任务流驱动的指挥信息系统动态超网络模型

2017-12-19李建华冉淏丹南明莉

复杂系统与复杂性科学 2017年3期

关键词：子网网络结构信息系统

崔琼，李建华，冉淏丹，南明莉

(空军工程大学信息与导航学院，西安 710077)

任务流驱动的指挥信息系统动态超网络模型

崔琼，李建华，冉淏丹，南明莉

(空军工程大学信息与导航学院，西安 710077)

针对传统指挥信息系统建模方法在描述系统内在机理时存在的片面、静态和同质化等问题，提出任务流驱动的指挥信息系统动态超网络建模方法。首先构造指挥信息系统多作用域结构空间，通过使命任务空间、逻辑功能空间和物理实体空间及其相互作用关系，描述指挥信息系统内在运行机制；在此基础上，用超网络理论描述指挥信息系统功能网络，进而构建了任务流驱动的指挥信息系统动态超网络模型，并定义了相关参数。最后通过仿真分析验证了模型的有效性和可用性。

任务流驱动；复杂系统；动态超网络；结构模型

0 引言

指挥信息系统是由多种要素相互联系构成的复杂系统，目前针对指挥信息系统结构建模的主流方法有两种：一种是基于多视图思想的体系结构建模技术[1-2]，该方法主要用于指挥信息系统的早期开发，虽然能够从多个维度较为全面地认识指挥信息系统，但却难以描述系统随环境、任务和时间变化而不断变化的情况，因此更适用于分析传统静态和确定性的指挥信息系统；另一种是基于拓扑结构特征的复杂网络建模方法[3-7]，即从复杂系统科学角度出发，采用网络科学理论描述系统结构和挖掘系统内在演化规律[8-9]，如文献[10]利用网络模型分析指挥组织结构和信息交互关系，提出了基于复杂网络的指控效能度量方法；文献[11]从节点和业务两方面分析指挥信息网络结构，建立了基于介数的反映双层复杂网络级联失效特征的模型。以上研究从不同角度描述了指挥信息系统宏观运行规律，但普遍存在将指挥信息系统要素同质化的问题，导致对指挥信息系统的内在机理和作用效果分析不足。

近年来，有关超网络的研究越来越多。超网络是指由不同性质网络构成的“网络的网络”，可用于描述由不同类型节点和关系构成的复杂大系统，能够较好地分析网络多层多级、节点异质和信息多维等特征，有效弥补了一般复杂网络方法的不足，已广泛用于社会网络、知识网络和交通网络等复杂系统建模[12-15]。在军事领域，超网络理论主要用于作战体系[16-17]、武器装备体系[18]和军事通信网络[19]等的建模。从网络角度看，指挥信息系统可认为是由不同功能的节点以不同方式链接的、具有动态时变性的“网络的网络”，而超网络所具有网络嵌套、多层、多级、多维流量和多属性/准则等特征，能够较好地描述指挥信息系统网络结构，反映节点异质、链路多重和拓扑时变等系统特性，是指挥信息系统结构建模的重要工具。

本文综合考虑指挥信息系统结构特征，提出任务流驱动的指挥信息系统动态超网络建模方法：一是考虑整体性，不再通过人为划分的方式割裂系统构成、运行和目标之间的关系，而是从多作用域角度分析指挥信息系统的空间构成和层次关系，构建了多作用域结构空间模型；二是考虑复杂性，认识到简单的节点抽象和属性叠加难以反映真实指挥信息系统异质、异构特点，基于逻辑功能空间的功能网络构建超网络模型；三是考虑动态性，在指挥信息系统使命任务空间与逻辑功能空间之间建立驱动关系，由任务流驱动系统超网络进行动态变化，构建了指挥信息系统动态超网络模型。最后，以某区域联合防空作战指挥信息系统为例进行建模仿真，结果表明该模型不仅能够反映指挥信息系统多维、异质等结构特征，还能描述指挥信息系统的内在运行机理和动态演化规律，为进一步研究指挥信息系统的复杂特性奠定了基础。

1 多作用域结构空间

信息时代指挥信息系统存在于物理域、信息域、认知域和社会域[20-21]，在不同作用域表现出不同的属性，生成不同的结构空间。目前针对指挥信息系统的研究，大多是以某个作用域内的系统为研究对象，没有充分考虑指挥信息系统作战任务、逻辑功能和实体资源之间的相互作用，因此不能全面准确地反映系统的运行机制和内在机理。鉴于此，本文提出多作用域结构空间(Multi-Field Space Structure，MFSS)的概念，即多作用域角度下指挥信息系统各种可能的结构所张成的空间，如图1所示，指挥信息系统MFSS由使命任务空间、逻辑功能空间和物理实体空间构成。

图1 指挥信息系统多作用域结构空间示意图Fig.1 Diagrammatic sketch of multi-field structure space of CIS

图2 系统结构空间运行机制概念模型

MFSS不仅能够从空间维度较为全面地反映指挥信息系统的结构特征，而且能够从时间维度动态地描述指挥信息系统结构不断变化的情况。如图2所示，指挥信息系统三大空间之间存在如下关系：

1)使命任务空间能够驱动逻辑功能空间：使命任务空间的作战任务有一定的能力需求，可映射为逻辑功能空间的多组信息功能，通过这一映射关系，由不同作战任务按照一定时序和逻辑关系形成的动态任务流，就能够驱动逻辑功能空间的内部节点之间产生信息交换和信息流转，形成由任务流驱动的动态功能网络，这一过程称为指挥信息系统的任务流驱动作用；

2)逻辑功能空间与物理实体空间相互作用：逻辑功能空间和物理实体空间之间相互作用和相互影响，前者受到后者在要素属性、通信方式和连接状态等方面的制约，后者受到前者在信息功能、业务流程和协同关系等方面的牵引，两者以博弈的方式共同演化，以支撑作战任务实施；考虑到现代战争灵活性、适应性要求和战场成本费效比等因素，应尽可能通过对逻辑功能空间的动态调整满足作战任务需要；

3)物理实体空间反馈作用于使命任务空间：物理实体空间包括各类传感器、指挥机构、情报中心和武器平台等要素，是指挥员作战筹划和部署时要重点考虑的内容。物理实体资源的覆盖范围、战损情况和性能指标等的变化，能够映射到逻辑功能空间，进而影响作战任务的实施，例如某空中作战单元与地面指控中心之间的通信连接被阻断，造成地对空指控信息功能失效，无法继续执行该空中作战任务，对应任务节点被迫消失，即物理实体空间能够反馈作用于使命任务空间，这种反馈作用在敌我对抗时考虑较多。

本文重点讨论上述第一种关系，即在指挥信息系统使命任务空间的任务流驱动作用下，分析其逻辑功能空间的网络结构动态变化的情况。

1.1 基本定义

定义1使命目标，作战任务：使命目标是指挥信息系统进行所有活动的依据和目的，作战任务是通过指挥信息系统实现特定信息功能而完成的活动，作战任务由使命目标降阶分解得到。

定义2平台：平台是指挥信息系统进行有效通信、侦察监视、指挥控制和火力打击等活动需要的物理实体资源，包括雷达、卫星、飞机、导弹、坦克和舰艇等作战单元。

定义3功能：功能是指构成指挥信息系统的平台所能提供的信息服务，如情报侦察、信息处理、协同指挥和火力控制等。通常情况下一个平台具有一或多项功能，如预警机可提供情报和指控功能。

功能及功能之间的信息交互关系构成逻辑功能空间，表示为FS::=〈V,E,SNote,SLink〉，其中V={V1,V2,…,VN}表示功能节点的集合，N为功能节点数量；E={E1,E2,…,EL}表示功能节点间的信息交互关系，即信息连边，L为信息连边数，SNote和SLink分别表示相应功能节点和信息连边的属性。

平台及平台之间的通信连接关系构成物理实体空间，表示为多元组PS::=〈P,L,SFunc,SLink〉，其中，P={P1,P2,…,PM}表示平台集合，M为平台数量；L={L1,L2,…,LJ}表示通信链路的集合，J表示链路数目；单个平台具有一项或多项功能，SFunc表示平台属性，SLink表示通信链路属性。

1.2 作用关系

和PS的内部节点之间以及各空间相互之间的作用关系如图3所示。

1.2.1 任务之间的时序-逻辑关系ROT-OT

Step1：将MT降阶分解为任务集OT={OT1,OT2,…,OTI}，OTi为任务节点，根据节点间的时序-逻辑关系绘制任务有向无环图(Task Directed Acyclic Graph，TDAG)，如图4所示，令没有父节点的节点为入口节点，没有子节点的节点为出口节点，若存在多个入口或出口节点，则将它们连接到一个假定入口或出口节点。假设具有唯一起始子任务(TDAG入口节点)和终止子任务(TDAG出口节点)，设置虚拟任务OT0为所有任务的起点，其余每个节点对应任务集OT中的一个任务，有向边表示任务间的顺序关系，假设必须在其所有前导任务完成之后执行OTi，从TDAG中可获知任务OTi的前导任务和后续任务。

图3 各结构空间之间的关系Fig.3 Relationships between different structure spaces

图4 TDAG示意图

(1)

在此基础上，继续分析任务节点间的相互影响关系，定义影响矩阵AOT(I×I)表示I个作战任务之间的关系矩阵，aij=rij(OTj)表示任务OTj对任务OTi的影响系数。

(2)

1.2.2 任务/功能空间的映射关系ROT-F

OTS驱动FS动态变化的关键在于作战任务能力需求能够映射为FS的信息功能，设任务—功能空间映射关系为ROT-F，则：

Step1：设Ci=(ci1,ci2,…,ciK)为任务OTi能力需求向量，可转换为信息功能向量IFi=(fi1,fi2,…,fiK)，该转换过程可表示为

(3)

(4)

根据ROT-F可提取满足OTi能力需求的功能网络。

1.2.3 功能/平台空间的映射关系RP-F

FS和PS之间相互作用，且功能节点和平台节点之间存在映射关系，即任意功能节点均依托于某个平台节点存在，其属性由平台节点的属性决定。每个平台节点包含一种或多种功能。已知P表示平台节点集合，F表示功能节点集合，若pi∈P,fj∈F，则对于每个节点fj，都存在P中唯一节点pi，使得fj→pi；用φ(pi,fj)表示平台节点和功能节点间的相关性，相关时φ(pi,fj)=1，否则φ(pi,fj)=0，其中

(5)

FS和PS内部节点间的关系分别表示为RF-F和RP-P，由FS_E,PS_L确定。

综上，指挥信息系统多作用域结构空间MFSS可表示为由使命任务空间、逻辑功能空间和物理实体空间，空间内部关系和空间之间作用关系构成的多元组，即MFSS::=[OTS,FS,PS,ROT-OT,RF-F,RP-P,ROT-F,RP-F]。

特定的作战任务需要与之相适应的指挥信息系统结构，故OTS动态任务流可驱动FS网络结构不断变化，某阶段(时刻)的指挥信息系统结构是MFSS在时间维度上的一个切片[22]，该切片可看作由FS中多个功能子网络构成的静态超网络。

2 模型构建

超网络模型既能从整体角度描述系统的网络结构，也能分析系统内部不同要素间的复杂交互关系，是指挥信息系统结构建模的重要工具。超网络的定义方法主要有超图、网络关联和二部图等，本文基于网络关联定义，在指挥信息系统逻辑功能空间构建超网络，并根据作战任务能力需求及网络连接规则进行动态重构，在任务流驱动作用下得到指挥信息系统动态超网络模型(Dynamic Super-Network Model，DSM)。

2.1 基本定义

定义4功能网络：指挥信息系统功能网络是由FS内多个功能子网络相互交织形成的多层次多重边异构网络，可以看作由功能节点和信息连边构成的超网络，记为G=(V,E)。

其中V={v1,v2,…,vn}是功能节点集合，n为功能节点数；E={eij}为信息连边集合，eij表示功能节点vi,vj之间的信息关系。指挥信息系统存在3类功能节点：情报节点VI、指控节点VC和火力节点VA，即V=VI∪VC∪VA；以相应功能节点为起点得到的信息关系对应3种信息类型，即情报信息EI、指控信息EC和协同信息EA，其中EI={eI-I,eI-C,eI-A}、EC={eC-C,eC-I,eC-A}、EA={eA-A,eA-I,eA-C}。根据功能节点和信息连边的不同，功能网络可划分为多个相互关联的功能子网Gh，h∈{I,C,A}，分别表示情报网GI、指控网GC和火力网GA。功能子网络均为有向网络，功能节点间的关系用矩阵A表示：

(6)

定义5指挥信息系统动态超网络：根据特定作战任务的能力需求，在功能网络基础上，将FS中不同类型的功能节点进行动态、有序连接，得到动态超网络。指挥信息系统动态超网络是时间的函数，由功能节点和信息关系构成的二元组表示，记为G(t)={V(t),E(t)}。

定义6连接规则：连接规则是指构建指挥信息系统动态超网络需要遵循的基本规则，主要包括网内连接规则和网间连接规则两类。

1)网内连接表示某功能节点加入同类功能子网的过程，设Gh(n)是由n个h类功能节点构成的功能子网。设vh∈Vh，则eh∈Eh，表示与vh相关的信息连边，网内连接规则定义了将vh连接到Gh(n)得到Gh(n+1)，表示为Gh(n+1)=Gh(n)←vh。

2)网间连接表示新功能子网与其他功能子网通过部分节点相连的过程，设Gh'(m)表示由m个h'类功能节点构成的功能子网。将Gh'(m)连接到Gh(n)，形成m+n个节点构成的超网络G*(m+n)，定义该运算为G*(m+n)=Gh(n)←Gh'(m)。

2.2 构建步骤

Step4：设指挥信息系统在t'阶段的超网络模型为G(t')={V(t'),E(t')}，计算G(t')指标参数。

Step5：重复Step2-Step4，直至任务结束时刻tend，此时指挥信息系统超网络结构为G(tend)，DSM模型可用超网络结构变化过程表示，即G(t0)→…→G(tend)，对该过程进行仿真并计算相关指标参数。

2.3 指标参数

2.3.1 结构密度

网络结构密度等于网络中“实际存在的关系总数”除以“理论上可能存在的最多关系总数”，用SD表示，SD的值越大，表示该网络结构的节点之间联系越紧密，网络结构对节点产生的影响越大。已知规模为n的有向网所包含关系总数在理论上的最大可能值为n(n-1)，设网络包含的实际关系的数目为m，则：

(7)

2.3.2 平均距离

平均距离是指网络中任意两个节点间距离的平均值，反映了网络内信息交换的效率[23]。网络结构的平均距离越小，网络的紧密度和凝聚力越强，节点的权力和信息也越分散，从而能够更快地传递信息，同时单个节点受其他节点的影响程度更低，整体网络结构也更为均匀，效率也越高。用AD表示平均距离，计算网络结构G(t)任意两个节点vi和vj之间的距离为dij，设dij出现的频率为Fre(dij)，则：

(8)

2.3.3 中心势

网络中心势表示网络的整体中心性，是各节点中心度与网络其他点最大中心度差值的总和，与该总和的理论最大值的比值，可用于比较不同网络结构的中心趋势，即网络结构向网络中某个节点集中的程度[24]，记为GC：

(9)

其中，C(vi)表示与节点vi直接相连的点的个数，一般而言C(vi)越大表示节点vi在网络中越重要，考虑到网络规模的影响，将C(vi)转化为相对值C′(vi)，若网络规模为n，则C′(vi)=C(vi)/(n-1)；当网络为星形网络时，能够达到差值总和理论上的最大值，具体取值为n2-3n+2。

3 实例分析

3.1 想定设置

假设某战区联合防空力量包括：1个区域联合指挥中心(UC)，2个战术指挥中心(TC)，6个导弹营指挥车(GC)，控制28个导弹发射单元(GA)和8个雷达单元(RI)，3个高炮团指挥中心(CC)，控制10个高炮单元(CA)，2个情报处理中心(IP)，4个雷达营指挥中心(RC)，控制14个雷达单元(RI)，2个航空兵指挥中心(PC)，2架无人侦察机(UAP)，2架电子干扰机(ECP)，1架预警机(WPA)和10架歼击机(PA)，共95个平台节点，其中预警机和两架歼击机主机为复合节点，一共98个功能节点。指挥信息系统网络结构如图5所示。

对应功能节点的分类和编号如表1。

根据联合防空作战样式特点[26]，列出联合作战任务清单如表2。

表1 功能节点编号

图5 指挥信息系统功能网络拓扑结构图

类型关键平台编号A筹划部署UC/TCV28-V30B情报侦察RI/UAP/IPV1-V26C电子攻击ECPV87V88D空中突击WPA/PAV27/V48/V89-V98E防空反导GC/GA/IPV31-V36/V23V24/V49-V76F火炮射击CC/CAV37-V39/V77-V86

假设敌方将从东南方向进入我防区范围，我方制定如下作战计划：

1)UC(V28)受领任务，向TC(V30)下达指挥信息，UAP(V26)收集敌方机场、兵力等情报，向PC(V44)发送情报信息，RI(V13-V16)向IP(V24)发送情报信息，汇总并上报TC(V30)和UC(V28)；

2)TC(V30)分析多源情报信息，定下作战决心，分别下达指挥信息给PC(V44)、GC(V34-V36)、RC(V42V43)；

3)PC(V44)向ECP(V87V88)下达指挥信息，分配对敌空中力量实施电子干扰攻击任务，向WPA-I(V27)下达指挥信息，分配情报侦察任务，向PA-C(V46)下达指挥信息，分配空中突击任务；

4)WPA-C(V48)向ECP(V87V88)和PA-C(V46)下达空中作战指挥信息，同时向PC(V44)汇报战况；PA(V89-V92)编队协同对预定目标实施空中突击；UAP(V26)和WPA(V27)向IP(V24)提供情报信息，IP(V24)通过GC(V34)向RI(V12)发送情报，RI(V12)为GA(V63-V66)协同作战提供信息保障，GC(V34)向GA(V63-V66)下达指挥信息；

5)IP(V24)向TC(V30)回传战场情报信息，TC(V30)向UC(V28)报告作战完毕信息；

6)UC(V28)制定停战计划，并下达指令给TC(V30)；TC分别向PC(V44)、GC(V34-V36)、RC(V42V43)下达停战指示。

3.2 模型构建

3.2.1 联合防空作战任务流

根据上述任务计划，总任务目标可降阶分解为筹划部署、情报侦察、电子攻击、空中突击、防空反导等作战任务，根据任务之间的时序-逻辑关系，得到图6所示的联合防空作战任务流：

图6 联合防空作战任务流Fig.6 Task flow of joint antiaircraft mission

3.2.2 构建指挥信息系统动态超网络

Step1：设“UC(V28)受领任务”为初始状态，网络结构为G(t0)={v28}。

Step2：根据图6，t1阶段执行筹划部署任务，需要的信息功能为：V28向V30下达指挥信息，V26向V44发送情报信息，V13-V16向V24发送情报信息，V24和V44汇总情报信息发送至V30；

Step3：信息功能向量为IFt1=[E1(V28,V30),E2(V26,V44),E3(V13-16,V24),E4(V24,44,V30)]，在G(t0)={v28}的指控功能子网GC={V28}的基础上，通过增加网内连接点V30和V44，增加与情报功能子网GI={VI,EI}的网间连接，VI={V13,V14,V15,V16,V24}，驱动G(t0)→G(t1)。

Step4：重复Step2-Step3，驱动G(t1)→G(t2)→G(t3)→G(t4)→G(t5)→G(t6)→G(t7)→G(t8)。按照功能子网网内和网间连接规则，不断连接新的功能节点，增加新的信息连边，建立DSM模型,如图7所示，其中标红的部分表示某阶段网络结构相比上一阶段网络结构所增加的功能节点和信息连边：

图7 指挥信息系统超网络模型演化图

Step5：分别计算表征网络整体特性的统计参数和表征功能子网特性的功能参数。

3.3 仿真分析

统计参数是指挥信息系统超网络整体结构特征参数，功能参数是功能子网特征参数，分别进行分析。

3.3.1 统计参数分析

在任务流驱动下，不同阶段指挥信息系统超网络的节点数、连边数、结构密度、平均路径和网络中心势不同，计算结果如表3所示。对表中数据进行归一化处理后，得如图8所示的DSM统计参数变化趋势：

表3 不同时间段的模型指标计算结果

图8 任务流驱动下的网络结构参数变化趋势图

综合分析可知:1)任务不断执行的过程，也是功能节点和信息连边不断增加的过程(更多节点参与到作战任务中)，功能网络在t5阶段节点和连边数增加较快(斜率较大)，结合图6任务过程分析可知，是由于t5阶段增加了空中突击任务和情报侦察任务，参与这两项任务的节点众多、交互复杂，导致节点和连边数增加较快。2)随着任务执行阶段不断变化，网络结构密度SD、平均距离AD和网络中心势GC均逐渐减小，表示指挥信息系统的功能网络更加分散，各功能节点受网络结构的影响逐渐减小，单个节点受其他节点的影响程度更低，整个网络的结构也更为均匀。3)SD曲线(红色)在t1-t3时间段下降最明显，之后保持缓慢下降的趋势，最终趋于平稳，表明随着指挥信息系统中越来越多的要素参与到作战任务中，功能节点的数目不断增加，指挥信息系统超网络的结构密度刚开始下降很快，但在节点数超过一定程度时，网络结构密度将趋于稳定；AD曲线(蓝色)整体变化幅度不大，总体呈下降趋势，但在t2和t5阶段出现小幅上升，分析可知，这是由于t2和t5阶段执行情报侦察任务，其中t2阶段情报处理中心需要收集来自不同情报源的侦察情报信息，并在处理后向其他作战单元分发，t5阶段预警雷达则需要向各火力单元分发信息，节点的权力和信息更加集中，网络紧密度和凝聚度减小，网络结构的平均距离增加；GC曲线(绿色)在t2阶段上升，此后逐渐下降并在t5阶段后趋于稳定，一方面说明情报侦察任务除了对网络结构的凝聚度有影响外，对网络中心势也会产生一定影响，另一方面说明，随着参与任务的节点数增加，系统网络结构向某点集中的程度越来越小，并最终趋于稳定。分析可知，情报处理节点收集、处理并上传情报的过程，形成近似星型的网络结构，对整体功能网络产生的影响较大。

3.3.2 功能参数分析

指挥信息系统超网络由情报网GI、指控网GC和火力网GA3类子网构成，因此，图7中每个网络结构G(ti)均是由一个或多个功能子网复合而成的超网络。功能参数分析是指对指挥信息系统功能子网参数的分析，以图7-G(t7)为例，G(t7)存在28个功能节点：8个情报节点VI、10个指控节点VC和10个火力节点VA，V=VI∪VC∪VA；92条信息连边，包括23条情报类信息EI、35条指控类信息EC和34条协同类信息EA，功能节点和功能连边构成的情报网GI、指控网GC和火力网GA如图9所示。

3.3.2.1 度与度平均值

网络节点vi的度是指与vi相连的有向或无向链路(连边)数量，记为d(vi)，对于有向网而言，节点的出度d-(vi)等于向外方向的链路(连边)数，节点的入度d+(vi)为链接到节点的头部数量，且存在d(vi)=d+(vi)+d-(vi)；设网络规模为n，hub节点为网络中具有最大度的节点，令dhub表示该节点的度，令Dm表示网络度平均值，则：

(10)

计算G(t7)各功能子网的hub节点和度平均值Dm：

(dhub(I)=d(v24)=9,Dm(I)=2.875
dhub(C)=d(v30)=8,Dm(C)=3.5
dhub(A)=d(v89)=5,Dm(A)=3.4)

(11)

分析可知，在t7阶段，各功能子网网络结构特性差别较大，其中情报网GI表现出更高的中心性，指控网GC和情报网GI均存在度数较大的hub节点，而火力网GA相对来说节点的度分布更加均匀。hub节点在一定程度上表示节点的重要程度，分析可知，GI的hub节点v24为情报处理中心，负责收集和处理各类情报源的信息，并分发给其他情报需求节点；GC的hub节点v30为区域指控中心，负责协调各作战集团协同作战，GA的hub节点v89为歼击机编队的长机，在执行空中突击作战任务时，起到命令上传下达和火力单元协调作用。

计算任务流驱动条件下各节点度变化图，如图10所示。

图9 t7超网络结构Fig.9 Super-network at t7S

功能子网NVNESDADGCGI(t7)8230.03041.82931.05%GC(t7)10350.04632.39024.79%GA(t7)10340.0451.30413.11%

图10 任务流驱动下的节点度变化图

由图10可以看出，GI和GC的v24,v30,v44节点度较高，节点分布比GA更集中，GA火力节点在t4-t7时间段开始稳步增加，表示指挥信息系统开始执行协同作战；GI随着作战任务的不断增加，节点度保持稳步增长，GC在指挥信息系统实施筹划部署任务时，达到最大节点度，此后基本保持不变，GA在实施交战打击行动时，节点度瞬间增加到稳定值，直至任务完成。各功能网络表现出不同的网络结构特征。

3.2.2.2 各功能子网的SD、AD和GC参数

以G(t7)为例，计算各功能子网的指标参数如表4。

根据表4，SDC>SDA>SDI，SDC最大，表示GC中各指控节点的联系相对来说更加紧密，单个节点受网络结构变化的影响也更加明显；ADC>ADI>ADA，ADA最小，表示GA与GC和GI相比，在结构上更具凝聚力也更均匀，火力节点的权力和信息更加分散，因而能够更快地传递信息；GCI>GCC>GCA，GCI最大，表示GI相比GC和GA整体中心性更强，更能表现出向某点集中的趋势，分析知该点是情报处理中心v24。因此针对指挥信息系统不同功能网络，重点关注的内容应不相同，如指控网的重点在于网络结构的优化，情报网应关注重要节点的保护和备份，火力网则是注重节点之间的协同性。

4 结束语

指挥信息系统结构建模是分析其内在机理和运行规律的前提，本文全面考虑不同作用域下指挥信息系统的结构特征，将指挥信息系统张成不同的结构空间，根据各空间内部和空间之间相互作用关系，构建了多作用域结构模型，在此基础上，由使命任务空间驱动逻辑功能空间，构建了任务流驱动的指挥信息系统动态超网络模型，通过实例仿真分析，表明该模型在分析系统内在运行机理方面具有优势。考虑到指挥信息系统结构建模是一个多作用域的问题，下一步的工作重点是研究指挥信息系统逻辑功能空间与物理实体空间的博弈关系，以及两者动态变化对使命任务空间的反馈作用。

[1]DoD CID. Department of Defense Global Information Grid Architectural Vision: vision for a Net-Gentric,Service-Oriented DoD. Enetrprise[R]. Version 1.0, Washington, DC: US Assistant Secretary of Defense, 2007.

[2]罗雪山，罗爱民，张耀鸿，等. 军事信息系统体系结构技术[M]. 北京：国防工业出版社, 2010: 3-7.

[3]Albert R, Barabási A L. Statistical mechanics of complex networks[J]. Rev Mod Phys, 2002, 74(1): 47-97.

[4]Boccaletti S, Latora V, Moreno Y, et al. Complex networks: structure and dynamics[J]. Phys Rep, 2006, 424(4): 175-308.

[5]Liu Y Y, Slotine J J, Barabási A L. Observability of complex systems[J]. Proc Natl Acad Sci,2013, 110(7):2460-2465.

[6]Zhou X, Zhang F M, Li K W, et al. Finding vital node by node importance evaluation matrix in complex networks[J]. Acta Phys Sin, 2012, 61(5): 050201.

[7]Newman M. The structure and function of complex networks[J]. SIAM Review, 2003, 45(2):167-256.

[8]胡晓峰. 战争复杂网络研究概述[J]. 复杂系统与复杂性科学, 2010,7(2/3):24-28.

Hu Xiaofeng. A brief survey on war complex networks studies[J]. Complex Systems and Complexity Science, 2010, 7(2/3):24-28.

[9]Dekker A H. Network topology and military performance[C]. 2005 International Congress on Modeling and Simulation, Modeling and Simulation Society of Australia and New Zealand, Australia: MODSIM, 2005: 2174-2180.

[10] Jeffrey R C. An information age combat model [C].International Command and Control Research and Technology Symposium (ICCRTS), Washington D C, 2004: 28-65.

[11] 沈迪，李建华，熊金石，等. 一种基于介数的双层复杂网络级联失效模型[J]. 复杂系统与复杂性科学, 2014, 11(3):12-18.

Shen Di, Li Jianhua, Xiong Jinshi, et al. A cascading failure model of double layer complex networks based on betweenness[J]. Complex System and Complexity Science, 2014, 11(3):12-18.

[12] 刘强，方锦清，李永. 三层超网络演化模型特性研究[J]. 复杂系统与复杂性科学, 2015, 12(2): 64-71.

Liu Qiang, Fang Jinqing, Li Yong. Some Characteristics of Three-Layer Supernetwork Evolution Model[J]. Complex System and Complexity Science, 2015, 12(2): 64-71.

[13] Nagurney A, Dong J. Supernetworks: Decision-Making for the Information Age [M]. Cheltenham: Edward Elgar Publishing, 2002.

[14] Wang J W, Rong L L, Deng Q H, et al. Evolving hypernetwork model[J]. Eur Phys J B, 2010, 77:493-498.

[15] 王志平, 王众托. 超网络理论及其应用[M]. 北京: 科学出版社, 2008.

[16] Zou Z g, Liu F X, Sun S M, et al. Ripple-effect analysis for operational architecture of air defense systems with supernetwork modeling [J]. Journal of Systems Engineering and Electronics. 2014, 25(02): 249-263.

[17] 邹志刚, 刘付显, 孙施曼, 等. 基于扩展粒度计算的防空体系结构超网络模型[J]. 复杂系统与复杂性科学, 2014, 11(2): 24-35.

Zou Zhigang, Liu Fuxian, Sun Shiman, et al. Extended granular computing-based on supernetwork model for anti-air operational architecture [J]. Complex Systems and Complexity Science, 2014, 11(02): 24-35.

[18] 王飞, 司光亚, 荣明, 等. 武器装备体系的异质超网络模型[J]. 系统工程与电子技术, 2015, 37(9): 2052-2060.

Wang fei, Si guangya, Rong ming, et al. Research on network-of-networks model of armament system-of-systems[J]. System Engineering and Electronics, 2015, 37(9): 2052-2060.

[19] Shi F L，Lei Y L ，Zhu Y F.A military communication supernetwork structure model for net centric environment[C].International Conference on Computational and Information Science.Wuhan,2010.

[20] Alberts D S, Garstka J J, Stein P F. Network centric warfare: developing and leveraging information superiority[M]. 2nd. Washington, DC, USA: DoD CCRP, 1999.

[21] Dekker A. Applying social network analysis concepts to military C4ISR architectures [J]. Connections, 2002, 24(3):93-103.

[22] 胡晓峰，杨镜宇，司光亚，等. 战争复杂系统仿真分析与实验[M]，北京：国防大学出版社，2008.5：332-334.

[23] Estrada E,Juan A,Rodríguez V. Subgraph centrality and clustering in complex hypernetworks[J]. Phys A, 2006, 364(1):581-594.

[24] Latora V, Marchiori M. A measure of centrality based on networks efficiency [J]. New J Phys, 2007, 9(6): 188-193.

[25] 滕克难, 盛安冬. 舰艇编队协同反导作战网络效果度量方法研究[J]. 兵工学报, 2010, 31(9): 1247-1253.

Teng Kenan, Sheng Andong. Research on Metric of Network Effect in Ship Formation Cooperation Anti-missile Operation [J]. Acta ArmamentarII, 2010, 31(9): 1247-1253.

ADynamicSuper-networkModelofCommandInformationSystemDrivenbyTask-Flow

CUI Qiong, LI Jianhua, RAN Haodan, NAN Mingli

(Information and Navigation College, Air Force Engineering University, Xi’an 710077,China)

Traditional CIS modeling methods have disadvantages such as unilateralism, inactivity and homogeneity, which is difficult to describe inherent mechanism of the complex system exactly. Due to this problem, we propose a dynamic super-network modeling method on the basis of being driven by task-flow. Firstly, we construct a multi-field structure space model for CIS, and describe the dynamic mechanism of CIS by defining operational task space, function space and platform space, as well as mapping relationships between them. Secondly, we define function network as the static super-network, and then based on scheduling and consecution of tasks, we establish the dynamic super-network model driven by task-flow, with defining some correlative parameters. At last, we verify the effectiveness and maneuverability of the model by analyzing the simulation.

driven by task-flow; complex system; dynamic super-network; structure model

1672-3813(2017)03-0058-10；

10.13306/j.1672-3813.2017.03.005