钟赟，万路军，张杰勇

1. 中国人民解放军94040部队，库尔勒 841000 2. 空军工程大学 信息与导航学院，西安 710077 3. 空军工程大学 空管领航学院，西安 710051 4. 中国电科28所 空中交通管理系统与技术国家重点实验室，南京 210007

随着航空平台技术、信息网络技术和人工智能技术的飞速发展，空中作战集群化、网络化和智能化趋势日益显现[1-2]。空中作战的行动过程(Course of Action, COA)设计，作为空中作战任务计划生成的关键技术，是空中作战编队根据实际作战环境和敌方可能采取的作战行动，生成的最优或较优作战行动方案，其本质是对动态作战行动、作战环境和作战效果三者因果关系的科学定量描述和高效优化求解，其设计效果决定了空中作战效能发挥[3-4]。

对COA问题建模分析，运用较多的贝叶斯网络(Bayesian Nets, BNs)和动态贝叶斯网络(Dynamic Bayesian Nets, DBNs)方法存在其固有缺陷：一是在概率推理过程中，BNs和DBNs高度依赖条件概率表(Conditional Probability Table, CPT)，而CPT的合理构建具有一定困难；二是随着作战规模的增大，CPT中节点数量随之增多，进而降低概率推理的计算效率[5]。因此，研究人员主要通过引入因果强度逻辑(Causal Strength Logic, CAST)参数，采用参数定义较少、推理效率较高的影响网络(Influence Nets, INs)方法[6]，对COA问题进行研究。

在现有研究中，大多考虑了COA优选中的不确定性，并采用不同方法处理这种不确定性。文献[7]考虑到作战过程中的不确定性和对抗性，基于不完全信息博弈方法和INs进行问题建模，但缺乏对参数的不确定性表征。文献[8]认为不确定性(外部事件出现概率的区间性)主要来源……