闫雪飞,李新明,刘 东,刘德生,李 强

(装备学院复杂电子系统仿真实验室，北京 101416)

1 引言

海湾战争以来，体系SoS(System-of Systems)作战成为主要的作战方式，武器装备体系WSoS(Weapon equipment SoS)[1,2]成为各国军队发展的主要立足点，尤其是网络信息体系顶层架构的提出，进一步表明了体系支撑作战的重要性。然而，作为一个典型的复杂系统，WSoS的不确定性、复杂性以及巨量性使得作战仿真研究面临巨大的挑战，目前，针对WSoS的作战仿真研究[3,4]还远未达到成熟的地步。

指挥与控制C2(Command and Control)是作战仿真研究的一项核心技术，也是影响战争胜负的重要因素。传统的C2研究主要集中于战术层次，属于微观层面，这是由于战术层次的实体行为模型较易建立，武器平台的运用规则相对简单，不确定性相对较小，流程相对固定[5]。而战役层次的C2研究则很少见诸文献，这是由于战役层次的C2行为属于宏观层次，考虑的对象不再是单个作战实体，而是多个作战单元，不仅要考虑我方兵力分布，还要考虑敌方态势信息，既跨物理域，又跨信息域、认知域，涉及的范围更广、考虑的因素更多，一直以来都是作战仿真研究领域的难点。

人工智能的迅猛发展，尤其是令人瞩目的谷歌AlphaGo在围棋领域取得的重要突破，表明了基于机器学习的C2建模的可行性。AlphaGo推动了两项与人工智能相关的技术：神经网络技术以及强化学习RL(Reinforcement Learning)技术。神经网络是一种有效的复杂问题离散表示方法[6,7]，而RL则相当于不确定性环境中的训练样本，两者结合具有巨大的发展潜力，是作战仿真C2研究的主要发展趋势。……