亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

海軍任務規劃器(NMP)是一種基于優化的作戰計劃工具,適用于設計海軍部署的各級決策者,從戰區級計劃到單個航母打擊群(CSG)或驅逐艦中隊(DESRON)。調度人員的任務過多,卻沒有足夠的艦艇來完成這些任務。該輔助決策系統采用多任務能力艦艇,在給定的規劃范圍內將其分配到任務中,目標是最大限度地提高完成任務的總價值,同時考慮到任務集的地理位置以及艦艇的能力和局限性。以前的版本使用獲得許可的商業軟件和求解器進行優化,并對可供選擇的艦艇部署進行有限的列舉。本論文的重點是通過使用開源軟件和求解器,使所有海軍人員都能使用海軍任務規劃器。此外,它還在優化過程中提供了持久性,允許調度人員在規劃期限內重新配置計劃,并將對之前公布的計劃的改動降到最低。我們還開發了兩種部署規劃方法,即隨機路徑枚舉和網絡流表述,這兩種方法都提高了海軍任務規劃器的任務完成水平。此外,我們還創建了一個 "兵力比護航"參數,允許非作戰艦艇在多艘具備防御能力的艦艇護航下通過危險區域。

執行總結

海軍任務規劃器(NMP)是一個基于優化的決策支持系統,適用于從海上聯合部隊作戰指揮官(JFMCC)作戰視角到驅逐艦中隊(DESRON)和航母打擊群(CSG)戰術視角的各級海軍規劃決策者。在考慮到多艘艦艇、它們的多種任務能力以及從一個地理區域轉運到另一個地理區域所需的時間之前,在整個規劃范圍內規劃任務已經是一項極具挑戰性的任務。我們還必須考慮到任何需要與支援任務同時完成的前提任務。確定后勤支持,預測在同一規劃范圍內何時何地艦船需要更多燃料和其他補給,也是一項挑戰。這對于 JFMCC 或海上行動中心 (MOC)、DESRON 或 CSG 來說,仍然是一個人工和耗時的過程。

NMP 接收用戶輸入的信息,包括任務、地理區域、可用艦船、綜合任務能力、按任務和艦船能力劃分的商品消耗率。NMP 將有能力的艦船分配到執行任務的地區,從而最大限度地提高完成任務的總價值。NMP 包括一個作戰后勤部隊(CLF)規劃要素,能夠跟蹤艦艇的物資水平,并就何時何地與客戶艦艇開展海上補給(RAS)活動提出建議。NMP 還提供護航和近距離護航選項,允許非戰斗艦艇由防御戰斗艦艇護航,可以是同一區域的一艘防御艦艇護航所有非戰斗艦艇(護航),也可以是同一區域的防御艦艇和非戰斗艦艇一對一護航(近距離護航)。

本研究探討了改進 NMP 的方法,即從未獲批準在海軍陸戰隊互聯網(NMCI)計算機、保密互聯網協議(SIPR)計算機或其他保密網絡上使用的昂貴的特許專有軟件轉向開源軟件。通過將 NMP 轉換為開源代數建模語言,我們消除了所有成本,而且該軟件已被批準或可被批準在安全計算機上使用。求解器也從特許優化軟件轉為開源混合整數編程求解器。

我們還將研究如何改進船舶在區域之間的轉運方式,并增加一種對之前公布的時間表影響最小的時間表變更方式。

NMP 以前計劃從一個區域到另一個區域的船只部署的方法涉及基于堆棧的部分枚舉,這限制了船只探索區域的多樣性。在這項研究中,我們將重點放在通過兩種額外的方法來改變這種區域間探索的多樣性。第一種是隨機路徑生成法;與基于堆疊的部分枚舉法類似,這種方法為每艘戰艦生成一定數量的部署路徑。但是,船只的部署路線是隨機的,這就增加了船只交替路線的多樣性。隨機路徑生成通過增加完成任務的數量來改進 NMP,并通過讓艦船到達 RAS 事件所需的位置來大大減少對商品消耗的懲罰。

我們的第二種方法在 NMP 中添加了網絡流部署模型,允許艦船探索從區域到區域的所有可能路線。與其他路由模型相比,網絡流大大縮短了 NMP 的運行時間,并為我們提供了一個接近最優甚至是最佳的解決方案。我們將隨機路徑生成和網絡流部署模型與基于部署堆棧的枚舉法進行了比較,在我們的韓國行動區域場景中,我們有 695 項任務需要在 15 天的規劃期限內完成。

這項研究專門為航空母艦或兩棲攻擊艦增加了額外的護航功能,因為它們在一個區域內需要不止一次護航。這種兵力配比要求每艘非戰斗艦艇在通過高危區域時都要由多艘具備防御能力的艦艇護航。我們在 NMP 的一個新場景中測試了這一功能,即一支從關島經菲律賓海前往菲律賓宿務的有防御能力的 CLF 護航艦隊。

最后,這項研究為 NMP 增加了優化的持久性,這一調度功能允許用戶在規劃期內隨時隨地增加或減少任務和/或艦船,并且只需對原有調度進行少量修改即可完成任務。這極大地減少了因命令過多艦船進行過多計劃調整而造成的動蕩、信息傳遞和混亂。

隨機部署路徑生成、網絡流部署模型和持久性的加入使 NMP 有了顯著的改進。隨機部署路徑生成顯示,在某些情況下,目標函數的增幅高達 45%,而對 500 萬條可能路徑的采樣率不到 1%,即對 1,058,826,559,993 條可能部署路徑的采樣率為 0.000019%。我們的網絡流部署模型探索了超過一萬億條可能的部署路徑,取得了最佳結果,使我們在某些情況下的目標值提高了 50%。與基于堆棧的枚舉法和隨機路徑生成法相比,網絡流部署模型的求解時間最快,大多數場景的求解時間都在一小時之內。

付費5元查看完整內容

相關內容

人工智能在軍事中可用于多項任務,例如目標識別、大數據處理、作戰系統、網絡安全、后勤運輸、戰爭醫療、威脅和安全監測以及戰斗模擬和訓練。

對手對美國在太空、網絡空間和電磁頻譜上的優勢的競爭的崛起要求海軍陸戰隊的指揮、控制和通信(C3)發生變化。戰術空中指揮中心(TACC)是海軍陸戰隊中最關鍵的C3節點,在海軍陸戰隊的遠征先進基地作戰(EABO)概念下,在有爭議的通信環境中,目前所采用的方式將無法生存。

海軍陸戰隊必須轉變其對通信的概念化和理解,以促進在有爭議的通信環境中的指揮和控制。爭奪電磁頻譜內外的通信途徑將需要預測在通信斷續期間做出作戰決策所需的信息。TACC應該成為一個低可觀察性、小型和移動、具有聯合互操作性的網絡化的C3節點,在對手的武器交戰區內運作。通過這些改變,TACC將成為符合海軍陸戰隊EABO概念的有彈性、有條件的前方海軍空中作戰中心(AOC),并將為海軍-海軍陸戰隊團隊和聯合部隊提供重要的C3能力。

付費5元查看完整內容

在作出魚雷裝載決定時,規劃者必須考慮不同反潛戰(ASW)單位的能力和實力、有限的預算和不同的對手潛艇艦隊。目前,Mk-54輕型魚雷的裝填決定是人工做出的,而且沒有一個系統的方法來處理威脅的不確定性。這項研究試圖通過使用隨機優化來確定美國水面艦艇、固定翼飛機和直升機上裝載魚雷的類型和數量,從而為這些決策提供參考,以面對不確定的潛艇威脅,達到預期的殺傷概率。開發了兩種魚雷分配隨機優化模型(TASOM)的配方: TASOM-1,最小化錯過的潛艇數量;TASOM-2,最小化殺傷概率閾值以下的偏差。為了顯示隨機編程方法比典型的確定性規劃的價值,提出了一個概念性案例,旨在代表一個行動,即反潛部隊在一個區域內巡邏對手的潛艇。隨機生成100個威脅場景,其中部署在該地區的潛艇的數量和級別各不相同。TASOM-2的裝載量明顯優于確定性的平均裝載量。所提出的模型與可訪問的用戶界面相結合,為規劃者提供了一個決策輔助工具,以進行敏感性分析,指導不確定情況下的魚雷分配和預算決策。

反潛戰(ASW)被定義為 "為了不讓敵人有效使用潛艇而進行的行動"(參謀長聯席會議2021年,第IV-10頁)。這些行動包括定位、跟蹤和消滅敵人的潛艇。這項研究的重點是最后一項任務。隨著對手繼續現代化和增長他們的潛艇艦隊,尋求以最佳方式為美國海軍的反潛平臺配備能夠有效瞄準這些潛艇的武器。

A. 背景情況

ASW主要由海上巡邏機、水面作戰艦艇及其搭載的直升機和潛艇執行。通信限制和水域管理要求通常使潛艇無法與其他類型的平臺協同作戰。假設友好的潛艇將在不與水面和空中資產重疊的區域進行反潛作戰。本報告將不進一步討論潛艇行動。

巡洋艦和驅逐艦都可以從其水面艦艇魚雷發射管(SVTT)和垂直發射反潛火箭(ASROC)系統中發射輕型魚雷。

P-8 "海神 "是一種多任務海上巡邏機。在進行反潛作戰時,它可以配備輕型魚雷,用來對付對手的潛艇。與水面平臺相比,P-8在搜索潛艇時可以覆蓋更大的區域,并且可以在沒有敵人魚雷的威脅下進行交戰。一個P-8中隊由六或七架飛機組成,一個分隊由四或五架飛機組成。中隊和分隊可以在世界各地的美國、盟國和合作伙伴的空軍基地進行部署和行動。

MH-60R海鷹直升機與P-8一樣具有水面平臺的優勢,但可以攜帶較少的魚雷,作戰范圍也短得多。MH-60R分隊可以搭載在Flight IIA阿利-伯克導彈驅逐艦、提康德羅加導彈巡洋艦、獨立和自由級瀕海戰斗艦以及航空母艦上。驅逐艦、巡洋艦和瀕海戰斗艦最多可以搭載兩架MH-60R。

美國海軍必須準備好面對一個非常多樣化的威脅。根據Janes(Janes 2021a)的說法,俄羅斯海軍有27種。

俄羅斯等潛艇艦隊組成的分歧給國防規劃帶來了復雜的挑戰。

Mk-54輕型魚雷可從水面艦艇上的SVTT和ASROC系統發射。在進行反潛作戰時,它也可以被裝載到MH-60R和P-8上。考慮分配由0型、1型和2型變體組成的魚雷庫存。

B. 技術現狀和動機

在這項研究中開發的模型是具有追索性的兩階段隨機模型。具體來說,在第一階段(武器分配)將魚雷分配給反艦導彈部隊,在第二階段(武器目標分配,WTA)將魚雷分配給潛艇。武器分配決定往往是在不完全了解威脅的情況下做出的,這就促使了隨機優化和模擬。

自從Manne(1958)提出WTA問題以來,在武器分配和WTA方面已經做了大量工作。佩奇(1991)開發了一個混合整數編程模型,以獲得火炮系統和彈藥的最佳組合。Jarek(1994)利用模擬得到空戰所需的艦載防空導彈的數量。Tutton(2003)開發了一個使用隨機優化的傳感器分配模型,在不確定的敵方作戰順序下將搜索包分配給目標。Avital(2004)開發了一個兩期的隨機供應鏈模型,以確定在不確定的目標需求下,應該采購多少反艦巡航導彈以及如何分配這些導彈。Uryasev和Pardalos(2004)表明,與隨機對應的決定性武器分配決策相比,缺乏穩健性。Buss和Ahner(2006)開發了一個戰斗模擬,稱為DFAS,用于評估軍隊的未來戰斗系統(Havens 2002)。DFAS是一個離散事件模擬,代表實體運動、探測和武器效果事件。它還包括定期優化,以修訂WTAs。Hattaway(2008)通過考慮雷達和電子傳感器以及海軍軍械,將DFAS調整為海戰應用。Laird(2016)考慮了混合武器,以分配對抗來自空中、地面和地下的蜂群威脅。Cai(2018)使用基于代理的時間階梯式模擬,為城市環境中的進攻行動找到精確和區域火炮彈藥的有效組合。Brown和Kline(2021年)考慮了任務覆蓋范圍而不是目標交戰,以確定VLS艦的最佳武器裝載。不同類型的導彈,每一種都用于不同的任務(打擊、防空或反潛戰),可以被容納在VLS單元中。Adamah等人(2021)建立了一個非線性優化模型,用于確定分配給進行反潛作戰的潛艇的Mk-48重量級魚雷的類型和數量。Templin(2021)考慮了以啟發式方法解決的WTA問題的衍生物,其簡化的假設是只有一個目標要參與。研究的重點是為發射政策提供信息,特別是對威脅使用的導彈的數量和類型。

在上述文獻中的武器分配模型中,與本研究有關的是,注意到Page(1991)和Avital(2004)都使用了指揮官指定的期望成功的閾值;然而,他們在模型中著重于最小化武器成本,并將目標視為總需求。Jarek(1994)和Cai(2018)的模擬為所需的總導彈或彈藥組成提供了一般建議,但沒有提供可作為可操作的裝載計劃的閉合式解決方案。Tutton(2003)的模型將傳感器分配給單位,這與魚雷分配不同,傳感器不在目標上消耗(使用后)。Brown和Kline(2021)考慮的是任務覆蓋范圍,而不是目標,這對問題來說不是一個合適的方法,因為魚雷的使用只是為了與對手的潛艇交戰(或反擊對手的潛艇魚雷)。只有Adamah等人(2021年)涉及魚雷作為武器類型;然而,他們的模型是非線性的,也沒有推薦一個考慮到多個目標的魚雷裝載計劃。

另外,除了DAFS,上面審查的WTA模型只考慮一個射手。雖然希望對不確定的威脅進行計劃,在一個場景中出現不同類型和數量的目標,但Uryasey和Paradalos(2004)對一個場景進行計劃,但對武器的殺傷概率不確定。和其他的模擬工作一樣,DAFS(Havens 2002;Buss和Ahner 2006;Hattaway 2008)并沒有提供一個關于武器應該如何分配給目標或分配給單位的閉合式解決方案。Laird(2016)和Templin(2021)都是為給定的威脅做計劃,并沒有考慮到威脅情況下的任何不確定性。

盡管在武器分配和指派模型方面有大量的文獻,但注意到大多數模型沒有使用隨機優化。此外,目前,魚雷的裝載決定是由人工做出的。這項研究的目標是利用正式的數學優化來幫助魚雷分配決策。具體來說,隨機優化將使決策者能夠對不確定的威脅進行規劃。對威脅構成的不確定性進行規劃是現實的,因為通常情況下,必須在發現敵方潛艇或甚至部署反潛部隊之前作出裝載決定。

付費5元查看完整內容

訓練一名步兵軍官在軍事行動中選擇適當的排隊,傳統上需要投入大量的訓練資產。步兵訓練將受益于在普遍可用的平臺上進一步發展高容量的訓練。2018年,創建了一個基于計算機的模擬排隊編隊決策任務(PFDT),并利用認知與績效目標訓練干預模型(CAPTTIM)來確定哪些參與者達到了最佳決策以及何時發生。本研究在該工作的基礎上,在兩個流行的平臺上完善和測試PFDT。PFDT包括32個場景,每個場景隨機呈現四次,總共128次試驗。在這些場景中,有五個因素被操縱,一個中小企業確認了最佳、可接受和差的決策反應。基礎學院和海軍研究生院的27名學生在三種平臺中的一種完成了PFDT:平板電腦、虛擬現實(VR)或帶編隊的VR(為參與者提供在虛擬背景上描繪編隊的能力)。CAPTTIM表明,在達到最佳決策所需的試驗數量上不存在平臺效應。此外,參與者的經驗水平并不影響專家或新手在對方之前達到最佳決策。因此,PFDT是一個可行的軍事訓練模擬器,無論所使用的技術平臺或步兵訓練的數量如何。

付費5元查看完整內容

訓練一名步兵軍官在軍事行動中選擇合適的排陣型,傳統上需要大量的訓練資源。步兵訓練將受益于在普遍可用的平臺上進一步發展高容量的訓練。2018年,創建了一個基于計算機的模擬排級編隊決策任務(PFDT),并利用認知與績效目標訓練干預模型(CAPTTIM)來確定哪些參與者達到了最佳決策以及何時發生。本研究在該工作的基礎上,在兩個流行的平臺上完善和測試PFDT。PFDT包括32個場景,每個場景隨機呈現四次,總共128次試驗。在這些場景中,有五個因素被操縱,確認了最佳、可接受和差的決策反應。基礎學院和海軍研究生院的27名學生在三種平臺中的一種完成了PFDT:平板電腦、虛擬現實(VR)或帶編隊的VR(為參與者提供在虛擬背景上描繪編隊的能力)。CAPTTIM表明,在達到最佳決策所需的試驗數量上不存在平臺效應。此外,參與者的經驗水平并不影響專家或新手在對方之前達到最佳決策。因此,PFDT是一個可行的軍事訓練模擬器,無論所使用的技術平臺或步兵訓練的數量如何。

付費5元查看完整內容

在購置海軍平臺的資本有限的限制下,需要應對海上挑戰。像波浪滑翔機這樣的無人平臺可能有助于解決這個問題。波浪滑翔機是一種無人水下航行器,它可以配備一個被動陣列,并可以在感興趣的區域(AOI)保持長時間的部署。它們能夠提供分層防御,防止對手在不被發現的情況下穿越該區域,從而提供低成本、持久性的反潛戰(ASW)解決方案。在2016年由英國皇家海軍領導的 "無人勇士 "演習中,展示了反潛波浪滑翔機成功追蹤一艘載人潛艇的能力。然而,如何部署一定數量的波浪滑翔機來探測一艘過境的對手潛艇的問題仍然相對沒有被探索。本論文旨在開發一個模型,以確定部署的波浪滑翔機的探測能力,該模型考慮了與探測水下接觸有關的變量,在具有聲學挑戰性的水下環境中使用被動聲納,并在部署無人資產方面受到限制。該模型規定了實現特定探測概率所需的波浪滑翔機的最佳數量,并為其在AOI中的位置提供了參考,以盡量減少對手潛艇穿越該區域而不被發現的概率。

為了利用無人系統提供的無數優勢,近年來,它們在軍事行動中的地位越來越突出。無人系統,在這里是指無人水下航行器(UUV),被用于各種任務,如海洋學、反地雷、情報、監視和偵察(ISR),僅舉幾例。最近,UUV在反潛戰(ASW)領域的使用也有所發展。本論文探討了在反潛戰中使用 "波浪滑翔機"--一種配備了被動陣列的UUV。該方案圍繞著反潛波浪滑翔機在AUO中的最佳位置發展,以最大限度地提高探測到穿越該地區的敵方潛艇的概率。開發了一個模型來計算具有特定估計聲納范圍(ESR)的特定數量的波浪滑翔機所累積的探測概率。

為了開發這個模型,使用被動聲納方程闡明了裝有被動聲納的波浪滑翔機的水下探測特性。諸如設備、目標和環境特征等方面的因素被考慮到方程中。還考慮了影響聲音在水下傳播的各種因素,如傳輸損耗和水下噪聲的存在,它阻礙了從目標接收的整體聲音。被動聲納方程和其中涉及的參數被用來計算聲納的性能,稱為優點數字(FOM)和信號過剩(SE),它告訴我們目標發出的信號是否會被波浪滑翔機上的傳感器檢測到(Urick,1967)。此后,Poisson掃描模型(Washburn,2014年),它將探測模擬成一個Poisson過程,被用來制定探測的累積概率的表達。該表達式為橫向范圍函數鋪平了道路,該函數描述了在給定的環境條件下,波浪滑翔機在特定范圍內探測目標的能力。

為了最大限度地提高總體探測概率,探索了將波浪滑翔機置于不同的編隊中--即AOO中的障礙物、扇形、圓形和多障礙物。實驗是通過模擬潛艇穿越該地區周邊的隨機點來進行的。然后改變不同編隊中的ESR和波浪滑翔機的數量,以深入了解特定情況下的最佳位置。通過改變關鍵參數,如目標速度、泊松過程的檢測率和模擬中的FOM,也進行了敏感性分析,以分析它們對總體檢測概率的影響。模擬結果表明,將波浪滑翔機放置在AOO的障礙物陣中,可以最大限度地探測到穿越該區域的海底接觸物的概率。盡管屏障編隊總是比多屏障編隊提供更高的探測概率,但它可以作為一種戰術選擇,使潛艇在較長的時間內處于防御狀態,因為潛艇必須穿越穿插在一起的波浪滑翔機層。探測的概率隨著ESR探測率的增加而增加,而保持所有其他因素不變,則隨著目標速度的增加而減少。

付費5元查看完整內容

聯合全域指揮與控制(JADC2)是將知識和信息迅速轉化為決策和行動的藝術和科學。它試圖通過所有的通信環境,在所有的戰爭領域整合所有的服務。本報告所描述的研究從海軍的角度出發,實現JADC2的概念化。一個比較性的案例研究被用來分析一個以海上為重點的聯合特遣部隊(JTF)的指揮和控制(C2),該部隊涉及跨軍種的綜合火力和灰區行動。主要結果強調了衛星通信對聯合特遣部隊整合的重要性,并闡明了在拒絕、降級、間歇或有限(DDIL)通信環境下出現的關鍵通信鏈接矩陣。這個DDIL通信矩陣可作為JADC2的優先需求集。建議的中心是確定這些要求的優先次序;闡明和傳播在DDIL環境中可以理解和實施的明確的指揮意圖;練習任務指揮、戰斗節奏擴張和邊緣C2;記住人仍然是JADC2中最重要的因素;以及發展JADC2成功所需的新知識、教育、培訓和實踐。

背景

JADC2試圖解決所有領域和部門的C2的許多挑戰,但它需要周到的概念化,特別是從海軍的角度。一個比較性的案例研究被用來分析一個以海上為重點的聯合特遣部隊的C2,該部隊涉及綜合火力和灰區行動。基準案例代表了地理上分布的航母打擊群(CSG)、水面行動群(SAG)、空軍(AF)聯隊和海軍陸戰隊遠征部隊(MEF),通過常規的C2,以充分的通信能力聯合行動。對比案例描述了這個沒有衛星通信的聯合特遣部隊。

對這些案例的比較分析暴露了許多C2方面的挑戰,并有助于概念化JADC2如何必須支持作戰和戰術層面的戰爭,沿著通信能力的連續體。這一分析還提供了對C2要素的洞察力,這些要素遠遠超出了技術的范圍;特別是組成聯合特遣部隊的人員、流程和組織,以及必須流動的知識、信息和數據,使他們相互聯系。

該分析使我們能夠應用代表最新技術水平的理論,并將代表知識管理、組織和C2實踐水平的工具和技術應用于聯合特遣隊的組織和行動。這也使我們能夠從對聯合特遣部隊行動的分析中獲得新的知識,從而有可能轉化為增強和完善海軍C2組織和方法。

關鍵發現與結論

主要結論強調了衛星通信對于實現聯合特遣部隊整合的重要性。這尤其適用于地理上分散的服務,尋求以綜合方式進行互操作。此外,通過對DDIL環境的分析,出現了一個關鍵通信鏈路的矩陣。這個DDIL通信矩陣可以作為JADC2的優先需求集。

海軍、空軍和海軍陸戰隊在CSG和SAG、AF翼和MEF內的戰術行動在DDIL環境中并沒有像他們尋求跨軍種綜合火力和行動的聯合和作戰對應方那樣受到很大影響。細節仍然超出本文件的分類水平。

此外,優先考慮的JADC2需求集涉及的不僅僅是技術。事實上,所有組織級別的指揮官都需要表達和傳播明確的指揮意圖,這些意圖在DDIL環境中可以被理解和執行,而各級下屬必須能夠理解并將這種意圖轉化為所需的行動。這需要實踐: 各級組織的指揮官和各級單位都需要在任務指揮和戰斗節奏擴張下進行長時間的操作練習,就像綜合潛艇作戰那樣。此外,這些指揮官和單位需要通過非常低的帶寬DDIL通信模式來練習綜合行動,這就闡明了邊緣C2的一個令人信服的案例。

最后,人仍然是JADC2中最重要的因素。在DDIL環境中,地理上分散的聯合行動可能與大多數軍事人員遇到的各種教育、培訓和經驗大相徑庭。這為額外的教育、培訓和經驗提供了一個使用案例,以發展和完善有效戰斗所需的必要技能和能力。

此外,這種行動可以促使人們重新思考標準操作程序(SOP);技術、戰術和程序(TTP);作戰命令(OPORD);以及類似的明確知識。關鍵是要預測、發展和完善那種豐富的、基于經驗的隱性知識,這種知識需要滲透到從甲板到指揮部的所有組織層面。這種隱性知識--一旦獲得和完善--可以指導對SOPs、TTPs、OPORD和類似文件的有效反思。

像海軍研究生院(NPS)這樣的海軍教育機構是按照這些思路進行反思的一個重要場所,戰術訓練小組也是如此: 海軍研究生院可以開發和教授適當的知識,而戰術訓練小組可以將其轉化為有效的程序和實踐。這可能代表了我們研究者最重要的發現:新的知識、教育、培訓和實踐是JADC2成功的必要條件。

相應地提出了五項建議: 1)使用溝通矩陣來確定本研究中出現的JADC2要求的優先次序。2) 教導和指導組織領導者闡明和傳播明確的指揮意圖,這些意圖可以在DDIL環境中長期被理解和執行。3)通過任務指揮、戰斗節奏擴張和邊緣C2,學習并實踐海軍和聯合行動。4)記住,人仍然是JADC2中最重要的因素。5)通過沿著這些方向繼續學習,以及通過新的教育和培訓課程的開發,發展JADC2成功所需的新知識、教育、培訓和實踐。

進一步研究建議

有五個建議供進一步研究。

1)通信矩陣指出了有效聯合特遣部隊(JTF)的知識和信息在服務、單位、平臺和地理邊界之間流動所需的關鍵通信環節;它顯示了哪些環節受到被拒絕的、退化的、間歇的或有限的(DDIL)通信影響最嚴重。這為更深入地研究每個環節提供了機會--從相關人員、流程、組織和技術方面。

2)教導和訓練領導者表達和傳播明確的指揮意圖,使其能夠在DDIL環境下長期理解和執行,應該從聯合特遣部隊的戰斗節奏的擴張開始。DDIL可能需要聯合特遣部隊指揮官減少接收知識和信息的頻率,而在指揮和指導下級指揮官和部隊的機會之間,間隔時間也相應延長。訓練和實踐將是必不可少的。這就為開發相應的課程和演習提供了機會。

3)任務指揮可能被理解得相對較好,但仍不清楚在艦隊和各軍種中的實踐頻率和持久性如何。在知識和信息交流不那么頻繁的情況下,聯合特遣部隊和大多數下屬指揮部都會遇到戰斗節奏緊張的問題,而不同層次的指揮部可能會遵循不同的節奏。對于只習慣于24小時節奏的指揮部和部隊來說,這可能需要大量的調整和練習。這就為制定相應的課程和演習提供了機會。

另外,邊緣C2不太可能被很好地理解,然而對于指揮官和部隊來說,通過極低帶寬的DDIL通信模式來整合行動是至關重要的。C2領域已經積累了超過20年的關于邊緣C2的研究,但令人驚訝的是,很少有相應的知識能夠進入海軍的理論和訓練。這為開發相應的課程和演習提供了機會。

4)像JADC2這樣的項目很容易淪為技術工作的組合,這也是慣例。然而,JADC2在實現 "感知-決策-行動 "循環的自動化之前,還有很長的路要走(如果有的話)。這尤其適用于后兩個步驟:決策者和其他人必須對情況有所了解,而戰士和其他人則發起并執行相關行動。循環變得越快--快速循環代表了JADC2的明確期望,DDIL限制變得越差--嚴峻的環境代表了JADC2的明確期望,循環的每一步都變得更有挑戰性。這為進一步研究提供了機會。

5)這些進一步研究的建議都指出了知識差距。有些差距(如2和3)是相對明確的,可以通過開發更多的教育和培訓課程,以及相應的練習和實踐來填補,而其他差距(特別是1和4)則不太明確,需要進一步研究。

付費5元查看完整內容

許多國家都使用了像“三角洲” (Delta) 這樣的作戰管理系統(BMS),包括烏克蘭,使指揮部能夠共享態勢感知信息;本研究的重點是信息在作戰網絡中的分配。與自然系統類似,螞蟻和蜜蜂等自主代理遵循一套簡單的規則,BMS是一個由基地和電子作戰平臺組成的網絡,在國防條令的指導下,軍事資產作為網絡內的智能體。這種系統的可操作性的原理是基于多個子系統相互作用時每個子系統都是可靠的。然而,潛在相互作用的排列組合會引起不可預測的負反饋或正反饋循環,導致不可預測的和不想要的結果。突現行為的結果是出乎意料的,有時在情報和無線網絡等領域是不受歡迎的。理解突發行為對于理解復雜的工程系統是勢在必行的,并且要提出新的見解,采取切實可行的措施來改善復雜系統的設計和分析。本文介紹了BMS和網絡與用戶定義的系統集成的網絡士兵概念的例子。作者認為,烏克蘭和其他軍隊可以直接從利用元控制論、元元系統模型分析來控制突現。

圖2:作戰管理系統(BMS)的集中式指揮通信網絡

付費5元查看完整內容

這篇論文試圖研究能夠改善復雜軍事戰術環境中決策的人工智能(AI)技術。戰術環境在威脅、事件的節奏、突發或意外事件的因素、戰斗空間意識的限制以及潛在的致命后果方面可能變得非常復雜。這種類型的環境對戰術作戰人員來說是一個極具挑戰性的決策空間。戰術決策任務在識別決策選項、權衡眾多選項的相對價值、計算選項的預測成功率以及在極短的時間內執行這些任務方面迅速超越了人類的認知能力。海軍已經確定需要開發自動戰斗管理輔助工具(ABMA)來支持人類決策者。這個概念是讓ABMA處理大量的數據來發展戰斗空間知識和意識,并確定戰爭資源和行動方案的優先次序。人工智能方法的最新發展表明,它有望成為ABMAs支持戰術決策的重要推動者。本論文研究人工智能的方法,目的是確定在戰術決策領域的具體應用。

論文組織

本論文分為五章。第一章概述了本課題的背景,描述了本論文所探討的問題,本論文的目的,以及研究的方法和范圍。第二章對論文中討論的定義和概念進行了全面的背景回顧,包括自動戰斗管理輔助工具、決策復雜性和人工智能及自主系統的概念。第三章描述了用于協調數據采集和理解檢索數據要求的研究方法。第四章提供了分析的結果,并探討了從分析結果中得出的潛在好處和局限。本論文的最后一章包含最后的結論和對未來工作的建議。

付費5元查看完整內容

自主水下航行器(AUVs)是由機載計算機控制的水下航行器。AUV編隊是一種合作控制,主要是在執行任務時控制多個AUV在一個群體中移動。與單個AUV相比,多AUV編隊在許多應用中代表著更高的效率和更好的穩定性,如石油和天然氣工業、水文測量和軍事任務等。為了實現更好的編隊,有幾個關鍵因素,包括AUV性能、編隊控制和通信能力。然而,AUV編隊領域的大多數研究主要集中在編隊控制方法上。我們觀察到,對多個AUV編隊的通信能力和AUV性能的研究仍處于早期階段。對AUV編隊研究和發展的現狀進行全面的調查,對研究人員是有益的。在本文中,我們詳細研究了AUV、編隊控制和水下聲學通信能力。我們提出了一個具有三個維度的分類框架,包括AUV性能、編隊控制和通信能力。這個框架為未來AUV編隊研究提供了一個全面的分類方法。它還可以用來比較不同的方法,幫助工程師為各種應用選擇合適的編隊方法。此外,我們的調查還討論了具有通信約束的編隊架構,我們還發現了一些常見的誤解和與通信有關的編隊控制的可疑研究。

大多數研究只關注AUV編隊的一個研究課題。然而,由于水下通信和AUV特點的限制,AUV編隊成為一個跨學科的研究。典型的編隊控制方法可能無法滿足水下環境,因為大多數方法是在一些難以在水下環境中實現的強假設下開發的。盡管文獻[35]對AUV編隊進行了調查,但該文獻仍然主要關注控制技術,只是非常簡單地提到了通信,而且缺乏通信能力和編隊控制之間的關系。我們注意到,一些研究人員試圖解決帶有通信約束的AUV編隊問題,但由于AUV編隊的跨學科特點和相關知識的缺乏,研究人員用不切實際的假設對通信約束進行建模,并朝著可疑的方向研究。為了幫助研究人員避免不切實際的研究,從跨學科的角度來研究AUV編隊是很及時的。在本文中,我們對AUV編隊研究和發展的現狀進行了全面的調查。為了滿足跨學科的受眾,我們試圖將研究人員在開始研究AUV編隊之前應該考慮的所有初步背景方面歸納起來。此外,我們試圖指出迄今為止有疑問的研究,并找到AUV編隊領域的理論研究和實際情況之間的關鍵差距。我們的主要貢獻列舉如下:

  • 據我們所知,這是文獻中第一次提出關于AUV形成的綜合調查,以滿足跨學科的受眾。我們提出了一個具有三個維度的分類框架,包括AUV性能、編隊控制和通信能力。這種分類可以幫助人們對AUV編隊進行研究和開發。

  • 我們結合通信和控制領域的知識,研究了現有的AUV編隊論文。此外,我們為建立可行的AUV編隊提供了一些建議。

  • 我們總結了幾個優秀AUV的配置和幾個著名公司的調制解調器產品清單。這個總結可以說明AUV通信和傳統的水下傳感器通信之間的區別。

  • 我們找出了一些常見的誤解和與通信有關的編隊控制的可疑研究。例如,我們指出假設一個小的邊界延遲對于水下AUV編隊控制來說是不現實的和危險的;將控制信息減半并不能將流量減半,事實上,由于控制信息的長度較小和網絡協議頭的開銷較大,它只能將流量減少一丁點。

  • 我們總結并深入討論了AUV動態和通信約束的數學模型。此外,我們指出了數學模型的潛在假設和限制。

  • 本文的主要貢獻是為AUV蜂群編隊控制系統提供了一個教程和調查,以滿足跨學科的受眾,并討論了在通過分析和模擬來評估所設計的編隊控制系統時,從事該主題工作的人的主要錯誤。

  • 基于設計實用AUV編隊的目的,我們列出了幾個未來的研究方向。

本文的其余部分組織如下。在第二節中,我們將AUV和編隊控制作為背景介紹。在第三節中,我們分別對AUV、編隊控制、通信約束和網絡拓撲結構進行分類。在第四節中,我們以跨學科的考慮討論和分析AUV編隊。此外,我們確定了幾個常見的誤解和有問題的研究。我們通過結合通信和控制領域的知識來研究AUV形成的現有論文。未來的研究方向和結論分別在第五節和第六節提出。

付費5元查看完整內容

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。

付費5元查看完整內容
北京阿比特科技有限公司