無人飛行器（UAV）圖像的目標分類對于軍事偵察和監視越來越重要。深度神經網絡（DNN）是改進無人飛行器圖像目標分類的一項很有前途的技術。然而，DNNs 可能由大量參數組成，這使得操作人員難以理解 DNNs 在目標分類中使用了哪些圖像特征。這種缺乏透明度的情況對于將 DNNs 應用于目標分類的軍事應用來說是一個挑戰，因為由于武器交戰的高風險，操作員最終要對所有決策負責。因此，操作人員也需要 DNN 分類的解釋，以評估其可靠性。

本報告介紹了一項實驗，參與者在實驗中對低空無人機圖像中的軍用車輛進行目標分類。實驗的目的是評估對 DNN 分類的支持和對 DNN 分類的突出圖解釋（突出 DNN 分類最重要的特征）的支持是否能提高目標分類的準確性。顯著性地圖解釋是用隨機輸入采樣解釋（RISE）方法生成的。受試者在三種不同的條件下完成目標分類任務：無 DNN 分類支持、有 DNN 分類支持和有 DNN 分類的 RISE 顯著性地圖解釋支持。

結果表明，與預期相反，在有 DNN 分類支持的情況下，參與者的目標分類準確率會降低，而在有 RISE 突出圖解釋支持的情況下，準確率會進一步降低。在 DNN 分類和 RISE 突出圖解釋的支持下，參與者的目標分類準確率較低，這可能是由兩個原因共同造成的：對自動決策輔助工具的依賴和難以評估 DNN 的可靠性。結果表明，當 DNN 分類正確時，參與者對其依賴性不足；而當 DNN 分類不正確時，參與者對其依賴性過高。

實驗的結論是，要提供 DNN 分類和 DNN 分類解釋，以實際支持操作員的目標分類，并非易事。如何呈現 DNN 分類信息，以及其他有前途的 XAI 方法是否能改善操作員的目標分類，還需要進行更多的實驗。

第 2 章從參與者、車輛圖像、DNN 分類和突出圖解釋等方面介紹了實驗方法。第 3 章從調查因素如何影響目標分類性能、響應時間和對 DNN 分類的依賴性等方面介紹了實驗結果。第 4 章總結了實驗結果，并描述了取得目標分類性能的可能原因。第 5 章介紹了實驗結論，并提供了一些用于圖像分類的 XAI 方法建議，以便在未來的實驗中進行評估。

圖 2 車輛類別示例（上排）和 DNN 對車輛類別分類的 RISE 突出圖解釋（下排）。

大多數軍事大國--無論是單獨還是合作--都在設計基于新一代有人駕駛戰斗機和無人駕駛飛機系統協同作戰的未來空戰系統。

這一領域的標準制定者以美國為首。經過多年，美國空軍（USAF）和美國海軍（USN）現在正集中精力在中期內發展大量的協同作戰飛機（CCA），以增加其作戰飛機機隊的深度，因為他們認為機隊已經縮減到無法對抗大國行動的水平。目前的概念是 "負擔得起的規模"，即在控制成本的前提下增加規模性。這些 CCA 將被整合到美國空軍和海軍的下一代空中主導（NGAD）系統中。這一龐大的協同作戰體系結構所涉及的首要任務是對空作戰，實現空中優勢（即定位和壓制敵方防空系統--SEAD），但美國空軍為 CCA 設想了 "100 種角色"（攔截、CAS、通信中繼）。盡管如此，關于如何權衡這些系統的成本和作戰性能的辯論仍在繼續。

美國人目前正在研制陸基、大部分可回收的飛機，其基礎是 Kratos XQ-58、GA-ASI 的 Gambit 系列或波音公司的 MQ-28 幽靈蝙蝠，但尚不確定這些系統是否能勝任這一任務。盡管如此，此類系統很可能會成為 CCA 初期增量的主力，并在中期內轉化為美國空軍采購至少一千個單元，與 F-35 和 NGAD 戰斗機組成有人-無人聯隊（MUM-T）。雖然所使用的平臺將取決于所需的性能水平，但似乎可以肯定的是，這些系統將基于模塊化開放式架構和 Skyborg 人工智能系統（其開發工作已經完成）。美國人也在開發無人駕駛空射飛行器（如美國國防部高級研究計劃局的 "長槍 "計劃）。洛克希德-馬丁公司的設計和米切爾研究所的兵棋推演表明，美國最終很可能會確定一系列性能各異的 CCA，有些是消耗型，有些是可回收型，發射方案多種多樣，其中包括少量 "精致 "的可回收系統--高度復雜的無人情報平臺或無人戰斗飛行器（UCAV）。參與米切爾研究所幾項對空作戰任務研究的專家贊成在作戰初期大量使用消耗性 CCA，用于誘餌、ISR、協同空戰和通信中繼，先于第五代戰斗機飛行，一旦敵方能力被削弱，再使用更先進的可回收 CCA，以擴大友軍系統的覆蓋范圍。他們沒有使用現有的 UCAV 解決方案。

許多國家正在效仿美國的做法，盡管資源更為有限：

• 英國正在與 BAE 系統公司合作，結合 "暴風雪 "全球空中作戰計劃 (GCAP)，開發遙控解決方案--輕型和重型兩類陸基可回收遙控飛機，提供不同的先進程度。

• 澳大利亞正與波音公司合作研制 MQ-28 "幽靈蝙蝠"，其概念與美國的 CCA 相似。澳大利亞的這一模型也啟發了韓國人，他們正在研制一種忠誠的僚機無人機，以配合其先進版本的 KF-21 Boramea 戰斗機。

• 在美國的支持下，日本也正在研發一種能夠在 2030 年代與其未來的 F-X 戰斗機配合使用的遙控無人機。

• 在戰略競爭對手中，俄羅斯的情況最為不確定。莫斯科正在研制 UCAV 型忠誠僚機，如 S-70 Okhotnik 和 Grom，但西方的制裁和推進解決方案的缺乏大大減緩了這些項目的進展。

• 中國的情況要好得多，在各種無人機中，中國正在開發一系列協同作戰系統，與有人駕駛戰斗機，特別是殲-20 戰斗機一起以 MUM-T 模式作戰：飛鴻 FH-95 渦輪螺旋槳 ISR 和電子戰無人機以及 FH-97 戰斗無人機，與可回收的美國 CCA 設計相似。

• 印度也在開發自己的系統體系，即印度斯坦航空有限公司的 "戰斗空中聯合系統"（CATS），包括作為 "母機 "的 "泰賈斯 "有人駕駛戰斗機和幾種遙控飛機，特別是與 MQ-28 和 XQ-58 非常相似的 "勇士"（CATS Warrior）、可回收巡航導彈型遙控飛機 "獵人"（CATS Hunter）和 ALFA 漂浮彈藥。

• 土耳其已經建立了廣泛依賴無人機的空中力量模式，既用于 DITB，也用于彌補其作戰飛機項目的問題，土耳其還在尋求開發自己的 MUM-T 遙控技術模塊，以及未來的 F-X Kaan 戰斗機： Bayraktar 公司的超音速 Kizilelma UCAV、Anka-3 隱身無人機、Super Simsek 消耗型無人機和土耳其航空航天公司的自主僚機概念。

注意到，對于大多數空軍來說，開發無人飛行器技術構件和 MUM-T 系統是為了滿足彌補常規作戰飛機數量不足的迫切需要，而造成這種不足的原因可能是多方面的。

對于未來空中作戰系統（FCAS）及其協同作戰飛機系統，可以得出哪些結論？在許多方面，法國的情況與上述幾個國家相似。誠然，考慮到多年期 LPM 軍費法案所確定的趨勢，法國未來的空中力量應受益于多種能力的進步，包括下一代戰斗機（NGF），它提供了新一代戰斗機的所有附加值，在未來戰場上不可或缺。盡管如此，RCs 面臨的首要挑戰是糾正空中力量深度不足的問題，隨著越來越多的國家實施 IADS（綜合防空系統）升級，或者美國的保證變得越來越不確定，這一問題可能會繼續惡化，并將變得越來越棘手。這種衰退的后果是眾所周知的：它影響到滿足各種戰略職能要求的能力；更具體地說，在干預方面，它使減員難以為繼，減少了可供選擇的行動范圍，并使其無法保持永久態勢，如動態瞄準。

除了深度問題，遙控飛行器還能從質量上提高空中作戰力量的能力：通過提供 "替身 "能力（可在敵方系統的交戰范圍內使用），它們能提高空中力量的穿透力；它們能使情報和交戰/作戰能力分散和分解，使后者更具彈性，并改善空間和時間覆蓋。發射解決方案的多樣性是真正意義上的多領域，增強了空中力量的靈活性和可用性。

在許多方面，空中客車公司和 MBDA 公司的想法與美國專家的想法（上述米切爾研究所的工作突出表明了這一點）在 FCAS 體系結構的框架內趨向于相當類似的解決方案類型，而 FCAS 體系結構與美國 NGAD 體系結構的順序相同。這適用于通過混合使用可消耗或可回收系統，提供各種發射解決方案來降低 "單位效應成本 "的需要。在實施這些系統之前，必須滿足一些條件。這些條件包括：確定作戰性能與成本之間的權衡、開發特定設備和彈藥的必要性、不可或缺的連接架構，以及載人平臺（其乘員必須管理這些遙控任務）和飛行器本身的自主解決方案。這些飛行器的自主性必須遵守非常嚴格的交戰規則。這些無人機的行動可以在兩個層面上進行管理：當然是在任務領導者層面上，這也是最常見的設想（因此有了忠誠僚機的概念），但也有可能在戰斗管理指揮與控制（BMC2）功能層面上進行管理，而這一功能本身將越來越分散。美國人強調，在這些交戰規則范圍內賦予無人駕駛飛機的自主程度以及對其行動的管理水平是可變和相互依存的。特別是，它們將取決于作戰環境，包括可能在不同程度上斷開、間歇、有限（DIL）的電磁環境，這將影響作為系統之系統的連接組織的作戰云的運作。

從作戰角度看，這些 RC 可以改變所有任務的執行情況，包括以下方面：

• 在情報功能方面，提供穿透性傳感器網絡，大大擴展了 ISR 系統的覆蓋范圍；

• 在反空領域，通過與駐扎在遠離前線的戰斗機合作，提供遠程誘餌、干擾、瞄準和交戰能力，一方面可以采取必要的迷惑和飽和行動，使敵方綜合防空系統失明和瓦解（通過 SEAD 和戰斗機掃射）；另一方面，可以建立動態瞄準能力，在半隱蔽環境中長時間持續開展 SEAD 工作；

• 在進攻性反陸（OCL）領域，通過在戰役開始時增加穿透力，然后在較長時間內保持對大片區域的覆蓋，實現攔截動態目標能力的倍增，這對于提高近距離空中支援的可用性也是必要的；

• 提供先進的傳感器網絡和傳輸中繼器，以擴大作戰管理 C2（BMC2）功能的范圍并增強其穩定性。

總之，在未來空戰中，RC 不乏潛在用途，可以重新創造美國人所談論的、歐洲所急需的 "負擔得起的大規模"。然而，如果要充分挖掘這些系統的潛力，還需要克服許多挑戰。

在看來，必須研究這些系統相對于有人駕駛戰斗機的效率。這種效率取決于一種微妙的妥協：一方面，如果要獲得足夠的數量，這些機器必須保持其消耗性；另一方面，性能和可靠性閾值--考慮到需要預測與綜合防空系統（IADS）的對抗等問題，這種妥協就更難找到了，因為綜合防空系統（IADS）已轉變為飽和狀態。其次，RC 的使用概念必須基于出色的多領域整合，以優化協同作用。這就提出了實施這些無人機的部隊的 C2 靈活性問題，以及 FCAS、NGAD、GCAP 和其他系統之間的多國互操作性問題。就技術資源而言，其前提是戰斗云確實按計劃發展。在這方面，雖然 MUM-T 的建設將部分基于現有技術，例如在連接方面，但它也基于尚待證明的技術前提，特別是在人工智能領域，尤其是管理任務的載人平臺。

正如已經進行或計劃進行的演示所幸運地表明的那樣，這些不同的條件自然支持盡快開始對駐地協調員和作戰云進行漸進式開發，以便為這些多重挑戰的具體解決方案開辟道路。

在視距（WVR）內進行空戰需要執行復雜的空中機動和快速的順序決策。如果加入額外的武器能力，這些決策的復雜性還會進一步增加。無人自主飛行器技術和武器能力的發展有助于克服人為限制帶來的障礙。事實證明，自主無人作戰飛行器（AUCAV）和定向能武器（DEW）等先進武器能力在 WVR 空戰中至關重要。這就引出了一個問題--AUCAV 能否擁有適當的人工智能和武器能力，以改進高質量的空戰演習和戰術？為了研究這個問題，我們提出并解決了廣義空戰機動問題（ACMP），在這個問題中，我們建立了一個模型，以控制正在尋求與攻擊敵機交戰的防御型 AUCAV。該模型利用每架飛機的 5 自由度點質量來跟蹤其狀態轉換，同時還跟蹤內部攜帶的火炮和 DEW 能力。由于該問題的維度較高，我們提出了一種近似動態編程（ADP）方法，其中我們開發了一種近似策略迭代算法。這種 ADP 算法通過神經網絡回歸來實現高質量的戰斗機戰術和機動。我們的計算實驗結果表明，在 3 個問題實例中，有 2 個實例的 ADP 策略優于所有 3 個基準策略。ADP 策略學會了同時使用內部攜帶的火炮和 DEW，這促進了 ACMP 中任一武器平臺的態勢效益理念。在 WVR-ACMP 中加入 DEW 功能可以體現前所未有的空戰戰術。

隨著技術的不斷進步和日常對海洋資源的依賴，無人水面航行器（USVs）的作用成倍增加。目前，具有海軍、民用和科學用途的 USV 正在各種復雜的海洋環境中進行廣泛的作業，并對其自主性和適應性提出了更高的要求。USV 自主運行的一個關鍵要求是擁有一個多車輛框架，在此框架下，USV 可以在實際海洋環境中作為一個群體運行，并具有多種優勢，例如可以在更短的時間內勘測更廣闊的區域。從文獻中可以看出，在單體 USV 路徑規劃、制導和控制領域已經開展了大量研究，而在了解多載體方法對 USV 的影響方面卻鮮有研究。本論文整合了高效的最優路徑規劃、穩健的路徑跟蹤制導和合作性集群聚合方法等模塊，旨在開發一種新的混合框架，用于 USV 蟲群的合作導航，以實現海洋環境中的最優自主操作。

首先，設計了一種基于 A* 算法的有效而新穎的最佳路徑規劃方法，其中考慮到了與障礙物的安全距離約束，以避免在移動障礙物和海面洋流的情況下發生碰撞。然后，將這種方法與為 USV 開發的新型虛擬目標路徑跟蹤制導模塊相結合，將路徑規劃器的參考軌跡輸入制導系統。當前工作的新穎之處在于將上述集成路徑跟蹤制導系統與分布式集群聚集行為相結合，通過基于簡單電位的吸引和排斥功能來維持 USV 蟲群的中心點，從而引導 USV 集群進入參考路徑。最后，介紹了一個用于 USV 船隊合作導航和制導的最佳混合框架，該框架可在實際海洋環境中實施，并可在海上有效地實際應用。

本論文開發了一個基于海底特征導航的模擬框架。使用自動潛航器（AUV）在海底定位感興趣的物品是一種對海軍大有裨益的能力。自動潛航器為消除勞動力需求提供了一個途徑，但其購置和維護成本仍然很高。解決這一問題的辦法是使用兩艘 AUV，其中一艘的能力更強，負責用信標尋找和標記海底物品。配備成本效益型傳感器的消耗性 AUV 將對威脅進行定位、識別和消除。利用海底成像技術將海底圖像與先驗圖像馬賽克關聯起來，再加上超短基線（USBL）信標，AUV 可以在沒有傳統導航系統的情況下完成具有挑戰性的任務目標。增量平滑與測繪 2（iSAM2）是一種同步定位與測繪（SLAM）技術，可用于 AUV 的位置定位，是一種適合實時導航操作的技術，具有圖像和 USBL 傳感功能。模擬框架能夠評估 AUV 的性能，同時將實際操作的風險降至最低。該框架由一個軟件架構組成，可使用與實際操作相同的軟件進行測試。本論文展示了這一框架，并對其在基于圖像的 SLAM 中的可用性進行了分析。

無人機（UAVs）在軍事領域的應用已經非常成熟，在現代戰爭中具有巨大優勢。使用無人機蜂群的概念已經討論了二十多年，但現在以色列國防兵力首次使用了真正意義上的無人機蜂群系統。無人機蜂群沒有確切的定義，但有人提出它應滿足以下三個要求。蜂群的人為控制應該是有限的，蜂群中的代理數量至少應該是三個，其合作執行共同的任務。控制多架自主無人機的復雜性帶來了如何利用作戰員的認知和戰術能力來控制蜂群以有效執行軍事偵察任務的問題。使用行為樹作為控制結構的方法源自之前在蜂群系統方面的研究。行為樹是一種組織自主系統行動并對其進行優先排序的結構化方法。行為樹類似于有限狀態機（FSM），具有模塊化、反應靈敏、可讀性強等優點。在游戲引擎 Unity 中創建并模擬了三種不同的行為樹，其復雜程度不斷增加。我們還創建了第四棵更為真實的行為樹，并以此為基礎討論了使用行為樹與之前工作的優缺點。使用行為樹作為創建蜂群的統一結構，將操作員的戰術能力與自主蜂群的力量整合在一起，似乎大有可為。我建議將所提出的使用行為樹的方法用作討論蜂群所需的功能的平臺，并為作戰員和工程師創建蜂群應如何運作的共同愿景。

圖 A.2. 用于邏輯模擬的第三行為樹和預期目標的圖形表示。

引言

無人駕駛飛行器的熱度空前高漲。歷史上，這些飛行器只能用于軍事領域，如今，它們在公共領域有了新的用途。隨著技術的不斷成熟和普及，無人機的應用范圍也在不斷擴大。"蜂群 "和 "蜂群機器人 "的概念并不新鮮，但直到現在，支持這一概念的技術還沒有出現。關于什么是機器人蜂群，目前還沒有確切的定義，但 R. Arnold 等人[1]提出，機器人蜂群需要滿足三個要求。一個蜂群應受到有限的人為控制，蜂群中的機器人數量至少應為三個，蜂群中的機器人應合作執行共同的任務。

支持無人機群的硬件已經具備，但如何控制無人機群還有許多問題有待解決。本碩士論文旨在研究如何利用操作員的認知和戰術能力來控制蜂群，從而有效地執行軍事偵察任務。這項工作著眼于如何將人類操作員與自主蜂群整合在一起，以及如何對如何做到這一點進行高層次的描述。

使用所謂的行為樹來控制蜂群的方法是一種有趣的方法，我們對此進行了研究，并創建了三個模擬來進行測試。此外，還對照以前的工作對行為樹方法進行了評估，以突出其優缺點。此外，還就如何在創建蜂群控制器時使用行為樹提出了建議。

本論文的第一章包括引言，介紹了該領域的前人工作，并進一步描述了問題。第二章和第三章介紹了行為樹和執行偵察任務背后的理論。第四章研究了使用行為樹控制無人機群的方法。第五章總結了這項工作，并介紹了可能有意義的未來工作。

本論文論證了將小巧、輕便、低成本的商用現貨（COTS）多光譜傳感器集成到小型戰術無人機系統（UAS）中的可行性，以增強對偽裝目標和戰場異常的探測能力。與目前設計中使用的普通電子光學和紅外傳感器（EO/IR）相比，這種能力增強了對此類目標的探測能力。

無人系統在現代軍事行動中應用廣泛，可為戰場指揮官和軍事規劃人員提供新的或增強的能力和作戰概念。它們的主要優勢在于能夠以更高效、規避風險和低成本的方式執行枯燥、骯臟和危險的任務。由于這些原因，無人系統，特別是無人機系統，如今正在執行大多數監視和偵察行動，在所有作戰層面提供必要的情報。

為了應對在現代戰場上擴大使用戰術和戰區級無人機系統進行偵察和監視的情況，地面兵力正在加大力度隱藏其資產，使用偽裝，或利用地形和植被。此外，正規軍和非正規軍廣泛使用地雷和簡易爆炸裝置，對地面部隊構成重大威脅。這些戰術給情報搜集行動帶來了新的挑戰，需要新一代無人機系統加以解決，特別是在戰術層面。

在過去的十年中，多光譜成像技術不斷發展，提供了結構緊湊、成本低廉的傳感器，可增強戰術無人機系統的能力，使其能夠擊敗偽裝，探測普通傳感器無法看到的戰場異常情況。與普通成像傳感器相比，多光譜設備可在可見光和紅外光譜的特定窄波段內成像。此外，多光譜設備還能利用不同材料在這些波段中的吸收和反射率差異，對這些波段進行算法融合。

這項研究旨在回答兩個研究問題，要求探索 COTS 多光譜傳感器探測偽裝人造目標或戰場異常的能力，并將其性能與 RGB 和全色傳感器進行比較。為了回答這些問題，我們使用集成在小型戰術級無人機系統中的多光譜傳感器對偽裝目標進行了幾次實驗性飛行。從這些飛行中收集的數據被用來評估傳感器的性能，并探索融合多光譜數據和生成成像產品的方法。

利用 MATLAB 編程環境開發了一種算法，以實現多光譜數據的融合。該算法可對各個多光譜波段數據進行對齊，并實施三種融合方法。使用歸一化差異植被指數（NDVI）、彩色紅外（CIR）和歸一化差異紅邊藍邊指數（NDREB）對多光譜數據進行融合。歸一化差異植被指數廣泛用于商業農業應用，以區分植被和環境。CIR 還能在多色成像中突出植被。最后，NDREB 是為本論文開發的，它利用了人造目標與環境在紅邊和藍帶反射率上的差異。

對實驗飛行所收集數據的解讀證明，COTS 多光譜傳感器能夠探測偽裝目標和戰場異常，其性能優于普通的 EO/IR 傳感器。此外，還在多個目標場景中評估了所使用的三種融合方法的性能。最后，確定了當前算法在實時操作方面的局限性。成功評估了低成本、緊湊型多光譜傳感器在探測偽裝目標方面的性能，為其在戰術無人機系統中的應用提供了概念證明，并為該領域的未來研究奠定了基礎。

美國海軍陸戰隊正在建設反水面作戰領域的能力，特別是在獲得地基反艦導彈（GBASM）及其相關發射平臺方面。研究為分析與這種新能力相關的部隊結構提供了一種方法。研究方法使用離散時間馬爾可夫模型對GBASM炮組和敵方水面艦艇之間的戰術級決斗進行建模。這些模型有足夠的復雜性來解決關鍵的部隊設計問題，并且對決斗的關鍵特征進行了參數化，以便進行強有力的敏感性分析。

在海軍導彈作戰中，重要的是確定所需的炮彈規模S，以使炮彈有足夠高的概率殺死敵艦。GBASM概念的獨特之處在于，與從水面艦艇上發射導彈相比，它能夠將這種炮彈分散到幾個平臺上，并以更適合特定戰術場景的方式進行發射。在這種情況下，如果有一個大小為K的禮花彈，并將該禮花彈分散到N個平臺上，那么每個平臺在特定的禮花彈中發射?枚導彈，這樣K × N = S。有了這個公式，就能夠分析平臺數量和每個平臺發射的導彈數量在這些配置的殺傷力和生存能力方面的權衡。這為成本-效益分析提供了基礎。

對GBASM炮臺與敵方水面艦艇發生接觸的情況進行模擬。從簡單的場景開始，然后逐漸復雜化。讓GBASM發射器與一艘敵方水面艦艇進行決斗。GBASM一方被稱為藍方，水面艦艇被稱為紅方。最初假定雙方都有足夠的導彈供應，并且交換的時間是有限的，因此可以把供應視為無限的。GBASM以彈丸為單位進行發射，每個彈丸至少包括一枚導彈。在藍方的炮擊之后，紅方的水面艦艇有機會進行還擊。

在所描述的環境中，假設藍方具有首發優勢。鑒于GBASM的引入在沿岸地區造成的不對稱情況，首發優勢的假設并不是不合理的。GBASM是移動的，有可能移動到難以探測的地方，只有在準備開火時才出來。GBASM的目標是保持不被紅方船只發現，直到它成功瞄準紅方船只。一旦紅方船只成為目標，GBASM系統就會開火并移動到一個新的位置。如果沒有關于GBASM移動的完美信息，紅方艦艇將持續處于不利地位。

此外，該模型捕捉到了紅方對藍方的炮擊進行防御措施的能力。這些防御性的反措施是用參數λ來說明的，這個參數是紅方根據泊松分布可以攔截的藍方導彈的平均數量。以這種方式對紅方采取反措施的能力進行建模，說明了隨著藍方導彈規模的增加，紅方采取反措施的能力也在減弱。同樣，也說明了紅方針對藍方分布式發射器的能力下降。紅方殺死藍方分布式平臺的能力用參數?表示，根據泊松分布，紅方在還擊中可以殺死藍方平臺的平均數量。這再次說明，隨著藍方平臺數量的增加，紅方瞄準和殺死藍方的效果有限。

在對該模型的分析中，遇到了幾個關鍵的發現。首先，最重要的是確定理想的炮擊規模S，以提供足夠高的殺死敵艦的概率。這不是一個簡單的 "越多越好 "的問題，因為炮擊規模有一個收益遞減點。正如人們所期望的那樣，還得出結論，增加平臺的數量K可以提高生存能力，從而提高GBASM炮臺的殺傷力。然而，改進的幅度對其他參數很敏感，當炮彈規模足夠大時，改進的幅度通常很小。

該研究的主要產出是創建的模型和對它們進行進一步分析的能力。本論文中任何地方使用的參數值都不是由具體的GBASM系統或潛在的敵方水面艦艇的能力來決定的。因此，結果應該被看作是對參數空間可能區域的探索的概括。這些模型提供了根據有關特定系統的能力進行具體分析的能力。

數字航空準備技術引擎（DARTE）為美海軍FA-18機隊提供前所未有的預測戰備能力。DARTE專注于發現與預測兩個關鍵戰備指標有關的可操作的見解：有任務能力（MC）的飛機數量和飛行時間。最近DARTE的努力集中在改進方面，包括采用前沿的人工智能（AI）和深度學習技術，如時間模式注意機制增強的長短期記憶（LSTMA）網絡，超深度組合以提高性能，以及改進不確定性估計和穩健性。超深度集合和注意力機制已被證明在工業和學術界提供了最先進的結果。此外，其改進的不確定性估計為決策者提供了更高的信心水平，使其能夠做出更好、更聰明的決策。

美海軍航空的 "戰備"概念依賴于三個關鍵方面：人員配備、訓練和裝備。"人員配備"是指現有的人力，包括入伍的維修人員和飛行員。人員配備還包括維修人員的經驗水平和專業。"訓練"指的是飛行員的訓練程度和執行的飛行時間的數量。最后，"裝備"指的是必要的飛機、物資等。即使沒有嚴格的定義，也可以立即看出，損害這三個關鍵因素中的任何一個都會導致一個中隊的準備程度下降。在海軍航空界，有兩個關鍵指標被用來衡量一個中隊的準備情況：有任務能力的飛機和飛行小時的執行。具體來說，有任務能力的飛機是指達到或超過最低要求的飛機，可以運行并完成一項任務。

自1999年引進以來，海軍FA-18超級大黃蜂的總數幾乎呈線性增長，在撰寫本報告時，目前的數量已接近600架[1]。超級大黃蜂有兩個變種--單座E型和雙座F型。此外，海軍仍然使用一些老式的FA-18單座C型變種大黃蜂。FA-18戰斗機在任何時候都可以處于幾種準備狀態之一：不具備供應任務能力（NMCS），不具備維修任務能力（NMCM），部分任務能力（PMC），或完全任務能力（FMC）。理想情況下，有任務能力的飛機數量將與飛機總數成線性比例，但事實并非如此。圖1顯示了庫存的FA-18飛機的數量和按年份劃分的MC飛機的數量。在20世紀90年代末和21世紀初，MC飛機和庫存之間的關系符合預期，但在2007年附近出現了明顯的偏差，MC飛機的數量趨于平穩。這是有據可查的，改善戰備狀態正日益成為領導層的重點[4]。

雖然準確監測和預測戰備狀態的能力極其重要，但這個過程非同小可。預測能力使中隊和決策者有時間和能力重新分配資源，調整人員配置水平，并在問題發生之前做出更明智的決定。通過建立機器學習模型來預測戰備狀態，而不是憑直覺和人的洞察力，也有可能發現對中隊行動的非直覺性的見解。

數字航空戰備技術引擎（DARTE）的目標是預測FA18中隊的戰備情況，以月度MC和季度飛行小時執行情況來衡量[6]。此外，DARTE提供了在一個中隊經過一個季度時監測準備情況的能力。這是通過兩個步驟完成的。首先，創建一個深度學習模型來預測每個中隊每月的平均任務能力飛機數量。然后，這個模型被擴展并作為第二個機器學習模型的輸入，預測一個中隊在一個季度內的飛行小時執行情況。此外，還有一個可解釋的人工智能（XAI）引擎[7]和統計人員配置模型[8]，伴隨著MC模型。DARTE的架構如圖2所示。

庫存中的總噴氣機數量幾乎呈線性增長，而 2007 年 MC 噴氣機的數量趨于平穩[5]。

圖 1. FA-18 噴氣式飛機的年數。

圖 2.DARTE 架構。

本文的重點是改進DARTE的基礎模型--深度學習模型，預測海軍FA-18中隊提前三個月擁有的任務能力飛機的數量。這個模型影響著DARTE的其他部分，因此，MC模型的準確性、理解性和穩健性至關重要。

本文的結構如下。第2節回顧了所使用的數據集及其調節和轉換，第3節討論了基礎MC模型的創建和結果，第4節顯示了最終模型的結果，第5節回顧了結論并討論了未來工作。

現代綜合防空系統（IADS）所帶來的日益復雜的反介入區域拒止（A2AD）威脅，加上高端隱形平臺所提供的日益強大的優勢，促使美國空軍高級領導人投資于徹底改變2030年及以后的空中力量。這一新設想的一個突出因素是蜂群武器，其目的是通過用大量低成本、可損耗的航空資產來壓倒國際航空運輸系統，并通過自主能力來解決這一挑戰。這項研究提出了一個框架，按照三個獨立的維度對不同級別的自主能力進行分類，即單獨行動的能力、合作能力和適應能力。使用模擬、集成和建模高級框架（AFSIM）構建了一個虛擬作戰模型，模擬以有人駕駛的穿透式轟炸機和自主巡航導彈群為特征的友軍空襲包與以A2AD角色行動的敵軍IADS之間的交戰。通過使用自主性框架作為設計實驗的基礎，評估了不同水平的自主性對攻擊包性能的影響。對實驗結果的分析揭示了哪些方面和什么級別的自主性對促進這一模擬場景的生存能力和殺傷力最有影響。

1. 引言

1.1 動機和背景

戰爭的技術性質正在迅速發展，人們越來越重視對大量數據的收集、處理和決策。隨著指揮與控制（C2）決策空間的復雜性增加，指揮系統根據現有信息采取行動的速度越來越成為一個限制性因素。具有不同程度的人與系統互動的自主系統為緩解這一不足提供了機會。美國2018年國防戰略（NDS）[18]明確要求國防部（DoD）"廣泛投資于自主性的軍事應用"，作為促進大國競爭優勢的一項關鍵能力。

參與大國競爭的一個自然后果是反介入區域拒止（A2AD）環境在聯合沖突的所有方面擴散。從美國空軍（USAF）的角度來看，現代綜合防空系統（IADS）構成了卓越的A2AD威脅，這嚴重抑制了通過常規手段建立空中優勢的前景[2, 20]。這一挑戰促使部隊結構的優先事項發生了變化，因為將能力集中在相對較少的高端系統中的感知風險越來越大。美國空軍科學和技術戰略[26]設想，數量龐大的低成本、易受攻擊的航空資產將很快發揮曾經由數量有限的高價值資產完成的作用。這種大規模的蜂群的任務規劃和空戰管理（ABM）工作的規模可能很快超過人類的認知能力，這使得它成為非常適合自主性研究和開發的應用領域。

1.2 問題陳述

本研究試圖評估幾種自主巡航導彈群的行為對A2AD環境中藍方（友方）空中性能的影響。具體來說，所研究的A2AD場景考慮了紅方（對手）的IADS被藍方聯網的自主巡航導彈群吸引，以促進穿透式轟炸機的后續打擊。在任務規劃時沒有考慮到的突然出現的威脅，可能會進入該場景以增加紅色IADS的力量。蜂群必須在沒有外部反彈道導彈的幫助下，檢測并應對這些突發威脅以及任何其他對抗性任務參數的變化。A2AD場景的建模是使用模擬、集成和建模高級框架（AFSIM）完成的。

1.3 研究問題

為了解決問題陳述，本研究將對以下問題提供答案：

1.具有自主反彈道導彈能力的巡航導彈蜂群能在多大程度上提高藍方空襲包在A2AD環境下的生存能力（即避免被紅方IADS發現和摧毀的能力）？

2.具有自主反彈道導彈能力的巡航導彈群能在多大程度上提高A2AD環境下藍方空襲包的殺傷力（即探測和摧毀紅方IADS元素的能力）？

1.4 論文的組織

本論文的其余部分包含四章，組織如下：第二章對包括自主性、A2AD環境、基于代理的建模和仿真（ABMS）以及實驗設計（DOE）等主題的參考材料進行了回顧。第三章建立了A2AD場景、AFSIM模型實現和實驗設計的結構，作為本研究的框架。第四章介紹了實驗模擬運行的結果和附帶的分析。最后，第五章討論了從這項研究中得出的結論，以及對未來研究方向的建議。