基于多主体的舰载机综合保障过程建模方法
0 引 言
装备综合保障对提高装备的战备完好性，快速形成作战能力具有重要意义。目前在国内外装备研制中，广泛应用建模与仿真手段进行装备综合保障能力的分析与评估。特别是国外已有多种商业软件，如LCOM、OPUS10、LOGAM等。主要发展趋势是应用面向对象技术、分布式交互仿真技术，引入HLA规范等。
舰载机综合保障是指在舰面各类约束下，对舰载机进行专项使用保障或维修保障，从而提高舰载机起降能力和保障作战效果。其保障过程涉及到多架舰载机、多种资源的综合保障过程具有如下特点。
(1)资源有限。保障人员、设施、设备与物资等集中有限空间内，数量受到严格限制。
(2)维修困难。舰上仅能开展车间级维修，作战结束后才可进行基地级维修。
(3)存在大量不确定因素。包括作战任务/环境的不固定、作业过程的多可能性、使用与维护过程中各类随机扰动(如舰载机故障)。
(4)动态保障。有必要通过动态调度技术对各类资源进行有效整合，以增加各类资源的利用率，从而满足面向作战的实时动态保障需求。
现有装备综合保障模型对上述问题还缺乏足够的研究。本文系统考虑了舰载机综合保障的特点，借鉴运筹学中经典动态调度问题的一般思想，提出了舰载机动态综合保障过程建模方法。系统分析了舰载机的使用与维护过程，选取符合装备综合保障仿真发展趋势，且在动态调度领域中广泛应用的多主体技术构建了舰载机动态保障模型。考虑保障过程各类实体间的合作博弈特征，着重研究了舰载机动态保障(包括使用保障与维修保障)中各环节之间的协同机制，以及舰载机动态保障的基本调度算法。最后以舰载机的典型战备完好性指标单位时间出动架次为例进行了验证。
1 舰载机使用与维护过程分析
舰载机的使用与维护的基本过程如图1所示。其综合保障工作主要涉及了两类作业：(1)使用保障作业，如起降、调运、电燃气液保障、弹药保障等专项作业；(2)维修保障作业，包括预防性维修与修复性维修作业。舰载机动态保障的实质是基于动态调度思想，按照一组特定的规则(保障方案)将各类有限资源分配给规划中的各项作业任务并进行优化。这些资源主要分为三类，即时间、空间及物资。其中，最大的局限是物资，即舰载机作业中涉及到的各类保障设施/设备(为后续建模方便，简化了保障人员，将其作为保障设施/设备的操作主体)，以及必要的消耗品(如备件、弹药等)。
舰载机综合保障的目标是实现效用(出动能力)最大化的同时，尽可能消除作业过程中各类故障、排队等现象的影响。但是由于舰载机保障过程中资源有限，须对资源进行动态的分配与调度，且作业过程中存在大量的不确定因素，故通常只能获取可行方案，而难以获取最优方案。因此，对舰载机综合保障过程提出如下要求：(1)动态响应能力，即强调综合保障过程应对动态/随机环境变化的响应能力；(2)自适应能力，即综合保障过程须具有较好的鲁棒性，当系统出现扰动(如故障)，能够主动恢复到正常状态。
2 基于多主体的舰载机动态综合保障模型
多主体建模技术是一种自顶向下分析、自底向上综合的复杂系统建模方式。其面向主体(Agent)的建模思想是面向对象思想的进一步深化，且与HLA等分布式仿真协议能够很好的结合，与装备综合保障建模技术的发展需求是一致的。同时，目前多主体技术亦广泛应用于动态调度领域，其主要优点是能够描述动态调度过程中的大量交互行为，并且调度过程由一组主体之间的协商、协作完成，具有较高实时性，这与舰载机的动态保障需求也是一致的。
综上所述，可以选用多主体技术构建舰载机的综合保障模型。下面将从多主体的体系架构、Agent个体的抽象机制、多个Agent间协商机制等方面对基于多主体的舰载机动态保障模型进行详细论述。
2.1模型整体架构
为保证模型具有足够的柔性和求解收敛速度，本文提出了三层混合控制结构的多主体模型(见图2)，从而避免使用单纯的递阶结构(过于刚性)或分布式结构(存在难以收敛问题)的不足。
模型为混合递阶形式，即允许Agent既可与其父子节点，也可与其他兄弟节点进行交互(包括协调、控制等5类)，从而使系统具备一定全局优化能力的同时，又能较好地协调各Agent之间的交互行为。
其中，系统协调Agent是整个系统的核心，负责将实时的作战任务解析为一组具体综合保障任务进行分发，并协调整个保障过程。影响任务集生成的主要因素是作战任务以及保障过程中的各类扰动等。
保障管理Agent与系统协调Agent共同组成控制层，是保证模型求解收敛速度的关键。在全局目标的驱动下，力争获得局部保障作业利益最大化。其主要由起飞作业、着舰、调运、电燃气液保障、弹药保障等使用保障管理Agent以及维修保障管理Agent组成。
保障作业Agent与舰载机Agent这两类执行Agent负责具体保障过程实施。在这一过程中，正常状态的作业Agent相当于服务台负责提供各类资源和服务，舰载机Agent或故障状态的作业Agent相当于顾客接受服务。
2.2 Agent协商机制
合同网协议(contract net protocol，CNP)是最常用的Agent协商协议之一。它通过规定合同管理者如何公告任务，潜在的合同方如何投标，以及管理者如何授权等内容完成协商。本文在传统CNP的基础上提出一种全局-局部(主控协商-自主协商)的扩展交互协商模式，以提高协商效率，同时尽可能降低故障等随机扰动对保障过程的影响。
其中，主控协商用于全局调度，关注任务间合作。当系统协调Agent在作战任务驱动生成一组作业任务后，通过主控协商将任务分配给相应的保障管理Agent。需要注意的是系统协调Agent发布的维修保障任务仅限于预防性维修(例行的检测及维修)。面向故障的维修作业则由发生随机故障的舰载机/作业设施发布(可能引发重调度，将在下面详细说明)。
自主协商则用于局部调度，侧重于具体保障环节的协商过程。当作业管理Agent获取任务后，将任务按照特定规则(如轮盘/先到先服务等)转发给特定状态舰载机Agent队列(如牵引作业任务发送给处于驻留状态舰载机)。根据获取任务的时刻，舰载机Agent依次发起公告，并通过谈判选择合适的作业Agent对其授权。
各Agent之间谈判时，可假设Agent之间是理性友好的，它们之间的交互表现为合作博弈形式。即Agent愿意与其他Agent合作，但是在条件允许时可追求自身利益最大化。这一假设与真实情况是相符的，如对单一舰载机来说，倾向于选择能够尽快为其提供服务的保障系统。而保障系统也总是选择能够尽快完成保障的舰载机进行服务。基于AUML，建立Agent间协商模型，如图3所示。
限于篇幅，以相对复杂的包含舰载机/保障设施故障维修的起飞过程为例进行说明。舰载机与起飞作业Agent通过协商订立合同后即可开始作业。
如舰载机与获取授权的作业Agent能够顺利完成任务，则舰载机Agent首先通知当前保障管理Agent已完成任务，然后更新自己的状态，并转移至等待下一阶段作业的队列中。同时，该作业Agent更改自身的状态为空闲。期间，舰载机或保障设施均可能发生故障(与其可靠性水平直接相关)，一旦发生故障，将启动维修保障过程的协商。
如果是舰载机发生故障，即立刻终止当前作业，将其转移至等待维修的队列，同时发出需要维修的公告，与维修作业Agent进行自主协商后进行维修。同时，当前保障管理Agent获取因舰载机故障终止作业的消息后，将与第一作业顺位的作业管理Agent(通常是牵引保障管理Agent)协商，请求重新开始调度。如第一顺位的保障管理Agent不具备投标能力时，则与维修保障管理Agent进行协商。如果不能在规定时间完成维修任务，即立刻向系统协调Agent汇报保障作业将延时的信息。
如果是作业Agent发生故障，则终止当前作业，并与最近的空闲作业Agent发出互助请求，以继续完成作业。如果没有空闲的作业Agent，则向保障管理Agent汇报作业需延时。另一方面，以合同发起者的身份与维修作业Agent进行局部协商后再维修。
综上，这种全局-局部的交互协商模式能尽可能降低协商次数，提高协商的效率，并在较大程度上消除重调度的可能与影响。
2.3 Agent个体抽象及内部结构
Agent个体是对现实世界中实体的抽象和映射。一般来说，Agent所映射的实体分为两类：物理实体或过程实体。前者对应着现实系统中的实际对象，如舰载机、保障设施；后者是对某些具有动态特征的过程的模拟，如保障过程管理。
不同角色的Agent的内部结构有所差异，但在满足自治性、交互性、反应性与主动性等方面是一致的。具备完整心智行为的Agent的内部结构通常包括环境分析、信息处理、问题求解、动作规划及通信等功能，其相对通用内部结构如图4所示。
图4中的环境是指与Agent具有密不可分联系的事物的总和，在本文中指其他Agent以及必要的真实作业环境信息，如气象条件等，这些信息直接影响到舰载机的起降过程，进而影响其他作业。Agent通过环境感知模块获取相关的环境信息，再通过信息处理模块传递给行为规划与决策模块。在参照内部状态库的基础上，规划相应的动作序列，并通过动作执行模块反作用于环境。如果与其他Agent发生交互性动作，则还需通过通信模块传递相应的消息。动作执行完后，Agent自动更新内部状态库。
其中，关键模块是决策与行为规划模块，本文为其设计了分层的模块化结构。其核心为条件规则库，它负责根据环境信息和内部状态给出动作序列。在此基础上，可包含必要的优化算法库，如遗传算法、蚁群算法等。如果采用基于推理的行为决策，则模块中可包含相应知识库。如果需赋予模块更高的心智，还需为其增加学习进化模块。这种分层的模块结构具有良好的开放性与灵活性，易于满足不同层次研究的需要。
各类Agent的功能结构都是类似的，主要差别是决策与行为规划模块封装的模型库/算法库/知识库的不同。
3 有限资源的动态调度算法
舰载机动态保障过程由多架舰载机在多阶段的保障作业组成。各阶段的局部保障作业均可由相应的舰载机Agent与保障Agent按照扩展CNP谈判方式(见图3)开展。其过程基本一致，算法策略如下。
步骤1 舰载机Agent公布初始报价PRi。
舰载机给出的初始报价PRi=(ai|RT/RB/RM)。ai指作业Agent回应的最后期限。RT、RB、RM表示完成任务所需的资源约束。其中，时间约束RT为
RT={max[(Ts+ai)，(Td-Tp)]} (1)
式中，RT的含义是最迟开始作业时间，目的是一旦作业已延时，尽可能缩短延时时间；Ts表示舰载机做出初始报价的时刻；Td是最迟作业结束时间；Tp是平均预期作业时间。
空间约束RB为
RB=(x，y，z|Path，v) (2)
式中，x、y、z分别描述了舰载机的体积参数的不同侧面，即机长、翼展(含机翼折叠后数据)和机高；Path表示作业路径；v表示舰载机牵引移动速度，即在固定作业或移动作业路径上不与其他对象占用的空间发生干涉现象。
物资约束RM表示作业过程中消耗的物资，即RM={电燃气液数量|备件数量|弹药类型及数量|…}
步骤2 保障Agent投标，给出反报价PRj。
接到标书的所有保障Agent，首先招标评估函数Process_Tinfo()评价自身面向任务的能力，然后按照作业时间最短或消耗资源最少对所有招标进行排序，选择其中最优的一个给出反报价PRj=(aj|Te，Mc)。其中，aj表示承诺等待时间，超出承诺等待时间则认为自身已被放弃；Te则表示最早完成任务时间；Mc表示消耗物资信息。由于招标者可能放宽任务期限，故当仅不能满足时间约束时仍然进行投标。但是，如果对所有招标进行评估后均认为剩余物资不足时，则认为该Agent失去作用。
步骤3 舰载机Agent评估反报价并授权。
如果投标中的合格数k≥1，那么按式(3)选择最优的一个投标进行授权，并通告其他投标者已被放弃。如果在规定时间ai内无投标，则发起新一轮招标。如果有投标但是反报价Te>Td，则调用调整报价函数Adjust PRi()查看报价能否放宽。如果无法降级或者任务降级后仍无合格者，重新开始招标。反之，如任务降级后的合格投标数l≥1，则选择最优的一个进行授权。
min{(Te+Tp)，Mc} (3)
步骤4 执行作业过程。
获得授权的作业Agent可执行保障任务，过程中应考虑舰载机/保障设施发生故障的影响。当对象的可靠度为R时，可认为对象按照1-R的概率发生随机故障。这种故障规律可由舰载机Agent/保障Agent内置的生命周期规则LCR模拟。如果顺利结束作业，则由舰载机Agent统计实际作业时间Tr及消耗物资，并在作业结束时反馈给保障Agent。如发生舰载机故障时，则停止当前作业，并转入维修作业协商过程。反之，如果是作业设施发生故障，则向其他空闲作业Agent请求协作后，同时转入维修协商过程。设舰载机与保障设施的可靠度为R1和R2，生命周期规则为LCR1和LCR2，则调度过程的伪代码如下所示
If LCR1∈(0，R1] and LCR2∈(0，R2] Then
Set Carrier Aircraft Agent is normal
Set Process Agent is normal
C=(Tr，MC)
Else
Stop current Process
If LCR1∈(0，1-R1]
Call Maintain_cooperate Process
Call notify_Management Agent Process
Else
Call Neighborhood_cooperate Process
Call Maintain_cooperate Process
End
End
4 实例分析
以舰载机作战的典型任务模式连续出击为例，假设作战想定为昼间(10h)持续出击70攻击架次。每次出动{6，8}架次，即如有可能就出动8架次，否则为6架次，且当上一批次返回后方可以出动下一批次。
装备综合保障以战备完好性及任务成功性为最终评价目标。根据舰载机的实际情况，本例中采用表征舰载机战备完好性的单位时间出动架次Sg来考察舰载机的综合保障能力。Sg=SF/Treal，SF为出动成功变量，初值为0，每成功出动一架次(由Agent的交互结果确定)，SF=SF+1。Treal为实际调度时间。
舰载机在不同保障设施上(在模型中是负责提供服务的人/设备/物资的综合体)消耗的作业时间如表1所示。根据舰载机出动的类型，其包含的作业阶段有所不同，是表1各任务阶段部分或全部的组合。如机库内舰载机出动的任务集是{1-6，9}，舰面舰载机出动的任务集是{3-6，9}。而再次出动的舰载机则必需考虑着舰环节的调度，如还未入库按舰面舰载机处理，如已入库则按机库内舰载机处理。
其中，调运中牵引作业时间与舰载机至技术站位的路径密切相关，可采用作业路径/牵引速度(Path/vi)衡量，而维修作业则取决于故障对象的平均修复时间(MTTR)，着舰作业过程最复杂，可由Agent根据作业状态(导引着舰|复飞|逃逸|拦阻)判断给出。
为获取稳定的仿真结果，可基于目标的方差与均值的稳定精度确定仿真次数，如式(4)所示。
式中，G为目标Sg；z为仿真次数；α和b的默认值是0.01和100。
设完成作战任务期间无新任务到达。为分析保障过程中故障发生的影响，以舰载机的可靠性水平为参数进行敏感性分析。设舰载机与保障设施的平均修复时间分别为106.8min和40min。保障设施的可靠度为0.9，舰载机可靠度水平下降步长为0.1，从R=0.9开始直至0.6。
最终的仿真结果如图5所示，仿真结果表明单位时间出动架次在第二批次达到最高。这是由于在早期优先出动舰面舰载机同时，还可执行机库内舰载机前几个阶段的作业。同时随着出动强度的增加，舰载机的可靠性水平对单位时间出动架次的影响逐渐增加。特别是当随着舰载机可靠性水平下降，当R=0.7时，最后批次的平均值虽然还可满足要求，但事实上仿真中已出现不满足要求的情况。当R=0.6时，最后批次调度的最优值已无法满足任务想定的要求。
5 结束语
将多主体技术引入到舰载机综合保障过程建模领域，建立了基于多主体的舰载机动态保障模型，能够支持舰载机综合保障能力的分析与评价，进而指导舰载机装备研制。系统分析了舰载机使用与维修保障过程，确定了其动态调度特征。重点考虑故障等扰动对系统的影响，给出了模型的整体架构、Agent间的协同机制、Agent的内部结构以及基本调度算法，从而将复杂的舰载机动态保障过程分解成若干相对独立的Agent协作过程。最后以舰载机的战备完好性指标单位时间出动架次对该方法的可行性进行了验证。
