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

模擬作戰需要了解友軍和敵軍在既定友軍目標和可信敵軍目標方面的進展情況。在美國防部（DoD），這些目標的結構是分層的，從國家戰略層面一直到戰術層面。軍事評估旨在回答兩個主要問題： 1）是否創造了所期望的效果？對模擬作戰評估方法的研究很少。一些主要的評估應用領域是教育和游戲，它們為模擬軍事作戰評估提供了有益的借鑒。本研究從美國防部政策和這些領域的研究中總結出模擬作戰評估方法的幾個理想特征。在根據這些特征建立價值層次結構之后，本論文提供并評估了幾種可用于模擬作戰的候選方法--貝葉斯企業分析模型（BEAM）中現有的 "戰斗力與戰斗脆弱性 "方法、貝葉斯網絡、價值思維和線性規劃。每種替代方案的評估都是通過其在小型作戰模擬中的應用來進行的。然后，從 "價值思維 "和 "線性規劃 "中創造出一種替代方案，其評估結果優于其他四種方案。論文最后對線性規劃進行了總結，并提出了未來研究的想法。

與真實戰爭類似，作戰模擬需要了解友軍和敵軍的進展情況。這種知識將潛在的模擬停止條件擴展到時間之外，并允許分析與時間、資金和資產態勢相關的進展情況。雖然記錄資產的損毀和消耗品的使用情況可能會提供有價值的分析結果，但指揮官通常更關心的是一個更廣泛的問題，即這一場景是贏了還是輸了？要回答這個問題，模擬必須包含一定的勝負定義。要做到這一點，最簡單的辦法就是完成既定目標。戰斗模擬必須能夠評估作戰環境，并報告實現或未實現這些目標的進展情況。從具體的目標（如摧毀敵方所有港口）到較為抽象的目標（如實現海軍優勢），模擬中的單一作戰評估方法應具有足夠的通用性，以便在面對多種不同的勝負定義時，為勝負問題提供答案。本論文提供了這樣一種方法，可用于模擬戰爭的戰役級戰斗評估。

評估的一個直接定義是 "使用數據來證明既定目標和目的是否真正實現的過程"（1，第 554 頁）。在國防領域，美國參謀長聯席會議（JCS）將評估定義為 "在軍事行動中衡量運用聯合部隊能力的整體有效性的持續過程"（2）。一般來說，評估是一個用于持續或不斷反饋的詞，旨在改進一個過程。在更正式的場合，評估分為兩類：總結性評估和形成性評估。總結性評估，或有些人稱之為評價，是對表現進行事后審查。總結性評估的例子包括簡單的評分和與基準的比較，以及從過程產出中獲取比較結果的統計或其他分析方法。終結性評估的 "外部"（3，第 19 頁）特征自然會導致其結果的呈現是遙遠的和/或靜態的。終結性評估的一些例子包括年度人事審查和評估、學生考試和業務指標報告。相反，形成性評估關注的是持續的學習過程，目的是在特定過程中提供反饋（4）。在教育領域，形成性評估包括學生與評估者之間的合作，以 "積極創造[學生的]最佳表現"（5，第 242 頁）。形成性評估在本質上是互動的，它的目的是在一個過程結束之前提高學生的表現，利用數據（或經驗）為被評估方提供定制化的幫助。因此，形成性評估還可能包括進度跟蹤或報告。本論文重點關注戰役級模擬戰爭背景下的形成性評估方法。我們對 "如何在計算模擬中進行戰役級戰斗評估 "這一問題提出了建議。

模擬戰爭中的評估方法，尤其是用于軍事訓練或分析的模擬戰爭，應模仿實際決策者對戰爭努力的評估。在實際作戰環境中，軍事下屬和分析人員會準備一份評估報告，供指揮官了解態勢。指揮官利用評估結果為操縱作戰環境提供進一步指導。當我們在模擬作戰中模擬戰爭努力時，評估部分實際上應是下級/分析員評估與指揮官反饋相結合的模型。在第 3.1 節中，我們將這一概念納入了作戰模擬評估方法的價值層次中。此外，我們還提出了一個必要的特點，即評估方法應簡單易懂，便于向指揮官和其他決策者介紹。將評估結果歸納為不同類別（如勝利或失敗）對簡單交流非常有用，第 3.1 節將對此進行更詳細的討論。

作為聯合部隊行動的權威資料，美國聯合司令部的 "聯合出版物 3-0"(2)提供了模仿決策類型的見解。聯合司令部最關心的是 "行動評估"，即 "衡量完成任務、創造條件或效果以及實現目標的進展情況 "的過程（2，第 II-9 頁）。聯合司令部聲稱，行動評估應 "從任務式指揮分析開始，由指揮員和參謀人員考慮衡量什么和如何衡量"（2，第 II-9 頁）。對于實戰中使用的計算模型而言，這一步將發生在模型運行之前，分析人員將在運行過程中設定初步目標和任何初始參數。此外，本定義中的 "目標 "是指指導行動方案的目標。目標可以是一個短語，如國防部的國家戰略目標，也可以是單項軍事任務的目標。無論如何，模擬戰爭評估方法中的目標決定了代理指揮官的注意力在哪里，以及他們建議的行動方向。

圖 1 提供了不同層次的戰爭與相應目標之間的嵌套關系。在軍事應用中，圖 1 中紫色箭頭所示的評估框架通常被稱為 "從戰略到任務 "框架（6；7；8）。在該框架中，目標之下是可評估的效果。效果 "是 "行動的結果、成果或后果"（2，第 GL-9 頁）。任務 "被視為軍事行動的最小單元，小到摧毀敵方資產，大到運送物資。有些任務本身就是目標，有些任務支持相應的目標，沒有中間影響。然而，如圖 1 所示，上級目標為下級目標提供依據，而下級目標又指導各級軍事行動。同時，評估是用于提供自下而上反饋的機制。在提供反饋時，評估應回答兩個關鍵問題： 1）"我們是否在[作戰環境]中創造了我們所期望的效果或條件？"和 2）"我們是否按標準完成了任務？(2，第 II-11 頁）。

這兩個核心評估問題的重點自然而然地將模擬戰爭的作戰評估引向形成性領域。盡管分析人員傳統上使用總結性評估方法對這些問題進行追溯性回答，但如果將形成性評估與回答這兩個關鍵問題的意圖結合起來，則可實現被動的模擬作戰環境。利用形成性評估方法，模擬環境（或指揮官）可收到與特定目標相關的作戰環境狀態的實時更新。與進行事后分析相比，形成性評估更接近于實時戰爭工作，即評估對友軍造成的戰損，以及任務匯報和關于敵方單元的情報報告。因此，本論文側重于形成性評估方法。

本論文的其余部分致力于將聯合司令部的作戰評估要求綜合為一個連貫的結構，以便在作戰建模模擬環境中有效部署評估方法。Gallagher 等人（9）利用分辨率定義了不同層次的作戰：系統/工程、交戰、任務、戰役、國防企業和整個政府。聯合司令部的條令規定，每個層次的戰斗分辨率都要分層評估。本論文并不試圖將評估范圍縮小到任何特定的交戰決議；相反，我們提出了一般結果，試圖盡可能廣泛地應用于國防部的各種應用。本研究的重點是回答兩個研究問題：

研究問題

1. 程序化/計算機化模擬的作戰評估方法需要具備哪些特征？

2. 如何在程序化戰爭模擬中進行戰斗評估？

下一章將通過其他主要應用領域介紹評估方法。根據第二章的經驗教訓和聯合司令部的評估指南，我們在第三章構建了一個價值層次。在第四章中，我們介紹了幾種可供選擇的評估方法，并在小型作戰模擬中對其機制進行了研究。然后，我們在第五章對這些替代評估方法在模擬戰爭中的應用進行評估。第五章最后提出了模擬作戰評估方法的建議。我們在第六章中提出了一些結束語和進一步研究的建議。

美軍目前的條令基本摒棄了使用潛艇協同戰術（稱為 "狼群戰術"），原因是 "狼群 "之間和 "狼群 "內部的協調十分復雜。然而，最近的技術進步可能會大大提高在狼群中行動的潛艇之間進行安全通信的可行性。基于智能體的建模用于模擬潛艇在戰時環境下的海上行動。模擬了三種安全通信可用性：潛艇之間無通信、每 10 小時通信一次和持續安全通信。考慮了三種戰時環境：獵殺過境商船的潛艇、在中立航運環境中獵殺過境軍艦的潛艇，以及在中立航運環境中作為水面行動小組（SAG）獵殺過境軍艦的潛艇。效果以 "產量 "來衡量，即目標的平均殺傷數量與 "狼群 "中潛艇數量的函數關系。模擬結果表明，隨著戰時中立航運的增加，"狼群 "戰術的成功越來越依賴于潛艇的安全通信和態勢感知。

圖 1.1. 狼群攻擊階段

由于編隊間和編隊內協調的復雜性，目前的條令已基本摒棄了使用潛艇協同戰術（即所謂的狼群戰術）。最近，自主水下定位、通信和其他技術的進步提高了水下艦艇之間協同作戰的可行性。此類技術的興起要求圍繞更具生存力和殺傷力的水下能力重新思考當前的作戰條令。對這一主題的深思熟慮的探索已經開始，如 Cares 和 Cowden（2021 年）對分布式戰爭時代艦隊戰術的未來進行了仔細分析。重新審視 "狼群 "戰術將為海軍思想家提供價值，因為他們將繼續在未來自主無人系統日益增多的海戰環境中尋找最佳戰略。

仿真用于探索 "狼群 "戰術在七個不同場景中的有效性，這些場景既改變了戰時環境，也改變了潛艇獲得信息的頻率。對模擬輸出進行分析，以確定 "狼群 "戰術的成功率在潛艇與目標環境之間安全通信的不同限制條件下如何變化。考慮了三種安全通信的可用性：潛艇之間無通信、每 10 小時通信一次和持續可用通信。考慮了三種目標環境：獵殺過境商人的潛艇、在含有中立航運環境中獵殺過境軍艦的潛艇以及在含有中立航運環境中作為水面行動小組（SAG）獵殺過境軍艦的潛艇。潛艇被分配到不重疊的水域空間，每艘潛艇都不會離開其分配的水域空間，也不會試圖擊殺其水域空間外的目標。船只進入第一個水域空間，然后前往第二個水域空間，依此類推。潛艇靠近并將其水域內的船只分類為中立或目標。分類完成后，潛艇會殺死被列為目標的船只。潛艇在一個水域發射的武器不會影響其他水域的潛艇，也不會影響航運行為。效果用 "當量 "來衡量，"當量 "的定義是成功擊殺目標的平均數量與 "狼群 "中潛艇數量的函數關系。潛艇沒有后勤限制，沒有彈藥限制，敵方戰艦也不會試圖摧毀任何潛艇。

當潛艇進行通信時，它們會將完美的信息傳遞給艇外實體，而不會失去隱蔽性或被攔截的機會。只有當潛艇探測到目標，但無法在目標離開其水域之前對其實施攻擊時，潛艇才會與艇外實體通信。所傳遞的信息是潛艇無法起訴的目標的位置和未來路徑。只有下一個水域的潛艇才會收到來自艇外入口的信息；它會在確定的時間訪問這些信息。與中立航運有關的信息不會傳遞。因此，雖然存在通信的動機，但通信對平均擊斃目標數量的影響是有限的。在戰時環境下，目標與中性商船到達率之比非常小，通信可最大程度地提高 "狼群 "的性能，使潛艇能夠更好地采取行動，摧毀隱藏在大量中性航運交通中的水面行動小組。

本文研究了混合動力飛艇的潛在用途和最佳組合，以支持與重大戰爭行動有關的大型貨物運輸，包括戰略、戰術和最后一英里距離。主要目標是確定混合動力飛艇是否能發揮輔助作用，而不是將其視為 C-17 環球霸王 III 飛機和大型中速滾裝船（LMSR）等傳統戰略運輸工具或 C-130 大力神等戰術運輸工具的替代品。第二個重點是確定混合動力飛艇的最佳規模和數量，以便在與常規資產相結合時支持大型貨物運輸。最后一個重點是確定混合動力飛艇是有人駕駛、無人駕駛還是自主駕駛。

分析結果表明，利用混合動力飛艇組成的復合機隊可以使用快速分析工具軟件成功建模。建模確定，利用傳統固定翼飛機、混合動力飛艇和水面艦艇的組合來運輸大量貨物是可行的。

這項研究模擬了使用混合機隊將一支斯崔克旅戰斗隊從華盛頓州路易斯堡運送到菲律賓達沃國際機場的情況。SBCT 部署的最佳組合是 81 架 C-17、50 架 C-5、60 艘 120 噸混合動力飛艇和 60 艘 30 噸混合動力飛艇。該機隊可在 5 天內完成 TPFDD 的部署，耗資 1.397 億美元。使用 62 架 C-17、8 架 C-5、40 艘 120 噸混合動力飛艇和 1 艘 LMSR 艦艇的組合，可在 17 天內部署 SBCT，費用為 7030 萬美元。

分析表明，混合動力飛艇應采用遙控駕駛或自主控制，以降低大型機隊的人員需求。

在海軍陸戰隊的戰術部隊中，有一個關于技術進步和認知負荷的認知問題；具體來說，現代戰場上幾乎無窮無盡的新信息流正在過度消耗人腦。無人戰術自主控制與協作（UTACC）是一種替代性作戰概念，它的開發可以澄清技術進步與認知負荷之間的關系。UTACC的目的是通過自主協作，在提高任務完成度的同時減輕海軍陸戰隊員的認知負荷。

本論文制定了UTACC作戰概念，其中包含了海軍陸戰隊作戰實驗室提供的場景邏輯、作戰活動排序和初始信息交換要求。要應對UTACC的復雜性，還需要對協同自主、人機系統集成因素和決策支持進行深入分析。

本研究發現，在早期階段，UTACC 可以作為一種可擴展的決策支持工具，實現常規計劃流程的自動化，從而提高小型戰術部隊的效率。此外，本研究還發現了未來的工作領域，其中三個領域是：衡量能力差距、共同行動圖像管理/融合和安全。

戰爭中出現了各種旨在幫助作戰人員完成任務的先進技術。這些進步也引入了信息超載的概念。決策者在做出決策之前，必須從龐大的信息庫中收集特定的信息。大量的信息很容易使作戰人員的認知負荷過重，從而導致任務性能下降，這是一個意想不到的后果。無人戰術自主控制與協作（UTACC）的目的是通過自主協作提高任務完成度，同時減輕操作員的認知負荷。UTACC的概念是武裝陸戰隊員在半自主無人地面和空中飛行器的協助下開展行動。一個UTACC系統由人類組件、空中組件和地面組件三部分組成（SOW，2014年）。

A. 研究目的和方法

盡管人們擔心幾乎無窮無盡的新信息流會過度消耗人腦（Bates，2010 年），但目前專門針對技術進步與認知負荷之間現象的研究極少。UTACC這一另類戰爭概念的提出，可以澄清技術進步與認知負荷之間的關系。要有效地做到這一點，研究必須包括對作戰環境的深入分析；可能的任務及相關任務；協作自主、人類系統集成（HSI）因素；以及信息交換要求（IERs）。該系統需要高度的語義互操作性和創新的技術流程，使操作員能夠將所有 UTACC 組件（人類或機器）視為隊友。 海軍陸戰隊作戰實驗室（MCWL）于 2013 年啟動了 UTACC 項目。MCWL 在其任務說明中指出： 利用兵棋推演、基于概念的實驗、技術評估和分析的整體組合，嚴格探索和評估海軍陸戰隊的服役概念，以驗證、修改或否定概念的可行性，并確定能力差距和機會，為未來兵力發展提供信息。（"MCWL"，未注明日期，任務）

MCWL 邀請海軍研究生院協助對UTACC 概念進行探索性研究，以實現 "以決策為中心、半自主、分布式、多代理、多領域機器人系統 "的愿景（SOW，2014 年，第 1 頁）。

本論文是這一研究計劃的第一步，即制定 "操作概念"。這項探索性研究捕捉到了 MCWL 的邏輯、操作活動排序和初始 IER，并提供了范圍有限的場景。系統工程方法與海軍陸戰隊部隊領導步驟相結合，用于在任務規劃和執行的整體流程中構建任務和子任務。這項研究探索了將機器組件納入這些步驟中的每一個步驟，以幫助實現自動規劃和執行。

作為一種未來軍事概念，UTACC 必須以現有的條令和戰術、技術與程序（TTPs）為框架，以便 MCWL（注：任務）驗證、修改或拒絕概念的可行性。規劃與執行模型（見附錄 A）完成后，針對選定的單一任務，共確定了 38 項任務和子任務。創建了任務分析工作表（見附錄 D），作為記錄與 "作戰概念 "相關的輔助信息的中央資料庫。這些工作表將幫助潛在的系統建模人員、開發人員、設計人員和未來的UTACC研究人員了解基線UTACC作戰概念，并對其進行修改以滿足新的要求。

外部評審和反饋對于確定項目范圍，使其成為論文級別的工作非常重要。2014 年進行了兩次外部評審，以聽取各領域責任專家的不同觀點。第一次評審強調，在開發的早期階段，UTACC 最好用作決策支持工具，使任務規劃期間的常規流程自動化。第二次外部審查強調，UTACC 的許多支持技術已經存在；挑戰在于將技術融合到一個共享的共同環境中。

卡內基梅隆大學（CMU）于 2015 年 2 月舉辦的概念驗證演示證明，只要有適當的可互操作軟件，無人機（UAV）和無人地面飛行器（UGV）就能在沒有人類協助的情況下協作尋找目標、拍攝目標照片并將照片發送給上級總部。雖然該演示是在受控環境下利用 CMU 設備進行的，但演示結果證明，UTACC 是一個可行的概念，并有能力隨著技術的進步而不斷成熟。

2015 年 2 月演示的成功以及自 2014 年 1 月以來所有與UTACC 相關的探索性研究工作獲得了尊敬的雷-馬布斯（海軍部長）和凱文-基里亞準將（MCWL 總司令）的關注。在2015年海空博覽會期間，兩位領導人討論了UTACC的價值。馬布斯的評論側重于創新，他說UTACC計劃的成員 "開發了一種無人地面飛行器與無人空中飛行器無縫通信、自主識別目標并執行任務的方法"（馬布斯，2015年，第7頁）。Killea 的評論集中于 UTACC 作為戰場自主性的下一個層次為戰場帶來的戰術價值（Tucker，2015 年）。Killea 進一步解釋說："無人系統必須認識到他們被告知要做什么，制定計劃，然后執行對任務要求的共同理解......海軍陸戰隊操作員告訴無人系統做什么，而不是怎么做。這樣，操作員就可以騰出手來處理其他任務，而自主系統則可以共同協作完成手頭的任務"（Tucker，2015 年，第 1 頁）。

B. 主要結論

1.在有足夠制圖和傳感器數據的條件下，UTACC 的早期階段可完全設計為一種規劃工具。海軍陸戰隊規劃流程中的許多任務和過程都屬于常規性質，可以實現自動化。盡管強調自動化，但作者認識到在特定的關鍵點上仍需要人工輸入和監督。

2.UTACC 軟件應完成約 80% 的規劃，并允許人工完善最后 20% 的規劃。

3.任務規劃自動化的一個風險是會損失人類在規劃過程中獲得的隱性知識。可以通過使用 3D 演練和虛擬演練來降低這一風險。

4.支持UTACC行動概念的許多技術已經存在，盡管還處于起步階段。應立即開始行動，了解當前技術存在的問題，并不斷發展以適應技術的進步。

5.在計劃和執行模型中，明確的反饋回路是必要的，這可以讓機器組件補充人類的自然思維過程。

C. 對未來研究的主要建議

1.UTACC是一個模塊化的系統（SoS）。未來的研究工作需要利用這種模塊化設計，納入更多的任務、條件和威脅。

2.通過度量解決能力差距問題對于了解UTACC的戰術價值至關重要。這種分析應比較UTACC輔助單位與非UTACC輔助單位在執行任務中的表現。通過這一過程，應開發出評估人機協作的新指標。

3.未來研究應解決共同行動圖像（COP）管理和融合方面的挑戰。這項研究應解決以下方面的挑戰：大數據管理；信息過濾；信息推與拉；共同行動畫面顯示硬件選擇；以及聯合/機構間共同行動畫面融合。

4.如果從一開始就不考慮系統的安全性，UTACC 將無法完成任何任務。使用保密性、完整性和可用性（CIA）三要素，通過人員、操作和技術（Batson & Wimmer，2015 年）的視角完成了初步的威脅和漏洞評估。未來的工作應在這一初步評估的基礎上進行擴展。

D. 結論

UTACC是一個有效的探索性研究領域，它研究了未來海軍陸戰隊中人與機器組件之間協作自主的概念。本論文是企業級潛在的更大規模倡議的第一批種子之一。成果摘要是討論UTACC戰術價值的起點。對進一步研究的建議說明了協作自主的復雜性。盡管UTACC能力的實戰化面臨無數挑戰，但利益相關者必須始終牢記，UTACC的概念是利用機器人技術提高海軍陸戰隊的戰斗力。

海運業對新加坡的生存至關重要。2019年，新加坡國防部發現，海運業占新加坡國內生產總值的7%，2018年供應了新加坡90%以上的食品消費。為了保護海上貿易，新加坡必須防御的眾多威脅之一是海軍水雷。使用無人系統進行有效的反雷措施（MCM）將提高安全性，減少對人類參與的依賴。本論文使用基于智能體的模擬、尖端的實驗設計和數據分析工具來探索不同的MCM作戰概念（CONOPS）的性能。該方案是一項防御性MCM任務，在該任務中，無人水面航行器被全天候部署，以消除沿作戰海上交通線的海軍水雷。60,000次模擬MCM任務的結果顯示，重疊的傳感器范圍和路徑偏差是影響殺傷概率的主要因素。風險的主要驅動因素是探測器的速度、重訪率和中和劑的扇形化。中和器的扇形化增加了對過境船只的風險，對殺傷概率的影響很小。建議決策者在改進本論文中提出的MCM方案的CONOPS時，將重點放在提高探測器的速度、優化傳感器范圍的重疊長度、以及使用減少路徑偏差的策略上。

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。

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。

無人駕駛地面車輛（UGVs）可用于軍事領域，以減輕士兵承擔的風險，以及為體力要求高、枯燥或危險的任務提供解決方案。雖然使用UGV有好處，但也有需求和限制。本論文探討了最終用戶--瑞典武裝部隊的一個輕步兵營--對于為城市地形中的軍事行動而設計的UGV在功能方面的要求。這是通過一個帶有焦點小組的探索性案例研究來完成的，來自第31游騎兵營的士兵和軍官使用兩種不同的UGV原型來完成任務。隨后是半結構化的小組討論，探討了需求、限制和要求。然后，通過主題分析方法對收集的數據進行分析。

主題分析的結果發現，焦點小組的要求有幾個重復出現的意見。這些要求被分為四類：（1）速度，（2）用例，（3）圖像生成的傳感器，以及（4）自主功能。總之，本論文在四個類別中共確定了13個需求。總而言之，這些要求意味著用于城市地形的軍事行動的UGV必須能夠跟上沖刺的士兵，提供視覺掩護，能夠與附近的物體互動，有幾個高質量的傳感器和強大的自主功能，使士兵能夠專注于控制UGV以外的其他事情。

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。

在過去的幾年里，大西洋上的敵對潛艇活動一直在穩步加強。此外，戰略對手已經開發了復雜和隱蔽的潛艇，使它們更難被定位。活動的加劇加上先進的平臺，使美國的對手能夠挑戰其在水下領域的主導地位。盡管已經對使用貝葉斯搜索方法的優化搜索策略進行了廣泛的研究，但公開文獻中的大多數方法都側重于搜索靜止的物體，而不是搜索由Blue潛艇進行的移動的Red潛艇。因此，我們開發了一個敵方潛艇的模型，其目標是避免被發現。隨著搜索努力的消耗，根據負面搜索結果計算出敵方潛艇位置的后驗概率分布。我們提出了一種尋找搜索模式的方法，該模式試圖在貝葉斯框架內利用馬爾科夫特性使探測的概率最大化。具體來說，我們研究了三種不同的運行窗口方法：一個簡單的網絡優化模型，一個在每個時間段后執行更新的網絡優化模型，該模型正在規劃整個路線，以及一個只提前兩個時間段的動態程序。

近年來，戰略對手在水下領域的進展，加上在大西洋的更多部署，給美國海軍（USN）帶來了新的挑戰。更加隱蔽的潛艇在聲學上與弗吉尼亞級SSNs相當，這使得美國海軍更加難以定位和跟蹤這些潛艇。這些挑戰已經確定需要完善可用來尋找敵對潛艇的工具。

在這篇論文中，討論了為潛艇上的決策者提供一個完善的搜索工具的需求，以幫助他們搜索敵對潛艇。我們研究了基本搜索算法的不同方法，該算法能夠進一步發展并在潛艇上實施。

我們首先介紹了我們為Red的運動建模的方法。我們假設Red最初位于一個大小為200乘200海里的搜索區域（SR）內，該區域被描述為一個劃分為400個10乘10海里單元的網格。然后，我們定義一個離散時間馬爾可夫鏈來模擬Red在SR中的運動，鏈中的一個狀態是Red潛艇的單元位置，過渡概率管理Red從一個單元到另一個單元的運動。為了決定單元之間的過渡概率，我們假設有關于Red任務的可用情報，這些情報以概率方式決定了Red的運行方式。

接下來，我們研究了三種算法，以幫助潛艇指揮官對Red潛艇進行搜索的能力。對于我們考慮的所有三種算法，重要的是要明確，搜索計劃是在進行任何搜索之前產生的。我們首先考慮簡單的網絡算法（NA）算法，其中生成的搜索計劃使在搜索時間范圍內未發現Red的概率最小。在優化方面，這相當于找到Red的概率最大化，而且它不考慮搜索時間范圍內的任何搜索結果；它是在搜索開始前計算的，不會改變。然后，我們通過利用貝葉斯定理來修改這個帶有更新的算法（稱為帶有更新的網絡算法（NAU）），在假設被搜索的單元格不包含Red的情況下，更新Red位置的概率分布。利用每個時間段的更新概率分布，網絡優化算法在Blue花費搜索精力的每個剩余時間段重新運行，這給了Blue一條新的搜索路線。盡管NAU算法的結果是為剩余時間段提供了一條搜索路線，但只使用了下一個要搜索的單元。接下來，我們開發了一種動態編程（DP）算法，以最大化在下一個時間段或下一個時間段找到Red的概率。該算法還利用貝葉斯定理來進行Red位置分布的更新，假設Red從未在Blue搜索的單元中出現過。所有三種算法的完整搜索路徑都是在搜索開始前計算出來的。

在我們的Blue搜索算法中，我們做了幾個假設。首先，我們假設Blue概率地知道Red的起始位置和Red運動的過渡矩陣。這些信息的來源是Blue搜索者外部的傳感器對Red的初始探測以及關于Red任務的情報。我們還假設Blue搜索者有完美的傳感器；也就是說，如果Blue和Red同時出現在同一個小區，Blue將以100%的概率探測到Red。此外，我們假設Red和Blue在每個時間段只能移動一個單元，這本質上意味著兩艘潛艇以相同的速度行駛。在我們的方案中，我們假設Blue在SR中最北面的任何一行開始搜索，如果Red離開SR，它就不會返回。如果Red在離開SR之前沒有被發現，或者在搜索期間沒有被發現，則搜索失敗。最后，我們假設Red有一個固定的過渡矩陣；也就是說，Red對Blue的存在沒有反應，在搜索期間，Red在單元格之間過渡的概率保持不變。

為了研究算法的表現，我們運行了多種方案，在這些方案中，我們改變了Red的起始特征，如起始單元和Red可能開始的不同單元的數量。然而，Red的過渡矩陣在每個場景中保持不變。對于每個場景，Blue的搜索路徑在每種算法中都被計算一次。同樣，對于每個場景，Red的路線被模擬了10,000次，使用假設的可能的起始單元集，每個單元都以相同的概率選擇，以及每個場景的相應過渡矩陣。確定Red被Blue檢測到的復制比例，如果被檢測到，檢測發生在哪個時間段。模擬的輸出是檢測到Red的估計概率，以及相應的95%置信區間和每種算法的經驗CDFs。經驗CDF是指在每個時間段或之前檢測到Red的概率。CDF顯示了每種算法在搜索工作中的表現。我們還計算了計算時間，以CPU周期衡量，以確定每種算法的計算成本。

我們的結果表明，三種算法產生了類似的結果；然而，NAU和DP算法的表現一直優于簡單的NA算法。對于NAU和DP算法來說，計算出的檢測概率的95%置信區間是重疊的；因此，NAU和DP算法的真實檢測概率都在彼此的誤差范圍之內。在我們考慮的前五種情況中，最高的估計檢測概率接近20%，最差的也達到8%左右。探測概率低的原因有三種可能的解釋。首先，在我們考慮的場景中，Red很有可能在Blue可能探測到Red之前離開SR。另外，因為我們假設Red在單元之間的轉換概率是均勻的，所以Red的路線存在高度的不確定性。最后，Blue在指定的有限時間內進行搜索。

我們還運行了一個方案，將Red的起始位置固定在一個單元中，并改變過渡矩陣中的概率，以代表Red很有可能過渡到西北方向的單元的情況。這種情況表示Red向指定方向移動的確定性更高。很明顯，隨著Red向某些單元的過渡概率增加，檢測到Red的概率也會增加。通過這種情況，我們也表明貝葉斯更新是有效的，因為在NAU和DP算法中，如果Red不在最初最有可能出現的地方，Blue會繼續找到Red；然而，使用NA算法，如果Red在有可能探測到Red的第一個時間段內不在最有可能出現的地方，那么Blue就無法探測到Red。這個結果是合理的，因為如果當Blue第一次可以探測到Red時，Red不在它最有可能出現的小區里，那么Red就沒有遵循最可能的路線；Blue使用這一信息來更新NAU和DP算法中Red位置的概率分布，但對NA算法則沒有。

就計算成本而言，DP算法的求解效率比其他算法高得多，需要的CPU周期比NAU算法少三個數量級。然而，我們表明，對于NAU和DP算法，計算成本隨著Blue可能檢測到Red的時間段的增加而增加。由于NA算法不執行更新，它的成本在整個場景中保持不變。

我們的研究結果表明，DP算法是最適合未來發展的。它的性能始終與NAU算法相似，而計算成本卻大大降低。當充分發展后，這種算法可以在潛艇上使用，并在操作員可用的任務規劃工具中實施。