Zhang Yongliang 1, 2 super Zhao, Chen Xiliang 1, Dong Qiang 1
(PLA Université de technologie de l'information École des systèmes de commandement, Nanjing 210007, Chine; 2. Chine Équipement électronique Test Center de Luoyang, Henan Luoyang 471003)
: Mise au point sur le rôle des connaissances dans le mécanisme de commandement et de contrôle afin d'améliorer la prise de décision scientifique des systèmes de commandement du renseignement militaire et de contrôle, intelligents et adaptatifs comme cible, système de commandement et de contrôle du cadre décisionnel fondé sur la connaissance intelligente, la représentation des connaissances basée sur l'ontologie la connaissance technique du système de prise de décision de construire une mission spatiale pour étudier la technologie spatiale des services de connaissance intelligente pour les scénarios proposés règles de production de modèle prise de décision de prise de décision dirigeant statique entité dynamique et le raisonnement basé sur un modèle de raisonnement basé sur le réseau bayésien dynamique, conçu pour l'avenir de nos militaires la construction et la démonstration d'un système de commandement et de contrôle intelligent pour fournir une préparation théorique et technique.
: TP273 INTRODUCTION: A: 10,19358 / j.issn.1674-7720.2017.02.018
Format Citation: Zhang Yongliang, Zhao Chao, Chen Xiliang, tels que le système de commandement et de contrôle basé sur la connaissance des technologies clés de la prise de décision intelligente [J] ses applications, 2017,36 (2): 56-59.
0 introduction
Du point de vue ingénierie des connaissances (KnowledgeBased ingénierie, KBE), est basée sur les données des connaissances, des informations sur le traitement et le contexte sémantique confèrent certaine structure d'information formées par reliés entre eux, pour une personne à accorder plus d'attention à l'utilitaire informations. Le rôle de la connaissance est qu'elle peut étendre l'information à la prise de décision, le rôle de l'action à la frontière pour obtenir l'information et de prise de décision et d'action de réticulation (Figure 1) pour aider le personnel militaire pour obtenir des informations converties rapidement aux bonnes décisions et actions. Comme la gestion des connaissances d'éminents experts Thomas Davenport a souligné, la connaissance est une expérience structurée comprend, des valeurs, des éléments associés à la combinaison dynamique d'informations et d'opinions d'experts, etc., que les données et l'information est plus précieuse car elle est plus proche de l'action [1] .
À l'heure actuelle, le système de la technologie du système de commandement et de contrôle « Centre d'information » expose le degré de connaissance ne suffit pas, le faible degré de système d'autonomie, faible capacité d'intervention rapide de la guerre de l'information et d'autres questions [2]. Commandement et contrôle les tendances de la société de l'information intelligente, les commandants ont besoin de plus de système aide à la décision basée sur la connaissance de la commande de la logistique. Les forces américaines ont reconnu le rôle important de la « connaissance » dans le système de combat de l'âge de l'information, et en 2006 officiellement proposé le concept de « guerre de connaissances centrée sur » dans sa défense du papier blanc, la guerre centrée sur le réseau proposé à la « information poussée sur le bord » de " vision stratégique pour promouvoir le savoir bord « guerre des connaissances centrée sur la transformation, et en application de tirer ses systèmes C4ISR à la direction intelligente. Les troupes américaines et de promouvoir activement le développement du système « vert foncé » qui est des résultats représentatifs.
Sur la base de l'héritage Décision intelligente Système de soutien (décision intelligente système de soutien, SIAD) technologies connexes, combinée à l'utilisation de la psychologie cognitive, l'intelligence artificielle et l'ingénierie de la connaissance de la technologie [3], le commandement et la théorie de la décision et des méthodes, en se concentrant sur la décision intelligente d'un système de commandement et de contrôle la conception du cadre, la mission spatiale pour développer les connaissances, les fournisseurs de services de connaissance de situation et le raisonnement de la décision de commandement et d'autres technologies clés pour élargir la recherche visant à améliorer le niveau scientifique de soutien à la décision de notre système de commandement militaire et le contrôle, la capacité intelligente et adaptative.
1 axés sur le savoir commande d'architecture de décision intelligente et un système de contrôle
Pour la commande et les décideurs, l'information peut être réalisée à partir de la conversion de la connaissance « à partir d'une simple présentation des données brutes pour fournir des connaissances et la compréhension de l'espace de travail avec une qualité de prise de décision. » Cependant, le système de commandement et de contrôle existant ne prend pas en charge les données directement dans les connaissances, l'expérience et repose sur une connaissance statique des décideurs, le champ de bataille de vastes quantités d'informations par l'analyse, le jugement, la réorganisation, présentée sous la forme artificielle, pour convertir en commande les membres peuvent comprendre la situation sur la connaissance du champ de bataille nécessaire pour déterminer la décision intelligente. Ainsi, le fait que la formation du soi-disant « déficit de connaissances », il existe un « écart » entre l'information qui est la décision de commandement était basée sur la connaissance de la situation et champ de bataille des informations fournies par le système.
À cette fin, la décision intelligente basée sur la connaissance de l'architecture système de commandement et de contrôle nécessaire pour compléter l'intégration effective des données, les modèles, les connaissances, l'interaction de quatre composants [45]. Le cadre général de la hiérarchie du modèle de prise de décision intelligente représenté sur la figure 2. système de commandement et de contrôle basé sur la décision intelligente est d'acquérir des connaissances grâce à une série de traitement des connaissances des méthodes et de l'expérience d'experts dans le domaine des militaires, et utiliser un langage approprié et la modélisation des connaissances, la formalisation des connaissances, puis, en utilisant la stratégie de service de connaissances raisonnable, en fonction de la mission particulière de la tâche, l'environnement du champ de bataille et de la connaissance personnelle des besoins du raisonnement intelligent et déductive.
2 mission spatiale sur la base de l'ontologie méthode de modélisation des connaissances
organe scientifique et standardisé des connaissances est la clé [68] des décisions intelligentes intelligentes. décision intelligente fondée sur la connaissance, le problème devrait être résolu première tâche consiste à construire un espace qui est la connaissance (Mission spatiale des connaissances, MSK) pour tenir compte des systèmes de commandement et de contrôle de guerre de l'information d'origine dans le système. Dans l'ensemble, MSK est composé principalement de deux types de connaissances: on peut être considéré comme un reflet du droit spatial des tâches « connaissance prise de décision », les caractéristiques et les attributs (opérations de connaissances du domaine, ODK), et l'autre est une des tâches de missions spatiales typiques la connaissance des caractéristiques étroitement liées, comprise comme « la connaissance de la situation » (connaissance du contexte, CK). CK est dans le rôle de méta-connaissances, en fonction des tâches de la situation et le contexte actuel cas, les combattants de leurs traits de personnalité se combinent pour former une sorte de connaissance. Dans le processus de prise de décision commande, CK joue un rôle clé à l'appui, de fournir des services directement aux commandants processus de prise de décision, est de compenser la touche « déficit de connaissances ».
L'utilisation de techniques de modélisation basée sur l'ontologie des connaissances, thésaurus tâche en tant que choix standard de mots sur le processus de normalisation, référence tâche projet de modélisation concept modèle EATI, cadre EBI pour la prise de décision ontologie des connaissances de domaine pour normaliser le traitement, peut former une forme unifiée. connaissance ontologie spécification. Analyser et déterminer les termes et l'ontologie hiérarchie concept peut être construit la prise de décision cadre de l'espace d'ontologie tâche globale pour former le concept de l'espace de travail du système de relations logique de la connaissance. Le concept de base de l'ontologie des tâches de prise de décision des systèmes spatiaux montre la figure 3.
Après un schéma conceptuel ontologie art, il faut corps du système algébrique formel codé sous la forme d'un ordinateur sous forme reconnaissable, dans le domaine de l'ontologie référentiel pour le stockage partagé et la réutilisation des connaissances. Six la méthode des éléments peut être NAING M M et al décrivent la prise de décision de l'ontologie connaissance du domaine (OMSK_ON), en utilisant le formulaire Backus-Naur (Backus-Naur, BNF) représente un groupe de six yuans:
OMSK_ON :: = < C, AC, R, AR, H, X > (1)
Dans lequel, C représente une collection de différents niveaux de la notion de classe; concept CA de représenter un ensemble d'attributs; représente un ensemble de relations R, chaque relation ri (Cp, Cq) R est représentatif d'une relation bidirectionnelle entre les concepts Cp et Cq; AR attribut indique la relation entre chaque ensemble; H est une hiérarchie conceptuelle dérivé du C, entre le concept de superclasse intrinsèque - les relations des sous-classes de la hiérarchie, le représentant axiomes X, représentent chacun un axiomes de contrainte. Après la définition formelle de l'ontologie, des outils de développement de l'ontologie et l'ontologie OWL protégé langage d'ontologie modèle pour construire l'ontologie complète des connaissances de domaine formel encodée au filtre pour savoir la suite, poussée, l'organisation et la présentation de la fondation.
3 La technologie de service active des connaissances pour l'espace des scénarios du champ de bataille
La connaissance est l'information dans des situations spécifiques existent entre, précisément en raison de la présence de la scène, ont une richesse de connaissances et le sens. Dans le processus d 'exécution des tâches, la décision du commandement fortement influencée par « scène », où « l'espace de la scène » est la mission de la tâche, la somme des différents champs de bataille de facteurs, les commandants et autres caractéristiques cognitives. Commande et décideurs ne comprennent pas le contexte dans lequel l'espace pourrait être biaisé, cognitif, ou même une erreur judiciaire.
Fournir des services de connaissances intelligents pour les décideurs de commande, il doit être associé à « l'espace de la situation » décisions de commandement pour appliquer les connaissances [911]. Il doit répondre à trois questions clés: Tout d'abord, extraire les éléments clés de la scène reflète l'espace de travail propose de construire un modèle d'espace complet de la scène du champ de bataille, le transfert des connaissances pour fournir un filtre pour les contraintes d'espace de travail, le second est basé sur le modèle de l'espace scène de la recherche algorithmes de filtrage des connaissances pour obtenir des ressources de la connaissance du système de recommandation efficace, en troisième lieu, grâce à la conception du mécanisme de fonctionnement du service actif des connaissances, des services de connaissances intelligents conformément à la loi des décideurs cognitifs. processus de filtrage est basé sur la connaissance de l'information de la scène comme le montre la figure.
4 commande fondée sur la connaissance et le modèle de raisonnement de l'entité de décision intelligente
Décision intelligente modèle entité de commande fait référence à une description abstraite de commandement processus de prise de décision et les résultats de l'entité, la commande de l'entité est principalement utilisée pour exprimer une tâche particulière en mission spatiale compréhension, analyse de la situation, le jugement et les conditions de prise de décisions résultats, etc. [1213]. Décision intelligente relative au modèle de raisonnement scientifique du degré réel de système de commandement et contrôle à l'aide des décisions intelligentes.
Pour répondre aux besoins de commandement de l'entité de prise de décision intelligente, la commande peut être le modèle d'inférence de prise de décision solide en deux types: la prise de décision statique et dynamique, la planification et correspondent organisation à la phase d'action de la tâche, la prise de décisions de commandement et de contrôle et la phase d'action coordonnée de la mission, la description du procédé de base tel que représenté sur la Fig. Ce qui suit décrit la mise en place de la mission d'avant-guerre déployés dans le processus de prise de décisions techniques à base de règles de production raisonnement statique, et basée sur le réseau bayésien dynamique [14] (dynamique bayésien net, DBN) la technologie d'inférence bayésienne pour atteindre processus de prise de décision des combats à temps réel dynamique .
4.1 Sur la base du modèle de production Règle de raisonnement de décision statique
Du point de vue de l'intelligence artificielle, le processus de prise de décision est fondée sur la règle de la production statique est d'utiliser des règles de production des connaissances du processus de raisonnement logique. Leur travail est effectué conformément aux règles militaires stockées dans la base de connaissances et la mise en correspondance réelle du savoir « espace de la scène », et sélectionnez ainsi les décisions appropriées résultat, une décision correspondante et le schéma de raisonnement. La forme générale des règles de production sont:
règle de production sémantique est que si les résultats de l'état de la décision avec les faits connus, la conclusion peuvent être obtenus ou analyse pour déterminer l'action correspondante est effectuée, à savoir, après que le membre est déclenchée par l'élément avant. Par conséquent, l'élément avant est une condition d'une exécution de la règle, le corps est un membre régulier. Si l'ensemble statique de critères de décision représentée par C, la décision finale encore générée par le déploiement de jeu des troupes de décision D, a déclaré le déploiement des troupes à l'action dans la décision prise di définir une tâche à toute entité peut être exprimée comme suit:
di = f (AC) (2)
Lorsque, di est la décision d'action statique décision arbitraire-D, qui
diD, D = {D1, D2, ..., dn}, i {1,2, ..., n}; f C est la condition de décision ensemble correspondant à un ensemble de décisions de déploiement de la force statique de fonctions d'appartenance D, par la règle de décision correspondant à la performance. A est une matrice de coefficients C:
Akj dans lequel k représente la relation entre les actions de l'entité de tâche dk j-ème cj de conditions, k {1,2, ..., s}, j {1,2, ..., m}. Lorsque akj = 0, la représentation indépendante, quand akj = 1, représente pertinent.
processus de prise de décision effective statique, et généralement 0akj1, j désigne la relation entre le droit à reconditionner cj k-ième décisions dk d'action, et les actions influencent les décisions sous-ensemble des conditions CzC, ce qui indique qu'il est un ensemble statique de critères de décision combinaisons. Ainsi, pour l'une des décisions de l'entité de prise de décision concentrés statiques dk action sont:
Dans laquelle = 1akj = 1, k {1,2, ..., s}, cjCz. Sens de l'expression mathématique est un ensemble d'entités de programme de prise de décisions axées sur l'action modèle de décision généré finale statique, y compris le regroupement, la configuration et la répartition des tâches et ainsi de suite.
4,2 basé sur le modèle d'inférence de réseau bayésien dynamique de prise de décision dynamique
L'incertitude et l'information problème d'estimation du champ de bataille de décision dynamique incomplète, le modèle probabiliste des événements du champ de bataille, les entités opérationnelles multiples connectés à différents niveaux de la situation du champ de bataille de la technologie de réseau bayésien pour la construction, a évolué en une paire situation capable de perception, le raisonnement, les prédictions du modèle de réseau bayésien, la méthode de modélisation est plus efficace d'évaluation de la situation du champ de bataille.
Réseau bayésien (BN) est une analyse probabiliste et la théorie des graphes incertaine représentation des connaissances et le modèle raisonnement basé sur l'utilisation de l'indépendance conditionnelle entre les variables fortement réduit le nombre de probabilité complet défini des distributions de probabilités conjointes requises largement utilisé dans le raisonnement de l'incertitude et des problèmes de prise de décision. Chaque noeud du réseau bayésien représente une variable aléatoire, avec les flèches entre les noeuds reliés par la relation de causalité entre les noeuds sont décrites en utilisant la table de probabilité conditionnelle. probabilité conditionnelle et probabilité a priori d'un noeud donné peuvent être des noeuds de la probabilité de chaque état, sont effectués pour parvenir à une propagation de probabilité le long du bord en fonction des conditions, complétant ainsi l'ensemble de l'inférence de réseau bayésien. L'indépendance conditionnelle entre les variables à l'aide réseau bayésien, en un produit de la distribution conjointe de plusieurs distribution locale:
Réseau dynamique bayésien (DBN) est une extension de la statique réseau bayésien sur l'axe du temps, le modèle de système est utilisé pour décrire un changement au fil du temps et de l'évolution. Dynamique des variables bayésien réseau T est un des états cachés X = {x0, x1, ..., xt-1} et la fonction de distribution de probabilité de la séquence T des variables observées Y = {y0, y1, ..., YT-1} de composition de séquence, T est un temps lié à la recherche de l'incident. réseau dynamique bayésien peut être décrit comme:
Dans laquelle, p (xi | xi-1) désigne la fonction de probabilité entre des états dans les différentes tranches de temps, p (yi | xi) désigne la probabilité que chaque noeud sur la même fonction de tranche de temps; P (x0) fait référence au processus l'état initial au début.
Lorsque vous utilisez la prise de décision état de champ de bataille d'inférence réseau bayésien dynamique et la situation de prévision, la nécessité de répondre à deux questions clés: l'extraction et l'acquisition d'éléments de connaissance du domaine caractéristique de la situation du champ de bataille, qui déterminent ensemble la structure du réseau BN. En raison d'une augmentation des éléments de tendance, la complexité de la structure du réseau multiplié, déplaçant ainsi l'évaluation de la situation de prise de décision, tout d'abord appel à des experts dans le domaine des connaissances militaires changements de réseau nécessaires. Battlefield Situation processus d'évaluation, grâce à une sélection raisonnable reflète les caractéristiques de la situation du champ de bataille, et basée sur la connaissance du domaine des relations de construction entre les caractéristiques, vous pouvez construire un modèle de réseau bayésien pour refléter de la situation du champ de bataille.
5. Conclusion
Avec l'intelligence de la guerre approche, le développement de la plate-forme intelligente d'aider les allégations stratège commandants, il est la tendance générale. Sur la base des percées dans les technologies clés du système de commandement et de contrôle intelligent des connaissances peut être conçu pour fournir une référence importante pour la future preuve nos commandes de renseignement militaires et systèmes d'information. Ces dernières années, des avancées et le développement de l'intelligence cognitive au cur de l'apprentissage en profondeur, de sorte que d'un point de vue technique pour résoudre devrait prendre aide à la décision intelligente en fonction de progression de la commande et systèmes d'information critiques. Décision intelligente de soutien basé sur le système sur la connaissance et la maîtrise de l'apprentissage de la machine est le prochain objectif du domaine de l'ingénierie des systèmes d'information.
références
[1] Ren Haiquan. école de commandement militaire [M]. Pékin: Université de Défense Nationale Press, 2007.
[2] Cai-ball, Xuguo Cheng. Informations sous la condition la décision armée Sciences [M]. Pékin: Science militaire Publishing House, 2009.
. [3] Chen Wenwei, ingénierie Chen Sheng connaissances et gestion des connaissances [M] Pékin: Tsinghua University Press, 2010.
[4] Lixing Sen, Shi Yong, Zhang Lingling de l'explosion de l'information à la gestion des connaissances intelligente [M] Pékin. Science Press, 2010.
[5] Tongzhi Peng, Xing Système intégré d'information électronique [M] Pékin: Industrie de la Défense nationale Press, 2008.
[6] Xiaodong. Étude [D] Ontologie connaissances système basé sur la modélisation et des applications. Shanghai: East China Normal University, 2003.
[7] Wu River. La recherche [D] Les technologies clés de la gestion des connaissances fondées sur l'ontologie. Xi'an: Northwestern University, 2007.
[8] Songjun Feng, Zhang Weiming, Xiao Weidong, comme informations sur le modèle de récupération basé sur l'ontologie [J] Journal de l'Université de Nanjing, 2005,41 (2): 189-197.
[9] Feng Pengcheng Basé sur l'algorithme de recommandation personnalisée pour sensible au contexte de [D] Shanghai: Université Donghua, 2014.
. [10] Li Yanni, Li Haisheng, de solides connaissances de domaine Cai basé sur la recommandation de recherche de similarité sémantique [J] des systèmes complexes et science de la complexité, 2013,10 (3): 50-54.
. [11] connaissance personnalisée Wu Xue Ting basée sur la connaissance de la situation de la recherche et de la technologie d'application [D] Poussez Nanchang: Université de Nanchang, 2010.
. [12] Sun Peng, Zhang Yongliang recherche Armée bataille commandement des problèmes de modélisation de simulation d'intégration solide [M] Pékin: l'Armée de libération populaire Publishing House, 2014.
[13] Cao Xiaodong, Guojia Cheng. Sur les règles de commandement et de contrôle [J]. La recherche des opérations militaires et l'ingénierie des systèmes, 2006,20 (3): 22-26.
[14] Xiao Qinkun, INTERNATIONAL JOURNAL haute Xiaoguang. Dynamique théorie d'apprentissage bayésien d'inférence de réseau et des applications [M]. Pékin: Industrie de la Défense nationale Press, 2007.
