贝叶斯网络在军事作战中的应用现状及展望

贝叶斯网络在军事作战中的应用现状及展望佟守愚，庞世春，杨吉，华宏图（空军航空大学基础部，吉林长春130022）摘要：介绍了贝叶斯网络的产生及其研究概况，详细阐述了国内外关于贝叶斯网络在军事作战领域的应用研究状况，特别是在战场态势威胁评估、装备损伤评估、目标毁伤效能评估、智能攻击决策、目标侦查与识别、飞行安全六个领域的研究成果。进一步论述了贝叶斯网络在军事应用研究方面存在的问题，指出了贝叶斯网络在军事应用领域中的研究热点、难点。对贝叶斯网络的军用前景做出了总结和展望。关键词：贝叶斯网络；态势评估；装备损伤；战损评估；智能攻击；飞行安全中图分类号：E917文献标识码：ADOI:10.3969/j.issn.1673-3819.2010.05.001StatusandProspectofApplicationsofBayesiannetworksinWarfareTONGShou-yu，PANGShi-chun，YANGJi，HUAHong-tu(FoundationalDepartment，AviationUniversityofAirForce，Changchun130022,China）Abstract:ThepaperintroducesthegenerationofBayesiannetworkanditsresearchprofile,detailsitsstatusofdomesticandinternationalmilitaryapplicationresearch.Theresultsofresearchinsixmilitarydomains,situationthreatassessment,equipmentdamage,battledamageassessment,intelligentattackandflightsafety,areespeciallyelaborated.Infurther,theexistentproblemsofthemilitaryapplicationresearchofBayesiannetworkarediscussed,thehotspotsanddifficultiesofresearcharepointedout.Intheend,themilitaryapplicationresearchofBayesiannetworkaresummarizedandprospected.Keywords:bayesiannetwork;situationassessment;equipmentdamage;battledamageassessment;intelligentattack;flightsafety贝叶斯网络(BayesianNetworks)是一个包含条件概率表的有向无环图，是目前不确定知识表达和推理领域中最有效的理论模型之一。贝叶斯网络是人工智能、概率理论、图论、决策分析相结合的产物,具有严格的数学理论基础；适用于表达和分析不确定性和概率性的事物，应用于有条件地依赖多种控制因素的决策,可以从不完全、不精确或不确定的知识或信息中做出推理。自1986年由Pearl提出后【1】,已成为表示概率知识基础上的不确定性的有力工具。贝叶斯网络又称信度网(BeliefNetworks)、因果网（CausalNetworks）或概率网（ProbabilisticNetworks）。它是一种基于网络结构的有向图解描述，它用具有网络结构的有向图表达各个信息要素之间的关联关系及影响程度，用节点变量表达各个信息要素，用连接节点之间的有向弧表达各个信息要素之间的关联关系，用条件概率矩阵表达各个信息要素之间的影响程度。目前国内外许多学者和研究机构都在对贝叶斯网络进行深入的研究。这些研究主要集中在以下四个方面:贝叶斯网络推理、贝叶斯网络的学习、贝叶斯网络的构造和贝叶斯网络的应用。这些研究都取得了丰硕的成果，正逐步走向实际应用。前微软总裁BillGates收稿日期：2010-03-22修回日期：2010-04-22作者简介：佟守愚（1962-），男，吉林龙井人，博士，副教授，主要从事运筹学及控制理论研究。庞世春（1975-），男，博士，讲师。杨吉（1959-），男，副教授。华宏图（1980-），男，硕士，讲师。曾在洛杉矶时报上说：微软公司未来的进一步发展将取决于它在贝叶斯网络方面研究的领先性。1贝叶斯网络军事应用研究现状由于贝叶斯网络具有从不完全、不精确或不确定的知识或信息中做出双向推理的能力。近年来，其在军事作战领域中的应用研究得到了广泛的重视。目前贝叶斯网络在军事作战中的应用研究主要集中在以下几个方面。1.1战场态势威胁评估战场态势评估和威胁评估作为战场指挥控制系统的重要功能，对指挥员准确地判断敌情，进行正确的军事决策，起着至关重要的作用。态势威胁评估位于美国国防部联合领导实验室提出的数据融合模型中的第二级和第三级[2]，与一级融合(位置和身份估计)相比，态势威胁建模要困难得多[3]。国内外研究人员对态势威胁评估建模应该采用什么样的方法和技术，并没有达成一致的意见。由于贝叶斯网络自身所具有的优点，近几年出现了一大批基于贝叶斯网络的态势估计研究成果[4]。Laskey[5]对态势估计领域贝叶斯网络的构建方法进行了探讨，提出利用网络片断技术构建用于态势估计的贝叶斯网络；以节点表示战场军事事件，事件间的因果关系以节点之间的有向边表示，关系强度以节点之间的条件概率表示。在态势估计过程中，以态势觉察过程检测到的军事事件和人工情报作为证据，利用贝叶斯网络的证据传播和推理算法，更新网络中其它事件的信度。通过这样的证据推理过程，获取在已知证据情况下其字事件发生的可能性，达到判断敌方目的、预测敌方行动的目标。国防科大孙兆林博士[6]对态势估计功能模型进行研究，分析态势估计各阶段需要处理的军事事件以及对兵力编群的处理；针对现有态势假设模型无法表达双方对抗性行动的问题。在交互性态势假设前提下，构建用于态势估计的贝叶斯网络，并以舰艇编队对抗敌方海空协同攻击的作战过程为背景，设计并实现了一个战场态势与估计原型系统，验证方法的有效性。康长青等[7]针对传感器测量数据的不确定性，提出基于模糊贝叶斯网络的态势威胁评估模型。首先将不确定性数据分为模糊域和概率域两大类，然后在模糊域使用模糊综合评判得到威胁目标的动态威胁度，接着运用可能性概率转换理论将模糊表示的动态威胁度转化成概率域知识，最后在概率知识域使用贝叶斯网络推理算法得到目标的威胁等级，为武器系统选择跟踪打击目标提供决策依据。1.2装备损伤评估装备战场损伤评估实际上是一个抢修的决策过程，指在战场上或紧急情况下对损伤装备的损伤程度及其修复措施进行快速评估，以便对装备进行应急抢修或推迟修理，确保当前任务的完成。在评估过程中，准确地判断和定位装备的损伤部位是一项非常基础、但又非常关键的工作，它直接影响到装备战场抢修工作的效率和成败。但在实际战场环境下，评估人员通常难以全面获取装备的所有损伤信息，如装备所有的损伤部位、各损伤部位的实际命中弹片数量等，只能获取装备的部分损伤信息，这主要是由装备的结构特点所决定的，通常只能根据经验进行推测，即在不完全信息的情况下进行装备损伤评估。为了解决不完全信息情况下的装备战场损伤评估问题，马志军等[8]以某型火炮为例，分析了贝叶斯网络在装备损伤定位方面的优势，及其损伤定位的方法与流程，建立了用于装备损伤定位的贝叶斯网络模型,并开发了损伤定位系统。演示了其损伤定位的一般过程，验证了贝叶斯网络在装备损伤定位中应用的可行性与有效性。舰船战场攻击过程中，其损伤的出现和发展包含大量的不确定性影响因素，而传统的损伤理论和方法难以对大量的不确定因素进行精确的数学描述，导致在实际的舰船战场对抗中，难以得出较为精确的损伤分析结果。胡涛等[9]针对舰船战损评估的因果推理特性，提出了基于贝叶斯网络的战损评估方法，并应用所提出的方法建立了舰船战损评估模型，分析了贝叶斯网络的舰船战损评估流程。应用实例表明该方法的有效性和可操作性，提高舰船战损评估速度。1.3目标毁伤效能评估目标毁伤效果评估(BDA)是指对敌方目标实施火力打击后,对目标的毁伤效果进行的综合评估。根据目标BDA结果,作战指挥人员可以判断已实施的火力打击是否达到预期的毁伤效果,是否需要再次打击,并为制定火力毁伤计划提供科学依据。现代战场的复杂性及目标毁伤信息的不确定性,给目标BDA带来了巨大的挑战。1999年美国空军的Daniel.W.F[10]上校提出了作战损伤效果评估的贝叶斯网络决策模型。该模型可用于战场实时的目标毁伤效果评估，它可以综合战前各种预测信息，战场上收集到的各种目标毁伤信息及专家的经验对目标毁伤效果做出综合评估。Pekka[11]以对假想的机场进行空对地突袭为例，分析了BDA过程在突袭作战中的实现方法。机场目标既包括楼房等点目标，也包括跑道、机库等面目标，具有代表性。在突袭实施前，根据已获得的目标信息，首先进行打击前的作战损伤预估。然后进行空中突袭，突袭过程分三个阶段实施。突袭刚结束，依据弹载摄像机传回的部分目标的实时视频信息和任务报告进行打击后作战毁伤评估，但这种评估只能对部分目标进行。突袭结束几小时后，当获得了全面、可靠的毁伤信息，真正的作战毁伤评估才能进行。所有目标的毁伤评估可以进行全面更新。史志富等[12]提出应用贝叶斯网络对对地攻击效果进行分析评价,建立了编队对地攻击损伤评估的贝叶斯网络模型,给出了基于贝叶斯网络的损伤评估的推理决策方法。并且以一个飞机编队包括一架有人机和四架无人机,协同空袭敌方机场，获取空中压制和袭击机场跑道为任务目的，对所采用的方法进行了仿真分析。美国军方一直试图通过多种途径提高BDA过程的效率，比如改进评估程序、增加评估人员培训、采用新技术等，但仍然难以满足BDA过程的实时性和精确性要求。用贝叶斯网络对BDA过程的决策模型进行改进，可以解决BDA过程中一些比较困难的问题，比如移动目标或地下目标的BDA评估[13,14]。1.4智能攻击决策现代战机最重要的特点就是火力控制装备(硬杀伤武器)和电子战装备(软杀伤武器)的一体化，它是飞机机载攻防系统与飞机攻防体系的集成与融合，称为软硬杀伤武器综合攻击系统。李波等[15]分析了机载软硬杀伤武器系统的战术使用方式和有效作用空域，给出了软硬杀伤武器系统在空间上的协同使用准则。分析了使用贝叶斯网络进行软硬杀伤武器系统综合决策的知识表示问题，得出了综合决策网络的三种类型的节点：态势节点、传感器节点、武器节点。提出了构建贝叶斯网络进行综合决策的步骤，通过敌对双方战机空战为例说明了使用贝叶斯网络进行软硬杀伤武器系统综合决策的过程。鲁华等[16]采用贝叶斯网络技术,将影响目标威胁程度评估的主要因素在网络中连接,收集表示战场和军事单元特征的不确定性证据并应用于网络不同的结点,证据自动在网络中传播并修改军事实体态势假设,构造一个对战场威胁度进行分析、推理、预测的贝叶斯因果模型。利用贝叶斯网络的推理模型以及相应于此模型的推理算法,对多目标攻击时目标的选择和攻击排序进行研究，为飞行员确定攻击策略提供依据。1.5目标侦察与识别战场环境随机变化使得侦察信息处理变得复杂化,从而影响决策的具体方式或决策方向。肖秦琨等[17]提出将隐马尔可夫模型图形模式与模糊推理结合起来构成动态贝叶斯网络，将其用于战场侦察情报的推理分析。首先建立动态贝叶斯网络的环境变化感知模型，而后应用Viterbi解码算法获得当前隐含序列最优估计，通过HMM状态转移矩阵可预测出未来环境变化趋势，最后应用模糊推理得到问题的最优的决策或优先采用的解决方式。由于伪劣的战场环境等因素，传感器所获得的信息往往是模糊的、不确定的，所以目标融合识别是一个不确定推理过程。为解决大量不确定性和复杂性信息对战斗识别的影响，Hautaniemi[18]模拟了两种不同的场景，利用贝叶斯网络节点变量表示目标的类型、特征等，给出了目标是友善、敌意、中立的概率判定。LaskeyGeorge[