《基于军事能力规划的计算机辅助兵棋推演》18页论文，北约总部盟军最高指挥官转型

2022 年 10 月 16 日 专知

摘要：基于能力的规划作为国防规划的一种方法，是一个几乎无限复杂的工程系统，有无数的节点和相互依赖的层次，受到国家和非国家的外交活动、信息、军事和经济行动的影响，产生次要和第三秩序的影响。基于能力的规划的主要产出是实现预期最终状态所需的一套能力要求。一种振兴的定性技术使我们能够深入了解军队中的非结构化和模糊的问题，这就是兵棋推演--其最简单的形式就是手工战争演习。同时，人们一直在推动将计算机辅助引入这种兵棋推演，特别是支持裁判员的裁决，并更普遍地走向兵棋推演中人类因素的完全自动化。然而，兵棋推演中的计算机辅助不应该不计成本地被推向量化技术。一个问题的客观复杂性往往不允许我们以必要的保真度来复制作战环境，以获得可信的实验结果。本文讨论了一个发现实验，旨在验证在计算机辅助兵棋推演中应用定性专家系统来开发能力要求的概念，以减少裁判员的偏见和与他们的决定相关的风险。这里的创新在于，在设计构成专家系统核心的能力发展理论模型时，应用了系统动力学建模和仿真范式。这种新的方法可以对不同的能力要求建议进行定性比较。此外，专家系统使我们能够揭示预算削减对拟议的能力要求解决方案的影响，而公断人以前在比较单个解决方案时，仅仅依靠自己的知识是无法阐明这种影响的。兵棋推演中的玩家验证了所提出的概念，并提出了该研究可能向前发展的方式：即使用户能够定义他们自己的能力，而不是被预先定义的能力集所限制。

关键词：计算机辅助兵棋推演；基于军事能力的规划；兵棋推演；能力要求；专家系统

1. 简介

通过数据处理收集信息并将其转化为知识是决策中的一个重要方面[1,2]。当前复杂的环境，由于多维作战、武器系统的多样性、国家理论的差异、领导层的个性以及无处不在的信息而变得更加复杂，这就更加需要减少克劳塞维茨的战争 "摩擦"[3]。减轻这种摩擦的一种手段是通过增加定量分析来支持决策，同时又不失去决策过程中以人为核心的主要优势。因此，在实现军事信誉的同时，实现数学的严谨性以支持决策过程是一项持续的努力。创新来自于知识的发现[4]。因此，指挥官需要有能力研究和重新研究产生非结构化问题的复杂系统，以发现创新的方法，从而形成对对手的比较优势[5]。

研究问题的定性和定量方法形成了两个基本的方法系列，可以相互受益[6]。无论是定性还是定量，每种方法都包含了获取问题信息的具体技术。本文主张在分析复杂系统时使用一种定性方法；军事防御规划；一种建立在使用专家系统来裁决兵棋推演的方法。

下一部分首先描述了作为研究主体的军事防御计划的现状，其次阐述了作为研究的主要应用定性方法的兵棋推演。接下来是对应用于国防规划或相关领域的定量方法的文献的回顾，展示了其目前的局限性。

在一般的战争经验中，各国已经认识到，为保护国家利益而提前做好准备是具有资源和时间效益的。国防规划是这样做的一种方式。20世纪60年代初，美国国防部在面临寻找满足美国政治指导的军事力量结构的挑战时，讨论了这个领域的规划[7]。同样的目标也是北约主要机构之一--国防规划委员会（DPC）的任务[8]。从[7,8]中我们可以得出结论，国防规划的产出规定了对军事力量的要求，以涵盖各自国家或国际国防组织的政治野心。在《长期国防规划手册》中，我们发现了国防规划的其他特点，特别是它的长期方向、战略层面和多学科的特点[9]。Breitenbauch和Jakobsson，以及Stojkovic和Dahl强调了国防规划的相同特点[10,11]。这使得国防规划成为需要解决的最复杂的军事非结构化问题。此外，不确定的作战环境使国防规划变得更加复杂[12]。

抛开冷战时代，北约决定更多地参与危机应对行动，并重建其防御能力，以完成相应的军事以及非军事任务。这一转变的实际结果体现在北约防御规划进程（NDPP）中，这一进程的产出是一套能力要求，而不是所需部队的清单[13]。这种方法被称为基于能力的规划（CBP）[14]。

尽管北约国家及其合作伙伴一直被鼓励将他们的程序与NDPP同步，即以能力规划而非武力规划为导向，但仍有一些国家的国防规划仍然主要集中在武力规划上[15]。CBP国防规划方法为其用户提供了一个共享的规划平台，用于制定整个军事和非军事活动的必要工具要求。CBP与它的载体的通用能力一起工作，它为内部以及外部的商业或国有载体提供一个共同的平台。此外，CBP比部队规划更有效地将国防规划和行动规划联系起来。

北约将军事能力定义为通过采用一套综合的方面来创造效果的能力，这些方面可分为理论、组织、训练、物资、领导力发展、人员、设施和互操作性[16]。欣格将军事能力定义为在特定作战环境中实现预期效果的能力[17]。在这项研究中，引入了一个能力的理论模型，描述了能力随时间变化的特征。能力是由其范围和效果来描述的，例如。"能够在极端炎热和寒冷的天气条件下进行联合和联合远征作战和战术部署，并能在大多数地形的恶劣条件下作战"。

图1是由Hodicky和Melichar提出的，描述了CBP过程的概述和它在国家层面上的阶段性应用[18]。

图1. 基于能力的规划循环过程，由国家政治指导和战略分析提供能力发展计划开始[18]。

国家政治指导，与预测20年范围内的政治和军事气候的战略分析同时进行，启动了国家方案编制过程，并在战略层面形成了描述未来作战环境的情景。选定的场景为兵棋推演提供了刺激，产生了涵盖所有潜在威胁和国家政治野心的能力要求。在现有力量和所需能力之间进行比较，产生能力差距。能力发展计划包含每个能力发展的里程碑，推动所有中长期军事投资。能力发展评估通过反映能力发展中必要变化的最新政治指导，向中央政治局提供反馈。

Spiegeleire具体说明了基于能力的规划的趋势，明确阐述了在未来复杂的作战环境中，需要对国防规划过程有更多的洞察力[19]。

定性调查方法涉及开放式问题和个人定义或解释，以描述或理解一个事件[20]。在军事领域，一种能够获得洞察力的重振的定性技术是兵棋推演--其基本形式是手动兵棋推演。近年来，美国军方和北约重新发现了兵棋推演，认为它是探索日益困难的问题的有效途径[21]。此外，兵棋推演的使用不仅限于军事领域，其使用和价值的例子存在于不同的领域[22]，尽管它们超出了本文的范围。

从历史上看，兵棋推演是一种军事上的主要工具。公元前5世纪，孙子将 "围魏救赵 "作为理解孙子兵法概念的基本工具。然而，兵棋推演最重要的进步是由于乔治-海因里希-鲁道夫-约翰-冯-赖斯维茨的努力，他在他的kriegsspiel[23]中开创了现实主义。

以下关于兵棋推演的定义使我们能够制定其基本要素并帮助我们理解研究方法。

佩拉将兵棋推演定义为。"使用规则、数据和程序的战争模型或模拟，不涉及实际的军事力量，其中事件的流程受到代表敌对双方的玩家的影响，并反过来影响他们在这些事件过程中做出的决定[23]"。

北约（2015）将兵棋推演定义为。"通过任何手段，使用特定的规则、数据、方法和程序，对军事行动进行的模拟[24]。

红队指南（2013）将兵棋推演定义为："基于场景的战争模型。"一种基于场景的战争模型，其中的结果和事件的顺序会影响到玩家的决定，并受到其影响[25]"。

即使这些定义强调了兵棋推演的不同要素，它们共同构成了军事兵棋推演的基本要素。兵棋推演（WG）的场景是玩家的开场白。它是对场景的详尽描述，它包含了关于行动区域的地缘政治信息，描述了政治、军事、经济、社会、信息和基础设施（PMESII）因素。WG的作战命令（ORBAT）包含自己部队的能力及其特点。WG地图和图表创建了场景和玩家之间的界面。它是场景的一个额外的附加物，使玩家沉浸在作战环境中。WG时钟是游戏流程的驱动力。它应该反映目标和玩家的需要。WG的规则和数据为玩家的行动和决策过程创造了界限，并在游戏中由裁判员执行。WG玩家赋予了兵棋推演动态的品质。他们管理计划和决策过程。通常情况下，有两组选手--蓝色和红色。WG分析员研究兵棋推演的执行结果，制定论据以支持裁判员的决定，并提出分析性问题。WG公断人对选手的执行计划进行裁决。裁判员是兵棋推演中成功认知子阶段的主要推动者。他负责制定单一兵棋推演周期执行过程中的成就、挫折和限制。关于军事领域的兵棋推演要素和兵棋推演生命周期的进一步阅读，请参考《兵棋推演手册》[26]。关于游戏机制的详细设计，并非专门针对军事兵棋推演领域，请参考Adams和Dormans[27]。

上述关于WG的定义有一个共同点--使用建模和仿真（M&S）。每个工作组都需要以最大限度接近现实的方式复制作战环境。建模过程创建了一个操作环境的模型，模型的行为在模拟中通过模型的及时执行而被仔细检查。仿真刺激了玩家：兵棋推演环境首先迫使他们在兵棋推演计划阶段发挥他们的创造力，其次迫使他们在游戏的认知阶段进行学习。

没有一种单一的兵棋分类被兵棋推演界所接受。了解和实施国防实验指南》根据模拟类型的形式对WG进行了分类[28]。《红队指南》手册将兵棋推演分为两个大家族[25]。第一个家族属于决策支持领域，第二个家族属于培训/教育领域。Purnele将兵棋推演按其裁决方式进行分类：研讨会（非裁决）、矩阵、专家和刚性[29]。推动这项研究的WG分类阐明了在模拟作战环境中所代表的WG元素的自动化水平[21]。图2描述了WG分类的基本理念，它将WG问题的客观复杂程度（定义为问题/系统元素/对象的数量及其关系的函数）[30]、WG元素的自动化程度和WG中代表的人类行为的保真度放在一起。我们根据我们对操作的观察创建了图2。

手动WG（MWG）没有任何计算机手段参与执行WG。人工环形模拟代表了人工WG，其中作战环境、行动方案和效果都是由人类完全控制的。MWG分析代表复杂系统的非结构化问题，对人类行为的保真度很高，因为它不取代任何WG的人类元素。完全自动化的WG（FAWG）有所有的WG人类角色，如裁判员、球员和分析员完全自动化。带有自动分析员的闭环模拟表示FAWG。FAWG中没有人类干预，就作者所知，目前还没有这样的解决方案。如果使用最先进的人工智能技术来实现FAWG，它对人类行为的保真度会很低。计算机辅助WG（CAWG）将特定的WG人类行为元素自动化。随着CAWG中更多的人类行为元素被自动化，人类行为的保真度就会下降。

图2. 在定量和定性技术格局中的WG分类（手工WG、计算机辅助WG和全自动WG）[21]及其与WG问题的客观复杂性水平、WG要素的自动化水平和WG中人类行为的保真度水平的关系

因此，MWG倾向于采用更多的定性技术来发现信息，运用高水平的创造力；相反，FAWG代表了一种定量的方式，通过假设测试来分析问题。通过降低复杂程度，我们能够使用更多的定量方法来研究一个问题，反之亦然。

下面的例子描述了与国防规划或相关军事问题有关的定性和定量技术的现状。

一些定量方法的例子旨在将资源分配给不同的武器，以便通过优化单一目标函数，如有效性或利润，有效地消除来自敌对国家的威胁。Gu at al.通过最大化预期效益实现了一个武装部队结构的规划模型[31]。Håkenstad at al.比较了一组选定国家的长期防御规划系统，并得出结论，大多数国家的目标是提高自己的利润[32]。Zhang等人提出了一个模型，根据给定的作战要求，通过武器系统的组合使能力差距最小化[33]。Wan等人引入了约束性非线性优化问题--武器发展规划是通过最小化敌人造成的威胁作为目标函数来解决的[34]。这些研究[31-34]的主要缺点是缺乏人类行为因素，因为它们没有任何兵棋推演的形式。因此，它们在基于能力的防御规划方法中的适用性和结果的可信度是值得怀疑的。此外，模型中的实体被简化为适合优化任务的形式，因此，与现实相比，这些模型的分辨率非常低（例如，在[33]中，作战环境被简化为传感器、决策、影响者和目标等节点，属性有限）。

Zhuang等人认识到，兵棋推演结构的复杂性使得任何分析得出的解决方案都是不可能的[35]。在他们对叛乱行动的决策研究中，Zhuang等人试图改进决策启发式的发展。这一努力始于对六人工作组行为的研究。该小组将一个MWG研讨会游戏转变为CAWG，玩家和裁判员完全自动化。自动化是通过简单的规则完成的，这些规则决定了玩家如何实施基于PMESII的选项：政治（P）、军事（M）、经济（E）、社会（S）、基础设施（I1）和信息（I2）。该研究与FAWG很接近，尽管没有分析员是自动化的。该研究的局限性在于，自动化选手只能使用团队编程的那套启发式方法，而且模拟的作战环境没有达到完整的防御规划的复杂性--它以叛乱行动为中心，这主要与军队的作战和战略决策水平有关。

Hernandez等人结合之前的努力[35]，将有自动裁判员的CAWG自动化，变成有自动裁判员和球员的CAWG，然后在CAWG的指定 "回合 "应用实验和修改的决策启发式方法[36]。该小组从实际的HITL CAWG中得出了他们最初的决策启发式方法，并在操作社区内验证了这些规则。该研究承认，启发式方法需要适应情况的动态变化和参与的参与者。因此，作为阶段性实验的分阶段决策启发法被引入，它允许使用一套不同于原始兵棋推演的规则。在CAWG的每一回合中，都会创建一个新的起始决策点，玩家按照CAWG的起始点进行决策。这就为CAWG的每个回合创建了玩家的决策树，然后对其进行编码，并通过具体的实验设计对CAWG进行考察。在CAWG中使用的模拟和平支援行动模型（PSOM）限制了研究。由于它是作为对战略层面的社会经济问题的回应而开发的，并且面向非常不对称的行动，因此它涵盖了国防规划中合理的军事行动的有限范围。

Najgebauer等人提出了定量方法，旨在评价所需的能力，评估现有的能力，并确定能力差距，以反映为一个国家确定的情景。该研究的主要限制是验证部分和可信的军事行动的范围。用于验证的离散模拟工具只能验证射击、机动和移动等能力。虽然这种方法因此在目前的军事模拟中在作战层面得到了很好的实施，但其余的效果--特别是战略层面的剖析--并没有详细说明，也无法进行验证。此外，所提出的解决方案是基于闭环模拟，因此它属于有自动选手和裁判的CAWG系列。在寻找能力需求方面缺少人的因素[37]。

联合防御规划分析和需求工具集（JDARTS）支持北约防御规划过程。它由相互关联的应用程序组成，通过北约防务规划驱动防务规划人员。两个基本的应用程序，即国防规划任务研究工具（D-MIST）和国防规划能力分配逻辑计算器（D-CALC），构成了北约国防规划的哲学方法。D-MIST开发并存储任务类型，然后组成作战方案。最底层的任务分解是以任务为导向的，它们共同创造了D-CALC的刺激物。D-CALC开发并运行产生能力要求的脚本。这些脚本可以接受任何输入，复制已实施的北约学说[38]。这个解决方案是有限的，因为在内部它不包含任何模拟，以验证所提出的能力要求与作战场景的关系。这可以从外部进行，结果可以转移到脚本中，然而，在实践中，如果你的目标是以高水平的模拟保真来涵盖所有可能的军事行动方案，这是不可行的。通常只采用简单的经验法则或静态模型，这意味着能力生命周期的动态方面不能以这种方式隐含反映。

如[39]所述，挪威已经接受了JDARTS，并为其国防规划过程进行了修改。尽管如此，前面提到的缺点仍然存在。

其他国家的努力涉及启动国防规划项目，有一个明确的基于能力的规划架构，由各种决策支持工具支持，如知识管理、能力工程支持、概念开发和实验以及模拟[12]。这项研究描述了整体框架，但没有介绍拟议的决策支持工具的复杂实施细节。

Bychenkov at al.提议实施一个量化的专家系统，同时将能力分成功能组[40]。该研究描述了基于一个被称为 "参与 "的单一功能组的专家系统的设计。这个功能组在转移到能力载体层面时，相对容易通过众所周知的单位位置、弹药或军事行动效力的定量参数来描述。然而，其余的功能组，将其能力转化为能力载体，以及量化参数都没有描述。

通过这次审查，我们得出的结论是 (1) 定量技术尽管适用，但给作战环境带来了高度的简化；(2) MWGs应得到其要素自动化的支持，以达到分析的严格性；(3) 目前采用定量技术的CAWGs不能在不损失可信度的情况下处理解决问题的高度客观复杂性。

本文的主要贡献是验证了使用定性专家系统来支持CBP的CAWG中的裁决的概念，作为防御规划的一个选定方法。这里的创新在于，在设计构成专家系统核心的能力发展理论模型时，应用了系统动力学建模和仿真范式。系统动力学方法有利于在管理复杂系统行为时的政策确定过程[41]。这种新方法能够对不同的拟议能力要求集进行定性比较。

本文的组织结构如下。第2节阐述了问题陈述和研究限制。第3节描述了旨在证明CAWGs支持CBP概念的发现实验的方法。第4节列出了研究结果和讨论，然后是第5节的结论。

专知便捷查看