋、星際爭(zhēng)霸游戲?qū)诡I(lǐng)域的成功應(yīng)用，為聯(lián)合作戰(zhàn)決策提供新的技術(shù)思路，研究者逐步將深度強(qiáng)化學(xué)習(xí)技術(shù)應(yīng)用到作戰(zhàn)決策中。曹雷［18］對(duì)基于強(qiáng)化學(xué)習(xí)的博弈對(duì)抗方法進(jìn)行了綜述，并對(duì)軍事決策應(yīng)用進(jìn)行分析。閆實(shí)等［19］將強(qiáng)化學(xué)習(xí)應(yīng)用于多機(jī)載雷達(dá)傳感器調(diào)度管理。曹雷等［20］提出將深度強(qiáng)化學(xué)習(xí)應(yīng)用于作戰(zhàn)計(jì)劃優(yōu)選。Toubman 等［21-22］基于空戰(zhàn)行為規(guī)則，使用強(qiáng)化學(xué)習(xí)最優(yōu)組合生成戰(zhàn)斗機(jī)行為。Rijken 等［23］將深度學(xué)習(xí)應(yīng)用到空戰(zhàn)行為訓(xùn)練中，構(gòu)建的智能體在空戰(zhàn)對(duì)抗中成功擊敗人類選手。

然而，實(shí)際的作戰(zhàn)要遠(yuǎn)比圍棋、星際爭(zhēng)霸等游戲?qū)箞?chǎng)景復(fù)雜，決策難度更高，錯(cuò)判的代價(jià)也更高。主要體現(xiàn)在以下方面，1）聯(lián)合作戰(zhàn)場(chǎng)景具有高動(dòng)態(tài)、強(qiáng)對(duì)抗性，作戰(zhàn)目標(biāo)會(huì)動(dòng)態(tài)調(diào)整，難以簡(jiǎn)單地將“高勝率”作為決策衡量的唯一指標(biāo)，因此，需要人機(jī)高效、持續(xù)地進(jìn)行交互式學(xué)習(xí)，機(jī)器必須能夠理解指揮員動(dòng)態(tài)變化的作戰(zhàn)決心。2）聯(lián)合作戰(zhàn)兵力的種類、行為空間、協(xié)同策略規(guī)模等均遠(yuǎn)遠(yuǎn)高于游戲，導(dǎo)致決策模型的計(jì)算復(fù)雜度更高，迫切需要高效的模型學(xué)習(xí)方法提升模型學(xué)習(xí)收斂速度和魯棒性。因此，需要研究面向作戰(zhàn)的高效智能模型學(xué)習(xí)方法。

基于此，聚焦未來(lái)戰(zhàn)場(chǎng)聯(lián)合作戰(zhàn)兵力智能組織難題，本文提出了人機(jī)共生的作戰(zhàn)決策系統(tǒng)發(fā)展愿景，包括運(yùn)行概念、系統(tǒng)架構(gòu)，并深入分析實(shí)現(xiàn)人機(jī)共生面臨的挑戰(zhàn)，提出技術(shù)解決思路。在此基礎(chǔ)上，從人機(jī)交互與理解、戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知、智能作戰(zhàn)決策、模型可信賴可解釋增強(qiáng)等方面，提出關(guān)鍵技術(shù)體系，支撐指揮員高階戰(zhàn)場(chǎng)認(rèn)知能力與機(jī)器強(qiáng)大搜索能力融合，最終形成準(zhǔn)確、可信、全局（最）較優(yōu)的兵力規(guī)劃方案，為新一代指揮控制系統(tǒng)創(chuàng)新發(fā)展提供借鑒。

2 發(fā)展愿景

針對(duì)作戰(zhàn)決策，人機(jī)共生作戰(zhàn)決策系統(tǒng)發(fā)展愿景是通過(guò)人機(jī)的合理分工、充分協(xié)作，使得指揮員聚焦頂層的、模糊的、邊界不確定的問(wèn)題，并依托智慧和經(jīng)驗(yàn)將其轉(zhuǎn)換為具體的、清晰的、邊界確定的優(yōu)化問(wèn)題，而后利用機(jī)器智能的強(qiáng)大搜索能力進(jìn)行求解，指揮員根據(jù)機(jī)器快速求解結(jié)果，進(jìn)行研判評(píng)估、迭代優(yōu)化，其核心是通過(guò)人機(jī)協(xié)作，為指揮員提供更多的試錯(cuò)空間，進(jìn)而大大提高作戰(zhàn)方案發(fā)現(xiàn)概率。

2.1 系統(tǒng)運(yùn)行概念

假定某時(shí)刻，紅藍(lán)雙方在某地域正面開展作戰(zhàn)對(duì)抗，紅方指揮員依托人機(jī)共生作戰(zhàn)決策系統(tǒng)，通過(guò)人機(jī)協(xié)同制定作戰(zhàn)計(jì)劃，人機(jī)共生作戰(zhàn)決策系統(tǒng)運(yùn)行概念如下頁(yè)圖1 所示，具體過(guò)程如下：

圖1 人機(jī)共生的智能決策過(guò)程

Step 1：系統(tǒng)引接戰(zhàn)場(chǎng)實(shí)時(shí)態(tài)勢(shì)，進(jìn)行多源態(tài)勢(shì)信息處理融合，并在軍事知識(shí)圖譜的支撐下，完善補(bǔ)充態(tài)勢(shì)信息要素，呈現(xiàn)于指揮員；

Step 2：指揮員基于語(yǔ)音、圖像、文本、視頻、虛擬現(xiàn)實(shí)等多模態(tài)的交互手段，進(jìn)行態(tài)勢(shì)感知、理解和干預(yù)；

Step 3：指揮員理解上級(jí)作戰(zhàn)意圖，研判敵方作戰(zhàn)目標(biāo)體系，開展作戰(zhàn)任務(wù)分析和作戰(zhàn)目標(biāo)選擇，形成敵方目標(biāo)打擊清單及毀傷效果要求，作為智能決策模型學(xué)習(xí)的目標(biāo)狀態(tài)；

Step 4：指揮員基于聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)，開展兵力模型構(gòu)建，設(shè)計(jì)作戰(zhàn)想定，并進(jìn)行大樣本仿真對(duì)抗，形成大量仿真對(duì)抗樣本，在此基礎(chǔ)上，利用深度強(qiáng)化學(xué)習(xí)等技術(shù)，開展紅方智能決策模型訓(xùn)練和生成，并將其引入到作戰(zhàn)想定中進(jìn)行自博弈，如此反復(fù)，直至在構(gòu)設(shè)的作戰(zhàn)想定中達(dá)到期望的作戰(zhàn)效果，即智能決策模型學(xué)習(xí)的目標(biāo)狀態(tài)，輸出作戰(zhàn)決策模型；

Step 5：指揮員將戰(zhàn)場(chǎng)實(shí)時(shí)態(tài)勢(shì)接入作戰(zhàn)決策模型中，依托聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)，推演戰(zhàn)場(chǎng)態(tài)勢(shì)發(fā)展，生成作戰(zhàn)決策計(jì)劃建議；

Step 6：指揮員根據(jù)作戰(zhàn)計(jì)劃建議，開展計(jì)劃干預(yù)或確認(rèn)，如果不滿足作戰(zhàn)任務(wù)要求，則重新開展態(tài)勢(shì)處理分析、作戰(zhàn)任務(wù)分析、目標(biāo)選擇清單及毀傷效果調(diào)整等；如果滿足作戰(zhàn)任務(wù)要求，則進(jìn)行確認(rèn)或微調(diào)，形成最終的作戰(zhàn)計(jì)劃；

Step 7：指揮員將向作戰(zhàn)兵力下達(dá)最終的作戰(zhàn)計(jì)劃，并密切監(jiān)視戰(zhàn)場(chǎng)態(tài)勢(shì)變化。

人機(jī)共生智能決策核心能力主要體現(xiàn)在以下兩個(gè)方面：

1）人機(jī)交互式協(xié)同決策，大幅度縮短指揮決策周期

在人機(jī)共生決策過(guò)程中，Step1～Step3 以人為主，Step4～Step5 以機(jī)器為主，而后在Step6 中進(jìn)行人工判斷，如果不滿足作戰(zhàn)任務(wù)要求，則重新從Step1 開始，否則進(jìn)入Step7。一方面，通過(guò)采用高效、可靠的多模態(tài)人機(jī)交互手段，人機(jī)指揮載荷得到合理分配，分別發(fā)揮指揮員理解復(fù)雜戰(zhàn)場(chǎng)態(tài)勢(shì)、宏觀趨勢(shì)的優(yōu)勢(shì)，和機(jī)器智能在大規(guī)模、模式化快速方面的計(jì)算優(yōu)勢(shì)，同時(shí)規(guī)避人工指揮決策作業(yè)效率低、輔助決策系統(tǒng)缺乏指揮藝術(shù)性等問(wèn)題，實(shí)現(xiàn)揚(yáng)長(zhǎng)避短。另一方面，通過(guò)人機(jī)交互式、迭代式協(xié)同決策，在決策過(guò)程中，指揮員持續(xù)對(duì)機(jī)器智能決策質(zhì)量進(jìn)行評(píng)估，快速形成決策質(zhì)量?jī)?yōu)化的閉環(huán)，快速輸出高效可行的作戰(zhàn)計(jì)劃，指揮員人在回路的干預(yù)能夠確保最終輸出作戰(zhàn)計(jì)劃的有效性，以及性能的持續(xù)提升。

2）機(jī)器遍歷搜索決策空間，創(chuàng)新戰(zhàn)法發(fā)現(xiàn)與全局優(yōu)化

在人機(jī)共生決策過(guò)程中，在Step4 中，基于聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)，能夠超越人類腦力思考和戰(zhàn)爭(zhēng)實(shí)踐的邊界，根據(jù)自博弈或?qū)嶋H作戰(zhàn)數(shù)據(jù)訓(xùn)練，訓(xùn)練形成智能體內(nèi)生智慧，并持續(xù)演進(jìn)。而后，面向作戰(zhàn)任務(wù)，借助機(jī)器的強(qiáng)大搜索計(jì)算能力，通過(guò)遍歷搜索，拓展戰(zhàn)場(chǎng)決策容量空間，創(chuàng)新發(fā)現(xiàn)全新戰(zhàn)法，實(shí)現(xiàn)面向任務(wù)的全局（局部）的最優(yōu)方案搜索。在智能模型訓(xùn)練過(guò)程中，可以利用群體智能對(duì)抗技術(shù)、種群聯(lián)賽機(jī)制等，實(shí)現(xiàn)持續(xù)對(duì)抗演進(jìn)，可有效提升機(jī)器生成的決策建議的多樣性、泛化性，以及對(duì)復(fù)雜多變戰(zhàn)場(chǎng)環(huán)境的動(dòng)態(tài)適應(yīng)性。

2.2 系統(tǒng)總體架構(gòu)

人機(jī)共生作戰(zhàn)決策系統(tǒng)架構(gòu)如圖2 所示，主要包括人機(jī)交互層、指揮業(yè)務(wù)層、智能支撐層和硬件資源層。

圖2 人機(jī)共生作戰(zhàn)決策系統(tǒng)架構(gòu)

人機(jī)交互層主要提供語(yǔ)音、文本、視頻等多模態(tài)人機(jī)交互手段，支撐指揮員和機(jī)器高效交互與敏捷響應(yīng)，并通過(guò)交互式迭代學(xué)習(xí)，持續(xù)提升人機(jī)互理解水平。

指揮業(yè)務(wù)層在人機(jī)交互基礎(chǔ)上，智能理解指揮員動(dòng)態(tài)變化的作戰(zhàn)決心，結(jié)合多源戰(zhàn)場(chǎng)實(shí)時(shí)態(tài)勢(shì)信息，研判確定對(duì)敵打擊目標(biāo)清單及毀傷效果要求，基于智能支撐層提供的決策模型生成作戰(zhàn)決策和行動(dòng)控制指令建議。

智能支撐層主要由軍事知識(shí)圖譜、聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)組成。其中，軍事知識(shí)圖譜實(shí)現(xiàn)作戰(zhàn)條例、作戰(zhàn)規(guī)則、作戰(zhàn)兵力能力的形式化建模，聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)在仿真空間為指揮業(yè)務(wù)提供數(shù)據(jù)管理、模型訓(xùn)練和能力持續(xù)成長(zhǎng)服務(wù)。

硬件資源層，主要為系統(tǒng)運(yùn)行、智能模型訓(xùn)練與推理、軍事知識(shí)服務(wù)等提供計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、安全等資源支撐。

3 關(guān)鍵問(wèn)題與解決思路

3.1 如何讓機(jī)器理解指揮員動(dòng)態(tài)多樣的作戰(zhàn)意圖

當(dāng)前，缺乏高效精準(zhǔn)的作戰(zhàn)意圖解析方法，一是由于各軍兵種文化差異，缺乏標(biāo)準(zhǔn)化的聯(lián)合作戰(zhàn)指令描述手段，機(jī)器無(wú)法理解形式不一的作戰(zhàn)指令。二是戰(zhàn)場(chǎng)情況多變，對(duì)作戰(zhàn)意圖的理解需要充分結(jié)合上下文信息補(bǔ)充，復(fù)雜度高。

針對(duì)此問(wèn)題，一是提供作戰(zhàn)意圖規(guī)范化描述，通過(guò)構(gòu)建聯(lián)合任務(wù)清單，針對(duì)各類任務(wù)，確定任務(wù)的要素組成、描述規(guī)范，提出形式化描述方法和標(biāo)準(zhǔn)化的描述語(yǔ)言，通過(guò)作戰(zhàn)簡(jiǎn)令的方式，降低人機(jī)交互的復(fù)雜度。二是，通過(guò)構(gòu)建軍事知識(shí)圖譜，實(shí)現(xiàn)作戰(zhàn)知識(shí)的顯式描述，形成先驗(yàn)軍事知識(shí)庫(kù)，為指揮員作戰(zhàn)意圖理解提供上下文知識(shí)，提升對(duì)作戰(zhàn)意圖的動(dòng)態(tài)理解能力。

3.2 如何實(shí)現(xiàn)對(duì)大規(guī)模兵力的決策空間高效搜索

智能決策模型訓(xùn)練本質(zhì)是一個(gè)優(yōu)化問(wèn)題求解的過(guò)程，需要保持全局探索能力和局部挖掘能力的平衡。一方面，需要盡量保持解的求解過(guò)程的穩(wěn)定性，提升解的泛化性與實(shí)際效能；另一方面，需要盡量降低解的計(jì)算復(fù)雜度，提升解的收斂速度。由于作戰(zhàn)兵力逐步向模塊化、分布式方向發(fā)展，作戰(zhàn)體系構(gòu)建時(shí)兵力的可組合性指數(shù)增長(zhǎng)，使得基于聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)進(jìn)行作戰(zhàn)兵力決策空間搜索復(fù)雜度極高，對(duì)當(dāng)前算法、算力帶來(lái)極大挑戰(zhàn)。

針對(duì)此問(wèn)題，一是通過(guò)多粒度兵力建模、分層建模方法，在聯(lián)合作戰(zhàn)博弈對(duì)抗訓(xùn)練平臺(tái)中構(gòu)建聚合級(jí)兵力模型，降低決策問(wèn)題本身的搜索空間。二是采用更加高效的模型訓(xùn)練算法，如遷移學(xué)習(xí)、課程學(xué)習(xí)等技術(shù)，將模型訓(xùn)練問(wèn)題分解為由易到難多階段任務(wù)，逐步學(xué)習(xí)，提高決策空間搜索的收斂速度。

3.3 如何確保機(jī)器決策結(jié)果的可信賴、可理解

從軍事倫理角度，軍事問(wèn)題決策要求高可信、高可靠和可解釋，確?；谌斯ぶ悄艿臋C(jī)器決策結(jié)果的可信賴和可理解是需突破的難點(diǎn)問(wèn)題。

針對(duì)可信問(wèn)題，可構(gòu)建分層決策模型，實(shí)現(xiàn)各層解耦，涵蓋作戰(zhàn)任務(wù)、交戰(zhàn)規(guī)則、裝備能力，通過(guò)分層隔離誤差，構(gòu)建多層次模型體系，涵蓋基礎(chǔ)規(guī)則、交戰(zhàn)規(guī)則、戰(zhàn)斗力計(jì)算、智能決策模型等多個(gè)層級(jí)，實(shí)現(xiàn)逐步可信。

針對(duì)可解釋性問(wèn)題，尤其是基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)方法黑箱問(wèn)題，可采用“軍事知識(shí)+作戰(zhàn)數(shù)據(jù)”雙重驅(qū)動(dòng)機(jī)制，將知識(shí)嵌入到數(shù)據(jù)驅(qū)動(dòng)的模型中，提升深度學(xué)習(xí)等新方法的可解釋性。

針對(duì)可靠性問(wèn)題，利用主動(dòng)學(xué)習(xí)等人機(jī)交互式學(xué)習(xí)方法，通過(guò)人在環(huán)路干預(yù)，為模型訓(xùn)練增強(qiáng)引導(dǎo)信息，實(shí)現(xiàn)人機(jī)共生的作戰(zhàn)決策新范式。

4 技術(shù)體系

圍繞人機(jī)共生智能決策關(guān)鍵問(wèn)題以及解決思路，從人機(jī)交互與理解、智能作戰(zhàn)決策、模型可信賴可解釋增強(qiáng)等方面，提出關(guān)鍵技術(shù)體系，如表1 所示。并圍繞作戰(zhàn)決心/指令機(jī)器理解、作戰(zhàn)兵力狀態(tài)表示、基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速、基于聯(lián)賽機(jī)制的作戰(zhàn)決策模型多樣性保持策略等技術(shù)進(jìn)行詳細(xì)分析。

表1 技術(shù)體系

4.1 作戰(zhàn)決心機(jī)器理解技術(shù)

指揮員作戰(zhàn)決心是動(dòng)態(tài)變化的，系統(tǒng)需要能夠?qū)⑵鋭?dòng)態(tài)、準(zhǔn)確、完整地轉(zhuǎn)換成機(jī)器智能學(xué)習(xí)訓(xùn)練的優(yōu)化目標(biāo)和約束條件。

鑒于此，基于各類作戰(zhàn)方案，構(gòu)建聯(lián)合作戰(zhàn)任務(wù)清單，定位作戰(zhàn)任務(wù)框架、關(guān)聯(lián)關(guān)系，并利用自然語(yǔ)言處理技術(shù)對(duì)指揮員決心進(jìn)行識(shí)別分類和關(guān)鍵要素（槽位信息）提取，確定作戰(zhàn)任務(wù)類型、關(guān)聯(lián)子任務(wù)，以及任務(wù)關(guān)鍵要素，即為打擊目標(biāo)清單及毀傷效果要求，明確各子任務(wù)主要內(nèi)容與序列關(guān)系；利用模糊綜合評(píng)判方法、知識(shí)圖譜技術(shù)，對(duì)識(shí)別確定的任務(wù)及其關(guān)鍵要素進(jìn)行量化完善，確定優(yōu)化目標(biāo)和約束條件，如作戰(zhàn)初始態(tài)勢(shì)、終極態(tài)勢(shì)、邊界條件、兵力規(guī)模等，形成機(jī)器可以理解的語(yǔ)言表示，支撐機(jī)器智能模型訓(xùn)練，具體技術(shù)路線如圖3 所示。

圖3 作戰(zhàn)決心/指令機(jī)器理解

4.2 作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)技術(shù)

由于作戰(zhàn)對(duì)抗的動(dòng)態(tài)性，作戰(zhàn)兵力之間會(huì)存在復(fù)雜的合作關(guān)系，一般采用分層強(qiáng)化學(xué)習(xí)進(jìn)行模型學(xué)習(xí)，進(jìn)而降低模型訓(xùn)練的計(jì)算復(fù)雜度［24］。其中，在分層強(qiáng)化學(xué)習(xí)模型中，針對(duì)低層次作戰(zhàn)兵力狀態(tài)表示，如何最大化利用鄰域信息是一個(gè)值得研究難題，對(duì)作戰(zhàn)兵力策略實(shí)際運(yùn)行效能具有重要影響。

基于此，考慮利用圖模型、注意力技術(shù)，對(duì)各作戰(zhàn)兵力間交互關(guān)系進(jìn)行建模，基于神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制進(jìn)行特征自動(dòng)聚合和選擇，能夠自動(dòng)選擇并聚合有助于決策的關(guān)鍵信息，將所選特征匯集，得到智能體的狀態(tài)表示，在傳統(tǒng)兵力狀態(tài)表示基礎(chǔ)上，強(qiáng)化對(duì)兵力間交互信息的表達(dá)水平，可以更深度地挖掘作戰(zhàn)兵力使用的實(shí)際環(huán)境信息，從而學(xué)習(xí)出更加高效的決策策略，具體作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)［25］如圖4 所示。

圖4 作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)

4.3 基于聯(lián)賽機(jī)制的作戰(zhàn)決策模型多樣性保持策略

聯(lián)合作戰(zhàn)任務(wù)具有多樣化、高動(dòng)態(tài)復(fù)雜場(chǎng)景特點(diǎn)，對(duì)智能決策模型泛化性提出很高要求。

基于此，研究多樣化對(duì)手池（各種風(fēng)格）及價(jià)值回報(bào)的設(shè)計(jì)和構(gòu)建方法，并基于種群進(jìn)化思想不斷迭代優(yōu)化決策模型［3］，直到模型效果穩(wěn)定，以提升模型對(duì)不同作戰(zhàn)場(chǎng)景、不同作戰(zhàn)對(duì)手的適應(yīng)性。

1）基于聯(lián)合作戰(zhàn)場(chǎng)景的價(jià)值回報(bào)函數(shù)設(shè)計(jì)

結(jié)合聯(lián)合作戰(zhàn)場(chǎng)景，借鑒人類指揮員經(jīng)驗(yàn)，研究?jī)r(jià)值回報(bào)函數(shù)設(shè)計(jì)方法，使生成的決策方案能夠逼近作戰(zhàn)實(shí)際，并保持種群的多樣性。

2）異構(gòu)種群持續(xù)對(duì)抗方法

研究異構(gòu)種群持續(xù)對(duì)抗方法、種群更新迭代方法，保證智能模型的多樣性同時(shí)，能夠有效提高決策模型的泛化能力，進(jìn)而提升作戰(zhàn)決策對(duì)不同作戰(zhàn)場(chǎng)景、不同作戰(zhàn)對(duì)手的適應(yīng)性。

4.4 基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速技術(shù)

分布式模塊化作戰(zhàn)兵力廣泛運(yùn)用極大提升了決策空間搜索復(fù)雜度，使得模型訓(xùn)練難度大、收斂速度慢。

因此，可考慮使用課程學(xué)習(xí)、遷移學(xué)習(xí)技術(shù)，按照?qǐng)?zhí)行任務(wù)、對(duì)手等級(jí)、運(yùn)行環(huán)境等由簡(jiǎn)（低）到繁（高）設(shè)計(jì)的思路，研究如何面向聯(lián)合作戰(zhàn)任務(wù)進(jìn)行多階段［25］、難度遞增的課程設(shè)計(jì)方法［26-27］，模型逐步訓(xùn)練，提升模型訓(xùn)練效率。如圖5 所示，首先對(duì)簡(jiǎn)單任務(wù)進(jìn)行學(xué)習(xí)，如紅軍僅使用地面防空武器摧毀藍(lán)軍指揮所。然后進(jìn)一步加大任務(wù)難度，如紅軍使用多武器協(xié)同，摧毀藍(lán)方指揮所；在經(jīng)過(guò)逐步學(xué)習(xí)后，最終使用全部武器協(xié)同摧毀藍(lán)軍多個(gè)指揮所及全部兵力。

圖5 基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速

5 結(jié)論

人機(jī)共生作戰(zhàn)決策采用高效、可靠的新型人機(jī)交互手段，打造人機(jī)協(xié)作的作戰(zhàn)決策空間，一方面充分發(fā)揮機(jī)器強(qiáng)大計(jì)算搜索能力優(yōu)勢(shì)，有效降低指揮員指揮載荷，另一方面，通過(guò)博弈對(duì)抗訓(xùn)練創(chuàng)新戰(zhàn)法，采用人在環(huán)路的交互式學(xué)習(xí)機(jī)制保證決策可信，人機(jī)共生決策將成為作戰(zhàn)決策系統(tǒng)的重要發(fā)展方向。本文提出了人機(jī)共生作戰(zhàn)決策系統(tǒng)運(yùn)行概念和總體架構(gòu)，分析其關(guān)鍵問(wèn)題和解決思路，并提出了作戰(zhàn)決心機(jī)器理解、作戰(zhàn)兵力狀態(tài)表示、作戰(zhàn)決策模型高效訓(xùn)練等關(guān)鍵技術(shù)及其實(shí)現(xiàn)路線，能夠?yàn)樾乱淮鲬?zhàn)決策系統(tǒng)、智能指揮控制系統(tǒng)等發(fā)展提供借鑒參考。