戰(zhàn)機(jī)空戰(zhàn)決策方法及分析

傅 莉,李 偉

(沈陽航空航天大學(xué) 自動化學(xué)院，沈陽 110136)

隨著現(xiàn)代空戰(zhàn)模式的轉(zhuǎn)變以及先進(jìn)戰(zhàn)斗機(jī)技術(shù)的飛速發(fā)展，戰(zhàn)機(jī)在未來戰(zhàn)場中的作用越來越重要。自戰(zhàn)斗機(jī)投入到戰(zhàn)場以來，空戰(zhàn)決策問題一直是貫穿戰(zhàn)爭始末的關(guān)鍵問題，空戰(zhàn)決策是整個(gè)現(xiàn)代空戰(zhàn)的核心和關(guān)鍵，空戰(zhàn)決策的優(yōu)劣將直接影響整個(gè)空戰(zhàn)任務(wù)完成的質(zhì)量，乃至空戰(zhàn)任務(wù)的成敗，針對戰(zhàn)斗機(jī)空戰(zhàn)決策的研究一直以來都受到世界各航空大國的高度關(guān)注。隨著航空電子的發(fā)展，戰(zhàn)場信息越來越復(fù)雜，對空戰(zhàn)決策的實(shí)時(shí)性和穩(wěn)定性的要求有所提高，向戰(zhàn)斗機(jī)之間的空中格斗提出了挑戰(zhàn)，空戰(zhàn)決策是戰(zhàn)斗機(jī)的"靈魂"和"大腦"，是真正實(shí)現(xiàn)戰(zhàn)斗機(jī)空戰(zhàn)自主決策的關(guān)鍵。整個(gè)空戰(zhàn)過程實(shí)質(zhì)上就是一個(gè)動態(tài)決策過程，在我機(jī)規(guī)避敵機(jī)攻擊的同時(shí)，調(diào)整戰(zhàn)機(jī)自身狀態(tài)，以達(dá)到攻擊敵機(jī)的目的，從而做到“先敵攻擊”。本文主要介紹了目前國內(nèi)外的典型空戰(zhàn)決策方法，并分析了每種空戰(zhàn)決策方法的應(yīng)用。由于空戰(zhàn)決策在現(xiàn)代空戰(zhàn)中占據(jù)著重要地位，針對空戰(zhàn)決策，國內(nèi)外學(xué)者和專家做了大量的研究。目前國內(nèi)外空戰(zhàn)決策主要的研究方法有微分對策法[1]、影響圖法[2]、專家系統(tǒng)法[3]、神經(jīng)網(wǎng)絡(luò)法[4]、遺傳算法[5]和滾動時(shí)域控制法等[6]。

1 空戰(zhàn)決策問題

1.1 空戰(zhàn)決策內(nèi)涵

空戰(zhàn)決策實(shí)質(zhì)上就是指借助機(jī)載設(shè)備獲取敵我當(dāng)前態(tài)勢以及敵方戰(zhàn)機(jī)型號，計(jì)算出當(dāng)前態(tài)勢優(yōu)勢函數(shù)值和敵我雙方戰(zhàn)機(jī)空空作戰(zhàn)效能函數(shù)值，根據(jù)優(yōu)勢評估結(jié)果和所建立的空戰(zhàn)戰(zhàn)術(shù)規(guī)則及空戰(zhàn)目的做出空戰(zhàn)機(jī)動決策，直到完成空戰(zhàn)任務(wù)。不同的空戰(zhàn)決策方法選取的評價(jià)指標(biāo)不盡相同，所建空戰(zhàn)戰(zhàn)術(shù)規(guī)則也不相同。

1.2 空戰(zhàn)決策問題研究難點(diǎn)

空戰(zhàn)決策是一個(gè)極其復(fù)雜的動態(tài)決策過程，根據(jù)敵我雙方戰(zhàn)機(jī)的空戰(zhàn)態(tài)勢信息參量，建立合理有效的機(jī)動決策模型是研究現(xiàn)代戰(zhàn)斗機(jī)空戰(zhàn)的難點(diǎn)和重點(diǎn)。

1.2.1 空戰(zhàn)優(yōu)勢函數(shù)建立

目前存在的空戰(zhàn)優(yōu)勢函數(shù)的建立大都是基于非參量法的優(yōu)勢函數(shù)評估，此種方法需要分別建立角度優(yōu)勢函數(shù)、速度優(yōu)勢函數(shù)、高度優(yōu)勢函數(shù)、距離優(yōu)勢函數(shù)以及飛機(jī)空戰(zhàn)能力優(yōu)勢函數(shù)。在角度優(yōu)勢函數(shù)中，目前存在的角度優(yōu)勢函數(shù)一般只考慮方位角，所以，合理的將方位角和進(jìn)入角引入到優(yōu)勢函數(shù)中是目前角度優(yōu)勢函數(shù)建立的難點(diǎn)。對于高度優(yōu)勢函數(shù)和速度優(yōu)勢函數(shù)，在大多數(shù)論文中稱之為能量優(yōu)勢函數(shù)，將兩者按一定的權(quán)重聯(lián)系在一起，相關(guān)事實(shí)證明，分別建立單獨(dú)的優(yōu)勢函數(shù)更加合理。在建立綜合的空戰(zhàn)優(yōu)勢函數(shù)時(shí)，每個(gè)空戰(zhàn)優(yōu)勢函數(shù)分量的權(quán)重值的分配，成為目前建立空戰(zhàn)優(yōu)勢函數(shù)的難點(diǎn)，采用變權(quán)重法能很好的解決此問題，使其更貼近現(xiàn)實(shí)空戰(zhàn)。

1.2.2 空戰(zhàn)決策模型建立

目前國內(nèi)外存在的空戰(zhàn)決策方法的各有利弊，建立一個(gè)實(shí)時(shí)性好、精度高的、穩(wěn)定性好的空戰(zhàn)決策模型是整個(gè)空戰(zhàn)過程的核心。對于微分對策在空戰(zhàn)決策中的應(yīng)用，選取合適的支付函數(shù)是建立空戰(zhàn)決策模型的難點(diǎn)，支付函數(shù)選取的好壞將直接影響空戰(zhàn)決策的有效性。由于不同的微分對策模型有不同的求解方法，所以，找到一種適合模型的快速求解方法也是解決微分對策問題的關(guān)鍵。在影響圖法、神經(jīng)網(wǎng)絡(luò)、遺傳算法中實(shí)時(shí)性的好壞是空戰(zhàn)決策模型的，降低計(jì)算復(fù)雜程度，簡化空戰(zhàn)決策模型才能很好的解決空戰(zhàn)決策實(shí)時(shí)性的問題。在專家系統(tǒng)中，規(guī)則庫和動作庫的建立是整個(gè)空戰(zhàn)決策的核心，因?yàn)?，它們的建立需要專家?jīng)驗(yàn)，空戰(zhàn)中遇到的每種情況需在規(guī)則庫和動作庫中有映射，所以，專家經(jīng)驗(yàn)的好壞會直接影響到空戰(zhàn)決策的質(zhì)量，甚至無法完成空戰(zhàn)任務(wù)。基于滾動時(shí)域法的空戰(zhàn)決策是目前一種較新的空戰(zhàn)決策方法，它的戰(zhàn)術(shù)優(yōu)勢函數(shù)的選取和決策目標(biāo)集的建立都需要經(jīng)驗(yàn)者來建立和劃分，在這個(gè)問題上和專家系統(tǒng)是類似的，對于經(jīng)驗(yàn)的選取是空戰(zhàn)決策好壞的關(guān)鍵。

2 空戰(zhàn)決策方法研究現(xiàn)狀

2.1 微分對策法

通過微分方程來描述對象及對象規(guī)律的對策方法稱之為微分對策。微分對策是在經(jīng)典對策論考慮動態(tài)情況下的一種動態(tài)對策方法。由于空戰(zhàn)信息的動態(tài)性，用微分對策法來研究和解決空戰(zhàn)決策問題是最直接且最有效的途徑。利用微分對策來分析空戰(zhàn)決策問題，首先需選取合適的支付函數(shù)J，

(1)

式中:x(t)—戰(zhàn)機(jī)空戰(zhàn)狀態(tài);u(t)—我機(jī)控制變量;v(t)—敵機(jī)控制變量。

然后構(gòu)造Hamilton函數(shù)

H[x(t),u(t),v(t),λ(t),t]=L[x(t),u(t),v(t),t]+λT(t)f[x(t),u(t),v(t),t]

(2)

其中，f[x(t),u(t),v(t),t]為戰(zhàn)機(jī)的狀態(tài)方程。

根據(jù)最優(yōu)控制極小值原理，支付函數(shù)J和Hamiltion函數(shù)同時(shí)取得極值。于是，微分對策就把攻防對策化為雙邊極值問題而后求解，通過求解雙邊極值問題而得到最優(yōu)控制策略。

文獻(xiàn)[7-8]利用微分對策方法將空戰(zhàn)中敵我戰(zhàn)機(jī)間的對抗問題轉(zhuǎn)化為空空導(dǎo)彈與敵機(jī)間的對抗問題，選取空戰(zhàn)中兩機(jī)的距離作為支付函數(shù)，并采用動態(tài)規(guī)劃和參數(shù)優(yōu)化求解決策的數(shù)值解。文獻(xiàn)[9]中，姜玉憲等人首次將智能微分對策法引入到現(xiàn)代空戰(zhàn)的思想，該方法的思想是利用人工智能方法預(yù)測敵機(jī)的決策策略，對敵我雙方做全局態(tài)勢評估。該方法通過預(yù)測雙方戰(zhàn)機(jī)的空戰(zhàn)態(tài)勢信息，將微分對策的雙邊極值問題轉(zhuǎn)化為單邊極值問題，降低了模型解算的計(jì)算難度，提高了空戰(zhàn)決策的實(shí)時(shí)性。文獻(xiàn)[10-11]主要針對三維空間中的雙方追-逃對抗的問題，建立微分對策模型，然后構(gòu)造對策模型的界柵，通過對模型界柵的求解，從而獲取空戰(zhàn)的最優(yōu)策略。

微分對策理論在空戰(zhàn)決策領(lǐng)域的應(yīng)用解決了許多歷史性的決策難題。但是，關(guān)于微分對策的求解問題自始至終都是其研究領(lǐng)域內(nèi)的重點(diǎn)和難點(diǎn)。由于微分對策自身的復(fù)雜性，會導(dǎo)致其求解非常困難，實(shí)際中一般將其數(shù)值解作為微分對策的解。目前關(guān)于微分對策數(shù)值解的求解方法主要有梯度法、奇異摂動法、多項(xiàng)式法、次優(yōu)法、參數(shù)法、泛函分析法、線性反饋解等求解方法。

2.2 影響圖法

影響圖法是一種用于決策分析的圖示表征求解方法，它是由結(jié)合點(diǎn)集合N和有向弧集合A組成的有向圖。因?yàn)榇朔椒ㄖ饕槍Σ淮_定性問題，所以其在空戰(zhàn)決策分析中被廣泛應(yīng)用。

在影響圖決策模型中，決策者的偏好用效用函數(shù)表示，為了更加有效的分析空戰(zhàn)對策，在決策模型中還將局勢概率與空戰(zhàn)狀態(tài)結(jié)合在一起。最終的機(jī)動決策結(jié)果要根據(jù)決策者制定的決策標(biāo)準(zhǔn)而定，在任意一種空戰(zhàn)態(tài)勢下必須進(jìn)行靈敏度分析以判斷哪些因素為主導(dǎo)因素。在空戰(zhàn)決策中采用效用期望值EU作為決策標(biāo)準(zhǔn)。即

(3)

Ui—效用函數(shù)。

然后，運(yùn)用單步預(yù)測法，求得效能函數(shù)取得極值時(shí)的控制變量值，即最優(yōu)空戰(zhàn)策略。文獻(xiàn)[12-14]中，董彥非等人將影響圖引入到空戰(zhàn)決策中，將影響圖與對策論結(jié)合在一起，并將其運(yùn)用到一對一的空戰(zhàn)決策分析中，把空戰(zhàn)態(tài)勢評估結(jié)果作為空戰(zhàn)決策的理論依據(jù)，將空戰(zhàn)決策過程用影響圖法表示出來，并建立基于影響圖法的空戰(zhàn)決策模型。文獻(xiàn)[15]把影響圖法在空戰(zhàn)決策中的應(yīng)用拓展到三維空戰(zhàn)決策中，認(rèn)真分析了空戰(zhàn)態(tài)勢不確定性對空戰(zhàn)決策的影響，使得影響圖法在空戰(zhàn)決策中的應(yīng)用更加符合實(shí)戰(zhàn)的要求。文獻(xiàn)[16]首次將多級影響圖引入到空戰(zhàn)決策中來，將協(xié)同因子引入對空戰(zhàn)決策中，對當(dāng)前局勢概率進(jìn)行修正，從而把一對一空戰(zhàn)拓展為多機(jī)協(xié)同空戰(zhàn)，拓展了影響圖法在空戰(zhàn)決策中的應(yīng)用。

雖然影響圖決策方法能夠形象地表示出變量間的條件獨(dú)立關(guān)系以及決策問題的結(jié)構(gòu)特征，也能解決在空戰(zhàn)態(tài)勢實(shí)時(shí)變化情況下的空戰(zhàn)決策問題。但是，最終空戰(zhàn)決策結(jié)果受到空戰(zhàn)經(jīng)驗(yàn)和習(xí)慣的限制，具有一定的局限性。而且，影響圖決策方法在進(jìn)行決策時(shí)需要把空戰(zhàn)中遇到的各種情況都考慮一遍，計(jì)算量比較大，實(shí)時(shí)性相對較差，并且對航空電子硬件設(shè)備要求較高。

2.3 專家系統(tǒng)法

專家系統(tǒng)可以簡單的描述為一個(gè)"知識庫"和"推理機(jī)"的結(jié)合體。知識庫是專家系統(tǒng)的經(jīng)驗(yàn)知識的一系列映射，反映在實(shí)際空戰(zhàn)中主要包括敵我雙方空戰(zhàn)態(tài)勢評估函數(shù)(SA，SD，SV，SH)、雙方飛機(jī)空戰(zhàn)能力評估函數(shù)SC，空空導(dǎo)彈攻擊區(qū)以及單發(fā)空空導(dǎo)彈殺傷概率評估等。推理機(jī)則是利用專家知識進(jìn)行推理的能力在計(jì)算機(jī)中的映射，是一系列空戰(zhàn)規(guī)則的組合。在空戰(zhàn)中根據(jù)當(dāng)前雙方的空戰(zhàn)態(tài)勢參量與空戰(zhàn)規(guī)則前提條件相匹配，以此確定我機(jī)的空戰(zhàn)機(jī)動決策。一個(gè)完整的空戰(zhàn)決策模塊包括典型機(jī)動動作庫[17-18]、規(guī)則庫和推理機(jī)[19]。

文獻(xiàn)[20-21]中，高正紅等人建立了基于機(jī)動動作庫的空戰(zhàn)決策模型，也就是所謂的專家系統(tǒng)模型，建立了三代戰(zhàn)機(jī)的25種典型戰(zhàn)術(shù)動作庫，并建立了相應(yīng)的專家知識庫與其一一對應(yīng)，實(shí)現(xiàn)了根據(jù)實(shí)時(shí)的空戰(zhàn)態(tài)勢信息參量進(jìn)行相應(yīng)機(jī)動決策的目的，從而形成了一套完整的空戰(zhàn)決策模型。文獻(xiàn)[22]中，通過加入指揮引導(dǎo)模型庫增強(qiáng)可了空戰(zhàn)決策模型的自主決策能力，有效的提高了空戰(zhàn)決策的實(shí)時(shí)性和可靠性。文獻(xiàn)[23]提出了一種基于神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的戰(zhàn)斗機(jī)決策系統(tǒng)，克服了在規(guī)則不完善、戰(zhàn)場信息不完全情況下決策失敗的問題，其思想是利用神經(jīng)網(wǎng)絡(luò)推理機(jī)引導(dǎo)專家系統(tǒng)決策模型，利用神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí)功能學(xué)習(xí)新的專家經(jīng)驗(yàn)，完善知識庫，從而更好的完成空戰(zhàn)決策。

基于專家系統(tǒng)的空戰(zhàn)決策方法在實(shí)際空戰(zhàn)中具有高速、準(zhǔn)確、高效等其它方法無法比擬的優(yōu)點(diǎn)?？諔?zhàn)專家系統(tǒng)技術(shù)成熟，容易實(shí)現(xiàn)和修改，在軍事領(lǐng)域已廣泛使用。但是專家系統(tǒng)也有它致命的缺陷，因?yàn)榭諔?zhàn)規(guī)則庫是空戰(zhàn)開始前專家制定好的，空戰(zhàn)過程采用的是IF-THEN的形式，所以，一旦在空戰(zhàn)中出現(xiàn)意外情況，則戰(zhàn)斗機(jī)將無法進(jìn)行空戰(zhàn)決策，專家系統(tǒng)必然失效。在專家系統(tǒng)中"專家"的角色很重要，空戰(zhàn)規(guī)則庫和機(jī)動動作庫的建立一直以來是一個(gè)難題，對專家系統(tǒng)的應(yīng)用是一個(gè)挑戰(zhàn)，隨著規(guī)則庫、動作庫的豐富，專家系統(tǒng)在空戰(zhàn)中的應(yīng)用將更為廣泛。

2.4 神經(jīng)網(wǎng)絡(luò)法

在現(xiàn)代空戰(zhàn)中，神經(jīng)網(wǎng)絡(luò)法可以預(yù)測目標(biāo)機(jī)的空戰(zhàn)態(tài)勢，以此做出更好的態(tài)勢評估效果。由于神經(jīng)網(wǎng)絡(luò)的良好并行性，能有效的改善空戰(zhàn)決策中的實(shí)時(shí)性問題，并且神經(jīng)網(wǎng)絡(luò)相對來說比較穩(wěn)定，即使現(xiàn)實(shí)空戰(zhàn)中有個(gè)別決策環(huán)節(jié)出現(xiàn)問題，整個(gè)網(wǎng)絡(luò)依然能正常運(yùn)行。由此可見，在空戰(zhàn)決策領(lǐng)域神經(jīng)網(wǎng)絡(luò)法有著較為廣泛的應(yīng)用前景。

文獻(xiàn)[24]中，佟明安等人利用協(xié)同優(yōu)先權(quán)算法提出了一種針對多目標(biāo)的空戰(zhàn)決策方法，利用協(xié)同優(yōu)先權(quán)算法先進(jìn)行目標(biāo)分配，然后用3層B-P神經(jīng)網(wǎng)絡(luò)針對空戰(zhàn)戰(zhàn)場信息的復(fù)雜性、動態(tài)性和不確定性來實(shí)現(xiàn)核心空戰(zhàn)決策算法，并用SOFM網(wǎng)絡(luò)對目標(biāo)進(jìn)行攻擊排序，該方法能有效的解決復(fù)雜動態(tài)環(huán)境下的空戰(zhàn)決策問題。文獻(xiàn)[25]從空戰(zhàn)環(huán)境出發(fā)對機(jī)群分類，然后根據(jù)敵我雙方的空戰(zhàn)態(tài)勢評估結(jié)果及空空作戰(zhàn)能力評估結(jié)果進(jìn)行任務(wù)分配，一次攻擊結(jié)束后進(jìn)行評估，計(jì)算雙方損失，再次對空戰(zhàn)態(tài)勢進(jìn)行評估，進(jìn)行二次攻擊決策，直到空戰(zhàn)結(jié)束。

神經(jīng)網(wǎng)絡(luò)在空戰(zhàn)中的應(yīng)用解決了戰(zhàn)斗機(jī)在戰(zhàn)場信息復(fù)雜情況下的決策問題，并通過自身的自學(xué)習(xí)能力，使未來空戰(zhàn)決策更有效。但神經(jīng)網(wǎng)絡(luò)法需要大量的樣本進(jìn)行訓(xùn)練，在現(xiàn)實(shí)中真實(shí)的空戰(zhàn)數(shù)據(jù)很難獲得，難以對神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。所以，大量的實(shí)戰(zhàn)樣本稱為神經(jīng)網(wǎng)絡(luò)在空戰(zhàn)決策中應(yīng)用的瓶頸。

2.5 遺傳算法

遺傳算法源于自然生物界進(jìn)化過程，是一種隨機(jī)化搜索算法。由美國J H Holland[26]教授于20世紀(jì)70年代首次提出。由于遺傳算法具有很強(qiáng)的適應(yīng)能力，它可以解決其他優(yōu)化算法所無法解決的問題。和其它傳統(tǒng)的優(yōu)化算法相比，遺傳算法占用資源較小，處理復(fù)雜問題能力較強(qiáng)，算法對搜索空間沒有特殊要求。通過適當(dāng)?shù)母倪M(jìn)能夠收斂到全局最優(yōu)，因此遺傳算法在空戰(zhàn)決策領(lǐng)域有著廣泛的應(yīng)用[27]。

文獻(xiàn)[28-29]在空戰(zhàn)逃逸策略中，從規(guī)劃報(bào)償和規(guī)則激活度的角度研究了規(guī)則信度分配問題，為解決復(fù)雜的空戰(zhàn)決策問題提供了一種全新的方法，使其在較大的狀態(tài)空間中搜索到最優(yōu)機(jī)動策略，有效的實(shí)現(xiàn)逃逸機(jī)動策略，很好的躲避了地方的追擊。文獻(xiàn)[30]中，借助該遺傳算法的并行處理數(shù)據(jù)的能力，完善了空戰(zhàn)決策有效性，使得整個(gè)空戰(zhàn)決策更加準(zhǔn)確。文獻(xiàn)[31-32]中，把空戰(zhàn)態(tài)勢優(yōu)勢函數(shù)和空戰(zhàn)能力優(yōu)勢函數(shù)作為空戰(zhàn)決策的依據(jù)，采用遺傳算法解決空戰(zhàn)決策問題，根據(jù)所建立的優(yōu)勢函數(shù)構(gòu)建空戰(zhàn)決策模型，進(jìn)而完成空戰(zhàn)決策。

遺傳算法在空戰(zhàn)中的應(yīng)用取得了較為滿意的成果，能使整個(gè)空戰(zhàn)過程達(dá)到全局最優(yōu)，但其在空戰(zhàn)決策中存在實(shí)時(shí)性較差的缺點(diǎn)，解決空戰(zhàn)決策延時(shí)問題成為此方法在空戰(zhàn)決策中應(yīng)用的關(guān)鍵。

2.6 滾動時(shí)域控制法

滾動時(shí)域控制方法(Rolling Horizon Control,RHC)是一種近似、分解方法。它的實(shí)質(zhì)是用隨機(jī)時(shí)間反復(fù)進(jìn)行的一系列小規(guī)模優(yōu)化問題求解的過程取代一個(gè)靜態(tài)的大規(guī)模優(yōu)化問題求解的過程，以達(dá)到在優(yōu)化的前提下降低計(jì)算量并適應(yīng)不確定性變化的目的。滾動時(shí)域控制是一種十分有效的控制策略[33-34]，通過在線實(shí)時(shí)求解有限時(shí)域或無限時(shí)域目標(biāo)函數(shù)的優(yōu)化解[35](考慮其約束條件)，進(jìn)而求得飛行控制量。

在基于滾動時(shí)域控制的空戰(zhàn)決策中，主要思想是根據(jù)敵我戰(zhàn)機(jī)空戰(zhàn)態(tài)勢和戰(zhàn)機(jī)自身性能，構(gòu)建機(jī)動決策目標(biāo)集

S=S1US2U…SiU…Sn

(4)

式中：Si—第i步機(jī)動決策。

以及戰(zhàn)術(shù)優(yōu)勢函數(shù)，將機(jī)動決策問題轉(zhuǎn)化為最優(yōu)控制問題。根據(jù)敵我雙方戰(zhàn)場信息計(jì)算出戰(zhàn)術(shù)優(yōu)勢函數(shù)值，再根據(jù)戰(zhàn)術(shù)指標(biāo)函數(shù)的考慮因素以及終端條件，求出最優(yōu)飛行控制解，然后執(zhí)行機(jī)動指令，再次獲得新的飛行控制量，不斷重復(fù)，直到找到滿足導(dǎo)彈攻擊條件的飛行控制量，完成空戰(zhàn)任務(wù)。

目前，滾動時(shí)域控制方法在航空領(lǐng)域有著廣泛的應(yīng)用，但是對滾動時(shí)域在空戰(zhàn)決策中應(yīng)用還較少。文獻(xiàn)[36]運(yùn)用滾動時(shí)域控制方法控制戰(zhàn)斗機(jī)的編隊(duì)問題，在一定程度上提高了空戰(zhàn)任務(wù)的完成效率。，文獻(xiàn)[37]首次將滾動時(shí)域控制方法運(yùn)用到空戰(zhàn)決策中，利用敵我空戰(zhàn)態(tài)勢和戰(zhàn)機(jī)自身作戰(zhàn)能力，建立評估函數(shù)，得到?jīng)Q策的目標(biāo)集，綜合考慮戰(zhàn)機(jī)的戰(zhàn)術(shù)優(yōu)勢，攻擊時(shí)間和自身損耗，建立總的指標(biāo)函數(shù)，再根據(jù)空戰(zhàn)的終端條件要求，然后求出模型的數(shù)值解，得到最優(yōu)飛行控制量，完成空戰(zhàn)任務(wù)。

滾動時(shí)域控制法在空戰(zhàn)決策中的應(yīng)用從縮短機(jī)動時(shí)間上入手，使空戰(zhàn)決策更加清晰易懂，避開從角度、距離等間接因素進(jìn)行空戰(zhàn)決策。但是滾動時(shí)域控制方法中戰(zhàn)術(shù)優(yōu)勢函數(shù)和機(jī)動決策目標(biāo)集是進(jìn)行空戰(zhàn)決策的基礎(chǔ)，而這兩部分在實(shí)際空戰(zhàn)中是不容易建立的，只能根據(jù)經(jīng)驗(yàn)者來建立和劃分，它們的準(zhǔn)確與否將會直接影響空戰(zhàn)決策結(jié)果。

3 空戰(zhàn)決策技術(shù)的未來研究方向

伴隨著中遠(yuǎn)程空空導(dǎo)彈的發(fā)展，超視距空戰(zhàn)稱為空戰(zhàn)的主角，未來空戰(zhàn)決策應(yīng)側(cè)重于基于導(dǎo)彈是否滿足發(fā)射條件以及其命中概率作為決策優(yōu)先考慮的因素。空戰(zhàn)逐漸演變?yōu)槭箶硻C(jī)盡早進(jìn)入我機(jī)導(dǎo)彈攻擊區(qū)的同時(shí)我機(jī)盡量避免落入敵機(jī)導(dǎo)彈攻擊區(qū)的空戰(zhàn)過程。由于戰(zhàn)斗機(jī)自身的超機(jī)動性能，所以在未來戰(zhàn)斗機(jī)空戰(zhàn)中，建立一種全面的、高精度的、高實(shí)時(shí)性的適合戰(zhàn)斗機(jī)的空戰(zhàn)決策方案是未來空戰(zhàn)決策發(fā)展的趨勢。無論用什么方法，建立的空戰(zhàn)決策模型必須符合現(xiàn)代空戰(zhàn)的要求，使決策方法更加貼近實(shí)戰(zhàn)，以擊落敵機(jī)保全自身作為目的，避免單純的追求機(jī)動動作最優(yōu)。

參考文獻(xiàn)(References)：

[1] 方紹琨，李登峰.微分對策及其在軍事領(lǐng)域的研究進(jìn)展[J].指揮控制與仿真，2008,30(1):114-117.

[2] 萬偉，姜長生，吳慶憲.單步預(yù)測影響圖法在空戰(zhàn)機(jī)動決策中的應(yīng)用[J].電光與控制，2009,16(7):13-16.

[3] 趙威.基于專家系統(tǒng)的雙機(jī)協(xié)同攻擊決策技術(shù)研究[D].西安：西北工業(yè)大學(xué)，2007:6-14.

[4] 王凱，李望西，軒永波.基于BP神經(jīng)網(wǎng)絡(luò)的空空攻擊區(qū)解算即仿真[J].彈箭與制導(dǎo)學(xué)報(bào)，2010,30(1):75-78.

[5] 黃家成，謝奇峰.基于遺傳算法的協(xié)同多目標(biāo)攻擊空戰(zhàn)決策方法[J].火力與指揮控制，2004,29(1):49-52.

[6] 張濤，于雷，周中良,等.基于人工勢場啟發(fā)粒子群算法的空戰(zhàn)機(jī)動決策[J].電光與控制，2013,20(1):77-82.

[7] Jamark B.A missile duel between two aircrafts[J].Journal of Guidance,1985,8(4):508-513.

[8] Horie K,Conway B A.Optimal fighter pursuit-evasion in maneuvers found via two-side optimization[J].Journal of Guidance,Control and Dynamics,2006,29(1):105-111.

[9] 王義寧，姜玉憲.空戰(zhàn)決策中的智能微分對策法[J].飛行力學(xué)，2003,21(1):66-70.

[10] 秦艷琳，吳曉平，楊廣.基于梯度迭代法的一類追逃對抗模型研究[J].海軍工程大學(xué)學(xué)報(bào)，2005,17(4):108-112.

[11] 吳文海.考慮約束追蹤對策最優(yōu)開環(huán)對策的必要條件[J].飛機(jī)設(shè)計(jì)，2003,2(3):60-65.

[12] 羅德林，沈春林，吳文海，等.空戰(zhàn)格斗決策研究[J].應(yīng)用科學(xué)學(xué)報(bào)，2006,24(1):89-93.

[13] 董彥非，申洋，張恒喜.空戰(zhàn)機(jī)動決策中的影響圖法[J].電光與控制，2001,8(1):49-53.

[14] 鐘麟，佟明安，鐘衛(wèi),等.基于影響圖的空戰(zhàn)機(jī)動決策模型[J].系統(tǒng)仿真學(xué)報(bào)，2007,19(8):1796-1798.

[15] 梅丹，吳文海，徐家義,等.決策影響圖方法在三維空戰(zhàn)決策中的應(yīng)用[J].電光與控制，2008，15(2)：66-69.

[16] 劉正敏，昂亮，姜長生,等.多級影響圖在無人機(jī)群協(xié)同空戰(zhàn)機(jī)動決策中的應(yīng)用[J].電光與控制，2010,17(10):10-13.

[17] 王嘉.幾種典型機(jī)動動作的自動飛行仿真研究[D].西安：西北工業(yè)大學(xué)，2007,11-27.

[18] 胡秉科.殲擊機(jī)一對一空戰(zhàn)模擬系統(tǒng)及其應(yīng)用[J].航空系統(tǒng)工程，1992,5:35-43.

[19] 蔡自興,約翰.德爾金,龔濤.高級專家系統(tǒng)：原理、設(shè)計(jì)及應(yīng)用[M].北京:科學(xué)出版社,2005:47-48.

[20] Guierrez L,Vachtsevanos G,Heck B.An approach to the adaptive mode transition control of unmanned aerial vechicle[C] .Procedings of 2003 American Control Conference,Denver,Colorado,2003.

[21] 魏強(qiáng)，周德云.基于專家系統(tǒng)的無人戰(zhàn)斗機(jī)智能決策系統(tǒng)[J].火力與指揮控制，2007,32(2):115-119.

[22] 王剛，雷英杰，何晶.空戰(zhàn)決策指揮引導(dǎo)專家系統(tǒng)[J].空軍工程大學(xué)學(xué)報(bào)，2002,3(1):11-13.

[23] 祝世虎，董朝陽，張金鵬,等.基于神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的智能決策支持系統(tǒng)[J].電光與控制，2006,13(1):8-11.

[24] 佟明安，李林森.協(xié)同多目標(biāo)攻擊空戰(zhàn)決策及神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J].航空學(xué)報(bào)，1999,20(4):309-312.

[25] 常勇，姜長生，陳志偉.基于模糊神經(jīng)網(wǎng)絡(luò)的多機(jī)多目標(biāo)空戰(zhàn)決策[J].電光與控制，2011,18(4):13-17.

[26] Holland J H.Adaptation in nature and artificial systems[M].Ann Arbor:MIT Press,1992.

[27] Luo D L,Shen C L,Wang B.Air combat decision-making for cooperative multiple target attack using heuristic adaptive genetic algorithm[C].Machine Learning and Cybernetics,2005.2005,l(1):473-478.

[28] 周銳，陳宗基.遺傳算法在逃逸機(jī)動策略中的應(yīng)用研究[J].控制與決策，2001,16(4):465-472.

[29] 戴邵武，左斌，胡云安.遺傳模擬退火算法在機(jī)動逃逸策略中的應(yīng)用[J].飛行力學(xué)，2006,24(2):77-80.

[30] 周德云，李鋒，蒲小勃,等.基于遺傳算法的飛機(jī)戰(zhàn)術(shù)飛行動作決策[J].西北工業(yè)大學(xué)學(xué)報(bào)，2002,20(1):109-112.

[31] 張濤，于雷，周中良,等.基于變權(quán)重偽并行遺傳算法的空戰(zhàn)機(jī)動決策[J].飛行力學(xué)，2012,30(5):470-474.

[32] James S,Jonathan P,Brian W,et al.Air-combat strategy using approximate dynamic programming[J].Journal of Guidance,Control and Dynamic,2010,33(5):1641-1654.

[33] Mayne,D Q,Rawings,et al.Constrained model predictive control:stability and optimality[J].Automatica,2000,36(6):789-814.

[34] Lee Y I,Kouvaritakis B.A linear programming approach to constrained robust predictive control[J].IEEE Trans on Automatic Control,2000,45(9):1765-1770.

[35] Bin XU,Kurdila A,Stilwell D J.A hybrid receding horizon control method for path planning in uncertain environments[C].The 2009 IEEE/ RSJ International Conference on Intelligent Robots and Systems October 11-15,2009:4887-4892.

[36] 張祥銀，段海濱，余亞翔.基于微分進(jìn)化的多UAV緊密編隊(duì)滾動時(shí)域控制[J].中國科學(xué)，2010,40(4):569-582.

[37] 付昭旺，李戰(zhàn)武，強(qiáng)曉明,等.基于滾動時(shí)域控制的戰(zhàn)斗機(jī)空戰(zhàn)機(jī)動決策[J].電光與控制，2013,20(3):20-24.