美国国防部(DoD)与兰德公司等研究机构已明确记录了一项战略缺口:现有能力无法开展探索性分析以支持技术研发与作战概念融合的解决方案。探索性分析涵盖多个维度,包括技术发展趋势研判与潜在对手能力的情报评估,而构建模型与仿真推演各类场景,始终是支撑高层决策分析的核心手段。本研究将这一宏观战略缺口分解为若干重点研究领域,首先审视当前整合多模型的既有方法——这些方法在应对国会关于质量、精度与可靠性质询时,因计算资源消耗过大而难以支撑大规模设计或决策空间探索。进一步研究发现,需通过复杂非线性模型量化的性能指标期望值,在不同抽象层级模型间缺乏足够的可追溯性。此外,现有模型抽象方法难以应对复杂系统模型维度激增的挑战。这些观察结论导向本研究的核心目标:提出并验证一种融合降阶建模(ROM)技术的可追溯模型抽象方法,旨在现有军事行动建模与仿真框架内高效捕获复杂体系行为。
通过文献综述,提炼出降阶建模的关键需求:需涵盖非线性相互依赖关系、底层物理现象与随机效应。研究设定并完成系列研究问题、假设与实验,深入解析并弥合已识别的能力缺口。基于此,开发出非侵入式降阶建模(RONIN)方法,达成既定研究目标。相较于传统查找表或期望值传递方法,RONIN方法通过构建预测性降阶代理模型,捕获更丰富的系统行为与交互信息。为验证RONIN方法达成研究目标的能力,本研究设定美国空军假想用例,采用国防部标准仿真框架生成全阶模型(FOM)输出响应分布。任务级模型响应用于量化体系行为,涵盖从装备、武器或燃料的简单计数,到计算作战效能的高级指标。该用例模拟压制敌防空(SEAD)任务,探究不同决策与兵力结构对友军损失与敌军毁伤的影响。最终,RONIN方法构建的预测代理模型成功重构与原始FOM输出数据统计一致的响应分布。
图1.1:国防规划过程用于将战略指导转化为支出、部队结构设计和能力发展的可操作目标
自古以来,职业军事领袖在制定战略战术时始终具备前瞻视野,既着眼当前冲突,亦筹谋未来战局。罗马帝国尤为擅长战略规划,通过兵棋推演与简易战场模型探究不同战术对阵各类敌手的有效性。现代美国国防部高层同样聚焦未来冲突,2018年《国防战略》(NDS)标志着长期战略重心的转变。该战略明确指出美国已进入"大国竞争时代"。NDS同时警示技术加速发展正降低国家与非国家行为体参与全球冲突的门槛,深刻改变安全环境。
为应对挑战,美国防部推行"能力发展"计划,不仅注重新技术研发,更强调创新运用现有技术弥补作战计划实施中的缺陷。但近年国防部能力发展流程频遭诟病,被指响应迟缓且过度追求性能指标,牺牲了时效性决策分析、有效政策制定与变革性能力生成。NDS要求国防部培育竞争思维,推动联合部队在批判性思维、创新力与战略伙伴关系方面超越对手。基于此,国防部在战略决策层指导下启动多项现代化与技术加速计划,旨在实现"实时响应"的效能革新。同时要求建立从概念设计到实战部署的高效迭代流程,决策过程需依托建模与仿真(M&S)全谱分析,确保创新方案兼具技术突破与作战概念(CONOPs)整合能力。
2018年NDS发布后,美空军参谋长布朗上将2020年8月发布《加速变革否则出局》备忘录,详述空军与太空军当前及未来挑战[25]。核心挑战包括资源约束、全球竞争加剧、技术研发与扩散加速。布朗强调,沿用过去数十年的能力发展模式已无法赢得未来高端对抗,现行能力生成机制难以满足未来作战需求。为此,分析界与采办部门在能力发展早期即开展任务与战役级仿真建模,评估新质作战效用以支撑投资决策。但政府问责局(GAO)等机构指出,战略决策支持所需的分析活动与实际执行存在显著落差,形成战略层能力鸿沟。
军事行动分析人员构建的作战环境模型,可借鉴系统工程学科中的系统簇(System-of-Systems,SoS)概念进行描述。正如格里恩丁林在调和系统簇不同定义时指出:"复杂系统与系统簇的定义共性表明,复杂系统未必构成系统簇,但系统簇几乎总是复杂系统"[75]。此处的系统簇概念关联于复杂系统,国际系统工程协会(INCOSE)将复杂性定义为理解系统行为或预测系统组件变更后果的困难程度。这与复合系统(complicated system)不同——复合系统虽结构精密但行为可预测,例如普通机动车的内燃机系统[88]。系统簇与复合系统的核心差异在于对其行为特征的理解深度。
当系统行为无法通过孤立组件分析明确表征时,即被视为复杂系统或涌现行为[87]。科伦比指出,随着国防部向互联互通系统协同达成战略目标的联合作战架构转型,系统簇的涌现可能源自系统间协同演化[43]。涌现行为的定义存在争议,但金姆通过文献梳理出四项共性特征:非线性、不可约性、新颖性与层次性[98]。非线性指系统输入与输出间存在非比例响应关系;不可约性指无法通过分解子系统属性推导系统簇行为;新颖性指产生前所未有的新行为;层次性则体现为组件组织结构或描述层级的递进关系。军事行动分析需采用先进建模方法,揭示多个系统簇协同执行任务时可能产生的涌现行为,这些行为可能表现为意外协同增益或未知致命漏洞。
工程师与规划者通常更关注涌现的负面影响,即系统簇复杂性导致难以追溯漏洞根源[98]。典型案例是2003年北美东北大停电:始于单州的局部故障意外引发跨七州及加拿大的电力崩溃,影响5500万人并造成近百人死亡[43]。尽管需警惕系统簇涌现的负面效应,但马埃斯指出:"相较于预设的顶层设计复杂性,系统簇的涌现复杂性往往更具鲁棒性、灵活性与容错性"[118]。这一优势可见于低轨卫星通信星座或"杀伤网"(kill-web)等创新概念。近期典型案例是星链卫星系统:面对俄军网络战与电子战攻击,凭借大规模星座的弹性架构,仍维持乌克兰受袭区域的网络连通[86]。因此,新型系统或系统簇架构设计需统筹考量涌现的正负效应。
系统簇组件投入实战后的交互作用会迅速显现涌现特征,此时工程师与指挥层可通过溯源分析直接应对。但理想状态是在部署前预测、规划并建模涌现行为,以规避风险或利用增益。这要求模型具备足够精度捕捉潜在涌现行为。布拉夫拉特将工程建模中的涌现行为定义为"局部稀有事件"[22],即在概率密度函数(PDF)尾部区域出现的极端响应。随着国防部推进概率模型捕捉此类事件,采样预算限制成为关键瓶颈——高精度模型计算资源需求与有限算力形成矛盾。工程师需在采样效率与结果可靠性间取得平衡,布拉夫拉特在文献[22]中深入探讨了加速军事能力发展中基于智能体仿真的涌现行为分析方法。最终,军事决策层需通过统筹预期与非预期行为,更深入理解多个系统簇协同达成未来作战目标的机制。
图1.4:动机与策略背景逻辑序列
图1.12:技术识别、评价和选择方法