通过更加优化的选址方法确定理想的枢纽辐合地点,有助于促进印度洋-太平洋地区的灵活作战部署。 美国空军大坂部康夫照片。

大型固定设施历来是美国空军执行空中力量任务的主要手段。此外,美国空军还具备根据需要建立应急地点的能力--在过去几十年中,无论是在战争时期还是在和平时期,美国空军都有效地利用了这一方法。评估这些地点可行性的标准非常简单:有跑道和水源。

然而,当今的政策和战略必须更新,以建立一支更灵活、更分散的部队,尤其是在印度洋-太平洋地区,以应对《2022 年国防战略》中提出的步调挑战。虽然冲突何时发生仍存在不确定性,但军事领导层必须通过重新思考行动和概念,为该地区可能发生的情况做好准备。

敏捷作战是一种可考虑的可能性,它采用了一种适应性更强的基地建设方式,包括五个核心要素:态势、指挥与控制、移动与机动、保护和维持。这种战略方法依靠较小的、分散的地点来产生空中力量。枢纽和辐条的使用为态势提供了更好的解决方案,并允许在多个地点进行更多的移动。

另一种选择是美国利用附近盟国和其他国家的现有基础设施和资产。

无论采用上述哪种方案,使用选址方法对于选择正确的投资地点都至关重要。

选址方法

在军事后勤和战略行动的动态环境中,建立高效的枢纽和辐条模式以支持灵活的作战部署至关重要。目前,最佳地点的选择取决于基于等级的方法或数学方法,这些方法会考虑各种标准,对每个地点进行量化评估。然后通过目标和制约因素来处理这些因素,从而为有效的决策过程奠定基础。

然而,选择应急地点的方法仍未确定。在目前使用的模型中,主要有等级法和数学法两种。这两种方法都需要完成选择最佳地点的复杂任务,这一过程受到多方面标准的影响,包括成本、环境因素、地理位置和操作前提。

基于等级的方法。基于等级的方法根据用户定义的标准对潜在地点进行评估。基于等级的方法中最著名的方法是层次分析法 (AHP) 和多属性效用理论 (MAUT)。AHP 可确定每个标准的权重,然后通过成对比较确定每个标准的相对重要性。多属性效用理论(MAUT)结合用户定义的效用函数/曲线,根据每条标准量化适宜性。

虽然基于等级的方法为选址提供了适应性强、用途广泛的方法,但仍有必要承认,这些方法通常是孤立运行的,独立考虑各个地点。因此,在选择多个地点时,这些方法可能无法充分考虑潜在的相互作用。

数学方法。数学方法为解决复杂问题提供了另一种方法,其目的是在特定约束条件下使目标函数最小化或最大化。这种方法可以帮助决策者找到最优(或接近最优)的解决方案。这种方法的例子包括位置分配和枢纽位置问题。两者在确定设施和需求点方面非常相似,但目标不同。

众所周知,这些问题类型在支持仓库、供应链和物流操作的选址和枢纽-辐条模型中发挥着至关重要的作用。然而,一个主要的限制因素是需要有一个强大的数据集来全面捕捉与建立网络相关的所有成本。

这一结论表明,有必要开发一种混合方法,将基于等级的方法和数学方法结合起来,并平衡每种方法之间的差距。

混合方法

为了展示印度洋-太平洋地区的混合方法,使用了之前开发的数据库,其中包括该地区 500 多个公共机场的实用性评分。然后将其应用到两个优化模型中。在这两个模型中分析了几种情况,以根据不同的限制条件确定不同数量的枢纽和辐条。

第一个模型在 ArcGIS 中进行分析。位置分配工具通过最小化每个机场位置之间的加权距离来确定枢纽和辐条。在日本、印度、孟加拉国、泰国、菲律宾和马来西亚确定了枢纽。在同一枢纽国家及其邻国发现了辐条。

第二个模型在广义代数建模系统(GAMS)中进行分析,目标是使枢纽和辐条的效用分数最大化。在日本、韩国、印度、泰国、越南、澳大利亚和印度尼西亚确定了枢纽。在同一枢纽国家及其邻国发现了辐条。

两个模型都识别了可能用于支持印度洋-太平洋地区敏捷作战的枢纽和辐条。ArcGIS 和 GAMS 各自产生了不同的结果,但两者之间出现了几个共同点。

首先,两种模型都一致确定了日本和韩国境内的枢纽和辐条,但具体位置因场景而异。这些结果突出表明,在所有 26 个受评估国家中,这两个国家拥有最集中的高效机场,为新机场的选址提供了多种选择,以支持增加机场的存在。其次,南亚和东南亚的公共机场潜力巨大。该地区的国家可作为战略运行枢纽,将覆盖范围和监控能力扩展到各个岛链和南海。

实现有效性

优化是一个强大的工具,可用于支持国防战略中概述的目标,并最终促进在印度洋-太平洋地区实现灵活的作战部署。所创建的两个模型利用了现有的选址方法,同时采用了一种混合方法,将基于等级的技术与数学模型相结合,以评估每个机场的可行性,从而制定出全面的解决方案。两个模型都成功定位了枢纽和辐条,其中日本、韩国、印度、泰国、越南、马来西亚、印度尼西亚和柬埔寨最具潜力。

决策者可以利用优化工具,根据与自身或问题情况相关的标准、目标或限制条件定制模型,以有效确定未来的枢纽和辐条选择。对模型的其他改进可能包括利用预先确定的枢纽;这将使优化更有效地为枢纽分配辐条。此外,还可将模型划分为较小的区域或集群,以确定在特定国家为枢纽和辐条寻求的个别解决方案。

通过优化来确定未来的站点位置,可推动未来的政策变化,并促进与其他国家加强沟通和规划合作。

参考来源:美国空军

成为VIP会员查看完整内容
19

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
海军电气化:杀伤链的关键部分
专知会员服务
21+阅读 · 10月27日
生成式人工智能与防空:铁穹系统
专知会员服务
25+阅读 · 10月20日
美国陆军组建人机协同作战编队
专知会员服务
21+阅读 · 7月5日
联合目标定位和美国防部数字化转型
专知会员服务
49+阅读 · 2月3日
扩展现实的军事应用
专知会员服务
26+阅读 · 1月29日
大型语言模型被称为太空部队的 “游戏规则改变器”
专知会员服务
29+阅读 · 2023年12月15日
战争算法:人工智能在武装冲突决策中的应用,ICRC视角
专知会员服务
103+阅读 · 2023年10月28日
《欧盟无人机计划》
专知会员服务
80+阅读 · 2023年9月2日
通过集成 XNNPACK 实现推理速度飞跃
TensorFlow
26+阅读 · 2020年7月30日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
反无人机技术的方法与难点
无人机
20+阅读 · 2019年4月30日
进攻机动作战中的机器人集群
无人机
21+阅读 · 2017年12月4日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
Arxiv
153+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
395+阅读 · 2023年3月31日
Arxiv
137+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
海军电气化:杀伤链的关键部分
专知会员服务
21+阅读 · 10月27日
生成式人工智能与防空:铁穹系统
专知会员服务
25+阅读 · 10月20日
美国陆军组建人机协同作战编队
专知会员服务
21+阅读 · 7月5日
联合目标定位和美国防部数字化转型
专知会员服务
49+阅读 · 2月3日
扩展现实的军事应用
专知会员服务
26+阅读 · 1月29日
大型语言模型被称为太空部队的 “游戏规则改变器”
专知会员服务
29+阅读 · 2023年12月15日
战争算法:人工智能在武装冲突决策中的应用,ICRC视角
专知会员服务
103+阅读 · 2023年10月28日
《欧盟无人机计划》
专知会员服务
80+阅读 · 2023年9月2日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员