本發(fā)明涉及一種基于軍事仿真器的作戰(zhàn)方案優(yōu)化方法，屬于軍事運籌學領域。

背景技術：

美軍于20世紀60年代開始研制“聯(lián)合作戰(zhàn)計劃系統(tǒng)”，作戰(zhàn)司令部通過該系統(tǒng)確定完成任務的最佳途徑，并指導為完成任務所需要采取的行動。美軍典型的聯(lián)合作戰(zhàn)模擬系統(tǒng)主要有jsims(聯(lián)合仿真系統(tǒng))、jwars(聯(lián)合戰(zhàn)區(qū)級作戰(zhàn)模擬系統(tǒng))、jmass(聯(lián)合建模和仿真系統(tǒng))等。jsims是美軍為提高軍種間的互操作能力和支持聯(lián)合訓練而由國防部負責開發(fā)的，目的是通過在各類使命任務的各階段提供逼真的聯(lián)合訓練來支持部隊的訓練和教育。jwars是為支持國防部制定關于軍隊現(xiàn)代化、軍隊改革和作戰(zhàn)方面的決策而研制的聯(lián)合戰(zhàn)區(qū)作戰(zhàn)模擬系統(tǒng)，可用來制定、檢驗作戰(zhàn)計劃、預測作戰(zhàn)進程和結果、確定部隊的最佳編成、發(fā)展新的作戰(zhàn)概念、條令等。jmass是國防部建模與仿真支持環(huán)境，可用來制定、運行和分析包括電子戰(zhàn)在內(nèi)的作戰(zhàn)方案，可在一對一和多對多情況下模擬和評估作戰(zhàn)系統(tǒng)的運行和功能，從而也便于武器系統(tǒng)結構的確立、設計和研制。

從對美軍這3個典型作戰(zhàn)模擬系統(tǒng)的分析中可見：這些系統(tǒng)中都含有方案或計劃的制定、生成及對方案的模擬驗證、使用等問題；其突出特點是方案的生成和生成后的模擬驗證與方案的使用緊密相連，方案的生成、模擬運行、檢驗、運用一體化。通過方案的模擬運行檢驗方案的不足，促進決策者思考，開發(fā)新的作戰(zhàn)概念和條令。

我國從20世紀80年代就開始了軍事戰(zhàn)略模擬的研究。國防系統(tǒng)分析專業(yè)組和軍事運籌學會很早就組織過有關軍事戰(zhàn)略模擬相關問題的研究和討論。隨著科學技術的進步和軍事需求的增大，很多單位研制出了戰(zhàn)役戰(zhàn)術訓練模擬系統(tǒng)。但這些系統(tǒng)主要是為受訓者的組織指揮能力或操作手的操作技能的提高提供一個訓練平臺。對戰(zhàn)役特別是聯(lián)合戰(zhàn)役級的方案智能優(yōu)化的研究還處在起步階段。研究較多的是對方案的評估、優(yōu)選，且一般都是先建立評價指標體系，確定各指標的權重，利用優(yōu)選模型對預先存在的若干方案進行評估。其注重的是從人工制定的、預先存在的若干方案中選較好的，未能實現(xiàn)方案的自動生成和智能優(yōu)化功能。

通過對以上國外國內(nèi)研究進展的分析，發(fā)現(xiàn)目前的研究存在以下不足：方案只能從給定的人工制定的方案中進行選擇，而人工制定的方案也許均未能達到既定的作戰(zhàn)目標，仿真器無法根據(jù)已有的方案進行進一步的智能優(yōu)化。

技術實現(xiàn)要素：

發(fā)明目的：為了克服現(xiàn)有技術中存在的不足，本發(fā)明提供一種基于軍事仿真器的作戰(zhàn)方案優(yōu)化方法，該方法能夠?qū)崿F(xiàn)對作戰(zhàn)方案的自動生成以及優(yōu)化的功能，從而更好地為軍事決策人員提供軍事方案的輔助決策功能。

技術方案：為實現(xiàn)上述目的，本發(fā)明采用的技術方案為：

一種基于軍事仿真器的作戰(zhàn)方案優(yōu)化方法，包括以下步驟：

步驟1，初始方案的生成；基于戰(zhàn)場信息，選取基于向量的方案編碼方式生成初始方案，并將生成的初始方案放入到第一方案集合a中，第一方案集合a用于存儲保留下來的方案；

基于向量的方案編碼方式如下所示：

其中，第一行向量表示出動的兵力，第二行向量表示裝載的彈藥型號，第三行向量表示兵力出動的順序，x表示編碼矩陣，xi表示兵力出動順序為并裝載了型號為的彈藥后的發(fā)射導彈的距離；其中，表示出動的兵力，表示出動的兵力總數(shù)量；表示裝載的彈藥型號，表示彈藥型號的總數(shù)量；表示兵力出動的順序，表示出動順序的最大值；表示解向量的長度，解向量的長度等于出動的兵力總數(shù)量*彈藥型號的總數(shù)量*出動順序的最大值。

步驟2，初始方案的推演；將第一方案集合a中的方案依次放到仿真器上進行仿真推演，得到第一方案集合a中的各方案的仿真評估結果，然后根據(jù)第一方案集合a中的各方案的仿真評估結果采用以下打分公式對第一方案集合a中的各方案進行打分；

打分公式：

scorem＝λ1*znm+λ2*shnm+λ3*rnm+λ4*bnm+λ5*sjnm

其中，scorem表示方案m的得分值，zn表示戰(zhàn)果數(shù)量，shn表示損耗數(shù)量，rn表示任務完成度，bn表示兵力占用，sjn表示射擊效率，λ1，λ2，λ3，λ4，λ5分別表示戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率的權重，且滿足λ1+λ2+λ3+λ4+λ5＝1；

步驟3，方案的采樣；基于第一方案集合a的方案，運用采樣方法生成新的方案；其中的采樣方法如下：

步驟31，生成1到10之間的一個隨機整數(shù)，該隨機整數(shù)為采樣操作的次數(shù)，記為q；

步驟32，生成1到3之間的一個隨機整數(shù)，記為p；

若p＝1，表示修改兵力裝載的彈藥型號；隨機選擇方案中一個xi≠0的位置，將其所對應的兵力的彈藥型號進行隨機的修改；

若p＝2，表示修改兵力出動的順序；將方案中兵力出動的順序進行重新隨機排列；

若p＝3，表示修改發(fā)射導彈的距離；隨機選擇一個方案中xi≠0的位置，將其所對應的兵力的導彈發(fā)射距離修改為1，2，3其中的任意一個值；

步驟33，判斷當前采樣操作的次數(shù)是否大于q，若大于q，則結束采樣操作；否則繼續(xù)執(zhí)行采樣操作；

步驟4，獲取歷史方案及其仿真評估結果，將歷史方案及其仿真評估結果構造成初始訓練樣本，采用機器學習算法對訓練樣本進行訓練學習，構建方案預選模型；

步驟5，將步驟3中采樣生成的新方案放到方案預選模型中進行方案的預選，預選通過的方案將會放入到第二方案集合b中；

步驟6，方案的推演：將第二方案集合b中的方案依次放到仿真器上進行仿真推演，得到第二方案集合b中各方案的仿真評估結果，根據(jù)第二方案集合b中各方案的仿真評估結果采用步驟2中打分公式對第二方案集合b中各方案進行打分；

步驟7，將步驟5得到的第二方案集合b中的方案及步驟6中得到的其對應仿真評估結果作為訓練樣本，將此訓練樣本加入到已有的訓練樣本中，基于這些訓練樣本實現(xiàn)方案預選模型的更新，更新后的方案預選模型作為下一個方案的方案預選模型；

步驟8，方案的替換：對比第二方案集合b和第一方案集合a，基于方案打分值，將第二方案集合b中打分值高的方案替換第一方案集合a中相對打分值低的方案；

步驟9，迭代執(zhí)行；重復步驟3到步驟8，直到生成的方案達到了作戰(zhàn)的需求或者到達預先設定的運行時間。

優(yōu)選的：所述發(fā)射導彈的距離共有四種取值：xi＝1表示兵力在近距離處發(fā)射了導彈；xi＝2表示兵力在中距離處發(fā)射了導彈；xi＝3表示兵力在遠距離處發(fā)射了導彈；若xi＝0則表示沒有此項分配。

所述步驟2中方案推演方法，包括以下步驟：

步驟21，想定編輯；

在想定編輯界面根據(jù)方案部署我方兵力，敵方兵力是事先就部署好的且是固定不變的；在想定編輯界面設計我方初始活動路線及任務，敵方的初始活動路線及任務均為事先設定好的；

步驟22，運行推演程序；

步驟23，仿真推演結束，仿真器對作戰(zhàn)結果進行自動判決，并計算戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率這些指標的值，將這些指標的值根據(jù)打分公式進行加權得到方案的得分。

優(yōu)選的：所述機器學習算法為人工神經(jīng)網(wǎng)絡算法、決策樹算法、支持向量機等。

優(yōu)選的：所述機器學習算法為決策樹算法，提取方案中的出動的兵力、兵力裝載的彈藥型號、兵力出動的順序、發(fā)射導彈的距離作為特征；若方案的打分值大于等于設置的基值，則方案的分類結果為1，即方案可行；若方案的打分值低于設置的基值，則方案的分類結果為0，即方案不可行；利用決策樹算法對訓練樣本進行訓練，構建方案預選模型。

優(yōu)選的：對于新加入的訓練樣本，利用增量學習算法更新方案預選模型。

優(yōu)選的：提取采樣生成的新方案的特征，通過方案預選模型進行預選，如果分類結果為1，則說明該方案可行，預選通過的方案將會放入到第二方案集合b中進行下一步的方案仿真；如果分類結果為0，則說明該方案不可行，該方案將不會在仿真器上進行仿真推演。

本發(fā)明相比現(xiàn)有技術，具有以下有益效果：

本方法通過根據(jù)作戰(zhàn)意圖和戰(zhàn)場態(tài)勢，從其可出動的部隊中選擇兵力出擊。首先進行初始化生成初始方案集合，同時將生成的初始方案在仿真器上進行仿真推演評估，然后對初始方案集合進行采樣操作生成新的方案。采樣生成的新方案將經(jīng)過方案預選模型的預選，預選通過的方案將加入到新方案集合中。新方案集合中的方案在仿真器上進行仿真推演評估，根據(jù)評估的結果實現(xiàn)作戰(zhàn)方案的優(yōu)化。重復以上步驟，直到生成的方案達到了作戰(zhàn)的需求或者到達預先設定的運行時間。本方法能夠?qū)崿F(xiàn)對作戰(zhàn)方案的自動生成以及優(yōu)化的功能，從而更好地為軍事決策人員提供軍事方案的輔助決策功能。本方法可直接用于軍事仿真器中，有效解決作戰(zhàn)方案制定主觀經(jīng)驗干擾過大同時方案無法實現(xiàn)優(yōu)化的問題，實現(xiàn)對作戰(zhàn)方案的自動生成以及優(yōu)化的功能，從而更好地為軍事決策人員提供軍事方案的輔助決策功能。

附圖說明

圖1為本發(fā)明實施例的流程圖。

圖2為本發(fā)明所述的作戰(zhàn)場景實例。

具體實施方式

下面結合附圖和具體實施例，進一步闡明本發(fā)明，應理解這些實例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領域技術人員對本發(fā)明的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。

一種基于軍事仿真器的作戰(zhàn)方案優(yōu)化方法，如圖1所示，包括以下步驟：

步驟1，初始方案的生成?；趹?zhàn)場信息，選取基于向量的方案編碼方式生成初始方案，并將生成的初始方案放入到第一方案集合a中，第一方案集合a用于存儲保留下來的方案。

其基于向量的方案編碼方式：第一維(行)向量表示出動的兵力。第二維(行)向量表示裝載的彈藥型號。第三維(行)向量表示兵力出動的順序。其具體編碼方式如下所示：

其中，x表示編碼矩陣，xi表示兵力出動順序為并裝載了型號為的彈藥后的發(fā)射導彈的距離。其中，表示出動的兵力，表示出動的兵力總數(shù)量。表示裝載的彈藥型號，表示彈藥型號的總數(shù)量。表示兵力出動的順序，表示出動順序的最大值；表示解向量的長度，解向量的長度等于出動的兵力總數(shù)量*彈藥型號的總數(shù)量*出動順序的最大值。

發(fā)射導彈的距離共有四種取值：xi＝1表示兵力在近距離處發(fā)射了導彈。xi＝2表示兵力在中距離處發(fā)射了導彈。xi＝3表示兵力在遠距離處發(fā)射了導彈。若xi＝0則表示沒有此項分配。

因此，對于每一個兵力具有多種的彈藥型號分配可能，同時還具有多種的出動順序可能，同時還具有多種的發(fā)射導彈距離可能，從而形成不同的作戰(zhàn)方案。

步驟2，初始方案的推演。將第一方案集合a中的方案依次放到仿真器上進行仿真推演，根據(jù)推演結果采用以下打分公式對方案進行打分。

方案推演方法包括以下步驟：

步驟21，想定編輯。

在想定編輯界面根據(jù)方案部署我方兵力，敵方兵力是事先就部署好的且是固定不變的。在想定編輯界面設計我方初始活動路線及任務，敵方的初始活動路線及任務均為事先設定好的。

步驟22，運行推演程序。

步驟23，仿真推演結束，仿真器對作戰(zhàn)結果進行自動判決，并計算戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率這些指標的值，將這些指標的值根據(jù)打分公式進行加權得到方案的得分。

戰(zhàn)果數(shù)量：作戰(zhàn)摧毀敵方兵力的數(shù)量。記為zn；

損耗數(shù)量：作戰(zhàn)過程中我方被摧毀的兵力數(shù)量。記為shn；

任務完成度：作戰(zhàn)實際完成的任務數(shù)占計劃任務數(shù)的比例。記為rn；

兵力占用：作戰(zhàn)出動的兵力在所有可用兵力中的占比，即各兵力實際出動了多少。記為bn；

射擊效率：發(fā)射的彈藥中擊中或者毀傷目標的彈藥所占的比重。記為sjn；

打分公式如下：

scorem＝λ1*znm+λ2*shnm+λ3*rnm+λ4*bnm+λ5*sjnm

scorem表示方案m的得分值，zn表示戰(zhàn)果數(shù)量，shn表示損耗數(shù)量，rn表示任務完成度，bn表示兵力占用，sjn表示射擊效率，λ1，λ2，λ3，λ4，λ5分別表示戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率的權重，且滿足λ1+λ2+λ3+λ4+λ5＝1。

步驟3，方案的采樣?；诘谝环桨讣蟖的方案，運用采樣方法生成新的方案，并將新方案放入到第二方案集合b中，第二方案集合b用于存儲新產(chǎn)生的方案。其中的采樣方法包括以下步驟：

步驟31，生成1到10之間的一個隨機整數(shù)，該整數(shù)為采樣操作的次數(shù)，記為q。

步驟32，生成1到3之間的一個隨機整數(shù)，記為p。

若p＝1，表示修改兵力裝載的彈藥型號。隨機選擇方案中一個xi≠0的位置，將其所對應的兵力的彈藥型號進行隨機的修改。

若p＝2，表示修改兵力出動的順序。將方案中兵力出動的順序進行重新隨機排列。

若p＝3，表示修改發(fā)射導彈的距離。隨機選擇一個方案中xi≠0的位置，將其所對應的兵力的導彈發(fā)射距離修改為1，2，3其中的任意一個值。

步驟33，判斷當前采樣操作的次數(shù)是否大于q，若大于q，則結束采樣操作。否則繼續(xù)執(zhí)行采樣操作。

步驟4，方案的預選。將采樣生成的新方案放到方案預選模型中進行方案的預選，預選通過的方案將會放入到第二方案集合b中，第二方案集合b用于存儲新產(chǎn)生的方案。方案的預選方法包括以下步驟：

步驟41，基于大量歷史方案及其仿真評估的結果構造初始訓練樣本，采用機器學習算法，如人工神經(jīng)網(wǎng)絡算法、決策樹算法對訓練樣本進行訓練學習，構建方案預選模型；

步驟42，將迭代執(zhí)行過程中加入到第二方案集合b中的方案及其仿真評估結果作為訓練樣本，將此訓練樣本加入到已有的訓練樣本中，基于這些訓練樣本實現(xiàn)方案預選模型的更新，更新后的方案預選模型作為下一個方案的方案預選模型；

步驟43，提取采樣生成的新方案的特征，通過方案預選模型進行分類預選，如果分類結果為1，則說明該方案可行，可進行下一步的方案仿真；如果分類結果為0，則說明該方案不可行，該方案將不會在仿真器上進行仿真推演。

步驟5，方案的推演。將第二方案集合b中的方案依次放到仿真器上進行仿真推演，根據(jù)推演結果對方案進行打分。

步驟6，方案的替換。對比第二方案集合b和第一方案集合a，基于方案打分值，將第二方案集合b中打分值高的方案替換第一方案集合a中相對打分值低的方案。

步驟7，迭代執(zhí)行。重復步驟3到步驟6，直到生成的方案達到了作戰(zhàn)的需求或者到達預先設定的運行時間。

實例

一、總體實現(xiàn)方案

本發(fā)明提出了一種基于軍事仿真器的作戰(zhàn)方案優(yōu)化方法，能夠?qū)崿F(xiàn)對作戰(zhàn)方案的自動生成以及優(yōu)化的功能，從而更好地為軍事決策人員提供軍事方案的輔助決策功能。

圖1為本發(fā)明一實施例的流程圖。

如圖1所示，上述過程主要由初始方案的生成、初始方案的推演、方案的采樣、方案的預選、方案的推演、方案的替換組成。

二、具體實現(xiàn)步驟

(1)初始方案的生成

作戰(zhàn)方案是使用作戰(zhàn)兵力達成一定戰(zhàn)役或戰(zhàn)斗目的的計劃，是組織指揮部隊作戰(zhàn)行動的依據(jù)性文件，是作戰(zhàn)意圖和決心的集中體現(xiàn)。從作戰(zhàn)態(tài)勢角度來看，作戰(zhàn)方案就是要創(chuàng)造一種理想的目標態(tài)勢。這種態(tài)勢利于實現(xiàn)己方目標，卻使敵方意圖盡可能無法實現(xiàn)。最終是要解決在何時、何地、何種條件下，為何目標，讓哪一(或哪些)部隊去執(zhí)行什么任務，對參戰(zhàn)兵力、各兵力要完成的任務、采取的行動、方法等在時間、空間內(nèi)進行合理安排，形成理想的態(tài)勢。

本專利中的作戰(zhàn)方案包含的因素主要有出動的兵力、兵力裝載的彈藥型號、兵力出動的順序、發(fā)射導彈的距離。

我軍可出動兵力，即出動的飛機數(shù)量和艦船數(shù)量，兵力數(shù)量視各部隊可出動的狀態(tài)變化，兵力數(shù)量的不同影響作戰(zhàn)的規(guī)模的大小。

兵力裝載的彈藥型號，即彈藥的種類，彈藥的種類不同，其開火范圍也會不同；因此，彈藥型號的選擇要根據(jù)具體的作戰(zhàn)場景來選擇。

兵力出動的順序，即我軍作戰(zhàn)兵力出動的先后順序。

作戰(zhàn)方案的編碼主要解決的問題是如何對作戰(zhàn)方案進行表示的問題。

圖2為本發(fā)明所述的作戰(zhàn)場景實例。

現(xiàn)舉例說明作戰(zhàn)方案編碼過程：

大致場景是設想在一片沖突海域，如圖2所示，紅方(圖中左邊)因某種原因，決定對藍方(圖中右邊)一支海上力量進行打擊。雙方力量均為大型艦船1艘，飛機2架。雙方配載的彈藥型號均為一樣，分別為小型導彈和大型導彈；導彈發(fā)射的距離有三種，即近距離發(fā)射導彈、中距離發(fā)射導彈、遠距離發(fā)射導彈；紅方作為進攻方，紅方指揮員根據(jù)海戰(zhàn)經(jīng)驗制定出作戰(zhàn)方案，具體如下：

1)作戰(zhàn)兵力2首先裝載大型導彈，于遠距離處發(fā)射導彈。

2)作戰(zhàn)兵力1接著裝載大型導彈，于近距離處發(fā)射導彈。

3)作戰(zhàn)兵力3最后裝載小型導彈，于中距離處發(fā)射導彈。

相對應的藍方的作戰(zhàn)方案在此不再贅述。

基于上面紅方的作戰(zhàn)方案，其相對應的編碼如下：

表示出動的兵力，表示出動的兵力總數(shù)量，表示作戰(zhàn)兵力1，表示作戰(zhàn)兵力2，表示作戰(zhàn)兵力3。表示裝載的彈藥型號，表示彈藥型號的總數(shù)量，表示大型導彈，表示小型導彈。表示兵力出動的順序，表示出動順序的最大值，也就是等于兵力的總數(shù)量，表示出動順序為1，表示出動順序為2，表示出動順序為3。xi＝1表示兵力在近距離處發(fā)射了導彈。xi＝2表示兵力在中距離處發(fā)射了導彈。xi＝3表示兵力在遠距離處發(fā)射了導彈。若xi＝0則表示沒有此項分配。

基于上面紅方的作戰(zhàn)方案，其相對應的編碼如下：

通過該方案的編碼，可以非常清晰的看出我軍的作戰(zhàn)方案：

作戰(zhàn)兵力1裝載了大型導彈第二個出動同時會在近距離處發(fā)射導彈，作戰(zhàn)兵力2裝載了大型導彈第一個出動同時會在遠距離處發(fā)射導彈，作戰(zhàn)兵力3裝載了小型導彈第三個出動同時會在中距離處發(fā)射導彈。

生成的初始方案會加入到方案集合a中。

(2)初始方案的推演

在信息技術的支撐下，方案推演是結合具體的戰(zhàn)場環(huán)境、戰(zhàn)場態(tài)勢，在軍事仿真器軟件環(huán)境下對指揮員制定的作戰(zhàn)方案進行的更加具象的展現(xiàn)，以便于對籌劃的作戰(zhàn)方案、任務計劃等進行預先的驗證，從而可以及時的做出調(diào)整和優(yōu)化。

方案的推演通常包括以下幾個步驟：

1)想定編輯

想定編輯是軍事仿真器的重要組成部分，其主要功能就是基本屬性配置編輯、方案中涉及的實體屬性配置編輯、環(huán)境配置編輯、運行規(guī)則配置編輯等。在想定編輯界面可以根據(jù)方案部署我方的兵力，由于敵方的作戰(zhàn)方案是事先就已知的且是固定不變的，因此其兵力事先就已經(jīng)部署好了。在想定編輯界面還可以設計我方初始活動路線及任務，敵方的初始活動路線及任務均為事先設定好的。

2)運行推演程序

推演程序主要基于推演規(guī)則建立的軟件環(huán)境，為方案的推演執(zhí)行提供了便利，有利于對作戰(zhàn)方案進行有效的驗證。

推演規(guī)則是指推演實施過程中必須遵循的依據(jù)和規(guī)范，包括約束規(guī)則和作戰(zhàn)規(guī)則兩大類。約束規(guī)則主要是指推演過程中對各種作戰(zhàn)行動進行約束限制的規(guī)則，如兵力運用約束規(guī)則、裝備使用約束規(guī)則、環(huán)境約束規(guī)則、交戰(zhàn)關系約束規(guī)則等。作戰(zhàn)規(guī)則主要是指各種作戰(zhàn)行動執(zhí)行中所遵循的規(guī)范或依據(jù)，如態(tài)勢判斷、目標選擇及分配、兵力與火力分配、武器使用、指揮協(xié)同、效果評估等方面的規(guī)則。

3)仿真評估

仿真推演結束后，仿真器對作戰(zhàn)結果進行自動判決，并計算戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率這些指標的值，并將這些指標的進行加權得到方案的得分。

現(xiàn)舉例說明方案得分的計算過程：

假設我方摧毀敵方兵力數(shù)量為10，即戰(zhàn)果數(shù)量zn＝10。我方被摧毀的兵力數(shù)量為3，即損耗數(shù)量shn＝3。我方制定的作戰(zhàn)任務總數(shù)為5，實際完成的任務數(shù)為3，即rn＝3/5*100％＝60％。我方總兵力為20，作戰(zhàn)出動的兵力數(shù)量為15，即兵力占用bn＝15/20*100％＝75％。我方作戰(zhàn)過程中共發(fā)射了20枚導彈，擊中或毀傷目標的導彈數(shù)量為10，即射擊效率sjn＝10/20*100＝50％。

其中，戰(zhàn)果數(shù)量、損耗數(shù)量、任務完成度、兵力占用、射擊效率的權重分別為0.3，0.1，0.3，0.2，0.1。

方案的得分值為0.3*10+0.1*3+0.3*0.6+0.2*0.75+0.1*0.5＝3.68。

(3)方案的采樣

基于已有的方案，隨機的選擇方案涉及的因素進行隨機的改變，從而生成與已有方案不同的方案的過程就是方案的采樣。該方法基于已有的方案，可使新生成的方案在一定概率上繼承先前方案的優(yōu)點，一定概率上去除先前方案的缺點，是種效率較高且較為新穎的方案生成方式。

現(xiàn)舉例說明方案采樣的過程：

假設已有作戰(zhàn)方案如下：

作戰(zhàn)兵力2首先裝載大型導彈，于遠距離處發(fā)射導彈。

作戰(zhàn)兵力1接著裝載大型導彈，于近距離處發(fā)射導彈。

作戰(zhàn)兵力3最后裝載小型導彈，于中距離處發(fā)射導彈。

其對應的作戰(zhàn)編碼如下：

已知我軍共有3個作戰(zhàn)兵力，裝載的導彈類型有小型導彈和大型導彈兩種，發(fā)射導彈的距離有三種，近距離發(fā)射導彈、中距離發(fā)射導彈、遠距離發(fā)射導彈。

第一步，生成1到10之間的一個隨機整數(shù)，即采樣操作的次數(shù)，假設產(chǎn)生的隨機數(shù)為2，即要進行兩次采樣操作。

第二步，生成1到3之間的一個隨機整數(shù)，假設生成的隨機整數(shù)為3，當生成的隨機整數(shù)為3時表明要修改發(fā)射導彈的距離。此時隨機選擇方案中一個xi≠0的位置，假設選擇的是值為3的這個位置，對應的是作戰(zhàn)兵力2，此時隨機從導彈發(fā)射距離的取值中選擇一個替換先前的導彈發(fā)射距離值，假設選擇的是2，即作戰(zhàn)兵力2的導彈發(fā)射距離由先前的遠距離發(fā)射修改為了中距離發(fā)射。

該步執(zhí)行后對應的方案編碼如下：

第三步，由于要進行兩次采樣操作，先前已執(zhí)行了一次，下面執(zhí)行第二次。生成1到3之間的一個隨機整數(shù)，假設生成的隨機整數(shù)為1。當生成的隨機整數(shù)為1時表明要修改兵力裝載的彈藥型號。此時隨機選擇方案中一個xi≠0的位置，假設選擇的是值為1的這個位置，對應的是作戰(zhàn)兵力1，此時隨機從彈藥型號取值中選擇一個替換先前的彈藥型號，假設選擇的是小型導彈，即作戰(zhàn)兵力1的彈藥型號由先前的大型導彈修改為了小型導彈。

該步執(zhí)行后對應的方案編碼如下：

至此，兩次采樣操作已經(jīng)結束，最終的生成的新方案如下：

作戰(zhàn)兵力2首先裝載大型導彈，于中距離處發(fā)射導彈。

作戰(zhàn)兵力1接著裝載小型導彈，于近距離處發(fā)射導彈。

作戰(zhàn)兵力3最后裝載小型導彈，于中距離處發(fā)射導彈。

采樣生成的新方案會加入到方案集合b中。

(4)方案的預選

基于采樣生成的新方案中存在部分方案是不可行的或者方案的效果較差，對于這些方案如果在方案推演之前能夠通過某種技術對之進行預選，使得不可行的方案或者明顯較差的方案可以預先刪除掉，這樣不僅可以節(jié)省仿真推演的時間，而且將會節(jié)省大量的系統(tǒng)資源，同時會提高方案優(yōu)化的效率。

機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，特別是如何在經(jīng)驗學習中改善具體算法的性能。機器學習是對能通過經(jīng)驗自動改進的計算機算法的研究。人工神經(jīng)網(wǎng)絡算法、決策樹算法、支持向量機算法等等都是機器學習算法中常用的算法，下面以決策樹算法為例說明方案預選模型的構建過程。

決策樹是機器學習中一種常用的分類技術，它代表的是對象屬性與對象值之間的一種映射關系。樹中每個節(jié)點表示某個對象，而每個分叉路徑則代表的某個可能的屬性值，而每個葉結點則對應從根節(jié)點到該葉節(jié)點所經(jīng)歷的路徑所表示的對象的值。機器學習中決策樹是一種經(jīng)常要用到的技術，可以用于分析數(shù)據(jù)，同樣也可以用來作預測。

方案的預選過程如下：

第一步，方案預選模型的構建；基于歷史方案及其仿真評估的結果構建訓練樣本；提取方案中包含的出動的兵力、兵力裝載的彈藥型號、兵力出動的順序、發(fā)射導彈的距離等因素作為特征；若方案的打分值大于等于設置的某一基值，則方案的分類結果為1，即方案可行；若方案的打分值低于設置的某一基值，則方案的分類結果為0，即方案不可行；基于訓練樣本，利用決策樹算法對訓練樣本進行訓練，構建方案預選模型。

第二步，方案預選模型的更新；基于迭代執(zhí)行過程加入到第二方案集合b中的方案及其仿真評估結果構建新的訓練樣本，將新的訓練樣本加入到已有的訓練樣本中；提取這些方案中包含的出動的兵力、兵力裝載的彈藥型號、兵力出動的順序、發(fā)射導彈的距離等因素作為特征；若方案的打分值大于等于設置的某一基值，則方案的分類結果為1，即方案可行；若方案的打分值低于設置的某一基值，則方案的分類結果為0，即方案不可行；對于新加入的訓練樣本，利用增量學習算法更新方案預選模型。

第三步，提取新方案的特征，即出動的兵力、兵力裝載的彈藥型號、兵力出動的順序、發(fā)射導彈的距離，構造預測樣本，將待預選的樣本在方案預選模型上進行分類預測，若分類結果為1，則說明該方案可行，將進行下一步的方案仿真；若分類結果為0，則說明該方案不可行，該方案將不會在仿真器上進行仿真推演。

(5)方案的推演

預選通過的新方案需要在仿真器上進行仿真評估，由于其與初始方案的推演步驟是一致的，因此在此不再贅述。

(6)方案的替換

方案的替換是基于方案的打分值對比已有的方案集合中的方案和新產(chǎn)生的方案集合中的方案，用新產(chǎn)生的方案替換已有方案集合中存在的那些打分值低于新方案的方案。方案的替換可以淘汰較差的方案，保留較好的方案，同時可以引進新的較好的方案，對方案起到改進優(yōu)化的作用。

現(xiàn)舉例說明方案的替換過程：

方案集合a用于存儲保留下來的方案，方案集合b用于存儲新產(chǎn)生的方案。假設方案集合a中已有方案a1，a2，a3，其打分值分別為3.2，4.5，3.9；方案集合b中已有方案b1，b2，b3，其打分值分別為3.1，4.0，3.8。

對比方案b和方案集合a，b1的打分值比a1，a2，a3都要低，因此b1無法替換集合a中的任何方案；b2的打分值高于a1，a3，但低于a2，因此b2可以替換掉a1，a3，b2加入到集合a中，a1，a3從集合a中去除；因此，此時集合a中的方案的打分值為4.5，4.0；b3的打分值均比集合a中的打分值低，因此b3無法替換集合a中的任何方案。

因此，經(jīng)過方案替換后的方案集合a中的方案打分值分別為4.5，4.0。

本發(fā)明通過分析戰(zhàn)場態(tài)勢，快速制定初始方案，同時在初始方案的基礎上進行采樣操作，將采樣生成的新方案經(jīng)過方案預選模型預選，預選通過的方案將會在軍事仿真器上進行仿真評估，基于評估的結果實現(xiàn)作戰(zhàn)方案的優(yōu)化。本方法能夠?qū)崿F(xiàn)對作戰(zhàn)方案的自動生成以及優(yōu)化的功能，從而更好地為軍事決策人員提供軍事方案的輔助決策功能。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出：對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。