改进的体系进化架构优化设计方法

任天助, 辛万青, 严晞隽, 赵鸿宇, 黄 辉

(1. 北京宇航系统工程研究所, 北京 100076; 2. 中国运载火箭技术研究院, 北京 100076;3. 北京精密机电控制设备研究所, 北京 100076)

0 引 言

体系是一类由众多彼此独立的系统组成的复杂系统集合,又称为系统之系统,是目前系统工程研究的重要方向[1-4]。体系各个组成部分并不是传统系统工程意义上的紧耦合关系,而是相对松散、有较大的自主性、并给整体带来演化性的一种特殊关系。体系领域需要一套适合这样特点的方法流程,指导研究者进行体系设计。在这样的背景下,Dahmm等人[5]提出将体系设计用一种易于理解和操作、反复迭代不断进化的波浪模型来表述,如图1所示。由于其把握了体系的演化特性,被广大的体系研究者关注[6-12]。包括美国普渡大学Delaurance教授的团队、美国密苏里大学Dagli教授的研究团队以及国内的王维平[12]等学者都对这一模型予以了关注。Agarwal[13]在波浪模型的基础上提出了一套名为灵活智能学习体系框架(flexible intelligent learning architectures for systems of systems, FILA-SoS)的体系优化设计方法论。Imane[14]则在波浪模型的基础上,提出以任务为主线的体系工程分析流程。方哲梅[15]提出了一种基于动态战略规划的体系架构进化建模方法,与传统的美国国防部体系架构框架(简称为DoDAF)体系视图架构进行了结合。

图1 体系工程波浪模型

这类进化体系架构开发理念是把体系组成要素设计问题转化为优化问题,并且是一个随着内外部条件变化的重复优化问题。在每一个周期内,根据外部条件和当前的需求,确定架构内潜在的体系要素,并开展优化设计得到最优的要素组合形式,在下一个周期内随着体系内外关系的变化重复这一过程。然而目前关于体系进化架构有关的研究有以下几点问题。

第一,体系架构优化过程中缺乏具备可操作性的体系需求分析方法,对体系架构进化的目标难以清晰定位。

第二,目前对体系优化设计或是将体系中的系统作为黑箱,缺乏各系统自身情况对体系影响的分析;或是采用分层优化的形式,将体系分解为多层,逐级寻优,容易导致局部优化而整体非最优的问题。

本文在前人工作基础上,从两方面对基于进化架构的体系优化设计方法进行改进。一方面,引入联合能力集成与开发系统(joint capabilities integration and development system,JCIDS)中的相关方法,分析对体系的劣势短板作为优化的目标。另一方面在面向体系架构的优化方法中加入对系统级、子系统级参数变量的整体优化,以一体化编码的形式对各级变量协同优化,通过进化优化算法得出体系多层协同优化的方案。以此实现从体系需求到系统参数优化的进化架构设计流程。并以海上搜救装备体系优化设计问题作为应用对象,对该方法的有效性进行检验。

1 融合JCIDS的体系进化架构优化设计流程

进化体系架构设计与开发流程如图2所示,通过需求分析确定体系架构的选择范围、体系整体的约束规则和体系能力的优化目标。实现这一过程的关键是确定体系的能力需求,找到体系进化的方向,形成优化的目标函数。JCIDS是美军为完成联合作战任务、实现联合作战目标而创建的一种作战需求生成系统,主要用于指导装备采办阶段中装备的设计与选型,也在其他领域被用于解决需求分析问题[16-19],大致流程如图3所示。

图2 进化体系架构设计与开发流程

图3 JCIDS开发流程

JCIDS中对能力差距的分析能够提高体系在进化设计中对需求的把控力,对体系的能力需求开展优选和排序,为体系架构进化提供充分的目标依据。因此,本文选取JCIDS中的功能域分析(function area analysis, FAA)与功能需求分析(function needs analysis, FNA)这两个主要步骤,形成如图4所示改进的进化体系架构设计与开发流程。主要包括以下步骤。

图4 改进的进化体系架构设计与开发流程

步骤 1将体系战略目标与行动概念作为进化体系架构设计的需求总输入,将抽象的需求转换为能力目标。

步骤 2然后进行FAA,确定体系的内涵和边界,形成体系的任务清单、限制条件和评估标准,作为体系框架生成的基础。

步骤 3将体系的限制条件参数化,形成体系要素规则库,作为优化模型的约束条件。

步骤 4以FNA方法,对各项任务,确认能力现状和存在的差距,对能力的优先级进行排序,并对评估体系能力的标准组织成可量化的目标函数的形式。

步骤 5将体系内潜在的组成要素和要素的关键参数组合成一种可优化的编码形式。

步骤 6以进化算法对体系方案优化,形成当前条件下最优的体系方案。

步骤 7以未来的评估标准对当前最优方案结果进行评估,对方案进一步权衡后决定是否开展下一波进化架构优化设计。

图4所示的进化架构融入JCIDS的好处在于将图2的进化架构中体系需求分析的步骤具象化。这种架构是一种“评估先行”的体系架构设计理念,即对体系能力的评估先于对体系的设计与优化,而非在体系的原型架构设计完成之后再从各个角度去评估。这种理念与“进化”的概念更贴合,更能适应体系演化的特质,保证体系在每个设计循环内始终向最优的方向进化。

2 体系需求表生成与能力差距分析

在JCIDS流程中,FAA的重点工作是对整个联合任务使命流程开展描述,并在其中识别出完成特定使命最为必需的任务清单。之后,对每个任务说明执行的条件。最后,确定衡量任务完成情况的标准,以“在……条件下,按……衡量标准,执行……任务”的体系需求表的形式输出。

以海上救援问题为例,在3级以下海况下,距离海岸50海里以内,能见度为2 km以上,遇险总人数在10人以内的需求表如表1所示。FNA在FAA基础上,通过任务和能力的对应关系,合并同类的条件,形成能力单元。在JCIDS中,规定了一系列联合作战的基本能力,只需将能力单元按照基本能力进行归类,即可形成完整的能力清单。面对非作战问题,同样可以按照FNA的思路,将能力单元按照所承担能力的组成系统的共性特点,聚合形成体系的能力清单。

表1 特定条件下的任务评价标准表

之后,通过将衡量标准与能力清单进行对应,从能力现状中找到能力差距,并根据能力差距的大小、紧迫程度,对能力的优先级进行排序(第4节案例部分更为详细描述)。对于提升要求紧迫的能力,将其设为当前一轮进化架构流程的优化目标。根据体系所需的能力,选择能够在所需条件下满足对应能力的潜在组成系统。再将分析得到的任务条件转化为对系统的约束,至此,体系架构优化的目标函数、优化变量和约束条件已经全部具备。

3 改进的体系多层进化架构优化设计

第2节的内容解决了如何将一个体系从抽象的概念,经过基于JCIDS的需求分析流程,逐步形成任务到能力、能力到系统的体系架构。接下来的关键问题是对体系架构进行优化,寻找最合适的体系架构方案。对于一般的优化问题而言,都可以用如下的形式来进行表示:

(1)

由于体系结构的复杂性,其求解相比于传统优化问题也有所不同。体系除了整体的优化之外,应该考虑内部组成系统参数对系统的影响。体系优化目标的变量由部分系统变量来决定,而系统的变量由子系统决定。因此,在一些文献中[20-25],根据传统系统工程多学科优化的思路,提出了体系多层协同优化的方法,如图5所示,将体系分解为体系、系统、子系统3层,每层都有各自优化目标F,通过目标级联法、多学科协同优化等方法解决各个目标的一致性问题。这种方法处理时,采用对没有参数耦合问题的最底层优化后,解出耦合参数C,作为上一层目标函数的自变量代入其中,再来优化上一层。这种方法直观上有效合理,但是在实际优化过程中,为了实现体系目标的最优,需要反复多次计算耦合参数,并且特别容易陷入子系统的局部最优中。本文提出另外一种协同进化的思路,将体系、系统和子系统的所有设计参数直接以遗传算子的形式输出到多目标进化算法中。虽然这种算法会在一定程度上带来优化算法计算开支的增加,但这样的好处是没有处理耦合算子的问题,从根本上避免了系统或子系统局部最优而体系整体非最优。

图5 体系优化问题的多层性

对于改进后的优化方法,将各层所有的耦合参数C都以下一层的变量代入,可以将其写成一体化编码形式X:

(2)

图6 体系任务-能力-系统的对应关系示例

这样在体系优化中,借助这一变量在一体化编码中确定分段,可以更快速地将不适合体系的组成系统剔除,减少优化的规模。同时,面向体系的各种能力,采用多目标优化求解出一个体系方案的权衡空间。在权衡空间中,根据能力的优先级和体系决策者的偏好,在Pareto前沿上由体系决策者选择最适合的方案。

4 应用案例

海上搜救问题是典型的体系问题,涉及到多个部门、多种救援装备的协调配合[26],许多论文都以其作为研究对象或典型案例[27-29]。本文以海上搜救场景作为验证本文中体系进化架构优化设计方法的应用实例。考虑从大型搜救船、搜救直升机、小型搜救艇、海上搜救雷达等搜救装备和搜救设施中选择合适的组合,布置在合理的位置上,并优化搜救装备，如搜救直升机的设计参数,选择提升油箱容量提升续航,还是携带更大功率的探照灯提升低能见度搜索时的视野,或是减少一些设施提升飞行时的速度。

在第2节中,已经以例子的形式介绍如何利用JCIDS中的FAA流程,得到海上搜救体系的任务、条件和标准。这里对海上救援任务的条件进一步明确为3类,乐观条件、平均条件和悲观条件,具体如表2所示。

表2 任务条件分类

得到任务条件后,现开展对能力差距的分析,首先通过分析海上搜救任务流程,分析得到对应的子能力清单,再聚合为3种主要能力,如图6所示。通过将能力分配到救助装备系统,形成救援装备体系架构实现能力。

根据历史数据,对任务的各种条件分类并确定出现概率后,进入FNA过程,对能力现状进行评估并确定能力优先级顺序,评估能力差距分析结果如表3所示。目前与期望达成的能力水平差距最大的、最为紧迫的体系能力为“运输机动能力”,其次为“搜索探测能力”,最后为“指挥通信能力”。由式(2),建立海上救援优化模型,设计目标为加权后满足标准的程度百分数作为能力评估值,即当前优化算法的目标函数。各级优化变量包括:

表3 能力差距分析

(1) 体系级设计参数X:各类直升机/救援船救助基地数量、指挥中心部署位置(经纬度)等。

(3) 系统级设计参数x:搜救雷达功率、救助直升机/轮船巡航速度、救助直升机/轮船续航里程、岸上最大通信距离等。

变量约束考虑体系级约束条件包括装备的经费总额,基地容纳飞机/船只上限,基地部署位置,系统级约束包括救援飞机、救援船只携带搜救装备的重量限制等。本案例中,进化架构考虑两次进化,分别为当前最优方案和5年后最优计划方案。5年后的方案经费更加充足,搜救装备选择更多,功能更强。

这里应用非支配排序遗传算法(non-dominated sorting genetic algorithm, NSGA-II)[30]多目标优化算法对体系装备组合展开优化。根据能力优先级排序,对“运输机动能力”和“搜索探测能力”两项优先开展优化。应用改进的优化算法后,得到的Pareto前沿结果如图7所示。

图7中每个点代表一组优化后的体系设计方案。从图中可以看出,改进的进化架构在获取体系所亟需的能力需求,并对能力需求进行优先级排序后,利用优化算法为体系决策者提供合理的方案集。

本文以改进后一体化编码形式和分层计算的模式进行了算法性能的对比。为了避免讨论多目标优化条件下加权计算带来的影响,这里以“运输机动能力”中“救援力量平均到达时间”这一单独指标来验证算法性能。

图7 两次优化的Pareto前沿结果

如表4所示根据仿真结果可知,本文提出的采用一体化编码的优化模式在当前问题中寻优效果较好,避免了分层优化的局部最优。

表4 优化算法性能参数比较

5 总结与展望

本文对体系进化架构优化设计方法的改进之处在于通过结合JCIDS的需求分析方法解决了体系进化架构缺乏需求获取方法和多级优化过程耦合性的问题。以FAA过程给出体系的优化变量选取范围,以FNA确定能力的评价标准和优先级,考虑体系内多级参数,并通过采用一体化编码的方式,避免了求解中各级耦合的问题及局部最优,提高了进化算法的优化效果。最后以海上救援问题作为应用案例开展了从需求分析到优化方案的闭环验证,该方法能够有效分析能力需求,并利用优化算法实现体系内各级参数的协同优化。

目前研究中应用的优化算法为在遗传算法基础上改进的仿生智能进化算法,其优化结果存在一定随机性,速度也并不理想。未来研究中将考虑借助代理模型提升评估的效率,并引入博弈决策相关方法对进化算法进行改进,进一步提高体系架构优化的速度和质量。