【马赛克战】基于仿真的马赛克战概念实验研究

马赛克战是一种作战理论，其要点是让部队由更大量、更多样的敏捷、流动和可扩展武器、传感器与平台构成，比遵循“系统之系统”方法构建的部队更有效也更具韧性。马赛克兵力的每个成员都能根据本地态势感知做出决策并采取行动。和直接与敌方类似武器与平台对抗相比，这有很大优势。马赛克战可提高决策速度，使指挥官能够同时采取更多行动，这也可增加敌方决策的复杂性。本文研究了马赛克战概念的使能技术，创建了用于测试这一概念的实验环境，进行了初步实验，并呈现了实验结果。

马赛克战作战概念的理论基础是：较高数量和较多种类的较小效果的累积相比较低数量和较少种类的较大效果会造成更大影响。该理论还指出，尺寸更小的效应器，在机动性和决策方面更为敏捷。它们按照去中心化指挥控制方案协同行动。每个效应器都是一个自主系统，即一种能与其他智能体协同以实现共同目标的智能体。

马赛克概念与“系统之系统”模型有根本不同。在“系统之系统”模型中，每个部分都是为特定功能专门设计的。马赛克概念分散并分解了传感器和武器。马赛克兵力的各部分看似微不足道，但聚在一起就会发挥巨大作用。其作用正从夺取优势转变为直接杀伤，并通过分布式协作实体改变了当前的集中式单体系统。

马赛克战理论的本质是使用更多样、数量更大的小型、灵活、流动和可扩展效应器，多次打击同一目标。这种方式迷惑性极强，也使敌人难以找到行动方案实施对抗。

马赛克战涉及大量分散决策过程。乍一看，这似与战争的主要原则之一——统一指挥相冲突。然而，事实并非如此。因为政治、战略和作战目标仍然是由指挥层级架构中的适当级别制定的，甚至决定性条件及工作路线也由相关指挥部设计。通过利用分布式编队，它可以加快决策速度，并降低敌方指挥官决策能力，提高己方部队的适应性和抗毁能力。

该概念的一个关键优势是它能够将各种预期之外的高效要素添加到作战中，例如空中、地面和海上协作自主或无人平台。随着技术的发展，集成自主和无人平台可以使作战人员获得马赛克战中所构想的不对称优势，同时也可降低作战人员风险。因此，先进技术是马赛克战概念的一个关键词。电子和信息系统技术可提供完善马赛克战能力的解决方案，并能通过包含更多的自主要素促其发展。

马赛克战概念瞄准动态系统的强大能力，旨在增强己方部队的适应性，同时提升敌方作战的复杂性。它通过一个由低成本传感器、多域指挥控制节点以及有人/无人协同系统组成的网络开展工作。它还使用微机电系统、人工智能和数据分析、群体智能、群体预测和信息融合等技术。这些技术可极大增强和赋能马赛克战概念。

马赛克战概念的技术组成包括但不限于表1中所述内容。马赛克战是一个战略概念，同时还需要一些作战和功能概念。这些功能概念将以表1中所列技术组合为基础。因此，需要一个多分辨率、全域测试环境，对马赛克战概念进行实验。

可靠且适应性强的通信链路和数据传感器对于成功实施马赛克战至关重要。无线传感器与执行器网络（WSAN）和物联网（IoT）技术也可用于马赛克战。WSAN所涉及的功率感知型自组网技术已被广泛研究了近三十年。它是一种分布式系统，通过传感器和执行器节点的协作来适应并响应所报告的环境条件。WSAN中的执行器基于从传感器节点获得的传感数据控制与之连接的设备。这些执行器可以部署在传感器区域内，可以共址或分散放置。传感数据可通过自动化架构或半自动化架构从传感器节点传送到执行器。在自动化架构中，传感数据直接路由到执行器。而在半自动化架构中，传感数据首先路由到收集器。收集器处理完所收集的数据后，再将融合数据中继到相关执行器。

物联网（IoT）集成了众多技术和通信解决方案，包括识别和跟踪技术、有线和无线传感器和执行器网络、增强通信协议，以及用于智能对象的分布式智能。物联网的基本思想是各种物或对象普遍存在，并彼此交互合作，通过独特寻址方案实现共同目标。物联网与WSAN一样，也是一个成熟的研究领域，可以在马赛克战功能概念设计和实现中加以利用。

群体系统会受一些社会性生物行为的启发，如蚂蚁、白蚁、鸟类和鱼类。自组织和分散控制是群体系统的显著特征，并可能产生一种涌现行为。涌现行为是通过系统组成之间的局部交互出现的，并且不可能由任何系统组成的单独行动来实现。最初，群体智能算法主要有两类：蚁群优化算法（ACO）和粒子群优化算法（PSO）。

蚁群优化算法是基于蚂蚁的觅食行为。蚂蚁的目标是找到食物源和巢穴间的最短路径。在寻找食物的路径上，蚂蚁会释放一种叫做信息素的化学物质，并通过信息素在本地相互交流。

粒子群优化算法则是受鱼群和鸟群运动的启发。种群中的每个个体都有自己的生活经验，并能够评估经验的质量。同时，个体也会了解其邻居的表现。这两种信息分别对应于认知部分（个体学习）和社会部分（文化传播）。个体决策会考虑这两个部分，这会使种群产生涌现行为——觅食或躲避捕食者。

在过去的十年中，除了蚁群算法和粒子群算法，也引入了由其他社会性生物觅食行为启发而来的新群体智能范式。群体智能也可应用于各种目的的预测。马赛克战和群体智能概念有许多共同点，且马赛克战可以在很大程度上从群体智能和预测技术中受益。

从大数据中推断信息并将信息融合为知识变得越来越具有挑战性，因为可用数据量越来越大，种类也越来越多。数据也是不断流动的，这使得将数据处理到数据-信息-知识-智慧（DIKW）层次结构中的较高级别的时间十分有限。同时，数据和信息的准确性、可靠性及可信性也成为了一个很大的问题。由此，各领域需要一种新的可扩展信息融合和知识库管理方案，如开源情报、测量和特征情报以及信号情报融合。通过学术界和工业界的广泛研究，去中心化的大数据分析和信息融合解决方案得以引入。这些解决方案是马赛克战概念的使能技术之一。

有人认为，马赛克战概念的早期版本就是网络中心战，尽管它们彼此之间存在显著差异。网络中心战概念使战争发生了从以平台为中心向以网络为中心的根本性转变，其目的不是改变现有作战系统，而是在交战中建立更有效的指挥控制（C2）。

网络中心战是信息时代技术发展的产物。它侧重于传感器、指挥控制和作战系统连接组网所产生的战斗力。这一概念建立在高水平感知共享能力基础上，旨在整合不同域（海、陆、空、太空）中的联合作战组件。网络中心战的另一个重要特征是，通信传递的信息不仅仅限于语句，还包括实况视频数据和实时图像数据。显然，网络中心战概念所创造的技术和系统是马赛克战概念的关键推动因素。

微机电系统（MEMS）是由具有运动部件的微小设备组成的系统。而在纳米级别上，会形成纳机电系统（NEMS）和纳米技术。MEMS由尺寸在1~100微米之间的部件组成，而MEMS的尺寸通常在20微米到1毫米范围内，但以阵列形式布置的部件可能大于1000平方毫米。

典型的MEMS通常由中央处理单元和与周围环境相互作用的几个部件组成，如微传感器和执行器。MEMS易受环境电磁和流体动力学的影响，因此，与较大规模的机械设备相比，诸如静电荷、磁矩、表面张力和粘性等现象是更重要的设计考量事项。MEMS技术与分子纳米技术或分子电子学的区别在于后两者还必须考虑表面化学。

MEMS和NEMS是上个世纪机电系统小型化的产物。它不仅能帮助实现马赛克战等概念，还会对其设计有所影响。

人工智能（AI）是计算机科学的一个领域。它试图理解智能系统，并能对其进行建模和设计，或者换句话说，在计算机中模拟智能行为。简而言之，人工智能是一种人工制造的思考和学习。它可以为战区面临的许多挑战提供解决方案，并能帮助在许多行动方案中进行选择。通过人工智能的自然语言处理和脑电波识别，多通道人机交互成为可能。语音识别也是人工智能的一个重要应用，它可以理解各种口音、背景噪音、事件、位置等。基于人工智能的视频分析可以理解计算机上的视觉输入。机器人技术是人工智能的另一重要应用，机器人能够执行人类赋予的任务。

人工智能研究人员一直在研究两种主要方法：符号主义方法和生理学方法。早期的方法被称为经典或符号人工智能。在早期方法中，人或机器参与的每个过程可由符号来表达，而这些符号可根据预先定义的规则进行调整。符号方法是一种面向数学的方法，可抽象描述产生智能行为的过程。而生理学方法则是对大脑功能建模，以逆向工程方式实现智能。

增强智能（AuI）集成了人类智能（HI）和人工智能（AI），利用了它们的优势，避开其不足之处。人类智能和人工智能的组合改善了人类和机器的能力，并且与单独的人类智能和人工智能方法相比可实现更好的性能。人工智能和增强智能在马赛克战定义中占有关键地位，它们在虚拟战场中的复制能力是对马赛克战概念进行模拟时的主要挑战之一。

马赛克战概念意味着许多不同“碎片”遵循一种分散决策过程快速移动。这可以带来明显的战略军事优势。这些部分必须与所有其他部分一致行动，以便所有行动都有助于实现作战目标和最终战略目标。这需要良好的通信、先进的分散决策，以及协作算法。通信以及决策和协作算法中的缺陷可能导致不良后果，为此需要开发一系列功能概念（如用于马赛克战平台的群体智能算法），它们的性能对于马赛克战概念的成功十分重要。

马赛克战涉及大量不同碎片也意味着有大量需要仿真的实体，这会在准备和验证数据库及在仿真期间控制大量实体方面制造困难。对高动态和流动战区中的大量实体进行仿真需要高性能计算。

为说明马赛克战相比于“系统之系统”方法的优势，本文对马赛克战概念进行了初步的探究实验。此实验的重点将是确定性能指标，理解影响因素，并发现性能指标和影响因素之间的关系。

图1 仿真环境软件架构

以下优点在对马赛克战概念进行实验时特别有用：

• 它是一个基于智能体的仿真系统。每个智能体代表一个被仿真实体（如军事部队、民间实体或群体）。每个智能体都会有一个单独运行的微过程。智能体自主行为，以确保满足目标并遵守所给予的命令。同时，智能体间也借助一个共用虚拟战区来交互。这几乎在仿真环境中完美复制了马赛克战概念；

• 智能体可以完全由用户命令控制，或者可以将一部分控制留给人工智能（计算机生成兵力（CGF））。CGF组件可用于复制分散的动态决策过程，这是马赛克战概念中的一个关键组成部分；

• 通过建模和仿真即服务（MSaaS）桥，实验环境可以与其他仿真服务连接，以便测试稍后出现的详细马赛克战相关方面内容。

此实验的主要命题是：马赛克战概念的表现优于“系统之系统”方法。为设计初步探索性实验，预先说明如下事项：

• 定义1：马赛克战是一种基于大量各种小型、敏捷、流动和可扩展能力的作战概念；

• 定义2：“系统之系统”模型每个部分都为特定功能设计，以便补充总体系统以实现其目标；

• 命题1：与数量和种类更少的较大效果相比，更大数量和更多种类的较小效果的累积会产生更大影响；

• 命题2：由更大数量和更多种类的更小资产组成的作战能力的抗毁性要高于由数量和种类较少的较大资产组成的作战能力。

此实验目的是研究独立参数（即影响所选性能指标的相关因素）以及它们与依赖性参数（即性能指标）的关系，以对这两种命题进行假设。根据以上两个命题得出依赖性参数很简单。对于命题1，依赖性参数为能力效果，对于命题2则为能力的抗毁性。此次实验的依赖性参数（指标）如表2所示。

f方的有效性 为对方o被摧毁的实体数量x_o与战斗开始前对方实体总数t_o间的比。因此，马赛克方m和“系统之系统”方s的有效性和抗毁性公式表示为：

此次初步实验是为了进行探究，因此必须简化设计，只涉及几个便于控制的参数。实验目标是在建立更复杂实验之前，进一步了解这个概念的动态。此次系列探究实验选择的独立参数如表3所示。需注意的是，此次实验只就马赛克兵力与“系统之系统”兵力进行测试。马赛克对马赛克的测试将在后续实验中进行。

图2~5为实验的初步结果。用于决策和指挥控制的过程不包括在该实验中。显然，决策敏捷性是马赛克概念一个很强的特征。然而，在实验的这个阶段得出结论还为时过早，因为此时的点在于动能。

首先对密度比进行了实验。密度比是作战区域中单位体积内马赛克（M）和“系统之系统（S）”实体的密度比。在图2中，精度比固定为1，这意味着仿真期间M实体击中S实体的概率与S实体击中M实体的概率相同。韧性比为0.2，这意味着与M实体相比，S实体可以承受5倍以上的命中数。如图2所示，当密度比大于2时，马赛克概念的有效性和抗毁性都高于“系统之系统”概念。当密度比大于6时，M实体能够清除所有S实体，因此M实体的有效性几乎为1，S实体的抗毁性几乎为零。由于许多S实体在它们击中多个M实体之前就被清除，因此在密度比达到4之后M实体的抗毁性显著增加。

图3显示了精度比实验的结果。当密度比为4，韧性比为0.2时，精度比变化对结果的影响有限。其他密度比和韧性比也有相同情况。随着精度比的增加，M实体的表现更好，但是变化不是很显著。

图4中，当密度比为4，精度比为0.2时，测试了有效性和抗毁性对韧性比的敏感性。显然，韧性比对有效性有重大影响。韧性比越低（即与S实体清除一个M实体的命中数相比，M实体清除一个S实体所需的命中数更多），M实体的有效性越低。韧性比对抗毁性的影响非常有限。这是因为当密度比为4，精度比为0.2时，所有S实体都被清除了，与韧性比无关。后面的实验将引入更多复杂因素，如天气，地形和士气因素，进一步研究这一结果及其含义。

通过对实验环境进行设置，并进行初步探究实验，可以更深入了解马赛克战概念和它相比于“系统之系统”方法的优势。命题1和2为此次实验的重点，因此有效性和抗毁性被选为衡量标准。这其中，实验环境被简化，并且未考虑决策过程、指挥控制、士气、各种地形类型和天气条件等因素。此实验对性能指标对命题中的主要影响参数（密度、精度、韧性和持续时间）的敏感性进行了研究，得出的主要结论如下：

• 马赛克战概念前景可观，后续将以概念验证为目的进行进一步测试；

• 密度比和韧性比是影响性能的主要因素，尤其是有效性；

• 马赛克战概念优势显著，特别是在持续时间较长的战斗中。对战斗持续时间的敏感性取决于密度比，可能会受到其他因素的影响，如双方的生产能力和资源，这需要进一步研究。