《利用多维数据挖掘为作战规划提供决策支持》

多维数据挖掘（MDDF）利用机器学习（ML）技术实现数据挖掘自动化，从而在高度复杂的多规模、多领域和多层次混合战争行动中更快更好地做出决策。这在支持行动规划时具有重要作用，可在执行任何行动之前快速制定和评估多个行动方案（CoA）。与现有技术相比，使用 MDDF 使决策者能够更快地探索问题空间并确定多个最佳解决方案。

北约科技组织在沙箱环境中将 MDDF 应用于一个示例性的战略战役和战术混合作战行动资源分配问题，考虑了局部最优解和全局最优解之间的平衡。我们在联军战士互操作性演习（CWIX）中测试了在联合任务网络作战环境中实施 MDDF 的技术可行性。

通过 MDDF，旨在证明有可能将探索多尺度行动（多域作战和目标保真度建模）的 ML 技术结合起来，并通过在战术层面选择正确的资源分配方案来优化战略/行动层面的目标。本文介绍了一种基于 ML 的助手，它能够自动执行 MDDF 实验和优化任务，在 2024 年的 CWIX 期间对其进行了详细检查。

图 1：数据挖掘决策过程分为四个主要步骤，由两个迭代循环相互连接： 实验定义循环和多运行执行循环。MDDF 允许对后者进行自动化和优化。