面向应用需求的装备需求论证模型组合方法

赵 凯，郭齐胜，樊延平，穆 歌

（陆军装甲兵学院，北京 100072）

0 引言

随着建模与仿真技术在各领域应用的不断成熟，人们发现解决新的问题时并不需要重新构建所有的模型，而可以在原有模型的基础上采用适当的技术手段集成原有的模型，形成满足问题需求的模型，于是模型组合就成为解决这种需求的有效方法。

模型组合是指将多个模型按照一定的语法规则、语义要求组合形成功能更加强大模型的过程［1］。在装备需求论证领域，由于装备需求论证目标、过程、方法的日趋复杂，以装备需求论证简单模型为基础，根据装备需求论证实践要求组合形成功能比较复杂的论证功能模型，也是当前装备需求论证功能建模领域面临的重要问题。装备需求论证实践是驱动装备需求论证模型组合的内在动因。多样化的装备需求论证实践要求装备需求论证支持系统具有不同的功能组合，不同的功能组合需要由不同的论证模型组合生成。笔者依据装备需求论证模型组合主要影响因素，面向装备需求论证应用需求，提出融合规则推理和案例推理的装备需求论证模型组合集成推理方法，为提高装备需求论证模型组合推理的有效性提供方法支撑。

1 模型组合理论

1.1 组合原理

装备需求论证元模型的构建采用了分解和“抽象”迭代的方法，按照“事物-子类-分类-类-基类”的顺序，将装备需求论证的各类功能模型抽象成更加简单、一般的基类，并通过基类的规范化定义和描述，实现对装备需求论证模型的规范［2］。模型组合可以认为是“抽象”的逆向过程，就是按照装备需求论证模型的组合要求，它以装备需求论证基类、类、分类或子类模型为基础，通过模型语法和语义层面的有效衔接，生成更高层次的论证模型。其基本原理如图1所示。

图1 装备需求论证模型组合的基本原理

1.2 组合框架

装备需求论证模型组合的基础是可重用的模型。根据装备需求论证模型的组合原理可知，装备需求论证模型的组合具有层次化的特征，由简单模型组合形成复杂模型的过程，可以从语法、语义和模型构建3个层次进行研究。为此，可构建如图2所示的装备需求论证模型组合框架。

图2 装备需求论证模型组合框架

1）语法组合。即根据装备需求论证模型组合的语法要求，主要包括接口参数数量、类型、顺序等，从装备需求论证模型库中选择模型进行接口检测与匹配，并按照语法组合规则，生成新的模型。

2）语义组合。即在语法组合的基础上，要研究装备需求论证模型的语义要求，研究待组合的装备需求论证模型是否符合特定的应用要求，比如有些模型是面向特定领域的模型，即使在语法组合检测成功时，也不允许应用于其他领域，这就需要进行语义组合检测。

3）模型构建。一方面可采用概念建模的方式，将装备需求论证功能系统的建模需求和内容描述清楚，另一方面，以概念模型为基础，验证组合模型的功能和输入、输出结果。

1.3 组合方式

根据装备需求论证功能模型的相互关系，其组合方式主要有并发组合、顺序组合、选择组合和混合组合4种方式。

1）并发组合。由多个并行执行的模型组合形成新模型的方式称为并发组合。例如在装备需求方案评估过程中，在已知评估指标体系的情况下，底层指标数据处理、指标权重分析这2项活动即为并行开展的工作。当由底层指标数据处理模型和指标权重分析模型组合形成新的模型时，即为并发组合方式。

2）顺序组合。由多个顺序执行的模型组合形成新模型的方式称为顺序组合。通常，前一模型的输出为后一模型的输入。例如，在作战任务需求分析过程中，通常应先进行作战任务活动分解，后进行作战任务活动流程分析，在由这2个模型组合形成新模型时遵循顺序组合方式。

3）选择组合。当完成特定的功能可以有多种执行路径时，由相应模型组合形成新模型的方式称为选择组合。比较典型的例子是当某个功能模型有多种实现途径时，当包含该功能模型的多个模型组合形成新模型时，选择该功能模型的哪种实现途径进行模型组合，就面临着选择组合问题。

4）混合组合。存在并发组合、顺序组合和选择组合中的两种或两种以上的组合方式的新模型生成过程称为混合组合。

Before words come into context,their meanings are usually general and abstract and their inner semantic components are potential and stable.However,as long as a word enters its context,it is under the influence of the concrete environment.

1.4 主要影响因素

由装备需求论证模型组合框架可知，通常模型构建过程中的概念建模过程是对现实系统的抽象和规范化，目的是明确建模的目标和主要内容，是引导以元模型为基础的各级功能模型的构建。装备需求论证模型组合的目的也是通过各级功能模型由简单到复杂的组合，形成支撑现实系统功能的复杂模型。就技术层面看，模型组合成功与否与模型构建中的概念建模有关，但主要取决于语法定义和语义定义的情况［3］。

在语法层面，装备需求论证模型的组合主要体现在模型接口的匹配，顺序组合的前置模型的输出应与后置模型的输出匹配、组合形成新模型的输入与输出应与新模型的前置或后置模型的接口相匹配。模型接口匹配的根本是模型接口参数命名、参数数量、参数类型、参数顺序等的匹配。

在语义层面，装备需求论证模型的组合主要体现在论证模型能否满足特定的功能要求，就是要在语法组合的基础上判断组合后的新模型是否与待解问题的领域要求一致。否则，即使语法组合匹配成功，也不能有效支持特定领域待解问题的功能要求。语义组合是以语法组合为基础的。通常，在模型组合过程中，存在4种情况：一是语法、语义完全匹配的情况，是比较理想的组合现象；二是语法一致但语义不一致，这种情况即使匹配成功，也毫无用处；三是语法不一致，但语义一致，这种情况有可能存在有效的组合方法。

2 需求驱动的组合策略设计

2.1 装备需求论证典型应用需求

由于武器装备体系的复杂性，装备体系、装备型号的论证目标并不一致，所要求的论证流程也存在较大的差异。同时，由于装备需求论证目标的多样性，不同论证目标的功能要求也存在较大的差异。这些差异性是引起装备需求论证模型组合的重要原因。从装备需求论证应用实践情况看，驱动装备需求论证模型组合方式与装备需求论证的典型应用模式具有较高的一致性。装备需求论证典型应用模式如图3所示。

图3 装备需求论证典型应用模式

从装备需求论证典型应用模式看，主要包括装备体系论证与装备型号论证两类论证对象；同时，针对每类论证对象，主要包括全流程论证模式、按需组合论证模式和专题式论证模式3种。其中，全流程论证模式是指针对装备体系或装备型号需求论证目标，提供的全流程、全功能的论证模式，功能最为齐全、完备。专题式论证模式通常是按照装备需求论证的领域组成，分为作战概念设计与验证、作战任务需求分析、作战能力需求分析、装备体系需求方案分析、装备型号需求方案分析、需求方案评估6种专题，分别进行论证。按需组合论证模式，是指根据灵活的装备需求论证来筹措，由5种论证领域的部分功能组合形成的功能流程，在此过程中要求组成功能流程的功能模块具有较高的通用性和可组合性。

每一种装备需求论证应用模式，均是一种装备需求论证模型的组合需求。从装备需求论证应用模式看，模型之间具有一定的层次性；全流程模式的功能包含了按需组合模式和专题模式的功能，或者说，全流程模式的功能模块可以组合形成按需组合模式和专题模式的功能流程。

因此，在装备需求论证模型组合过程中，应紧紧围绕多样化装备需求论证应用需求的变化，以装备需求论证典型应用模式的功能要求为牵引，开展装备需求论证模型组合研究。

2.2 需求驱动的模型组合框架

基于元建模的装备需求论证模型构建，是根据装备需求论证活动功能采用逐层分解的方法，获得功能更加简单的低层模型。在由低层模型组合生成高层模型时，应以装备需求论证典型应用模式功能需求为牵引，在一定的规则指导下，采用自底向上的策略，逐层组合形成满足特定应用需求的功能模型。需求驱动的装备需求论证模型组合框架如图4所示。

图4 需求驱动的装备需求论证模型组合框架

1）应用模式功能需求。根据装备需求论证应用模式的目标要求，提出装备需求论证应用模式的功能需求。

2）功能方案集。采用功能分解方法或者工作结构分解方法，将装备需求论证应用模式的功能需求进一步分解为一系列相互联系的功能单元，形成功能方案集。

3）模型需求。定义功能方案集中每个功能单元的模型需求，包括模型功能、模型输入、输出及其参数要求。

4）模型发现。采用多种方法，从装备需求论证模型库中选择满足模型需求的装备需求论证模型，形成模型候选集。

5）模型组合。按照装备需求论证应用模式的功能需求，在一定的模型组合规则（语法组合规则、语义组合规则2个方面）指导下，进行候选模型的组合。

6）组合模型输出。将组合形成的功能模型输出，并存储于装备需求论证模型库。

3 模型组合方法

3.1 基于规则推理的模型组合方法

装备需求论证模型的语法组合规则和语义组合规则，为开展装备需求论证模型组合和检测提供了基本依据。根据装备需求论证模型的语法、语义组合规则，可利用规则推理（Rule-Based Reasoning，RBR）方法进行模型组合。

当且仅当需要组合的两个模型同时满足语法组合规则和语义组合规则时，两个模型方能组合成功。

在基于规则推理的模型组合中，应分别建立语法模型组合规则库和语义组合规则库，其推理结构如图5所示。

图5 基于规则推理的装备需求论证模型组合推理过程

3.2 融合规则推理与案例推理的模型组合方法

尽管规则推理能够解决装备需求论证模型的组合问题，但其完备性要求其受推理条件的约束，会对推理的有效开展造成一定限制。同时，装备需求论证模型和成熟的组合模型，也是装备需求论证模型库的宝贵资源，可为后续的模型组合提供有效的参考和借鉴。为此，在装备需求论证模型组合时，提出融合规则推理优势和案例推理（Case-Based Reasoning，CBR）特征的组合推理方法，能够有效提高装备需求论证模型组合的效率和有效性［4］。

1）基本思路。案例推理是指通过若干个已有组合案例的相似性检测，根据已知组合案例的事实知识，推论出具有相似特征的其他组合的过程，具有人类思维方式中的“类比”思维［5］，既是对已有模型组合成果与经验的有效继承，也是应对信息不完全和不确定时而采取的一种有效方法。特别是随着案例库的增长，模型组合的“经验”将更加丰富，基于经验进行模型组合测试的成功概率越来越大。而规则推理则是人类思维方式中的演绎思维，擅长解决领域知识丰富、知识结构完整的逻辑推理问题，要求能够按照一定的规则，从已知的事实推算出未来的知识，当知识描述不完备、推理算法不确定时，往往难以得到正确的结果。因此，可在基于规则推理的模型组合方法的基础上，以模型组合案例为依据，开展融合规则推理与案例推理的模型组合方法。

2）推理框架。规则推理与案例推理适应解决问题的领域明显不同，有效融合规则推理和案例推理就需要解决好规则推理与案例推理的顺序问题，以及规则推理结果与案例推理结果的融合问题。就使用顺序而言，通常有RBR为前导CBR后置补充、CBR为前导RBR后置补充两种方式［6］。其中，前者比较适用于案例库结构完整、案例丰富，而领域知识不充分、不完备的推理；而后者比较适用于案例知识比较匮乏，而领域知识相对比较完整的推理，这时往往由于推理对象的特点、运行规律和功能相对比较明确，基于规则的条件比较充分，有力发挥规则推理的严密逻辑，同时可以利用案例推理弥补案例推理中的不确定性。

在装备需求论证模型组合过程中，语法组合和语义组合的规则相对比较明确，模型接口在本体库中也得到了明确的定义，规则推理往往能够较好地解决一般模型组合的推理问题。但是随着模型组合案例的不断丰富，装备需求论证模型库资源的不断补充完善，部分模型接口及其属性可能发生改变，导致难以完全保持规则推理条件与规则条件之间的一致性，往往会导致规则推理失败。因此，在装备需求论证模型组合过程中，应采用“RBR为前导CBR后置补充”的推理模式，即主要发挥规则推理在模型组合中的作用，验证语法与语义规则的约束作用；若推理失败，则着重发挥模型组合经验在模型组合中的主要作用，通过案例的匹配给出模型组合的结论。

融合CBR和RBR的装备需求论证模型组合集成推理框架如图6所示。

3.3 案例的表示

案例是基于案例推理的模型组合的根基。模型组合案例，能够以结构化的形式体现装备需求论证模型领域所具有的特性及问题，也能以数据结构的方式识别、存储装备需求论证模型组合问题的描述、组合方案及实施过程。对模型组合条件与目标的进行综合分析，可将模型组合案例的特征属性信息归纳总结，如表1所示。

图6 融合CBR和RBR的装备需求论证模型组合集成推理框架

表1 装备需求论证模型组合案例特征信息

3.4 案例检索与匹配

根据案例特征信息从案例中检索匹配相似的案例，是案例推理的关键。基于案例的模型组合推理的依据是模型组合问题与案例目标的一致性，可以根据案例的源组合模型特征及其组合方式，推理出待解问题的模型组合方案。案例检索主要是对案例库的候选案例以及待解决问题的两方面特征值进行比较，区分两者的相似度与差异。通常，较高的相似度意味着匹配成功的概率越大，解决问题的可能性越高。因此，计算待解问题与目标案例之间的匹配程度，是基于案例的模型组合推理的核心所在，一般而言，由于案例检索过程中可能检索到多个有效的案例，应根据案例匹配相似度的高低，优选相似度高的案例，作为案例推理的依据。

模型组合的案例检索采用“fish-and-shrink”［7-9］算法，来计算待解问题与案例之间的相似度。由于案例中不同的特征向量的重要程度不同，需引入特征向量，满足。利用两个案例之间的特征距离来表示案例之间的相似程度，其中si（X，Y）表示X和Y两者的特征属性i上的距离，在［0，1］这个区间内进行取值，如果X和Y这两者中，有一个共同的特征属性，那么1便是其取值。由此可知，特征距离越大，则相似度越大，案例匹配成功的概率越高。

4 结论

模型组合理论为装备需求论证模型组合问题提供了顶层指导和理论基础，同时界定了影响模型组合语法和语义两个层面因素；需求驱动的装备需求论证模型组合框架进一步增强了模型组合的针对性，提高了模型组合成果与实践应用的贴近度；以规则推理方法为基础，融合规则推理和案例推理的装备需求论证模型组合集成推理方法，能够将模型组合语法和语义匹配规则与装备需求论证应用需求有机结合，提高了装备需求论证模型组合推理的有效性。该方法已成功应用于装备需求论证模型体系构建及建模仿真，具有较高的可信度。