[发明专利]一种多粒度集群态势不确定推理规则集构建方法

说明书

本发明涉及一种多粒度集群态势不确定推理规则集构建方法，包括以下步骤：构建集群知识框架网络，采用偏微分方程作为底层数值驱动特征模式表示定解问题知识；采用随机偏微分方程作为中层数据驱动特征模式表示模拟逼近知识；采用高斯映射矩阵作为高层不确定交互特征模式表示实体关系知识；采用多特征模式层次结构框架网络，组织定解问题、模拟逼近、实体关系知识规则，构建不确定推理规则集；构建多领域多视图设计结构矩阵，形成可变粒度集群态势不确定推理规则集。与现有技术相比，本发明可以融合数学物理理论和结构化、半结构化、非结构化数据，适用于水下、空中以及跨介质集群的自主协同决策。

技术领域

本发明涉及集群协同决策领域，尤其是涉及一种多粒度集群态势不确定推理规则集构建方法。

背景技术

随着水下目标性能的不断提高以及水下多平台集群体系对抗模式的不断更新，特别是陆海空天潜一体化综合作战理论的发展，多粒度水下态势的不确定性推理是保证水下多平台集群体系对抗优势，提升体系综合效能的必备能力。在水下、空中、跨介质集群的协同决策中，态势推理所涉信息粒度过大或过小都会影响综合认知，导致相对态势优势的削弱，逆转，甚至丢失。可变粒度集群态势推理依据作战指控决策群组划分评估相应视图下的态势，各平台需要通过相应领域下的功能交互获取情景信息和时空数据，并通过先进智能的推理和权衡机制实现敏捷、一致、有效的群体态势综合认知。因此，构建多粒度集群态势不确定推理规则集是实现集群协同与自主决策的前提和关键。

当前知识表示包括谓词逻辑、产生式、语义网、可扩展标记语言、面向对象、框架和本体表示法等。逻辑表示研究假设与结论之间的蕴涵关系，即利用逻辑公式描述对象、性质、状况和关系。产生式表示研究规则的先决条件和规则的结论，即利用陈述性知识描述条件与结果过程。语义网表示研究概念及其语义关系，即利用节点和带标记的边构成的有向图描述事件、概念、状况、动作及客体之间的关系。可扩展标记语言表示研究数据对象的属性及层次结构，即利用数据标签和内容描述元素及其属性。面向对象表示研究对象的属性、关系和方法，即利用对象的属性集、关系集、方法集描述领域知识和处理方法。框架表示研究主体及其方面的属性，即利用由事件或对象的知识构成的数据结构，描述概念、对象或事件。本体表示研究知识及其内在关系建模，即利用类、关系、函数、公理和实例五类建模元语，描述领域概念以及概念之间的语义关系。

这些知识表示方法在自身构建、组织管理、推理应用等方面，存在不同程度的优势和劣势，在数学物理知识和时空数据的可信融合方面面临诸多困难；在多平台集群协同决策领域，上述优势难以发挥，其劣势和困难极为明显。主要体现为集群协同决策所涉的数学物理知识难以嵌入，同时大规模或稀疏的结构化、半结构化、非结构化数据及其时空关联难以同化。这使得集群不确定推理难以具有合适的决策粒度，不能获得敏捷、一致、有效的群体态势综合认知，进而影响相对态势优势的确立和扩大，制约陆海空天潜一体化综合作战。

发明内容

本发明的目的是为了提供一种面向数理知识与时空数据混合驱动推理，融合数学物理理论和结构化、半结构化、非结构化数据的多粒度集群态势不确定推理规则集构建方法，适用于水下、空中、跨介质集群的协同决策。

本发明的目的可以通过以下技术方案来实现：

一种多粒度集群态势不确定推理规则集构建方法，包括以下步骤：

步骤1)构建集群知识框架网络，采用偏微分方程作为底层数值驱动特征模式，表示定解问题知识；采用随机偏微分方程作为中层数据驱动特征模式，表示模拟逼近知识；采用高斯映射矩阵作为高层不确定交互特征模式，表示实体关系知识；

步骤2)采用多特征模式层次结构框架网络，组织定解问题、模拟逼近、实体关系知识规则，构建不确定推理规则集；

步骤3)构建多领域多视图设计结构矩阵，形成可变粒度集群态势不确定推理规则集。

所述定解问题知识的表示包括：

初值问题，即Cauchy问题知识表示；