实用的态势评估系统需要解决从模型构建到系统 实现等一系列问题。有文献。５。表明，国外已有较成熟 的态势评估系统，理论和技术研究也有很大进展。国 内关于态势评估的研究继承并发展了国外学者的学术 观点、理论和方法路线，取得了很多成果。６“１。但已有 态势评估模型在对场景变化的适应能力、军事领域知 识的表达和处理以及性能评价方面还都不够成熟，直 接限制了其在实际系统中的应用。另一方面，国内信 息系统建设不够完善，缺乏统一的功能模型和平台接
０ 引言
现代战争要求作战双方指挥员必须在高度的不确 定性和时间压力下，根据所获得的海量的包含有干扰、 欺骗等不完整、不准确的信息，迅速做出决策。态势评 估（ＳＡ）就成为现代战争的必然要求。国内外对态势 评估从不同角度出发有不同的定义，主要有ＪＤＬ模 型。１。２１中的定义以及Ｅｎｄｓｌｅｙ。３。从人工智能出发给出 的认知学定义。军事领域通常采用ＪＤＬ的定义，即：态 势评估是要建立关于作战活动、事件、时间、位置和兵 力要素组织形式的一张视图，并将观测到的战斗力量 分布与活动和战场周围环境、敌作战意图以及敌机动
可以看出，传统态势评估贝叶斯网络（ＳＡＢＮ）是针 对确定场景的，虽然对专家知识进行了编码，但由于场 景的限制，编码的知识十分有限，构建过程艰难费时又 缺乏可移植性，程序修改和维护也较为困难，无法满足 大型复杂系统网络构建的要求。Ｌａｓｋｅｙ。５’“。等提出采 用贝叶斯网络建立知识基，也就是ＢＮ片断，在态势估 计过程中，按照一定的规则将网络片断进行连接，动态 构建ＳＡＢＮ。在此基础上，国内也出现了类似的将贝叶
相比态势评估领域的另外两种人工智能处理方法 专家系统和神经网络来说，使用贝叶斯网络进行态势 评估具有以下优点。１””。。
１）贝叶斯网络技术是图论和贝叶斯推理的结合。 同神经网络类似，贝叶斯网络也使用节点和有向边表 示领域知识，节点之间可以通过有向边来传播新的信 息，网络中保存的信息可以由专家指定，也可以通过样 本学习。网络节点之间的连接有明显的实际意义，更 符合人们对军事领域知识的理解。
本文作者认为，无论是采用贝叶斯网络片断方法 还是面向对象方法，都可以看作是为了用贝叶斯网络 对专家知识进行充分编码而做出的努力，即贝叶斯网 络如何才能与专家系统结合，一方面克服专家系统的 静态限制，更好地实现知识存储、获取和更新；另一方 面增强贝叶斯网络的实用意义。这是由于态势评估是 一个复杂的多因素、不确定的智能处理领域，只有充分 集合专家知识、具有友好人机交互界面的推理技术才 能具有强大的生命力。
２）贝叶斯网络中的知识可以进行更新，而专家系 统中的知识不能自动更新；专家系统一旦构建完成，其 知识是固定的，并且知识存储更加困难。
３）神经网络在开始的时候没有任何知识，必须进 行学习；而贝叶斯网络在构建的过程中，已经对专家知 识进行了编码。
４）时间传播算法反映了态势评估的连续性，新的 证据与随时间序列到达的证据共同作用来计算对态势 的累积效果，这种时间上连续的特点在无记忆的专家 系统和神经网络中是不存在的。
现有文献在ＢＮ中表示时间主要有两种思路。 第一种思路是通过动态贝叶斯网络（Ｄｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ，ＤＢＮ），将一个系统表示成从起始时 间到终止时间的一系列快照，每个快照包含一个完整 的网络结构，表示系统在该时刻的状态，前后两个网络 的相关节点之间添加时间因果关系，表示在不同时刻 的节点变化关系。当前最主要研究的ＤＢＮ。３１。”１，网络 的拓扑结万方构数、据变量集和变量问的内部因果关系在每个
态势
证据
图１
Ｆｉｇ．１
用于态势评估的标准贝叶斯网络示意ｎｔ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ
２用于态势评估的贝叶斯网络的构建
要使用贝叶斯网络进行战场态势评估，必须首先 构建相应的态势评估贝叶斯网络。现有的贝叶斯网络 构建主要通过学习和人工构建两种方式，也可以结合 二者优势，进行两阶段建模Ⅲ。。战场态势评估由于其 特殊性，不可能得到大量的训练数据进行贝叶斯网络 的学习，因此通常由军事领域专家根据经验和情报信 息给出大量用规则表示的知识，再由ＢＮ专家进行手 动建模，并进行模拟训练修正网络结构。构建基本过 程如下。１）确定节点内容。贝叶斯网络由节点组成， 节点对应不同的事件。因此，首先必须确定态势评估 领域存在哪些事件以及这些事件的完备状态空间。２） 确定节点关系。态势估计包含大量的因素及各种复杂 的关系，需要ＢＮ构建人员和军事领域专家共同确定 这些关系，从而确定贝叶斯网络的拓扑结构。３）构造 条件概率表，进行概率分配需要具有一定的军事知识， 通常由军事专家根据经验指定。
ｐｒｅｓｅｎｔｅｄ ｗｉｔｈ ａ ｂｒｉｅｆ ｓｕｍｍａｒｙ ｏｎ ｔｈｅｉｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｅ ｍａｊｏｒ ｐｒｏｂｌｅｍｓ ｅｘｉｓｔｅｄ ｉｎ ａｐｐｌｉｃａｔｉｏｎ ｏｆ
Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋｓ ｉｎ ＳＡ ａｎｄ ｓｏｍｅ ｂｅｎｅｆｉｃｉａｌ ｓｔｕｄｙ ｉｄｅａｓ ａｒｅ ｐｒｅｓｔｅｎｅｄ ｉｎ ｔｈｅ ｅｎｄ． Ｋｅｙ ｗｏｒｄｓ： ｓｉｔｕａｔｉｏｎ ａｓｓｅｓｓｍｅｎｔ； Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ；ｎｅｔｗｏｒｋ ｃｏｎｓｔｒｕｃｔｉｏｎ；ｔｅｍｐｏｒａｌ ｉｎｆｅｒｅｎｃｅ； ｐｒｏｂａｂｉｌｉｔｙ ｉｎｆｅｒｅｎｅｅ；ｓｉｍｕｌａｔｉｏｎ ｔｏｏｌ
斯网络应用于态势评估的形式之一，即将军事事件以 态势、事件、证据进行分层表示，类似的还有将对态势 的理解和推理看作是对敌方意图的掌握，将态势评估 问题转化到计划识别一’２ｕ领域，同样可以用贝叶斯网 络对意图、计划、子计划、行动、行动线索进行建模、推 理。贝叶斯网络还可用于战场信息融合的其他层次如 目标识别口０’２２。２ ３｜、兵力聚合心４。２５］、装备／网络故障检 测。２６。、威胁评估。２ ７。等等。
由于贝叶斯网络具有以上优点，国外对基于贝叶 斯网络的态势评估的研究十分活跃。５’”。１…，国内对该 领域的研究也有一些进展，一些基于无人机平台、机载 航电系统。６。、舰艇导弹防御决策。７１、飞行员辅助态势评 估系统。１２‘２０１等战术级单平台的态势评估系统进入实 用。态势评估贝叶斯网络的节点表示军事事件，节点 之间的有向边表示事件间的因果或相关关系，节点之 间的条件概率表示这种关系强度。在评估过程中，以 态势觉察过程检测到的军事事件和人工情报作为证 据，利用贝叶斯网络的证据传播和推理算法，更新网络 中其他事件的信度。通过这样的证据推理过程，在已 知不确定的证据情况下，推断其他事件发生的可能性， 达到判断敌方目的、预测敌方行动的目标。一个用于 态势评估 万方的数标据准贝叶斯网络如图１所示。这只是贝叶
究的几个主要方面进行了总结和分析，着重探讨了现有态势评估贝叶斯网络中网络构建方法和时间推理技术，指出
能充分编码军事领域知识、结合时间语义、能够实现模块化推理的贝叶斯网络是态势评估贝叶斯网络发展的趋势。
作为参考，给出了几种贝叶斯网络的常用仿真工具。最后，分析了贝叶斯网络应用于态势评估面临的各种问题并试
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ Ｓｉｔｕａｔｉｏｎ Ａｓｓｅｓｓｍｅｎｔ（ＳＡ）ｉｓ ｉｎｔｒｏｄｕｃｅｄ，ａｎｄ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆ Ｂａｙｅｓｉａｎ
ｎｅｔｗｏｒｋ ｗｈｅｎ ｉｔ ｉｓ ｕｓｅｄ ｉｎ ＳＡ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｍａｉｎ ａｓｐｅｃｔｓ ｏｆ ｓｔｕｄｙ ｏｎ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋｓ’ａｐｐｌｉｃａｔｉｏｎ ｉｎ ＳＡ ａｒｅ ａｎａｌｙｚｅｄ．Ｔｈｅ ｎｅｔｗｏｒｋ—ｃｏｎｓｔｒｕｃｔｉｏｎ ｍｅｔｈｏｄｓ ａｎｄ ｔｈｅ ｔｅｍｐｏｒａｌ ｉｎｆｅｒｅｎｃｅ ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｐｒｅｓｅｎｔ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋｓ ｉｎ ＳＡ ａｒｅ ｄｉｓｃｕｓｓｅｄ ｉｎ ｄｅｔａｉｌ．Ｉｔ ｉｓ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｉｔ ｉｓ ａ ｄｅｖｅｌｏｐｍｅｎｔ ｔｅｎｄｅｎｃｙ ｔｏ ｕｓｅ ｔｈｅ ｃｕｒｒｅｎｔ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ ｔｏ ｉｍｐｒｏｖｅ ｉｔｓ ｃｏｄｉｎｇ ｃａｐａｂｉｌｉｔｙ ｏｆ ｍｉｌｉｔａｒｙ ｋｎｏｗｌｅｄｇｅ ａｎｄ ｒｅａｌｉｚｅ ｍｏｄｕｌｅ ｉｎｆｅｒｅｎｃｅ．Ｔｈｅ ｃｏｍｍｏｎｌｙ ｕｓｅｄ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ ｓｉｍｕｌａｔｉｏｎ ｔｏｏｌｓ ａｒｅ
３态势评估贝叶斯网络的推理
交战双方的对抗使得战场态势不断变化，各个战 场事件之间不仅有复杂的因果关系，还包含着丰富的 时间要素。但标准贝叶斯网络是静态模型，不具备时 间信息表达和推理能力，无法对动态系统和有反馈的 过程建模，大大限制了其使用价值。因此，有必要对标 准贝叶斯网络进行改造。 ３．１态势评估贝叶斯网络中的时间推理
第１７卷第９期 ２０１０年９月
电光与控制
Ｅｌｅｃｔｒｏｎｉｃｓ Ｏｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ
Ｖ０１．１７ Ｎｏ．９ Ｓｅｐ．２０１０
用于态势评估的贝叶斯网络研究综述
杜菲菲，冯新喜 （空军工程大学电讯工程学院，西安７１００７７）
摘要：介绍了态势评估的发展现状，指出了贝叶斯网络用于态势评估的优点，对基于贝叶斯网络的态势评估技术研
第９期
杜菲菲等： 用于态势评估的贝叶斯网络研究综述
４３
口，态势评估系统还停留在理论研究和一些非常有限 的战术试验层面‘９。”１。
１ 贝叶斯网络在态势评估中的应用现状
贝叶斯网络在１９８８年由Ｊ．Ｐｅａｒｌ。１列提出明确定义 后，成为人工智能领域非精确知识表达与推理领域２０ 多年来的研究热点。它是一个用节点表示变量，节点 之间的弧表示变量发生的直接因果或相关关系的有向 无环图，是人工智能、概率理论、图论和决策论相结合 的产物，可以看作是一种在不确定条件下进行命题推 理的标准认知模型。１“，在具有内在不确定性的推理和 决策问题中得到了广泛的应用。
收稿日期：２００９—０９—１１
修回日期：２００９—１０—１４
作者简介：杜菲菲（１９８５一），女，山东日照人，硕士生，研究方向为指 挥自动化信万息方处数理据，态势评估技术。