《优化美海军任务规划器》89页论文

海军任务规划器（NMP）是一种基于优化的作战计划工具，适用于设计海军部署的各级决策者，从战区级计划到单个航母打击群（CSG）或驱逐舰中队（DESRON）。调度人员的任务过多，却没有足够的舰艇来完成这些任务。该辅助决策系统采用多任务能力舰艇，在给定的规划范围内将其分配到任务中，目标是最大限度地提高完成任务的总价值，同时考虑到任务集的地理位置以及舰艇的能力和局限性。以前的版本使用获得许可的商业软件和求解器进行优化，并对可供选择的舰艇部署进行有限的列举。本论文的重点是通过使用开源软件和求解器，使所有海军人员都能使用海军任务规划器。此外，它还在优化过程中提供了持久性，允许调度人员在规划期限内重新配置计划，并将对之前公布的计划的改动降到最低。我们还开发了两种部署规划方法，即随机路径枚举和网络流表述，这两种方法都提高了海军任务规划器的任务完成水平。此外，我们还创建了一个 "兵力比护航"参数，允许非作战舰艇在多艘具备防御能力的舰艇护航下通过危险区域。

执行总结

海军任务规划器（NMP）是一个基于优化的决策支持系统，适用于从海上联合部队作战指挥官（JFMCC）作战视角到驱逐舰中队（DESRON）和航母打击群（CSG）战术视角的各级海军规划决策者。在考虑到多艘舰艇、它们的多种任务能力以及从一个地理区域转运到另一个地理区域所需的时间之前，在整个规划范围内规划任务已经是一项极具挑战性的任务。我们还必须考虑到任何需要与支援任务同时完成的前提任务。确定后勤支持，预测在同一规划范围内何时何地舰船需要更多燃料和其他补给，也是一项挑战。这对于 JFMCC 或海上行动中心 (MOC)、DESRON 或 CSG 来说，仍然是一个人工和耗时的过程。

NMP 接收用户输入的信息，包括任务、地理区域、可用舰船、综合任务能力、按任务和舰船能力划分的商品消耗率。NMP 将有能力的舰船分配到执行任务的地区，从而最大限度地提高完成任务的总价值。NMP 包括一个作战后勤部队（CLF）规划要素，能够跟踪舰艇的物资水平，并就何时何地与客户舰艇开展海上补给（RAS）活动提出建议。NMP 还提供护航和近距离护航选项，允许非战斗舰艇由防御战斗舰艇护航，可以是同一区域的一艘防御舰艇护航所有非战斗舰艇（护航），也可以是同一区域的防御舰艇和非战斗舰艇一对一护航（近距离护航）。

本研究探讨了改进 NMP 的方法，即从未获批准在海军陆战队互联网（NMCI）计算机、保密互联网协议（SIPR）计算机或其他保密网络上使用的昂贵的特许专有软件转向开源软件。通过将 NMP 转换为开源代数建模语言，我们消除了所有成本，而且该软件已被批准或可被批准在安全计算机上使用。求解器也从特许优化软件转为开源混合整数编程求解器。

我们还将研究如何改进船舶在区域之间的转运方式，并增加一种对之前公布的时间表影响最小的时间表变更方式。

NMP 以前计划从一个区域到另一个区域的船只部署的方法涉及基于堆栈的部分枚举，这限制了船只探索区域的多样性。在这项研究中，我们将重点放在通过两种额外的方法来改变这种区域间探索的多样性。第一种是随机路径生成法；与基于堆叠的部分枚举法类似，这种方法为每艘战舰生成一定数量的部署路径。但是，船只的部署路线是随机的，这就增加了船只交替路线的多样性。随机路径生成通过增加完成任务的数量来改进 NMP，并通过让舰船到达 RAS 事件所需的位置来大大减少对商品消耗的惩罚。

我们的第二种方法在 NMP 中添加了网络流部署模型，允许舰船探索从区域到区域的所有可能路线。与其他路由模型相比，网络流大大缩短了 NMP 的运行时间，并为我们提供了一个接近最优甚至是最佳的解决方案。我们将随机路径生成和网络流部署模型与基于部署堆栈的枚举法进行了比较，在我们的韩国行动区域场景中，我们有 695 项任务需要在 15 天的规划期限内完成。

这项研究专门为航空母舰或两栖攻击舰增加了额外的护航功能，因为它们在一个区域内需要不止一次护航。这种兵力配比要求每艘非战斗舰艇在通过高危区域时都要由多艘具备防御能力的舰艇护航。我们在 NMP 的一个新场景中测试了这一功能，即一支从关岛经菲律宾海前往菲律宾宿务的有防御能力的 CLF 护航舰队。

最后，这项研究为 NMP 增加了优化的持久性，这一调度功能允许用户在规划期内随时随地增加或减少任务和/或舰船，并且只需对原有调度进行少量修改即可完成任务。这极大地减少了因命令过多舰船进行过多计划调整而造成的动荡、信息传递和混乱。

随机部署路径生成、网络流部署模型和持久性的加入使 NMP 有了显著的改进。随机部署路径生成显示，在某些情况下，目标函数的增幅高达 45%，而对 500 万条可能路径的采样率不到 1%，即对 1,058,826,559,993 条可能部署路径的采样率为 0.000019%。我们的网络流部署模型探索了超过一万亿条可能的部署路径，取得了最佳结果，使我们在某些情况下的目标值提高了 50%。与基于堆栈的枚举法和随机路径生成法相比，网络流部署模型的求解时间最快，大多数场景的求解时间都在一小时之内。