大规模作战仿真模型可为许多军事决策问题提供有用的见解。此类模型的设计者试图尽可能准确、可信地再现战争。对中等规模的部队来说,高分辨率建模有助于提高可信度,但对更大规模的部队来说,则需要对模型进行聚合,使其不超出计算机大小和执行时间的限制。第一章将集中讨论战斗模型中的聚合概念--它意味着什么、如何实现以及它对模型可信度的影响。
在高分辨率战斗模型中,通过将单个战斗员表示为独立实体,可实现详细的战争视图。每个实体都有许多属性,这些属性定义了其在部队中的独特位置、对战场和敌军的独特感知、能力以及在模拟战斗时间的每个时刻的活动。
战斗过程被分解为高分辨率的事件和活动序列。复杂的定时机制可协调众多战斗人员的事件序列,从而模拟出微妙的互动模式。
整个高分辨率模拟的目标是对每种战斗现象进行建模,使结果可(通过我们理解并接受的代表战斗行动的公式和逻辑)追溯到具体的物理性能数据或具体的行为假设。这种审计线索的存在是精心构建的高分辨率模型的最大优势。它使我们能够评估武器、传感器或战术的细微差别,并理解为什么不同的输入会提高(或降低)作战性能。
但是,高分辨率建模方法也存在一些问题。高分辨率模型涉及大型、复杂的计算机程序,开发、维护和运行成本高昂。它们通常也是随机的,因此需要复制才能得到模拟战役的答案。当我们试图模拟师级或师级以上的大型部队时,战斗员和武器系统的数量之多使我们无法保持单个项目的分辨率。这些级别的模型必须牺牲细节来换取范围。通过将单个战斗员聚合成更大的单元,大规模战斗建模人员可以将模拟实体的数量减少到可控范围内。
很快就会看到,将单个战斗员聚合成单元完全改变了对一些基本战斗过程的描述。有许多有趣的方法可以模拟这些聚合单元之间的战斗交互。本书的主要目的是研究聚合程序和利用由此产生的聚合单元的大规模战斗模型。
在最简单的层面上,聚合战斗模型是一种基本模型实体是群体而不是单个战斗员的模型。这个简单的概念对整个战斗模型结构都有影响。
将战斗员聚合为战斗单元
将单个战斗员组合成战斗员群体是一项简单的任务,因为分级军事指挥结构已经定义了一系列适当的分组。陆军作战模型一般从指挥层次结构中选择基本单元规模:
单兵
班
排
连
营
旅
师
团
陆军
战区
模拟实体则是基本规模或更大的作战和支援单元。每个模拟实体都有详细的属性列表,因此(假设基本单元规模为一个营)每个营都有自己独特的情况、战场感知、能力和当前活动。
大于基本单位规模的单元,如上级总部,将作为单独实体建模,并根据模型对指挥层级的描述要求提供相应的属性。
小于基本规模的单个战斗员和战斗员群体不作为单独的模拟实体。这些较小群体的详细属性会在模拟中丢失。例如,聚合模型可能会保留一个营的中心位置和前沿宽度,以代替每个战斗人员的精确位置。假定营中的单个战斗员位于营区的某处(可能均匀分布),但模型不会跟踪单个位置。
关于集合单元中战斗员状态和活动的有限信息可以平均属性的形式保存,但单个系统之间的可变性就会丢失。例如,一个坦克营的剩余弹药总量可作为该营的属性保存。这与坦克的剩余数量一起,得出了每辆坦克的平均弹药数,但汇总模型通常不会在意有些坦克几乎弹尽粮绝,而另一些坦克只发射了几发炮弹。
将单个战斗人员聚合成组的第一个后果是,个体差异的信息会丢失。聚合模型通常处理的是平均属性,因此往往会平滑高分辨率模型输出中的波动。