美国国防部《图论在建模、仿真、分析OODA环路和信任中的应用：量化任务的成功率》30页报告

2022 年 7 月 5 日 专知

任务工程是对一个系统体系（SoS）的应用效果进行量化，以实现可衡量的预期结果。任务执行是由任务线程定义的，也就是由子系统执行的行动/过程序列组成。通常情况下，有许多合理的任务线程可以被执行。复杂任务域被认为是"棘手的"，因为传统的军事和空间系统工程实践由于缺乏离散化工作、对环境的依赖和任务线程非唯一性而失败。棘手问题通常是非结构化的，没有集中的控制，并且不适合线性的分步求解。棘手问题本质上是不确定的，这导致了更广泛的问题，即产生对任务知识库和任务分析的信任问题。复杂任务的性质要求采用迭代方法，从而不断减少不确定性，提高信任度，并完善任务线程的拓扑结构。本文所描述的方法是基于应用范畴论（ACT）的；本文基于OODA的任务线程分解，侧重于博伊德的定向（ORIENT）功能；本文提出的信任度指标，为决策者提供对结果的信任度。

任务工程是对一个系统体系（SoS）应用的效果进行量化，以实现可衡量的预期效果。一个任务可以受到动态环境的制约或受益。环境被定义为背景的一个子集，只占许多条件中的一个，这些条件既有助于定义，也能改变任务的执行。任务的执行是由任务线程定义的；也就是由子系统执行的行动/过程序列组成。通常情况下，有许多合理的任务线程可以被执行。任务线程可以被分解为事件链。一个事件链是一个具有可量化结果的"短"事件序列。

任务可以利用基于图的方法进行数学描述。一个任务图由系统、环境、策略和理论以及连接关系组成。系统由图中的节点代表。系统的行为往往受数学定律或方程的制约（如牛顿力学和麦克斯韦方程）。任务图的边定义了节点之间的关系和相互作用。这些关系是可量化的行为，可用于预先确定任务成功标准。两个节点之间可以有很多边。任务线程是通过该图的关键路径。任务的成功由系统间的关系或间隙空间主导[Garrett, 2011]，即整合所在的结构或物质之间的空间。

传统的系统评估建模和仿真（M&S）工具很难在任务层面上描述性能。通常，这些工具是结构化的、针对离散事件的仿真，在系统层面上使用很成功，但当应用于任务背景下的系统时，由于许多原因而失败[Riox, 2002] [Henriksen, 2008]。Kinder建议摆脱单一的M&S方法，这种方法试图为任务的成功提供一个真实/错误的答案。为了评估SoS，他采用了结构化和非结构化的M&S方法的工具箱，为可接受的任务成功标准提供各种量化的观点[Kinder, 2014]，从而为任务背景提供更丰富的洞察力。

如果任务是由许多源自次优化业务规则的活动部件构成的，那么任务就会很复杂。虽然复杂性经常被用于描述SoS，但它很少被量化[Ladyman, 2013]。就任务工程而言，复杂性是对程度的衡量，定义为一个有序的三要素（n，e，p），其中n是任务图中节点的数量，e是图中边的数量，p是定义的路径或任务线程的数量。在任务图中，边的数量可以接近n^2（n的平方），路径的最大数量可以接近n!（n的阶乘）[Guichard, 2017]。从组合学上看，在执行一个给定的任务时，可能会有许多看似合理的任务线程。任务图中的每个节点和边都包含结构化和非结构化的信息，以包括元数据、功能行为以及经验和虚拟数据，即实时、虚拟和建设性的数据[Urias, 2012]。由于组合学的原因，任务图预计将是高度复杂的，数据存储将是广泛的。图数据库是成熟的技术，具有可扩展性和可延伸性，非常适合于存储这些大量的和多样化的预期任务数据集。图可视化和查询工具是现成的，与数据库兼容[Besta, 2019]。

随着任务知识的增加，相关的任务图数据存储的复杂性将大大增加，节点数量预计将超过10^9。高度复杂的任务域被描述为 "棘手的"，因为传统的基于军事和空间项目的系统工程实践由于缺乏离散化工作、对环境的依赖以及 "足够好 "的任务线程的非唯一性而失败。棘手的问题也倾向于非结构化，没有集中的控制，或只是简单的等级结构，并且不适合线性的分部流程[Rittel, 1973]。由于环境的复杂性和动态性，棘手的问题本质上是不确定的。这种不确定性导致了整个任务知识库和任何任务层面分析的信任问题[Liu，2016] [Loper，2019]。

SoS满足任务目标的性能是由中间环节（系统之间的关系）、SoS本身和操作环境决定的。SoS和环境之间的动态相互作用排除了单一的最佳答案，可能有许多足够好的答案。换句话说，很可能有多个合理的任务线程来实现一个特定的任务。任务分析应该在一组有代表性的边界任务线程上进行，而且分析中的不确定性必须被量化。必须对任务各方面的信任度进行衡量，作为决策的基础。复杂任务的性质要求采用迭代的方法，从而不断减少不确定性，提高信任度，并完善任务线程的拓扑结构及其组成事件链。

本文提出了一种多方面的、本质上非结构化的、迭代的建模、仿真和分析循环（MSAL）方法，以更好地定量评估任务成功率。通过真实例子展示多层次、多维度的任务模型和事件链的创建。出发点将是美国国防部（US DoD）提出的任务工程和集成过程。然后，这个过程将被严格地扩展，并应用于一个替代性例子中的通用任务，该例子利用一个城市街区，涉及到人们在街区内穿梭，并参与教育和工作的功能，其具有潜在的欺骗行为。这项工作的重点是建立一个基于应用范畴论的严格任务模式，以及基于观察、定向、决定、行动（OODA）循环的任务功能分解方法[Boyd, 1987]。这个示范创造了必要的图基础和数学基础，MSAL可以应用于此。最后，我们将介绍一种量化信任的通用方法。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

后台回复“GT30” 就可以获取《美国国防部《图论在建模、仿真、分析OODA环路和信任中的应用：量化任务的成功率》30页报告》专知下载链接

欢迎微信扫一扫加专知助手，咨询使用专知，获取最新AI专业干货知识教程资料！