端木竹筠 王珩 焦松

敏捷指挥与控制系统是指在未来信息栅格环境中,能够以多样化作战任务为驱动,快速、动态地组织网上广域分布、隶属于不同组织、属性特征各异的各种系统资源按照一定的业务流程进行交互与协同,以成功应对任务变化和自身变化的动态系统[1].因此,构建敏捷指挥与控制系统首要解决的问题是如何依据任务要求从网上选择最优资源组合.

国内外学者对类似问题开展了研究.文献[2]提出了一种基于服务功能规约的服务选择方法减小候选服务规模,设计基于遗传算法的组合优化算法提高服务组合优化的效率.文献[3]提出一种基于概率主题模型的物联网服务发现方法,通过计算候选服务集与服务请求的相似度,找到与服务请求最相似的服务集合.文献[4−6]将QoS感知的服务选择问题建模为多约束下多目标组合优化问题,通过种群的迭代进化,得到问题的近优解.文献[7]提出一种基于模糊多属性决策理论的语义Web服务组合的优化选择算法,通过综合评估数据异构的服务质量(QoS)选择出近优服务组合.文献[8]提出了一种结合折中比例法和遗传算法的新型智能进化算法,能够从海量搜索空间中快速找到全局近似最优解.文献[9]提出一种基于资源总体协同效益的任务与资源匹配优化方法,建立了综合考虑整个任务流程的基于协同效益函数的优化模型.

综上所述,以上方法大多采用优化的方法来选择资源,方法中综合各属性加权得到的目标函数物理意义不明确,例如对服务执行时间和服务质量等属性加权综合物理意义不明确,若采用优化方法时常得到的是次优或局部最优方案.对于敏捷指挥与控制系统资源选择问题来说,经过功能需求筛选后的系统构建的方案集通常是有限的,可以通过“优选”而不采用“优化”来确定最佳方案.

1 问题分析

图1 任务与资源匹配方法示意图

用T表示作战任务,S表示敏捷指挥与控制系统,R表示系统资源全集,依据T对S的功能需求,分解得到一组系统元任务集{M1,M2,···,Mp},系统资源优选问题就是依据Mi优选出满足约束条件并且整体效益最优的资源组合.该问题的一般方法如图1所示.首先,依据Mi对系统资源的匹配约束条件可从网上筛选形成一个可用资源候选集{Ri1,Ri2,···,Riq}.进而依据资源服务质量最优约束及资源协同效益最优约束,最终通过求解对完成任务的效益函数,从中选择能力最优的资源组合,形成资源协同流程,即系统构建方案.

设cr为资源协同流程,F(cr)为流程整体效益函数.效益函数是系统资源优选的基础,它根据资源的各类属性,综合计算资源当前可提供的能力,作为筛选资源的依据.效益函数F(cr)由资源的QoS属性和协同特性两方面共同确定.Qfk(cr)为流程的第k个QoS属性值归一化的结果,pijk为资源Rij的第k个QoS属性值.Cfk(cr)为流程的第k个协同属性值归一化的结果,cijk为资源Rij的第k个协同属性值.Rule为匹配约束规则,例如选择资源责任区就近、隶属关系优先等规则.任务与资源匹配优化目标函数如下:

由于资源匹配约束规则与实际作战任务关联紧密,且资源众多属性间关系难以明确,因此,确定任务与资源匹配优化目标函数比较困难.另外,这一优化函数一般来说是非线性优化问题,通常只能找到局部最优解,找不到全局最优解.

针对以上问题,本文采取以下研究思路予以解决:

1)依据任务需求、资源功能、接口等筛选形成一个系统构建方案集{P1,P2,···,Pn},并定义系统构建方案Pi对应的属性集 {Ai1,Ai2,···},i=1,2,···,m;

2)依据 {Ai1,Ai2,···},i=1,2,···,m形成最佳的属性集P∗={A∗1,A∗2,···};

3)计算 {P1,P2,···,Pn}与P∗之间的相关性r1,r2,···,rn;

4)选取rl=max{r1,r2,···,rn}所对应的方案Pl为最佳方案.

2 系统构建方案属性模型

2.1 系统资源描述模型

首先对系统资源进行建模,将系统资源的公共属性统一抽象为基本功能属性、资源QoS属性、资源协同属性3类特性,具体又可细分为资源类型、逻辑地址、端口类型、部署位置、隶属关系、业务容量、接口描述、安全等级8个基本功能子属性;资源QoS属性包括响应时间、可靠性、可用性和信誉度;资源协同属性包括反应时间效益、协同代价、协同信任度和协同可靠度,具体如图2所示.

图2 系统资源描述模型

2.2 资源协同流程的QoS度量模型

资源QoS属性度量Qfk(cr)考虑资源的响应时间Qf1(cr)、可靠性Qf2(cr)、可用性Qf3(cr)和信誉度Qf4(cr)4个方面.资源协同流程的QoS属性值可由所选系统资源的QoS值依据组合流程中的不同控制结构聚合得出.表1给出了各控制结构对应的QoS度量模型.其中,分支结构中pj为资源Rij被选择执行的概率;循环结构中k为Rij被重复执行的次数;其余结构中k为任务节点的个数.

表1 资源协同流程的QoS度量模型

2.3 资源协同流程的协同度量模型

资源协同属性度量Cfk(cr)考虑资源的反应时间效益Cf1(cr)、协同可靠度Cf2(cr)、协同代价Cf3(cr)和协同信任度Cf4(cr)4个方面.资源协同流程的协同属性值可由所选的系统资源的协同属性值依据组合流程中的不同控制结构聚合得出.表2给出了各控制结构对应的协同度量模型.其中,分支结构中pj为资源Rij被选择执行的概率;循环结构中k为Rij被重复执行的次数;其余结构中k为任务节点的个数.

表2 资源协同流程的协同度量模型

3 资源优选方法

敏捷指挥与控制系统构建方案存在多个方面的属性,如何依据这些属性从多个可选方案中选出最佳者,需要解决两个关键问题:一是如何确定属性权重;二是如何综合多个属性确定最终优选结果.

首先对方案的各属性值进行标准化处理,采用熵权法来确定方案各属性的熵值,进而确定各属性的权重.然后,基于灰色综合评判得到备选方案的属性与“最理想属性”的“相似程度”,进而选出“相似程度”最大的备选方案为最佳者.

3.1 属性权重确定方法

常用的属性权重确定方法有专家评分法和层次分析法等.这些方法过多地依赖于专家,因此,最终结果会存在一定的主观性.熵权法是依据属性对排序结果所提供信息量的多少来确定权重,最终结果的客观性强,由此本文采用该方法来确定敏捷指挥与控制系统构建方案各属性的权重.在优选过程中,如果多个备选方案的某属性取值存在较大的差异,则该属性有利于支撑方案的排序,其熵值小,对应的属性权重大；反之权重越小.求取熵权的步骤如下[10]:

对各属性值进行标准化处理,如下所示:

其中:Aij为第i个方案Pi的第j个属性值;zij为Aij标准化处理后的属性值.

依据属性值,计算各属性熵值为:

其中:ϕj∈[0,1]为第j个属性值对应的熵值.

进一步,计算得到各评估指标的变异系数如下:

其中:gj∈[0,1]为第j个属性值对应的变异系数.

对变异系数进行归一化处理,得到指标权重为:

其中:ωj∈[0,1]为第j个属性值的权重.

3.2 属性综合方法

由于各属性的量纲、物理含义以及取值范围均不同,为了综合它们得到评估结果,需要对这些属性值进行预处理.效用函数法是一种经典的处理方法,某应用实例如图3所示.该方法简单且易于实现,但是效用函数需要根据属性的具体物理含量来确定,具有较强的主观性.为了保证结果的客观性,本文将采用一种基于灰色关联分析的属性综合方法予以处理[11].

图3 效用函数实例

通过标准化处理后得到n个可选方案对应的属性值为zij,i=1,2,···,n,j=1,2,···,m.

表3 10组方案的属性值

在此,定义一个“最理想方案”对应的“最理想指标”如下:

进一步,基于灰色综合评判得到备选方案的属性与“最理想属性”的“相似程度”,进而选出“相似程度”最大的备选方案为最佳者.假定得到的评判矩阵如下:

其中:ε∈(0,0.5]为分辨率系数.

由此,综合得到n个备选方案对应的灰色关联系数如下:

其中:ρ1,i=1,2,···,n为第i个备选方案对应的灰色关联系数.

最后,依据综合结果从n个备选方案中选出最佳者,如下所示:

其中:ρ∗所对应的备选方案为最佳者.

4 应用实例

为验证本文方法的有效性,以10组不同属性的方案为验证和选择对象,如表3所示.这10组方案是依据任务要求选出的满足基本约束条件的可用候选方案,基本约束条件指的是资源类型、逻辑地址、端口类型、部署位置、隶属关系、业务容量、接口描述、安全等级这8个资源基本功能属性.并选择响应时间、可靠性、可用性、信誉度、反应时间效益、协同可靠度、协同代价、协同信任度作为方案的属性值.

方案属性集中的属性有些是越大越好,例如可靠性、可用性、信誉度、协同可靠度、协同信任度等正指标.有些属性越小越好,例如响应时间、反应时间效益、协同代价等逆指标.为了便于处理,表3中的数据是经过处理后的,把所有的正指标转换为逆指标.此外,表3中的数据都是经过归一化处理的,是映射到[0,10]内的取值.

首先对各属性值进行标准化处理,并采用熵权法计算各属性的权重,其结果为ω=[0.111,0.2469,0.0619,0.0993,0.0987,0.1332,0.1175,0.1314].绘制备选方案集属性值箱线图,如图4所示,第2个属性的数据最分散,所对应的权重应该为最大,这与采用熵权法得出的属性权重结论是一致的.

图4 备选方案集属性值箱线图

然后,依据属性综合方法定义一个“最理想方案”P∗为:

进一步,基于灰色综合评判得到备选方案的属性与“最理想属性”的“相似程度”,首先计算评判矩阵R∗为:

图5 4组方案属性对比图

选择分辨率系数ε=0.5,综合得到10个备选方案对应的灰色关联系数ρ如下,可以得出第9个方案为最佳方案.

从方案集里随机选取3个方案(方案3,5,7)以及最佳方案(方案9),将其归一化后的属性值进行比较,如图5所示.从前面计算得到的各属性的权重值来看,第2、6、8个属性的权重值较大,从图5中看出,方案9的第2、6、8个属性取值偏小；第3、4个属性的权重较小,方案9的第3、4个属性取值偏大.可以看出第9个方案重要属性取值偏小,不太重要的属性取值较大,综合来看,与最佳方案最为接近.

5 结论

本文研究敏捷指挥与控制系统资源优选问题.已有的经典方法大多采用优化的方法来选择资源,方法中综合各属性加权得到的目标函数物理意义不明确,采用优化方法时常得到的是次优或局部最优方案.针对该问题,建立了系统构建方案属性模型,并采用熵权法来确定方案各属性权重,客观性较强.并采用基于灰色关联分析的属性综合方法计算备选方案的属性与“最理想属性”的“相似程度”,进而选出“相似程度”最大的备选方案为最优方案.通过实例应用,验证了方法的有效性和合理性.通过实例应用,表明了本文方法的有效性.下一步工作将考虑资源选择过程中的不确定性,研究包含不确定因素的系统资源优选方法.