在訓練中，從演習文件中獲取背景信息可增強真實感。在真實世界行動中創建的文件必須為訓練演習而制作，這是一個耗時耗力的過程，產生的文件無法用于海軍陸戰隊的模擬演習。海軍陸戰隊正在制作 "實時、虛擬、建設性訓練環境"（LVC-TE），使分離的部隊能夠與模擬演習相結合。LVC-TE 包括演習設計工具，但不包括演習文件制作工具。本論文的重點是為直接空中支援中心（DASC）使用 FLAMES 自動仿真訓練器（FAST）進行的指揮與控制（C2）演習制作空中任務指令（ATO）。DASC 部隊無法獲得真實世界的 ATO 進行演習，這意味著 ATO 必須從檔案中提取或手工創建。存檔的 ATO 包括過時的飛機和彈藥，而手工輸入的 ATO 極易出錯。FAST 提供了上傳 ATO 的選項，如果文件正確，系統就會填充航空場景。本論文表明，可以設計和實施一種工具，以方便為任何空中 C2 演習創建 ATO 文件，FAST 可以正確攝取這些文件，從而加快場景生成。通過這一概念驗證，對擴展這一能力進行了初步調查，以簡化所有作戰功能的演習文件創建，并與 LVC-TE 的演習設計工具套件集成。

為了滿足在接觸層的同級對手沖突的需求，軍方需要開發能夠提供更長的對峙和停留時間的小型模塊化無人機蜂群。這些小型無人機蜂群的使用將使軍方擁有一個小特征和低成本的選擇，以促進在被拒絕環境中的行動。有了這些小型無人機蜂群，軍方就能在接觸層與同級對手競爭，同時限制升級的風險。

本概念文件旨在研究模塊化自主無人機蜂群（MADS）的開發和使用，可為海軍陸戰隊提供在同級對手的 IADS 中開展行動所需的遠程能力。憑借在復雜的 IADS 中的機動自由，海軍陸戰隊可以獲得態勢感知，并創造機會利用電子戰和網絡戰加強作戰。如果不能保持這種態勢感知能力，尤其是在偏遠地區，海軍陸戰隊就會面臨不必要的風險，難以圓滿完成任務要求。

海軍陸戰隊必須設法進入有爭議的環境，以便繼續確保機動自由。MADS 可以提供這種通道，而且升級風險較低。盡管 MADS 概念需要一些額外的技術發展才能成為可行的資產，但它有可能極大地改變海軍陸戰隊在 A2/AD 環境中的 EABO 能力。

與近在咫尺的對手發生沖突的威脅越來越大，這需要一個強有力的空中路線計劃來有效地運輸人員和貨物。在制定這些計劃時，美國空軍空中機動性司令部（AMC）必須考慮到有爭議環境中戰區間行動的動態性質。目前，AMC的規劃人員主要是手動計算資源分配，這導致了計劃實施的緩慢和潛在的次優解決方案。從一個成熟的AMC模型開始，它提供了飛機、貨物分配和機場的最佳使用，我們增加了模型功能，幫助確定如何攻擊這個空運網絡，最佳地延遲貨物運送到作戰相關地點。結果發現了漏洞，并為AMC規劃者提供了一個機場資源分配的處方，使貨物運輸最大化。這個模型對對手（無論是天氣還是競爭者）延遲任務的能力進行了定量評估，可以用來指導決策者提供強大的空中機動能力。

與近鄰對手發生沖突的風險越來越大，這使得美國防部的思維方式從基本無爭議的后勤環境轉向有爭議的環境。軍事后勤優勢的一個關鍵組成部分是目前由美國空軍（USAF）空中機動司令部（AMC）提供的全球空中機動性。為了支持和維持戰略、戰役和戰術層面的戰爭，AMC已經確定需要快速設計和評估其空運網絡。AMC正在其新開發的空運網絡快速運行設計（RODAN）項目下整合其新興決策工具，該項目由美空軍科學研究辦公室（AFOSR）支持。

開發和評估空運網絡的關鍵考慮因素包括機場停機坪空間、地面服務設備、人員以及人員的限制。地面最大工作飛機（WMOG）是一個常用的機場容量的衡量標準，代表了在一個機場有效和安全地處理一定數量的飛機所需的設備和人員數量。可用的WMOG數量有限，而空運需求又是動態的，這給AMC的規劃者帶來了異常困難的挑戰。在AMC的機場網絡中，WMOG的無效分配會導致交付延遲、安全隱患和任務要求的失敗。雖然在沒有競爭的環境中很困難，但在有競爭的環境中會增加這些挑戰并加劇缺點。

本論文通過將有爭議環境中的WMOG分配問題建模為攻擊者-防御者模型，對RODAN做出了貢獻。該模型是一個雙人零和博弈，可以根據AMC對WMOG的分配指出哪些機場最有價值，并向AMC規定在有可能發生這種攻擊的情況下如何轉移其WMOG。我們把這個模型稱為攻擊方-防御方空運計劃工具（ADAPT）。從攻擊者的角度來看，目標是以最小化通過其機場網絡的貨物流量的方式攻擊AMC的網絡。根據攻擊方的攻擊分配，防守方的目標是在機場網絡內移動WMOG，使貨物的流動最大化。對立的目標向AMC規劃者揭示了空運網絡的脆弱性，同時也為AMC規劃者提供了一個利用其現有網絡內資源的總體計劃。

ADAPT通過提供一種模擬可能的威脅的方法來實現快速的空運網絡脆弱性檢測。在輸入他們對各個機場的WMOG分配和貨物運輸要求后，AMC規劃人員可以討論各種威脅對他們機場的影響，并將這種影響輸入ADAPT。像完全取消機場能力這樣嚴重的攻擊或像天氣延誤這樣常規的攻擊都會影響貨物的流動。ADAPT的另一個好處是，它可以向AMC規劃者展示他們目前的網絡對潛在的最壞情況下的干擾的彈性。ADAPT為AMC的RODAN計劃中的現有工具提供了重要的補充貢獻。

首先用一個有五個機場的簡單網絡來說明這個模型，其中一個機場供應貨物，一個機場需要貨物，其余的轉運機場可能受到攻擊。對于這個網絡，ADAPT可以在Macbook Pro M1（2021）上以不到一秒鐘的時間解決。然后，考慮一個更大的場景，需要運輸2000噸貨物，涉及55個WMOG單位，分配在美國印太司令部責任區內的24個機場。用這種情況來說明如何解釋ADAPT的輸出。這包括最壞情況下的攻擊機場，以及攻擊后貨物移動的百分比。探討了多達10次攻擊的影響，每次攻擊的平均計算時間不到5秒。對于這種情況，發現WMOG的分配仍然能夠通過網絡移動100%的貨物，最多兩次攻擊。不足為奇的是，隨著攻擊次數的增加，貨物通過網絡移動的百分比下降。

隨著AMC開發決策支持工具，它在規劃空運網絡時必須考慮對手的行動。ADAPT通過檢測其網絡中可被對手利用的漏洞來幫助AMC規劃者。此外，ADAPT為將攻擊的影響納入空運計劃奠定了基礎，并將有爭議的環境納入AMC規劃者的對話中。確定哪些機場對攻擊者來說是最有價值的，并對攻擊的整體影響有一個概念，這將有助于規劃者開發替代的空運網絡以完成任務目標。

由于固有的設計復雜性、無限的測試空間和缺乏自主性的具體措施，自主和協作無人系統的實施和測試具有挑戰性。這些挑戰限制了美國空軍部署和利用這些系統所提供的戰術和戰略優勢能力。這項研究在廣域搜索（WAS）場景中實例化了一個自主系統參考架構（ASRA），作為自主和協作系統的快速原型設計和評估的測試平臺。該研究旨在提供一個框架，以評估系統實現任務和自主目標的能力，開發可重復使用的自主行為，并開發可重復使用的協作決策算法。對于這項研究和對WAS任務的應用，自主性的衡量標準來自于自主系統的要求：響應性、穩健性和感知的準確性。自主行為，包括結合簡單（原子）行為的更復雜行為被開發出來，各種協作決策規則被定義。隨后的評估在四個場景中實施了立體實驗設計。按照嚴格的測試計劃，測試是在仿真中進行的，實現了自動測試和快速分析。測試結果被用來創建一個響應模型來描述系統，并進行多重響應優化，以確定一個最佳配置，在給定的目標密度下，使搜索面積、檢測百分比和感知精度最大化。

遠征軍主要依靠柴油發電機來維持關鍵任務的指揮、控制、通信、計算機、作戰系統情報、監視和偵察（C5ISR）以及中小型戰術電網的生命支持系統。在支持遠程特種作戰部隊（SOF）和海軍陸戰隊在有爭議的環境中的遠征行動時，這種依賴性帶來了重大的后勤和維護挑戰。研究的主要目的是衡量當前或接近市場的儲能和光伏充電解決方案的有效性，以增加或取代柴油發電機，支持遠征軍事行動。次要目標是衡量這些儲能和充電解決方案與柴油發電機同步運行對部隊燃料消耗的影響，特別是對現有燃料補給計劃的影響。這項研究的結論是，現有的和接近市場的可再生能源系統可以有效地與戰術柴油發電機整合，并產生足夠的能量來滿足支持遠征軍在偏遠地區作戰所需的相當一部分能源。

滿足維持復雜的長途通信網絡、戰術無線電、指揮、控制、通信、計算機、作戰系統情報、監視、偵察（C5ISR）和生命支持系統所需的能源要求，在面臨有爭議和灰色地帶環境中的持續戰略競爭時，是一個獨特的挑戰。支持這些系統的柴油動力戰術發電機的運行成本，再加上維護這些系統所需的廣泛的后勤基礎設施，是非常可觀的。自2009年以來，美國（U.S.）國防部（DOD）一直在尋求可再生能源選項，以建立戰場上的能源安全。這一努力主要是由2001年至2021年在伊拉克和阿富汗的燃料行動的財政和人力成本驅動的，其中燃料的完全負擔率為每加侖15-42美元（Solis 2009），傷亡率為每24個燃料車隊發生一次（Wald 2009, 19）。隨著國家安全戰略（NSS）從西南亞洲的反叛亂轉移到南太平洋和東歐的持續戰略競爭，強大的后勤管道可能不容易獲得，部隊的生存能力將基于在有爭議的地區實現后勤可持續性的能力。(海軍陸戰隊司令部2021年）。為了在這些環境中開展行動時實現能源安全，需要利用可再生能源。

這項研究旨在研究在混合配置中部署的光伏（PV）鋰離子能源解決方案是否會大大延長為傳統柴油發電機提供動力的預置燃料供應的運行能力；最終，這種系統是否能夠通過光伏太陽能充電解決方案在偏遠地區獨立維持運行。雖然在戰術班、排和連一級對提高能源效率和采用可再生能源的關注有限，但國防部的大部分節能舉措都影響了大規模的駐軍基礎設施。研究的主要目的是衡量當前或接近市場的COTS/GOTS能源儲存和光伏充電解決方案的有效性，以增加或取代柴油燃料發電機，支持遠征的軍事行動。次要目標是衡量COTS/GOTS儲能和充電解決方案與柴油發電機同時運行對部隊燃料消耗的影響，特別是對現有燃料補給計劃的影響。還討論了前期系統采購成本和生命周期運營成本節約之間的權衡。

為支持本論文，對現有研究和文獻的審查表明，現有的大部分工作都集中在大規模實施可再生能源系統，為偏遠村莊或大型駐軍和遠征軍事設施供電。審查還確定了相關的行動后報告，詳細說明了排到連級單位的設備串、能源需求、發電機功率輸出和燃料消耗率。選擇的其他資源與電力可再生能源混合優化模型（HOMER）程序有關，該程序用于對COTS/GOTS可再生能源解決方案進行建模和模擬，以及已投入使用的、接近市場的和名義的COTS/GOTS能源解決方案的技術文件。

配置A包括傳統的戰術發電機，配置B是地面可再生遠征能源網絡系統（GREENS），該系統目前已作為美國海軍陸戰隊的記錄項目投入使用，配置C是移動電動混合電源（MEHPS），該系統正在采購過程中，配置D是一個由通用光伏收集板和特斯拉電源包組成的COTS系統。部隊的組成是一個SOF團隊大小的元素（部隊1），其能源需求由TOC設備串定義，一個USMC連大小的元素（部隊2），其能源需求基于COC設備串。每個能源生產配置都在HOMER中建模，并根據兩個部隊組成所產生的電力需求進行分析。除了分析基于系統規格的電力需求輸入外，HOMER還根據位置、季節和歷史太陽輻照度數據考慮了環境變量，以預測可再生能源生產。

對評估結果的分析表明，無論是配置B還是配置C都不能產生足夠的能量來有效地滿足部隊1或部隊2的100%的動力需求。然而，這兩個系統在與戰術發電機的混合配置中產生了足夠的能量，大大降低了燃料燃燒率，并延長了后勤補給窗口。配置B產生了部隊1所需能量的30%，并將燃料補給窗口從10天延長到29天，假設預置了200加侖的燃料儲存。雖然配置B只產生部隊2所需能量的9%，但假設有3000加侖的預置燃料儲存，這就轉化為128天的燃料再供應窗口。由于系統目前設計的發電機選項不足，配置C只能與部隊1進行評估。配置C的特點是加強了電池存儲和自動混合管理系統，同時向TOC提供發電機電源，并用多余的發電機容量為耗盡的電池充電。因此，配置C產生了1號部隊所需電力的52.6%，并將燃料補給窗口延長到55天。配置D提供了1號部隊所需的100%的電力，消除了燃料再供應的需要，并需要最小的備用發電機基礎設施和預置的燃料。盡管2號部隊COC設備的電力需求超過了COTS解決方案的能力，但在這種情況下，可再生能源的滲透率相當高，達到56%，將燃料再供應窗口延長到270天。

這項研究的結論是，現有的和即將上市的COTS/GOTS可再生能源系統可以有效地與戰術柴油發電機整合，并產生足夠的能量來滿足支持遠征作戰所需的相當一部分能源。對燃料消耗的影響證明，即使是9%的名義可再生能源滲透率也能將燃料補給窗口延長56%。本論文中評估的每一個可再生能源系統都可以按比例調整，以更好地適應從特種部隊到美國海軍陸戰隊連隊規模的部隊配置的具體要求。建議對電池組研究、光伏材料和能源管理軟件進行額外的投資，以提高旨在支持遠征作戰的可再生能源系統的影響。

未來的戰場是一個將受到近鄰對手快速變化的技術能力嚴重影響的戰場。在這種環境下的成功將需要簡單易用的系統，它能適應各種情況，并能與其他部隊和系統整合。多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）旨在為海軍陸戰隊準備未來的戰場。由于傳統的機器學習技術存在某些缺點，MDOC5i使用矢量關系數據建模（VRDM），為海軍陸戰隊提供適合動態部署的系統。MDOC5i使用全球信息網絡架構（GINA）作為其VRDM平臺。這項研究使用GINA創建了一個無處不在的決策模型，可以根據美國海軍陸戰隊的場景進行配置。該研究實現了無處不在的模型，并通過一個網絡分析用例證明了其功能。這個決策模型將作為所有GINA實施的基礎模型。快速構建和調整基于場景的GINA模型并將這些模型整合到一個共同的框架中的能力將為海軍陸戰隊提供對抗未來對手的信息優勢。

圖. 超圖描繪了構成 GINA 決策模型的關鍵實體。這是圖 3.2 中描述的“決策者信息”部分的細分。影響力的三個主要領域是現實世界、網絡和網絡。本論文中的模型將僅包含網絡類別的一部分，特別是 XMPP 流量。這三個領域應被視為為大規模網絡診斷設計的決策模型的起點。

引言

在最近的沖突中，美國能夠承擔對其敵人的技術優勢[1]。然而，由于美國已經將重點從反叛亂（COIN）行動轉移到與近距離對手的沖突上，這是一種不能再假設的奢侈。美國和國防部必須不斷尋求獲得并保持對近距離對手的技術優勢。所有軍種的指揮官都強調了這一點，包括司令部的規劃指南[2]。網絡戰場是一個日益復雜和快速發展的領域，在戰爭中從來沒有出現過像現在這樣的能力。目前的對手既有掌握該空間的愿望，也有掌握該空間的能力[1]。人機交互（HCI）將是在未來沖突中實現信息主導的關鍵。人機交互融合了計算機科學、認知科學和人因工程，以 "專注于技術的設計，特別是用戶和計算機之間的互動"[3]。我們必須掌握人機交互，以協助指揮官并保持對敵人的優勢

美國海軍陸戰隊（USMC）沒有很好的裝備來在網絡領域取得成功。美國海軍陸戰隊訓練和教育司令部（TECOM）已經將這一能力差距確定為一個主要的問題聲明："海軍陸戰隊沒有接受過應對同行威脅的訓練，在這種情況下，我們不再享有數量或技術優勢的歷史優勢。為了在未來的戰場上取勝，我們必須提供一個學習框架，以發展適應性和決定性的海軍陸戰隊，并提供訓練環境，以產生能夠產生決定性效果的互操作單位"［4］。

信息技術的進步產生了一個以網絡為中心的應用框架[5]，可以幫助縮小能力差距，使美國海軍陸戰隊保持對對手的網絡優勢。

1.1 MDOC5i

在為滿足指揮官的指導并使美國海軍陸戰隊為網絡戰場做好準備而采取的舉措中，海軍陸戰隊已經建立了多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）。MDOC5i是一個基于陸軍網絡信息管理環境（ANIME）的系統，提供了一個以網絡為中心的因果動態數字孿生環境。利用基于實體的模擬，MDOC5i提供以網絡為中心的互操作性和決策模型，可以增強多域作戰（MDO）[6]。MDOC5i計劃 "提供基層開發的技術，使操作人員能夠'推斷和適應'不斷變化的戰斗空間的需求" [7]。MDOC5i確定了需要改進的三個問題領域：互操作性、信息處理和利用，以及文化轉變[7]。

隨著戰場的不斷發展，聯合解決方案將是獲得優勢的關鍵。這些互操作性的解決方案將依賴于網絡和通信能力。互操作性是指與整個服務的各種通信系統相關的所有設備之間的通信能力。因此，目前在互操作性方面的差距需要被彌補，以進行聯合行動。系統之間的互操作性還沒有通過一個標準化的通用方法來實現[7]。MDOC5i認為這個問題的根源在于，當前系統所使用的所有網絡都被認為是彼此獨立的領域，而不是一個統一的作戰指揮和控制（C2）系統[7]。

MDOC5i解決的下一個問題是信息處理和利用。這個問題指的是目前整個海軍陸戰隊沒有能力處理大量的信息。數據通常很豐富，而且隨著傳感器能力的增長，數據會越來越豐富，但很難分析所有的數據并從噪音中分出有用的數據。鋪天蓋地的數據如果不進行適當的分析，對決策過程是無用的，甚至是有害的。這個問題被具體描述為："當前行動和數據收集的速度超過了我們處理、識別和獲取可操作情報的能力，以快速評估、調整和修改計劃和實時COA，從而優化部隊投射、殺傷力，并實現持久的超額配給"[7]。

為了提高處理越來越多的數據和跟上快速發展的戰場的能力，作戰人員需要關注人機互動。這種關系對于能夠在可操作的時間范圍內將大量的數據轉化為有用的信息，從而做出更好的決定至關重要。更好的人機交互可以幫助確保 "數據處理和決策的速度與行動的速度相稱" [7]。

解決的最后一個問題，即文化轉變，涉及美國防部需要調整其在數據整合和聯合行動方面的重點。雖然國防部致力于為作戰人員提供可操作的情報，但其方法是無效的和低效的[7]。此外，各個軍種制定了自己的就業方法和情報方式，這往往會導致聯合行動的無效性。為了在目前存在的動態戰場上作戰，各軍種必須共同努力，"使能力與任務、標準操作程序、訓練戰術和協議、采購和部署政策以及作戰部隊的整體文化相一致" [7]。

1.2 MDOC5i應用于海軍陸戰隊

5月9日至5月13日，MDOC5i在海軍陸戰隊空地作戰中心（MCAGCC）二十九棕櫚島與第七海軍陸戰隊進行了演示。這次初步測試的目的是展示MDOC5i所帶來的增強的火力能力，并確定MDOC5i通過提供共同情報圖像（CIP）--共同作戰圖像（COP）和決策支持來增強整個海軍陸戰隊空地特遣部隊（MAGTF）的MDO的可行性。

在MCAGCC Twenty-Nine Palms進行的MDOC5i演習成功地描述了該系統的防火能力。MDOC5i系統使用最先進的掃描機制和瞄準系統，將標準裝備的區域射擊武器轉變為精確射擊武器平臺，能夠在幾乎沒有歸零的情況下有效地攻擊目標。雖然這本身就大大增加了海軍陸戰隊的殺傷力，但增強的火力能力僅僅是MDOC5i概念所提供的效用的開始。底層系統使用全球信息網絡架構（GINA），一個矢量關系數據建模（VRDM）平臺，以使所有通過網絡連接的單位都能獲得準確的COP和CIP。這在戰場上提供了一個優勢，因為所有單位都獲得了意識，并將能夠為共享系統提供輸入，從而產生最準確的CIP-COP。

這些投入可以用來幫助決策和影響有利于沖突空間競爭的活動。

這一過程的關鍵使能部分之一是GINA內的決策模型，它能使人采取行動。在二十九棵樹的演示中，海軍陸戰隊員被展示了使用標準武器系統對選定目標進行第一輪射擊的能力。選定的目標出現在通過網絡連接的所有信息顯示器上。為了實現目標定位，GINA模型接受目標的輸入并將信息傳遞給所有用戶。系統首先決定該目標是一個有效的目標還是一個重復的目標。它通過一個專門設計的決策模型來實現這一目標，該模型將確定的目標與其他繪圖的目標進行比較。如果新的目標在指定的距離內，程序會認為它是重復的。這可以防止信息過載，使指揮官對現有的威脅有最準確的描述，以便更好地決定如何使用武器系統來對付敵人的目標。因此，在這個特定的例子中，輸入的是確定的目標位置，決定的是該目標是合法的還是重復的，決定的標準是確定與其他已經繪制的目標的距離，結果是對威脅的準確描述，使海軍陸戰隊能夠最好地與敵人作戰。

在演示中，決策與識別目標有關，而影響的行動與射擊有關。然而，如前所述，增強射擊能力只是MDOC5i通過基于VRDM的GINA平臺所能提供的好處的開始。創建和采用為指揮官提供最新的CIP-COP并幫助決策的模型將對海軍陸戰隊和國防部（DOD）的所有方面都有用。按照目前的情況，每次實施新的模型時，都需要從頭開始創建新的決策模型。

1.3 論文重點和MDOC5i的聯系

海軍研究生院（NPS）論文的目的是在GINA平臺上使用VRDM建立一個不可知的決策模型。重點是該模型的普遍性，以便它可以很容易地被塑造為未來的情景。該決策模型擴展了無處不在的數據表概念，以包含關于數據的信息屬性，并允許通過基于屬性的真值表關系實現來自數據屬性和信息屬性（邏輯類型）的知識屬性。因此，模型將數據轉化為信息，然后從已知的真值（既定協議）中獲取狀態和規定過程的知識，然后模型執行相應的過程。這表明了該方法的普遍性，并使任何數據任務的數據轉化為行動。本論文驗證了使用基于模型的配置方法，該方法由數據、真值表和狀態的概念對象組成，可用于人在/在環的自動數據決定-行動，并可在知識管理圖框架內為任何任務進行管理。

建議的模型在通過分析可擴展消息和存在協議（XMPP）消息來確定網絡健康狀況的情況下進行測試。該模型的輸入是可擴展標記語言（XML）消息，旨在復制大規模戰術網絡的數據包捕獲（PCAP）中捕獲的XMPP消息。雖然網絡診斷分類本身很重要，并證明了功能，但主要的效用將在于決策模型的普遍性。因為該模型是不可知的，它可以很容易地被修改以適應一系列所需的場景。務實地說，它可以作為所有其他GINA實施的基礎模型，使海軍陸戰隊實現信息超配。

1.4 假設和研究問題

本論文的假設是，GINA將被證明是一個高效的平臺，在這個平臺上實現一個可以輕松配置的泛在決策模型，以應對多種情況。在這個假設的核心，主要目標是利用GINA架構成功地設計和實現一個無所不在的決策模型。這項任務已經完成，證明了主要假說的正確性。

本論文的問題包括。

1.無處不在的決策模型能否在GINA的界面中實現？

2.GINA是否為機器學習（ML）提供了一個可行的、可操作的替代方案，該模型是否達到了與傳統機器學習技術相同的效果？

3.該模型是否有切實的方面證明比傳統機器學習技術優越？

4.該模型和GINA平臺能否用于大規模網絡流量分析？

與假設一致，第一個問題是最重要的，并且被證明是正確的。所實施的決策模型應該能夠促進并推動未來的工作。其余的問題涉及模型的可擴展性和與傳統技術相比的性能。雖然這兩個概念都沒有直接解決，但該模型提供了肯定的機會來測試這些概念。

1.5 使用的工具

為了成功地理解決策模型的實施和它可以應用的規模，有必要了解所涉及的工具。其中一些應用在本論文中直接使用。其他的是在MDOC5i中使用的，對于理解這個模型如何推導到多種情況下是很有用的。這些工具也提供了很好的背景，對未來的工作有好處。

1.5.1 全球信息網絡架構

GINA 是一個基于云的、提供可執行建模環境的 VRDM 平臺，該平臺產生的模型能夠進行推理和適應[7], [8]。該架構通過其反思性的、可執行的、基于組件的、與平臺無關的和模型驅動的構造，提供先進的數據、信息和知識的互操作性[9]. 該平臺使用一種語義結構，使應用領域的用戶能夠理解組成的模型組件，并形成具有半知覺行為的系統，這對動態任務需求的適應性和可配置的靈活性至關重要。該創新平臺是松散耦合的，這意味著它可以通過配置創建模型，使用來自遺留系統、現有系統或未來系統的各種輸入[8]，而不會破壞或重新編譯。由于概念性的信息對象構造可以臨時引入，并可能存在于任何領域，GINA提供了誘人的可能性，美國防部正在探索這種可能性[2]。

GINA技術由方法論、開發工具和可執行模型的部署平臺組成，可作為軟件程序使用。這些模型不需要被編譯，而是在元數據中定義并實時編譯。該平臺使用通過配置實現的行為、環境和因果的建模概念，以提供定義、操作和互操作性[10]。GINA可以通過其名稱的組成部分進一步理解。"全球 "指的是該平臺通過多層抽象包含了所有的數字表示。"信息 "指的是可以被建模和管理的靜態和動態數據以及互動關系。"網絡 "指的是可以通過模型和圖表顯示、參考和管理的所有互聯關系的數字表示。"架構 "意味著GINA是被使用的系統，專門用于制作行為、背景和因果關系的可執行模型[10]。

第二章將深入討論GINA的優點和特點。

1.5.2 ANIME Dark Stax

Dark Stax是一個由ANIME開發和使用的工具，能夠以接近實時的速度創建復雜系統的數字孿生體。這些數字孿生體可以用來操作克隆的系統進行數據操作和決策分析。這種聯合有助于數據驅動的決策過程。這個工具能夠創建戰術網絡的克隆，并過濾PCAP數據，為網絡診斷模型創建輸入[10]。Dark Stax工具由Ad Hoc維護和運行。他們對該工具的掌握為首要的人工智能（AI）技術和VRDM技術的結合提供了巨大的效用。

1.5.3 StarUML

StarUML是一個開源的軟件建模平臺，支持統一建模語言（UML）[11]。它被設計為支持簡明和敏捷的建模，并提供系統疊加的可視化描述[12]。本文使用UML圖來描述實現的VRDM模型的靜態和動態方面。UML并沒有捕捉到VRDM模型中包含的所有細節，但它確實捕捉到了最重要的信息，并提供了模型中連接的清晰疊加。

在這個項目中，它只被用于GINA模型的可視化和文檔化。然而，我們的意圖是使GINA能夠接受UML設計作為輸入。因此，一個系統可以用UML建模并輸入到GINA中，以放棄配置。

1.5.4 目標光標仿真器

Cursor On Target（COT）"是一個互聯網協議和一個基于XML的機器對機器模式，可以被任何系統讀取和理解，使專有和開放源碼系統能夠相互通信"[13]。模擬器在GINA模型中被用來模擬XMPP流量。XMPP消息的樣本在一個文本文件中生成。然后，Cursor On Target Simulator（COTS）模擬器將文本文檔的內容作為XML輸入到GINA。這個XML是決策模型的輸入。

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。《美國海軍陸戰隊部隊設計2030》描述了新的概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他對這些行動的調整，美國海軍陸戰隊需要能夠代表與這些預期變化相關的全部變化的模型和模擬。21世紀聯合武器分析工具（COMBATXXI）是由美國海軍陸戰隊和美國陸軍共同開發的戰斗模擬，用于支持建模和分析。在過去的20年里，COMBATXXI擁有研究這些新概念所需的許多基本能力，但目前在一些關鍵領域缺乏真實的表現，如研究海上攔截的新角色的關鍵方面所需的海上水面作戰人員。這種表現需要平臺的識別、瞄準和評估損害，從而確定其繼續執行作戰任務的能力。本研究的目的是檢查與EABO有關的新作戰概念，并利用COMBATXXI模擬確定相關的建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究最后提出了后續工作的建議，以進一步改進或運用所開發的能力。

引言

A. 背景介紹

美海軍陸戰隊作戰發展司令部（MCCDC）作戰分析局（OAD）運行海軍陸戰隊研究系統（MCSS），該系統每季度向整個海軍陸戰隊征求研究提名。每年都有幾項研究需要用高分辨率的戰斗模擬進行建模。21世紀聯合武器分析工具（COMBATXXI）是一個高分辨率的分析性戰斗模擬，自1998年以來，由OAD和美國陸軍白沙導彈發射場研究和分析中心（TRAC-WSMR）共同開發。聯合武器模擬代表了從戰術層面上的單個實體（即車輛、飛機、步兵、艦艇、登陸艇等），直至加強營級單位的行動。

COMBATXXI提供了跨越多個領域的建模能力，包括兩棲作戰、聯合武器作戰和綜合防空。該模擬可用于進行詳細的傳感器到射手的分析，包括直接和間接射擊以及關鍵的指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）的相互作用。對多領域作戰平臺的詳細分析和聯合武器作戰是COMBATXXI的主要功能。這種能力已經由OAD在兩棲戰車（ACV）備選方案分析（AoA）、殺傷人員地雷/集束彈藥（APL/CM）研究、有爭議環境中的兩棲攻擊研究、未來垂直升降能力集3 AoA、ACV中炮能力研究和先進偵察車（ARV）AoA中進行了展示。

目前，OAD正在支持2030年部隊設計（2020年海軍陸戰隊司令部）的幾個方面。帶有概念性戰術、技術和程序（TTPs）的新場景正在被用來進行各種分析。需要包含各種威脅和戰術情況的復雜行為。

海軍研究生院（NPS）建模、虛擬環境和模擬（MOVES）研究所擁有獨特的技術專長，以支持和擴展OAD對COMBATXXI的分析使用。多年來，MOVES開發了創新工具，極大地提高了分析人員使用COMBATXXI模擬的效率和效果。國家核安全局MOVES研究所的任務是通過開發和維護所需的功能，提供技術支持以進行OAD研究和分析技術培訓，提高OAD更充分地運用COMBATXXI的分析能力。MOVES支持OA開發、維護和增強工具和能力，如Behavior Studio、Workbench、Observer/Sensor工具、實體和單位行為，以及Monterey Extensions軟件包。OAD提供COMBATXXI模擬、現有行為、數據、測試方案和文件，作為政府提供的信息（GFI）供NPS使用。分配任務的場景和相關數據庫可以達到營級登陸隊（BLT）或海軍陸戰隊遠征部隊（MEF）的水平，并且可以包括所有海軍陸戰隊空地特遣部隊（MAGTF）的能力（例如，指揮部（CE）、地面戰斗部（GCE）、空中戰斗部（ACE）和后勤戰斗部（LCE））。

B. 范圍和目標

2030年部隊設計包括新的組織，如海上瀕海團（MLR）和新的作戰概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。本項工作的目的是研究與EABO有關的新概念，并利用COMBATXXI模擬確定相關建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該方法在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。

C. 問題陳述

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。美國海軍陸戰隊部隊設計2030描述了新的概念，如遠征先進基地作戰（EABO），需要對部隊結構、任務和作戰能力進行審查。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他適應這種行動的措施，美國海軍陸戰隊需要能夠代表與這些預期變化有關的全部變化的模型和模擬。在過去的20年里，COMBATXXI擁有許多研究這些新概念所需的基本表現，但在一些關鍵領域缺乏現實的表現，例如在研究海上攔截的新作用的關鍵方面所需的海上水面戰斗人員的表現。這種表述需要對這些平臺進行識別、瞄準和評估損害，以確定其繼續執行作戰任務的能力。需要開展工作，審查與EABO有關的新概念，并利用COMBATXXI模擬確定相關的建模方法。

D. 技術方法

為滿足這一需求，本研究對EABO概念進行了研究，并描述了一個能捕捉到這些概念的關鍵方面的名義情景。本研究審查了當前COMBATXXI的能力，以確定需要哪些額外的或修改的能力來解決新概念。該研究描述了一種建模方法（COMBATXXI需要的能力），在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究的結論是對后續工作的建議，以進一步改進或運用所開發的能力。

在贊助商的指導下，如果技術上可行，開發的新功能應在不修改現有Java代碼的情況下實施。NPS MOVES必須提前通知OAD研究主辦方并獲得批準，任何需要新代碼或修改COMBATXXI核心模型現有代碼的開發工作。這種通知使 OAD 有機會與 TRAC-WSMR 和 COMBATXXI 配置咨詢委員會協調潛在的代碼修改。

E. 本文件的組織

第一章是本研究的介紹，提供了關于工作基礎、研究范圍和目標、問題陳述和一般技術方法的背景信息。第二章概述了EABO，作為研究的概念基礎，并描述了一個名義上的情景，目的是確定必須達到的功能能力，以代表感興趣的操作條件，如海上攔截（如船舶代表，瞄準船舶能力，評估船舶能力的損害，并根據所受損害確定持續的任務有效性）。第三章展示了如何在COMBATXXI中實現表示概念場景所需的能力。第四章介紹了在COMBATXXI中執行概念情景的例子，并確定了研究變體的樣本，以檢驗新增能力的應用。第五章提出了研究結論和后續工作的建議。附錄A是報告中使用的術語和縮略語的詞匯表。附錄B提供了用于啟動COMBATXXI中的分層任務網絡（HTN）進程的python腳本清單，以執行概念情景中的實體行為。

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。

美國陸軍最近制定了一項關于未來陸軍如何作戰的戰略以及實現這些軍事能力的相關現代化和研究重點。以高超音速飛行為基礎的遠程精確射擊對于確保美國能夠對任何競爭對手實施其意志至關重要。要實現一個有效的未來美國軍隊，必須克服許多障礙。其中一些差距是對高超音速飛行器空氣熱力學的理解，從而促使對基礎研究的需求。本報告的目標是定義一個經典的、與陸軍相關的配置，適合于基礎研究，以允許與適當的主題專家的關鍵數量的集中合作。從這種開放的幾何構型研究中獲得的數據和知識可能會受到更多的限制性分配。

美國陸軍最近制定了一項關于未來陸軍如何作戰的戰略以及實現這些軍事能力的相關現代化和研究重點。以高超音速飛行為基礎的遠程精確射擊對于確保美國能夠對任何競爭對手實施其意志至關重要。

要實現一個有效的未來美國軍隊，必須克服許多障礙。其中一些差距是對高超音速飛行器空氣熱力學的理解，從而促使對基礎性研究的需求。缺乏對高超音速飛行器周圍發生的復雜物理和化學的預測性知識，抑制了及時的、優化的多部件設計。對邊界層過渡和沖擊-邊界層相互作用等具體現象了解不多。不能正確地對現象進行建模，會產生一些不確定的特征，如表面壓力分布和熱通量，這對飛行器技術，包括穩定性、控制和熱負荷管理，都有負面影響。

幸運的是，有一個先例，即通過定義政府基準飛行器來促進全社會的科學討論，這些飛行器包含功能相關的工件，但對具體的發展計劃不敏感（見陸軍-海軍基本芬納導彈、空軍改良基本芬納導彈、陸軍-海軍旋轉火箭、國家航空航天飛機和NASA研究）。本報告的目標是定義一個典型的、與軍隊相關的配置，適合于基礎研究，以便與足夠數量的適當的主題專家進行重點合作。從這個開放的幾何構型的研究中獲得的數據和知識可能會受到更多的限制性分配。

美國海軍陸戰隊正在探索使用人機協作來控制前線部署環境中的無人駕駛航空系統（UAS），其任務范圍廣泛，包括情報、監視和偵察（ISR）、電子戰（EW）、通信中繼和動能殺傷。美國海軍陸戰隊設想使用未來的垂直起降平臺（VTOL）來支持混合戰爭任務并實現軍事優勢。對于美國海軍陸戰隊的混合戰爭應用，以實現任務優勢和戰爭主導權，美國海軍陸戰隊需要了解VTOL機組和無人機系統之間錯綜復雜的人機互動和關系，以獲得戰斗空間態勢感知，并有效地計劃和執行針對常規和不對稱威脅的旋轉翼行動。這項研究的重點是美國海軍陸戰隊在海洋環境中的打擊協調和偵察（SCAR）任務，以促進遠征基地先進作戰（EABO）在沿岸地區。有多種復雜的功能必須加以考慮和評估，以支持人機協作互動，提高任務的有效性：任務規劃、移動和滲透、區域偵察、偵察戰斗交接和過渡。

這份頂點報告探討了SCAR任務期間三個系統之間的人機協作：UAS、VTOL和地面控制站（GCS）。該研究從VTOL項目的文獻回顧開始，研究了美國海軍陸戰隊SCAR任務戰術和用于促進EABO的理論概念。此外，它還包括對自主性和自動化、人工智能和機器學習的研究。通過使用合作設計模型來探索這三個系統的人機協作互動和過程，文獻回顧探討了如何使用基于三個因素的相互依賴性分析（IA）框架來確定人類執行者和機器團隊成員之間的相互依賴性：可觀察性、可預測性和可指導性。

通過基于模型的系統工程（MBSE）工具，將SCAR任務的高級功能分解為分層次的任務和子任務，系統分析被用來支持聯合設計方法。根據Johnson（2014）的說法，合作設計方法研究了相互依賴的概念，并使用IA框架作為設計工具。IA框架捕捉了主要執行者和支持團隊成員之間的互動，以發展支持每個主要任務和分層子任務的所需能力，從而產生HMT要求。這份頂點報告分析了兩種選擇。第一個方案認為UAS是主要執行者，VTOL和GCS是輔助團隊成員。第二種方案認為VTOL是主要執行者，UAS和GCS是輔助團隊成員。基于這兩種選擇，IA框架評估了17個主要任務、33個分層子任務和85個執行SCAR任務的所需能力。

此外，研究發現需要一個強大的數字任務規劃系統，如升級后的海軍陸戰隊規劃和行動后系統（MPAAS），通過存儲以前的任務和經驗教訓的數據來促進機器學習。美國海軍陸戰隊將面臨無人機系統的處理能力和信息存儲方面的挑戰。應盡一切努力增加UAS的處理能力。必須實施一個有效的主要、備用、應急和緊急（PACE）通信計劃，以確保UAS、VTOL和GCS之間所有通信平臺的冗余。美國海軍陸戰隊必須實施支持信任、提供快速反饋和簡單操作的接口。

最后，為了準確評估VTOL、UAS和GCS之間的HMT要求，頂點報告促成了一個探索性實驗的發展，該實驗將在海軍研究生院（NPS）建模虛擬環境和模擬（MOVES）實驗室使用，以促進未來的研究。制定了操作要求和測量方法，以確定HMT要求的有效性。

這項頂點研究為在SCAR任務中執行VTOL/UAS混合行動的人機互動復雜性提供了明確的證據。該頂點研究確定了使用系統分析和協同設計作為一種有效的方法，通過IA框架促進人機協作需求的發展。此外，該研究確定了對復雜的自主性和技術準備程度的需求，這可能是目前還沒有的。頂點建議美國海軍陸戰隊繼續研究人機協作，并利用SCAR任務探索性實驗來進一步完善和研究VTOL/UAS的高級系統要求，以支持具有前沿部署的UAS的混合行動，重點是實現4級自主權。