第６卷第５期 指挥信息系统与技术 Ｃｏｍｍａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖｏ１．６ ＮＯ．５ ２０１５年１０月 ０ｃｔ．２Ｏ１５ ・实践与应用 ｄｏｉ：ｌＯ．１５９０８／ｊ．ｃｎｋｉ．ｃｉｓｔ．２０１５．０５．０１３ 基于模糊偏好的海军多兵种合同作战资源规划技术 施展 赵宗贵 许腾。 （１ 中国电子科技集团公司第二十八研究所 南京２１０００７） （２ 海军指挥学院２系 南京２１００１６） 摘 要：在未来海军一体化联合作战的背景下，海战场作战效能越来越依赖于作战资源的整体效 能。根据任务对资源的能力需求和作战资源的能力匹配以及资源约束条件，建立合同作战资源的 多目标规划模型。基于模糊逻辑理论量化决策者的决策偏好信息，提出了一种基于模糊偏好的多 目标量子行为粒子群优化（ＦＰＭＯＱＰＳＯ）算法。仿真结果表明，基于ＦＰＭＯＱＰＳＯ算法的作战资 源规划方案更具针对性，能够减轻决策者的决策负担。 关键词：作战资源规划；多兵种作战；模糊逻辑；模糊偏好；多目标优化 中图分类号：ＴＰ３９１；Ｖ２７９ 文献标识码：Ａ 文章编号：１６７４—９０９Ｘ（２Ｏ１５）０５—００６８—０６ Ｏｐｅｒａｔｉｏｎ Ｒｅｓｏｕｒｃｅ Ｐｌａｎｎｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｎａｖｙ Ｃｏｏｐｅｒａｔｉｖｅ Ｂａｔｔｌｅ ｗｉｔｈ Ｍｕｌｔｉ—ａｒｍｓ Ｂａｓｅｄ ｏｎ Ｆｕｚｚｙ Ｐｒｅｆｅｒｅｎｃｅ Ｓｈｉ Ｚｈａｎ Ｚｈａｏ Ｚｏｎｇｇｕｉ Ｘｕ Ｔｅｎｇ （１ Ｔｈｅ ２８ｔｈ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｈｉｎａ Ｅｌｅｃｔｒｏｎｉｃｓ Ｔｅｃｈｎｏｌｏｇｙ Ｇｒｏｕｐ Ｃｏｒｐｏｒａｔｉｏｎ，Ｎａｎｊｉｎｇ ２１０００７，Ｃｈｉｎａ） （２ Ｔｈｅ ２ｎｄ Ｄｅｐａｒｔｍｅｎｔ，Ｎａｖａｌ Ｃｏｍｍａｎｄ Ｃｏｌｌｅｇｅ，Ｎａｎｊｉｎｇ ２１００１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｕｎｄｅｒ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｉｎｔｅｇｒａｔｅｄ ｊ ｏｉｎｔ ｏｐｅｒａｔｉｏｎｓ ｆｏｒ ｎａｖｙ ｉｎ ｔｈｅ ｆｕｔｕｒｅ，ｏｐｅｒａｔｉｏｎａｌ ｅｆｆｉｃｉｅｎｃｙ ｉｎｃｒｅａｓｉｎｇｌｙ ｄｅｐｅｎｄｓ ｏｎ ｔｈｅ ｏｖｅｒａｌｌ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｔｈｅ ｃｏｍｂａｔ ｒｅｓｏｕｒｃｅｓ．Ａ ｍｕｌｔｉ—ｏｂｊｅｃ— ｔｉｖｅ ｐｌａｎｎｉｎｇ ｍｏｄｅｌ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｆｏｒ ｏｐｅｒａｔｉｏｎ ｒｅｓｏｕｒｃｅ ｐｌａｎｎｉｎｇ ａｃｃｏｒｄｉｎｇ ｔｏ ｃａｐａｂｉｌｉｔｙ ｄｅｍａｎｄｓ ｏｆ ｅａｃｈ ｂａｓｉｃ ｔａｓｋ，ｃａｐａｂｉｌｉｔｙ ｍａｔｃｈ ｏｆ ｃｏｍｂａｔ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｒｅｓｏｕｒｃｅ ｒｅｓｔｒｉｃｔｉｏｎ ｃｏｎｄｉｔｉｏｎｓ． Ｆｕｚｚｙ ｐｒｅｆｅｒｅｎｃｅ．—ｂａｓｅｄ ｍｕｌｔｉ——ｏｂｊ ｅｃｔｉｖｅ ｑｕａｎｔｕｍ——ｂｅｈａｖｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ（ＦＰＭＯＱＰ— ＳＯ）ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｅｃｉｓｉｏｎ ｐｒｅｆｅｒｅｎｃｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｏｒ ｃｏｍｍａｎｄｅｒ ｂｙ ｆｕｚｚｙ ｌｏｇｉｃ ｔｈｅｏｒｙ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｅ ｓｃｈｅｍｅｓ ｏｆ ｏｐｅｒａｔｉｏｎ ｒｅｓｏｕｒｃｅ ｐｌａｎｎｉｎｇ ｂａｓｅｄ ｏｎ ｔｈｅ ＦＰＭＯＱＰＳＯ ａｌｇｏｒｉｔｈｍ ｃａｎ ｅｎｓｕｒｅ ｔｈｅ ｐｅｒｔｉｎｅｎｃｅ，ｔｈｕｓ ａｌｌｅｖｉａｔｉｎｇ ｔｈｅ ｄｅｃｉｓｉｏｎ ｂｕｒｄｅｎ ｆｏｒ ｄｅ— ｃｉｓｉｏｎ—ｍａｋｅｒｓ． Ｋｅｙ ｗｏｒｄｓ：ｏｐｅｒａｔｉｏｎ ｒｅｓｏｕｒｃｅ ｐｌａｎｎｉｎｇ；ｂａｔｔｌｅ ｗｉｔｈ ｍｕｌｔｉ—ａｒｍｓ；ｆｕｚｚｙ ｌｏｇｉｃ；ｆｕｚｚｙ ｐｒｅｆｅｒｅｎｃｅ； ｍｕｌｔｉ—ｏｂｉ ｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ０ 引 信息化战争中海军作战任务复杂多变，作战资 源数量庞大、功能各异且能力多样，需合理进行作战 资源或资源组合选择以高效完成作战任务，提高作 战资源利用率。国外关于作战资源规划技术研究主 收稿日期：２０１５－０３—１７ 要体现在作战计划系统及任务管理系统研制中，以 美国为代表的军事强国大力发展联合作战计划与执 行系统（ＪＯＰＥＳ）＿１］。作战任务分配和作战资源优化 配置涉及作战资源或兵力规划，通常属于非确定性 多项式完备（ＮＰ～Ｃｏｍｐｌｅｔｅ）问题。资源与任务的匹 配需要变量进行测度，任务需要不同资源或异 第６卷 第５期 施 展，等：基于模糊偏好的海军多兵种合同作战资源规划技术 ６９ 构平台协同处理，在资源个体能够同时处理多任务 情况下，调度问题复杂性大为增加。Ｌｅｖｃｈｕｋ［２ 提 出了动态列表规划（ＭＤＬＳ）算法求解该类复杂 问题。 目前，国内作战资源规划研究，大多以抢滩登陆 作战任务为例进行分析［３ ］。国防科技大学在这方 面已取得了一些研究成果。例如，鲁音隆 采用改 进的ＭＤＬＳ算法求解作战平台资源规划方案；陈洪 辉 ］基于改进的平台任务双向选择方法，给出了一 种改进的多优先级动态列表规划（ＭＰＬＤＳ）算法求 解作战资源分配方案；包卫东＿８ 提出了一种ＭＤＬＳ 和遗传算法相结合的求解方法；黄广连 提出了一 种改进的ＭＰＬＤＳ算法求解模型。由于ＭＤＬＳ和 ＭＰＬＤＳ算法采用的局部搜索策略均基于贪婪策 略，尤其ＭＤＬＳ算法存在局部搜索和优先权函数的 合理性问题，无法保证任务分配的平台结果是最优 解，甚至无法保证得到的是次优解。因此，这类算法 在解决作战资源调度问题时存在不足。 未来海军一体化联合作战，海战场作战效能越 来越依赖于作战资源的整体效能。海军作战资源规 划是约束条件众多且耦合紧密的复杂多目标优化决 策问题，需要综合利用多目标优化理论和智能计算 等先进技术进行求解，以提高作战决策水平和指挥 控制能力。 ｌ作战资源多目标规划模型 作战资源规划指在有限作战资源情况下，优化 组合可用的作战资源，以期完成任务后整体作战效 能最大化，同时作战资源战损最小化。重点考虑规 划作战资源的性能指标以及规划过程中需满足的约 束条件。 １．１规划约束条件 １．１．１ 任务一资源分配变量 设 为单位资源Ｒ （１≤／７／≤Ｋ）和基本任务 Ｔ （１≤ ≤Ｎ）间分配关系。 一０表明Ｒ 不执行 Ｔ ；ｚ 一１则表明Ｒ 有且仅有２种情况分配去执 行Ｔ ：１）Ｒ 处于空闲状态；２）Ｒ 在执行完Ｔ 后 分配去执行Ｔ 。同时每种单位资源执行任务数不 能超过其最大战术负载，即： Ｎ ＞： ≤Ｌ （１） 其中，Ｌ 为Ｒ 的最大战术负载数。 １．１．２作战资源效能 作战资源效能约束需考虑单个资源性能约束， 以及资源组合后的效能约束。规划作战资源时，只 有作战资源具有某能力属性时，才能给它分配有该 能力需求的任务，即作战资源能力属性约束。当单 个作战资源无法完成任务时，需通过组合单个作战 资源形成复合资源共同完成任务。成功执行Ｔ 的 条件是分配执行该基本任务的所有单位资源集的效 能≥Ｔ 的能力需求Ｔ ，即： Ｋ ：．２２ ＲＺ ｚ≥Ｔ ｚ一１，２，…，Ｌ （２） ｍ＝１ 其中，ＲＺ 为Ｒ 第ｚ类型的效能值；Ｌ为单位资源的 能力类型数。 １．１．３任务完成系数 无论如何分配作战资源，最终目的都是完成既 定任务。假设完成 的系数为Ｄ ，则分配给该基 本任务的作战资源能够成功完成任务的概率需≥ Ｄ ，即： Ｋ １一【＿】（１一Ｐ ｚ ）≥Ｄ／ｈ （３） ｍ＝１ 其中，Ｐ 为Ｒ 能够完成Ｔ 的概率。 １．１．４任务完成时间 由于任务间顺序关系，故开始执行Ｔ 需在其所 有前导任务ｐｒ（Ｔ ）执行完毕后。Ｒ 在执行完Ｔ 后分配执行Ｔ，时，由于任务执行需执行该任务的 所有作战资源均达到任务执行位置，显然这些作战 资源不可能同时到达，故先到达的作战资源需等待。 因此，Ｒ 开始执行丁 的时间ｔ 不小于Ｒ 到达Ｔ 区域的时间，即存在时间次序的任务执行时间满足 约束如下： ｔ ≥ｔｉ＋ＴＴ， ＋ｚ ｉ３２∞Ｄｉｓ（Ｔ ，ＴＪ）／ Ｒ， （４） 其中，ｔ 为开始执行Ｔ 的时间；Ｄｉｓ（Ｔ ，丁Ｉ）为任务 和Ｔ，区域之间的距离； ， 为尺 的移动速度； Ｔ 为执行Ｔ 的自身时间。 １．２规划性能指标 设ｘ为基本任务与单位资源问分配矩阵，在作 战资源规划过程考虑以下２个性能指标： １）任务完成后作战效能 在满足资源规划约束情况下，使任务完成后的 作战效能最大，即 Ｎ ｍａｘ｛Ｅｆｆ（Ｘ））一ｍａｘ｛ Ｅｌｆ（Ｔ ））＝＝＝ Ｎ Ｋ ｍａｘ｛∑（１一Ⅱ（１一夕 ））Ｔ ｝ （５） ７０ 指挥信息系统与技术 ２０１５年１Ｏ月 其中，Ｅｌｆ（Ｔ ）为完成Ｔ 后获取的作战效能；Ｔ 为 Ｔ 的任务重要性或战略价值。 ２）作战资源调用成本 在满足资源规划约束情况下，为了完成作战任 务，分配给所有基本任务的单位资源或复合资源的 调用成本最少，即 Ｎ ｍｉｎ｛Ｃｏｓｔ（ｘ）｝＝ｍｉｎ｛∑Ｃｏｓｔ（Ｇ （Ｔ ）））＝ Ｋ Ｎ ｍｉｎ｛∑∑３２ ） （６） 一１ ｉ＝１ 其中，Ｇ （Ｔ ）为分配给Ｔ 的单位资源组合；Ｃ 为调 用Ｒ 的成本。 １．３模型 以任务完成后的作战效能和作战资源的调用成 本为性能指标，建立面向任务的作战资源多目标规 划模型如下： ｆｍａｘ｛Ｅｆｆ（Ｘ）｝一 ｌ Ｎ Ｋ Ｊ ｍａｘ｛∑（１一Ⅱ（１一Ｐｍｉｚ ））Ｔ ） ｌ 一 ｍ＝ Ⅳ ｌｍｉｎ｛Ｃｏｓｔ（ｘ））＝ｍｉｎ｛∑∑ ｃ ｝ （７） 约束条件如下： Ｎ １）任务一资源分配变量约束：∑Ｘｍｆ≤Ｌ ； Ｉ＝１ Ｋ ２）资源效能约束：∑ｚ Ｒｚ ≥Ｔ ＝ｌ Ｋ ３）任务完成系数约束：１一Ⅱ（１一 ｚ ）≥ ｍ－＿１ Ｄ ； ４）任务完成时间约束：ｔ；≥ ，≥ｍａｘ｛ｔ ＋Ｔ ， ＋ ｚ Ｄｉｓ（Ｔ ，Ｔｉ）／ Ｒ， ，ｔ；），ｉ＝／＝ｊ，ｉ，Ｊ一１，２，…，Ｎ。 其中， 和 ｅ分别为最早起始时间和最晚结束时间。 ２基于决策偏好信息的模型求解技术 ２．１ Ｐａｒｅｔｏ支配及局限性 多目标优化问题中优化目标间往往存在相互制 约或相互矛盾的关系，任何一个目标性能增加可能 导致其他目标性能降低。因此，多目标优化问题通 常不存在能使每个目标同时最优的最优解，需对优 化目标进行协调和折中处理。多目标优化问题通常 具有多个Ｐａｒｅｔｏ最优解（基于Ｐａｒｅｔｏ支配关系评价 的非支配解或非劣解），多目标优化问题的最优解仅 是Ｐａｒｅｔｏ最优解中在某一性能指标或决策偏好情 况下的满意解，因此多目标优化问题中类似于单目 标优化的最优解不存在。 从Ｐａｒｅｔｏ支配定义 可知：１）只有当解在所 有目标上均不劣于另外一个解，且至少在一个目标 上优于它时，才能认为该解Ｐａｒｅｔｏ支配另外一个 解，因此，Ｐａｒｅｔｏ支配是一种较强的排序关系； ２）Ｐａｒｅｔｏ支配概念视所有目标具有相同重要性，而 未引入决策者的任何偏好信息。算法运行结束后， 决策者需从大量分布范围较广且重要性相同的非支 配解中进行决策。 为了克服Ｐａｒｅｔｏ支配的局限性和增强算法对 解空间搜索的针对性，引入决策者对目标性能的偏 好信息，作为指导算法快速聚向目标空间，算法运行 结束后，决策者仅需在关注区域择优选择最终解，从 而减轻决策者的决策负担。 ２．２基于模糊偏好的多目标量子行为粒子群优化 算法 为了克服Ｐａｒｅｔｏ支配概念的局限性，文献［１Ｏ］ 通过建立模糊推理系统，构造一种基于模糊逻辑的 “强度优于”关系替代Ｐａｒｅｔｏ支配关系比较解之间 的优劣，使得算法在运行结束后仅得到期望区域内 的解，便于决策者进行分析与决策。 粒子群优化（ＱＰＳＯ）算法以具有量子行为特性 的粒子遍历搜索整个可行解空间，利用粒子群特有 的记忆功能使其动态跟踪当前搜索情况，并自适应 调整搜索策略。在文献［１１］算法基础上，通过引入 混沌变异算子提高在寻优过程中量子粒子群的多样 性，避免算法过早收敛，同时增强了算法的局部精细 搜索能力。领导粒子选择机制、外部存储器更新策 略和混沌变异算子参见文献［１１］。本文基于模糊逻 辑的“强度优于”关系和决策偏好信息，提出了基于 模糊偏好的多目标量子行为粒子群优化（ＦＰＭＯ— Ｑｐｓ０）算法。 ２．２．１适应度评价 当算法对进化群体进行选择操作时，需要对每 个个体进行适应度评价，以衡量个体的优劣程度。 ＦＰＭｏＱＰＳｏ适应度评价过程如下： １）设当前群体Ｐ 中有Ｎ个个体，计算每个个 体－ｚ ∈Ｐ （尼一１，２，…，Ｎ）的正强度值ｓ （ｚ ）Ｅｌ０］； ２）计算每个个体ｚ ∈Ｐ 的拥挤距离ｄ １ ； ３）记Ｓ…一 ｍｉｎ （Ｓ （ ＾）），ｄ…一 ＝１．２．…．～ ｍａｘ（ ），对每个个体．ｚ ∈Ｐ ，依据下式计算 第６卷第５期 施展，等：基于模糊偏好的海军多兵种合同作战资源规划技术 ７ｌ 适应度： 粒子，判断是否满足变异条件。若满足则进行混沌 厂（ｚ ）一（Ｓ （ ）一Ｓ ＋１）（ ／ｄ ）。 （８） 变异操作；否则执行４）。 其中，（Ｓ （．２７ ）一Ｓ ＋１）项将个体ｚ 的强度值 ４）个体最好粒子更新。根据模糊偏好评价新 Ｓ （ ）调整为大于１的数；（ ／ｄ ）。项利用密度 粒子的优劣，并更新个体最好粒子。如果新粒子支 信息调整个体适应度，以保持群体的多样性，防止产 配当前个体最好粒子，则将新粒子作为其个体最好 生过多相似个体导致算法早熟。如果个体 的拥 粒子；如果两者互不支配，则随机选择其中之一作为 挤距离ｄ 较小，即其周围密度较大，则对其适应度 个体最好粒子；否则保留原来的个体最好粒子。 施以较大惩罚（使之降低较大幅度）。个体ｚ 适应 ５）外部存储器更新和裁剪。根据模糊偏好和新 度越大，表明ｚ 性能越优。 粒子群更新外部存储器中最优粒子。如果新粒子支 ２．２．２ 混沌变异算子 配外部存储器中最优粒子，则删除所有被支配的最优 尽管ＱＰＳＯ算法的全局寻优能力很强，但是在 粒子并将该粒子存入外部存储器；如果两者互不支 求解多目标优化问题时仍然需要保证群体的多样 配，则将该粒子存入外部存储器；否则舍弃该粒子。 性，而变异操作能够有效增强粒子群的多样性。无 当外部存储器中最优粒子数超过最大容量Ｍ时，采 规律的随机变异方式寻优过程可能导致算法出现退 用拥挤距离排序的多样性维护策略更新外部存储器 化现象。混沌运动具有遍历性、随机性和规律性等 中最优粒子，直至最优粒子数不超过最大容量值。 特点，能够在一定范围内按其自身规律无重复遍历 ６）决策交互。如果迭代次数满足一定条件，则 所有状态，更适合大范围可行解空间的搜索。因此 与决策者进行交互；否则，直接进入７）。交互时算 采用混沌变异可提高搜索解的遍历性和随机性，从 法显示当前搜索到的解信息，并允许决策者改变 而提高粒子群的多样性＿１ 。 偏好。 ２．２．３ 算法实施步骤 ７）终止准则判断。令ｋ—ｋ＋１，若ｋ达到最大 根据ＦＰＭＯＱＰＳＯ算法原理，实施步骤如下： 迭代次数，则输出外部存储器中所有强度非支配粒 １）初始化。设置ＦＰＭＯＱＰＳＯ算法基本参数， 子作为算法所求的满意解集，否则转至３）。 令当前迭代次数 一１，随机初始化规模为Ｎ的量子 粒子群Ｑ ，并创建一个空的外部存储器Ａ ＝＝＝ 。 ３ 仿真示例 基于模糊偏好准则将决策者给出的性能指标间相对 假定某国水面舰艇编队企图侵占我领海，根据 重要程度量化为各性能指标的重要性因子，设置最 上级要求，委派我方某海上编队协同打击敌水面舰 大迭代次数。 艇编队，以威慑敌方侵占我领海的企图。我方作战 ２）适应度评价。计算Ｑ 中每个粒子的目标向 兵力资源由４艘驱护舰、２艘潜艇、６架海军攻击机 量，并计算每个粒子的强度值Ｓ。。和拥挤距离，根据 （２架１批）和１架反潜直升机构成。敌方水面舰艇 适应度评价准则对粒子群进行适应度评价，据此初 编队由２艘驱逐舰、４架舰载机和２艘潜艇构成。 始化外部存储器粒子。 参考文献［７—９］，将上述作战任务分解为６个基 ３）粒子更新。根据领导粒子选择机制为每个 本任务，海军多兵种合同打击水面舰艇编队使命任 粒子选择各自的领导粒子，并根据ＯＰＳＯ算法更新 务分解及作战资源能力需求如表１所示。 表１海军多兵种合同打击水面舰艇编队使命任务分解及作战资源能力需求 …任务标识 识 探测 反舰 防空 反潜 电子战…行ｈ地 效能 效能 效能 效能 效能 水声对抗 ……～效能 Ｎｆ￣７／ 妯 ；’ ～ 黧 牲， 打击驱逐舰丁１ １Ｏ １０ ０ ０ １０ ０ ［ｏ．４，１．Ｏ］ （Ｏ．１Ｏ，ｏ．３０） 高 注：各属性值根据作战想定中兵力资源武器装备确定 ２架舰载机编为１批，任务重要性为根据敌不同兵力的性能和位置对我方造 成威胁程度，要求我方完成对应任务的优先级。 ７２ 指挥信息系统与技术 ２０１５年１Ｏ月 采用文献［１１］没有引入决策偏好信息的多目标 量子行为粒子群优化（ＭＯＱＰＳＯ—ＣＤ）算法和本文提 出的ＦＰＭＯＱＰＳＯ算法求解打击敌水面舰艇编队任 务的作战兵力资源规划方案，并对２种算法计算结果 和对作战资源规划方案的影响进行对比分析。 】）ＭＯＱＰＳＯ—ＣＤ算法 基于ＭＯＱＰＳＯ—ＣＤ算法得到不同方案资源一 任务分配对比和性能指标值对比分别如表２和表３ 所示。 表２基于ＭＯＱＰＳＯ—ＣＤ算法不同方案资源－任务分配对比 注：Ｒ ～Ｒ。分别为我方编批后的海军攻击机，Ｒ ～Ｒｓ分别为我方 潜艇，Ｒｅ为我方反潜直升机，Ｒ７～Ｒ ｏ分别为我方驱护舰。 表３基于ＭＯＱＰＳＯＣＤ算法不同方案性能指标值对比 方案 资 本 以单位代价上作战效能最大为选优准则确定的 基于ＭＯＱＰＳＯ—ＣＤ算法满意规划方案甘特图如图 １所示。 血 骠 髓 斌 图１ 基于ＭＯＱＰＳＯＣＤ算法的满意规划方案甘特图 ２）ＦＰＭＯＱＰＳＯ算法 基于ＦＰＭＯＱＰＳＯ算法得到不同方案资源一任务 分配对比和性能指标值对比分别如表４和表５所示。 表４基于ＦＰＭＯＱＰＳＯ算法不同方案资源一任务分配对比 表５基于ＦＰＭＯＱＰＳＯ算法不同方案的性能指标值对比 ＋资源调用成本 单位代价上 力系 。 作战效能 的倒数 ／百万元 作战效能 ｏ．３２１ ｏ．４０９ ｏ．２８５ ｏ．３８２ ｏ．３Ｏ１ ｏ．３９７ ｏ．２８ｏ ｏ．３５３ 以单位代价上作战效能最大为选优准则确定的 基于ＦＰＭＯＱＰＳＯ算法的满意规划方案甘特图如 图２所示。 Ｒ Ｒ Ｒ Ⅱ 骠 赠 斌 图２基于ＦＰＭＯＱＰＳＯ算法的满意规划方案甘特图 通过以上对比分析，２种算法所求规划方案在２ 个性能指标上各有优劣。与没有引人决策偏好的 ＭＯＱＰＳＯ—ＣＤ算法的规划方案相比，引入决策偏好 信息后的ＦＰＭＯＱＰＳＯ算法所求规划方案较少，解 更有针对性，同时减轻了决策者负担。 ４ 结束语 通过分析作战资源规划过程中性能指标函数和 主要约束条件，建立了面向任务的作战资源多目标 规划模型，提出了一种ＦＰＭＯＱＰＳＯ算法求解模 型。仿真结果表明，引入决策偏好信息后的算法，在 解集分布上更具针对性和聚焦性，减轻了决策者负 担，为作战指挥员高效和快速决策提供了理论基础 和技术支撑。 第６卷 第５期 施 展，等：基于模糊偏好的海军多兵种合同作战资源规划技术 ７３ ［７］ 陈洪辉，赵亮，芮红，等．作战任务和资源间的匹配模 参考文献（Ｒｅｆｅｒｅｎｃｅｓ）： ［１］Ｌｅｖｃｈｕｋ Ｇ Ｍ，Ｌｅｖｃｈｕｋ Ｙ Ｎ，Ｌｕｏ Ｊｉｅ，ｅｔ ａ１．Ｎｏｒｍａ— ｔｉｖｅ ｄｅｓｉｇｎ ｏｆ ｏｒｇａｎｉｚａｔｉｏｎｓ：ｐａｒｔ Ｉ：ｍｉｓｓｉｏｎ ｐｌａｎｎｉｎｇ 型及求解算法研究［Ｊ］．系统工程与电子技术，２００８， ３０（９）：Ｉ７１２－１７１６． Ｃｈｅｎ Ｈｏｎｇｈｕｉ，Ｚｈａｏ Ｌｉａｎｇ，Ｒｕｉ Ｈｏｎｇ，ｅｔ ａ１Ｒｅ ．［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ Ｃｙ— ｂｅｒｎｅｔｉｃｓ：Ｐａｒｔ Ａ：Ｓｙｓｔｅｍｓ ａｎｄ Ｈｕｍａｎｓ，２００２，３２ （３）：３４６—３５９． ｓｅａｒｃｈ ｏｎ ｔｈｅ ｍａｔｃｈ ｍｏｄｅｌ ａｎｄ ｓｏｌｖｉｎｇ ｍｅｔｈｏｄ ｂｅ～ ｔｗｅｅｎ ｏｐｅｒａｔｉｏｎａｌ ｔａｓｋｓ ａｎｄ ｒｅｓｏｕｒｃｅｓ［Ｊ］．Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ，２００８，３０（９）：１７１２～ １７１６．（ｉｎ Ｃｈｉｎｅｓｅ） ［２］Ｌｅｖｃｈｕｋ Ｇ Ｍ，Ｌｅｖｃｈｕｋ Ｙ Ｎ，Ｌｕｏ Ｊｉｅ，ｅｔ ａ１．Ｎｏｒｍａ— ｔｉｖｅ ｄｅｓｉｇｎ ｏｆ ｏｒｇａｎｉｚａｔｉｏｎｓ：ｐａｒｔ ＩＩ：ｏｒｇａｎｉｚａｔｉｏｎａｌ ［８］包卫东，王江峰，张茂军．一种改进的基于ＭＤＬＳ与 ＧＡ的作战资源分配算法［Ｊ］．火力与指挥控制， ２００８，３３（９）：１８—２１． ｓｔｒｕｃｔｕｒｅ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ， ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ：Ｐａｒｔ Ａ：Ｓｙｓｔｅｍｓ ａｎｄ Ｈｕｍａｎｓ， ２００２，３２（３）：３６Ｏ一３７５． Ｂａｏ Ｗｅｉｄｏｎｇ，Ｗａｎｇ Ｊｉａｎｇｆｅｎｇ，Ｚｈａｎｇ Ｍａｏｊ ｕｎ．Ａ ｎｏ～ ｖｅｌ ａｌｇｏｒｉｔｈｍ ｏｆ ｔａｓｋ ｒｅｓｏｕｒｃｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｂａｓｅｄ ｏｎ ［３］倪明，赵玉林．作战方案快速生成技术［Ｊ］．指挥信息 系统与技术，２０１４，５（６）：７８—８２． Ｎｉ Ｍｉｎｇ，Ｚｈａｏ Ｙｕｌｉｎ．Ｒａｐｉｄ ｇｅｎｅｒａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ＭＤＬＳ ａｎｄ ＧＡ［Ｊ］．Ｆｉｒｅ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｍａｎｄ Ｃｏｎ～ ｔｒｏＩ，２００８，３３（９）：１８～２１．（ｉｎ Ｃｈｉｎｅｓｅ） ｂａｔｔｌｅ ｐｌａｎ［Ｊ］．Ｃｏｍｍａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２０１４，５（６）：７８～８２．（ｉｎ Ｃｈｉｎｅｓｅ） １－９］黄广连．分布式作战体系自同步构建方法研究［Ｄ］． 长沙：国防科技大学信息系统与管理学院，２００７． ［４］ 李益龙，喻涛．基于规则的对海作战指挥控制应用 ｒＪ］．指挥信息系统与技术，２０１１，２（５）：４７—５０． Ｌｉ Ｙｉｌｏｎｇ，Ｙｕ Ｔａｏ．Ｒｕｌｅ ｂａｓｅｄ ｃｏｍｍａｎｄ ａｎｄ ｃｏｎｔｒｏｌ －１１０］申晓宁．基于进化算法的多目标优化方法研究［Ｄ］． 南京：南京理工大学自动化学院，２００８． ［１１］施展．多目标量子行为粒子群优化算法研究［Ｄ］．南 京：南京理工大学自动化学院，２０１１． ｉｎ ｓｅａ ｂａｔｔｌｅｓ Ｉ－ｊ］．Ｃｏｍｍａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２０１ｌ，２（５）：４７—５０．（ｉｎ Ｃｈｉｎｅｓｅ） ［５］ 张杰勇，蓝羽石，毛少杰．网络化作战指挥控制组织设 计关系描述和分析［Ｊ］．指挥信息系统与技术，２０１４，５ （３）：ｉ－７． 作者简介： 施展，男（１９８４一），高级工程师，研究方向为任务规 划及作战辅助决策等。 赵宗贵，男（１９４３一），研究员级高级工程师，研究方 向为数据融合及辅助决策等。 许腾，男（１９６６一），教授，研究方向为合同战术及作 Ｚｈａｎｇ Ｊｉｅｙｏｎｇ，Ｌａｎ Ｙｕｓｈｉ，Ｍａｏ Ｓｈａｏｊｉｅ．Ｒｅｌａｔｉｏｎｓｈｉｐ ｄｅｓｃｒｉｐｔｉｏｎ ａｎｄ ａｎａｌｙｓｉｓ ｉｎ ｄｅｓｉｇｎ ｏｆ ｎｅｔｗｏｒｋ－ｃｅｎｔｒｉｃ ｃｏｍｍａｎｄ ａｎｄ ｃｏｎｔｒｏｌ ｏｒｇａｎｉｚａｔｉｏｎ［Ｊ］．Ｃｏｍｍａｎｄ Ｉｎ— ｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２０１４，５（３）：１—７． （ｉｎ Ｃｈｉｎｅｓｅ） ［６］鲁音隆．多兵种联合作战战役任务计划方法研究ＥＤ］． 长沙：国防科技大学信息系统与管理学院，２００４． 战辅助决策等。 （本文编辑：李素华） ２０１６年《指挥信息系统与技术》征订启事 《指挥信息系统与技术》（ＣＮ３２—１８１８／ＴＰ，双月刊）是中国电子科技集团公司第二十八研究所主办的全 国性专业技术期刊。主要刊登有关电子信息系统与技术的顶层设计、硬件研制、应用软件开发和系统集成等 方面的理论、技术和应用实践类论文。本刊定价２０元／期（含邮资），可通过以下３种方式订阅： １）邮 局 ２）全国非邮发报刊联合征订服务部 联系电话：（０２２）２３９７３３７８ ２３９６２４７９ ３）编辑部（银行汇款） 邮发代号：２８—４３０ 非邮发订阅编号：８４０３ 通信地址：（３００３８１）天津市卫津南路李七庄邮局９８０１信箱全国非邮发报刊联合征订服务部 账户名称：中国电子科技集团公司第二十八研究所 开户银行：工商银行南京军管支行 联系人：蒋璐 银行帐号：４３０１Ｏｌ７７Ｏ９Ｏ０１Ｏ３２Ｏ５９ 联系电话：（０２５）８４２８８９６８
