博文

Dynamic Decision Networks: Applications for the Future Combat System

已有 5598 次阅读 2010-5-26 10:42 |个人分类:理论研究|系统分类:科研笔记| FCS, 未来作战系统, DDN, 动态决策网络, 决策系统

动态决策网络Dynamic Decision Networks (DDN)是影响图(Influence diagram)与贝叶斯网络(Bayesian Network)组合处理的问题具体以下的特点:

1.决策的环境动态变化；

2.决策者需要大量的人报告或传感器的传递的信息；

3.在意料之外出现新的可选择决策方案，由于决策者的预处理或者已知/未知的原因导致一些选择方案消失；

4.决策者被引导下在特定时间决策选择项(已知/未知)或者决策者必须立即选择并决策；

5.决策选择的时间点与做何种决策同等重要；

6.具有获得目标或成功完成任务之类的运营决策是很容易表示的，1）我应该现在选择临时目标或者等待一段时间？选择其中一个，后果会怎么样？2)我应该使用ABC资源或者不选择这些资源完成特殊的任务；3)我应该现在投放一种新产品？如果这样，新产品该怎么投放；

7.当目前形势可能更好的信息出现或者资源缺乏被限制，决策必须列出等待一段时间选择的优势。现在选择利用资源缺乏可能会使得整个运营成功的机会减少、造成竞争对手的动作，优势散失。

DDN决策支持方法必须：

1.当出现新机会和老机会消失，可能因为决策的预处理，及时修改可选择的决策方案；

2.基于决策者偏好，均衡多种冲突的目标；

3.提供反馈给决策者，关于有关偏好推荐决策的敏感性；

4.定义不确定性与不确定性下使用的一些严谨的方法；

5.当以某种途径获得新信息，保持对不确定性的定义；

6.集成传感器与信息来源报告(由不完善的传感器与信息来源)，对形势的不确定性的描述；

7.纳入决策者偏好的任何风险；

8.在未来阶段，以对传感器位置与传感模式，来最优配置决策者需要的传感器决策选择；这些传感器决策中的推荐选择应该与当前形势的不确定性保持一致；

9.包括需要的资源缺乏提供给决策者；

经过努力，我们为在FCS中部队无人车辆，无人传感设备，部队活动(例如.,非视线火力控制，装甲车辆拆卸等)开发了20个DDN模型，我们的研究表明，这些模型能继承20个不同的传感器数据输入，并同时对多个相互冲突的目标产生决策推荐，这些推荐意见是动态产生的，当形势发生变化和新的可选择行动路线变得可用，现有的路线变得无用。

此外，我们开发了三个实施DDN应用仿真模拟环境的三个软件框架，第一个框架是C++包装Netica（一种提供影响图和贝叶斯网络的商业软件工具）。第二种软件框架通过Java连接第一种软件框架与Cougaar(一种人工智能AI的框架)；第三种框架通过Excel连接第一年方法与Extend(借助可视化环境对离散事件仿真的商业工具)；这DDN概念很容易适应几乎任何动态决策环境。