【学术论文】人机协同军事计划技术综述

第8卷第6期 智能系统学报 Vol.8 No.6 2013年12月 CAAI Transactions on Intelligent Systems Dec.2013 D0:10.3969/j.issn.1673-4785.201209051 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.TP.20131012.1814.006.html 人机协同军事计划技术综述 雷霆，朱承，张维明 (国防科技大学信息系统工程重点实验室，湖南长沙410073) 摘要：为了分析人机协同军事计划技术的研究现状，归纳了具有研究价值的课题方向.分析了军事计划问题的特 性，总结了人机系统军事计划系统的一般体系结构然后对人机协同计划策略在计划过程中行动方案的生成、解释 调整等方面的实现方法进行了概括、比较.结果表明，计划器的模型和算法对人机协同策略的实现方式有较大影响. 最后，指出了基于认知科学的人机任务分工建模技术、不完备计划模型下的人机计划技术、动态不确定环境下的分 布式计划技术等是未来可能的研究方向. 关键词：计划；人机协同：军事计划过程：计划理性；计划本体 中图分类号：TP18文献标志码：A文章编号：1673-4785(2013)06-0475-07 中文引用格式：雷霆，朱承，张维明.人机协同军事计划技术综述[J刀.智能系统学报，2013,8(6)：475-481. 英文引用格式：LEI Ting,ZHU Cheng,ZHANG Weiming.Summarization of man-machine collaborative military planning technol-. ogy[J].CAAI Transactions on Intelligent Systems,2013,8(6):475-481. Summarization of man-machine collaborative military planning technology LEI Ting,ZHU Cheng,ZHANG Weiming Information System Engineering Major Laboratory,National University of Defense Technology,Changsha 410073,China) Abstract:For the purpose of analyzing the present research into man-machine collaborative military planning tech- nology,the authors introduced the task directions with large research value.Firstly,the characteristics of the mili- tary planning problem were analyzed and the common structure of the man-machine collaborative planning system was summarized.Subsequently,the authors studied and compared the realization methods for the following aspects: the generation,explanation and adjustments for the action plan of the man-machine collaborative planning strategy in the planning process,and the result shows that the model and algorithm of the planner greatly influenced the im- plementation of the man-machine collaborative strategy.Finally,the authors point out that the modeling technology of the man-machine task division based on cognitive science,along with the man-machine planning technology based on the incomplete planning model and the distributed planning technology under dynamic and uncertain envi- ronments represent the future possible direction of the research. Keywords:planning:man-machine collaboration;military planning process;planning logos;planning ontology 军事计划是指指挥员根据战场态势和所赋予的 和多参与方 军事任务，使用有限的作战资源（兵力、武器装备）， 军事计划一直是军事决策的核心内容，指挥部门 生成一系列行动步骤和相关细节的过程，包含了多 决策主要围绕着计划的拟制与执行展开.军事计划环 层次（与指挥组织层次对应）、多阶段（计划的生成、 境往往是高度压力、不确定、多目标、目标变化的复杂 分析、执行、调整)、多类型（如资源调度、路径规划） 非线性活动山.随着现代战争正从机械化向信息化变 革，军事计划问题的复杂程度急剧增加，能否快速准 收稿日期：2012-09-25.网络出版日期：2013-10-12. 确地生成计划成为影响战争成败的关键所在. 基金项目：国家自然科学基金资助项目(71001105,91024006). 通信作者：雷霆.E-mail:leiting_nudt@126.com. 军事计划问题一直受到多学科领域的关注.心

第 ８ 卷第 ６ 期 智 能 系 统 学 报 Ｖｏｌ．８ №．６ ２０１３ 年 １２ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｄｅｃ． ２０１３ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１２０９０５１ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１３１０１２．１８１４．００６．ｈｔｍｌ 人机协同军事计划技术综述 雷霆，朱承，张维明 （国防科技大学 信息系统工程重点实验室，湖南 长沙 ４１００７３） 摘 要：为了分析人机协同军事计划技术的研究现状，归纳了具有研究价值的课题方向．分析了军事计划问题的特 性，总结了人机系统军事计划系统的一般体系结构．然后对人机协同计划策略在计划过程中行动方案的生成、解释、 调整等方面的实现方法进行了概括、比较． 结果表明，计划器的模型和算法对人机协同策略的实现方式有较大影响． 最后，指出了基于认知科学的人机任务分工建模技术、不完备计划模型下的人机计划技术、动态不确定环境下的分 布式计划技术等是未来可能的研究方向． 关键词：计划；人机协同；军事计划过程；计划理性；计划本体 中图分类号： ＴＰ１８ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１３）０６⁃０４７５⁃０７ 中文引用格式：雷霆，朱承，张维明． 人机协同军事计划技术综述［Ｊ］． 智能系统学报， ２０１３， ８（６）： ４７５⁃４８１． 英文引用格式：ＬＥＩ Ｔｉｎｇ， ＺＨＵ Ｃｈｅｎｇ， ＺＨＡＮＧ Ｗｅｉｍｉｎｇ． Ｓｕｍｍａｒｉｚａｔｉｏｎ ｏｆ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｍｉｌｉｔａｒｙ ｐｌａｎｎｉｎｇ ｔｅｃｈｎｏｌ⁃ ｏｇｙ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１３， ８（６）： ４７５⁃４８１． Ｓｕｍｍａｒｉｚａｔｉｏｎ ｏｆ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｍｉｌｉｔａｒｙ ｐｌａｎｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ＬＥＩ Ｔｉｎｇ， ＺＨＵ Ｃｈｅｎｇ， ＺＨＡＮＧ Ｗｅｉｍｉｎｇ （Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ Ｅｎｇｉｎｅｅｒｉｎｇ Ｍａｊｏｒ Ｌａｂｏｒａｔｏｒｙ， Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｄｅｆｅｎｓｅ Ｔｅｃｈｎｏｌｏｇｙ， Ｃｈａｎｇｓｈａ ４１００７３， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒ ｔｈｅ ｐｕｒｐｏｓｅ ｏｆ ａｎａｌｙｚｉｎｇ ｔｈｅ ｐｒｅｓｅｎｔ ｒｅｓｅａｒｃｈ ｉｎｔｏ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｍｉｌｉｔａｒｙ ｐｌａｎｎｉｎｇ ｔｅｃｈ⁃ ｎｏｌｏｇｙ， ｔｈｅ ａｕｔｈｏｒｓ ｉｎｔｒｏｄｕｃｅｄ ｔｈｅ ｔａｓｋ ｄｉｒｅｃｔｉｏｎｓ ｗｉｔｈ ｌａｒｇｅ ｒｅｓｅａｒｃｈ ｖａｌｕｅ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｍｉｌｉ⁃ ｔａｒｙ ｐｌａｎｎｉｎｇ ｐｒｏｂｌｅｍ ｗｅｒｅ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅ ｃｏｍｍｏｎ ｓｔｒｕｃｔｕｒｅ ｏｆ ｔｈｅ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎｎｉｎｇ ｓｙｓｔｅｍ ｗａｓ ｓｕｍｍａｒｉｚｅｄ． Ｓｕｂｓｅｑｕｅｎｔｌｙ， ｔｈｅ ａｕｔｈｏｒｓ ｓｔｕｄｉｅｄ ａｎｄ ｃｏｍｐａｒｅｄ ｔｈｅ ｒｅａｌｉｚａｔｉｏｎ ｍｅｔｈｏｄｓ ｆｏｒ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ａｓｐｅｃｔｓ： ｔｈｅ ｇｅｎｅｒａｔｉｏｎ， ｅｘｐｌａｎａｔｉｏｎ ａｎｄ ａｄｊｕｓｔｍｅｎｔｓ ｆｏｒ ｔｈｅ ａｃｔｉｏｎ ｐｌａｎ ｏｆ ｔｈｅ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎｎｉｎｇ ｓｔｒａｔｅｇｙ ｉｎ ｔｈｅ ｐｌａｎｎｉｎｇ ｐｒｏｃｅｓｓ， ａｎｄ ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍ ｏｆ ｔｈｅ ｐｌａｎｎｅｒ ｇｒｅａｔｌｙ ｉｎｆｌｕｅｎｃｅｄ ｔｈｅ ｉｍ⁃ ｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｔｈｅ ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｓｔｒａｔｅｇｙ． Ｆｉｎａｌｌｙ， ｔｈｅ ａｕｔｈｏｒｓ ｐｏｉｎｔ ｏｕｔ ｔｈａｔ ｔｈｅ ｍｏｄｅｌｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｔｈｅ ｍａｎ⁃ｍａｃｈｉｎｅ ｔａｓｋ ｄｉｖｉｓｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｇｎｉｔｉｖｅ ｓｃｉｅｎｃｅ， ａｌｏｎｇ ｗｉｔｈ ｔｈｅ ｍａｎ⁃ｍａｃｈｉｎｅ ｐｌａｎｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｎｃｏｍｐｌｅｔｅ ｐｌａｎｎｉｎｇ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｄｉｓｔｒｉｂｕｔｅｄ ｐｌａｎｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｕｎｄｅｒ ｄｙｎａｍｉｃ ａｎｄ ｕｎｃｅｒｔａｉｎ ｅｎｖｉ⁃ ｒｏｎｍｅｎｔｓ ｒｅｐｒｅｓｅｎｔ ｔｈｅ ｆｕｔｕｒｅ ｐｏｓｓｉｂｌｅ ｄｉｒｅｃｔｉｏｎ ｏｆ ｔｈｅ ｒｅｓｅａｒｃｈ． Ｋｅｙｗｏｒｄｓ： ｐｌａｎｎｉｎｇ； ｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｏｎ； ｍｉｌｉｔａｒｙ ｐｌａｎｎｉｎｇ ｐｒｏｃｅｓｓ； ｐｌａｎｎｉｎｇ ｌｏｇｏｓ； ｐｌａｎｎｉｎｇ ｏｎｔｏｌｏｇｙ 收稿日期：２０１２⁃０９⁃２５． 网络出版日期：２０１３⁃１０⁃１２． 基金项目：国家自然科学基金资助项目（７１００１１０５， ９１０２４００６）． 通信作者：雷霆． Ｅ⁃ｍａｉｌ：ｌｅｉｔｉｎｇ＿ｎｕｄｔ＠ １２６．ｃｏｍ． 军事计划是指指挥员根据战场态势和所赋予的 军事任务，使用有限的作战资源（兵力、武器装备）， 生成一系列行动步骤和相关细节的过程，包含了多 层次（与指挥组织层次对应）、多阶段（计划的生成、 分析、执行、调整）、多类型（如资源调度、路径规划） 和多参与方． 军事计划一直是军事决策的核心内容，指挥部门 决策主要围绕着计划的拟制与执行展开．军事计划环 境往往是高度压力、不确定、多目标、目标变化的复杂 非线性活动［１］ ．随着现代战争正从机械化向信息化变 革，军事计划问题的复杂程度急剧增加，能否快速准 确地生成计划成为影响战争成败的关键所在． 军事计划问题一直受到多学科领域的关注．心

·476 智能系统学报 第8卷 理与认知科学领域从认知层面研究人做计划的问题 型的决策计算间的影响，又要通过建立人与自动化 求解方式、描述结构)，并基于指挥员认知特征提 间的协同来改进解决方案，因此是一个分层、分阶 出了军事计划过程模型，但是在时间紧迫的战争 段、迭代递增的解决过程.本文针对军事计划的问题 环境中，人难以快速处理大量决策细节其他学科则 特性，根据人机协同军事计划的流程，提出了人机协 研究如何使用自动化方法来解决计划问题.人工智 同军事计划技术的一般体系结构，如图1所示. 能领域中的自动规划能模拟人的计划方式，将计划 问题视为搜索生成行动序列，将问题的初始状态转 战场环境 化为目标状态，并做了有限状态、确定性、静态、串行 行动等严格问题的假设)，而不确定、动态的军事 计 计划问题不能满足这些假设，并且难以建立完备的 模 领域知识，因此无法直接求解.管理科学领域主要使 0-& 0 成 案调整 用运筹学的方法对计划问题的相关要素特征进行分 析和建模，求解优化结果 述 方案解释 由于军事计划问题是非结构化的问题，问题要 素难以被建模和求解.这些自动化方法不能体现指 图1人机协同军事计划体系结构 挥员的策略、经验和偏好，并且整个过程对于用户是 Fig.1 The structure of human-machine collaborative 一个“黑盒”，用户无法控制和理解问题的求解过程. planning system 单靠人或自动化的方法均无法解决军事计划问题， 计划模型描述模块提供人机能共同理解的计划 若能综合利用人机各自的知识和问题的解决能力， 描述，是人机协同的基础：方案生成模块提供了计划 则能够处理军事计划中的复杂性和动态性，提高计 生成方法：方案调整模块提供方案在战场环境中执行 划质量因此从多学科交叉的角度出发，分析人和自 时的动态调整方法：方案解释模块向用户提供方案的 动化之间如何协同解决军事计划问题，具有重要的 决策原因解释和展示. 理论意义.这不仅能够有助于军事计划问题的求解， 本文从计划模型描述、行动方案生成、行动方案 还能够解决此类具备不确定性、动态性和对抗性的 解释、行动方案调整4个方面分析人机协同计划策略 复杂计划问题，如抢险救灾、商业竞争等 在军事计划过程中的应用. 人机协同计划技术在军事决策中已经得到广泛 应用，使军事计划朝着科学、高效、精确的方向发展， 2计划模型描述 其应用的发展可分为3个阶段.第1个阶段从20世 人机协同计划过程中需要让人与系统之间能够 纪90年代初至90年代中期.海湾战争之后，dARPA 交流计划信息，包括计划过程、计划结果等，而传统计 赞助的ARPI(dARPA-Rome planning initiative)项 划文书和图表无法直接被系统使用，且智能规划中基 目)研究了一系列人机协同计划系统，辅助制定物 于状态描述的模型也难以表达复杂军事计划，这就需 资调度、应急救援、空军战役等计划，解决了人对计 要研究人机通用的计划模型描述 划系统的控制问题.第2个阶段从20世纪90年代 人机协同军事计划模型描述通过本体来实现.本 中期至90年代末，研究重点是增强计划系统的透明 体被Studer!)】定义为共享概念模型的明确的形式化 性和可指导性，并将应用的范围扩展到计划的全周 规范说明，能够被计算机所理解和使用.本体模型分 期，处理层次扩充到非战争军事行动等).第3个阶 为2类：1)面向过程描述的本体技术，其对计划流程 段从21世纪初至今，研究人员将人机协同计划应用 各方面领域知识进行形式化描述，目的是促进不同计 到特种作战行动6)、多国联合行动)等领域，能够 划系统、人与系统之间对计划的共同理解，但难以用 解决决策时间紧迫、态势动态变化的计划问题，辅助 于组织间的计划协同：2)面向约束描述的本体技术， 联合行动计划的协同. 其描述联合军事计划，并且增加了对计划理性的表 国外学者对人机协同军事计划技术进行了广泛 示，用于促进不同军事组织之间的计划协同.其中基 研究，但国内学者在这一领域的研究还局限于对军 本理性描述作出计划决策的原因和依赖的假设，包括 事计划本体的描述，因此本文主要是在国外学者的 3类理性]：“因果关系”理性描述领域约束如何被应 相关文献基础上进行综述 用的推理步骤：“依赖性”理性描述计划实体真值如何 被维护：“决策”理性关注于如何产生其他计划实体的 1人机协同军事计划的一般体系结构 决策和假设！ 人机协同计划过程既要处理不同层次、不同类 描述军事计划内容的本体已有大量的研究，代表

理与认知科学领域从认知层面研究人做计划的问题 求解方式、描述结构［２］ ，并基于指挥员认知特征提 出了军事计划过程模型［１］ ，但是在时间紧迫的战争 环境中，人难以快速处理大量决策细节．其他学科则 研究如何使用自动化方法来解决计划问题．人工智 能领域中的自动规划能模拟人的计划方式，将计划 问题视为搜索生成行动序列，将问题的初始状态转 化为目标状态，并做了有限状态、确定性、静态、串行 行动等严格问题的假设［３］ ，而不确定、动态的军事 计划问题不能满足这些假设，并且难以建立完备的 领域知识，因此无法直接求解．管理科学领域主要使 用运筹学的方法对计划问题的相关要素特征进行分 析和建模，求解优化结果． 由于军事计划问题是非结构化的问题，问题要 素难以被建模和求解．这些自动化方法不能体现指 挥员的策略、经验和偏好，并且整个过程对于用户是 一个“黑盒”，用户无法控制和理解问题的求解过程． 单靠人或自动化的方法均无法解决军事计划问题， 若能综合利用人机各自的知识和问题的解决能力， 则能够处理军事计划中的复杂性和动态性，提高计 划质量．因此从多学科交叉的角度出发，分析人和自 动化之间如何协同解决军事计划问题，具有重要的 理论意义．这不仅能够有助于军事计划问题的求解， 还能够解决此类具备不确定性、动态性和对抗性的 复杂计划问题，如抢险救灾、商业竞争等． 人机协同计划技术在军事决策中已经得到广泛 应用，使军事计划朝着科学、高效、精确的方向发展， 其应用的发展可分为 ３ 个阶段．第 １ 个阶段从 ２０ 世 纪 ９０ 年代初至 ９０ 年代中期．海湾战争之后，ｄＡＲＰＡ 赞助的 ＡＲＰＩ （ ｄＡＲＰＡ⁃Ｒｏｍｅ ｐｌａｎｎｉｎｇ ｉｎｉｔｉａｔｉｖｅ） 项 目［４］研究了一系列人机协同计划系统，辅助制定物 资调度、应急救援、空军战役等计划，解决了人对计 划系统的控制问题．第 ２ 个阶段从 ２０ 世纪 ９０ 年代 中期至 ９０ 年代末，研究重点是增强计划系统的透明 性和可指导性，并将应用的范围扩展到计划的全周 期，处理层次扩充到非战争军事行动等［５］ ．第 ３ 个阶 段从 ２１ 世纪初至今，研究人员将人机协同计划应用 到特种作战行动［６］ 、多国联合行动［７］ 等领域，能够 解决决策时间紧迫、态势动态变化的计划问题，辅助 联合行动计划的协同． 国外学者对人机协同军事计划技术进行了广泛 研究，但国内学者在这一领域的研究还局限于对军 事计划本体的描述，因此本文主要是在国外学者的 相关文献基础上进行综述． １ 人机协同军事计划的一般体系结构 人机协同计划过程既要处理不同层次、不同类 型的决策计算间的影响，又要通过建立人与自动化 间的协同来改进解决方案，因此是一个分层、分阶 段、迭代递增的解决过程．本文针对军事计划的问题 特性，根据人机协同军事计划的流程，提出了人机协 同军事计划技术的一般体系结构，如图 １ 所示． 图 １ 人机协同军事计划体系结构 Ｆｉｇ．１ Ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｏｆ ｈｕｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎｎｉｎｇ ｓｙｓｔｅｍ 计划模型描述模块提供人机能共同理解的计划 描述，是人机协同的基础；方案生成模块提供了计划 生成方法；方案调整模块提供方案在战场环境中执行 时的动态调整方法；方案解释模块向用户提供方案的 决策原因解释和展示． 本文从计划模型描述、行动方案生成、行动方案 解释、行动方案调整 ４ 个方面分析人机协同计划策略 在军事计划过程中的应用． ２ 计划模型描述 人机协同计划过程中需要让人与系统之间能够 交流计划信息，包括计划过程、计划结果等，而传统计 划文书和图表无法直接被系统使用，且智能规划中基 于状态描述的模型也难以表达复杂军事计划，这就需 要研究人机通用的计划模型描述． 人机协同军事计划模型描述通过本体来实现．本 体被 Ｓｔｕｄｅｒ ［８］定义为共享概念模型的明确的形式化 规范说明，能够被计算机所理解和使用．本体模型分 为 ２ 类：１）面向过程描述的本体技术，其对计划流程 各方面领域知识进行形式化描述，目的是促进不同计 划系统、人与系统之间对计划的共同理解，但难以用 于组织间的计划协同；２）面向约束描述的本体技术， 其描述联合军事计划，并且增加了对计划理性的表 示，用于促进不同军事组织之间的计划协同．其中基 本理性描述作出计划决策的原因和依赖的假设，包括 ３ 类理性［９］ ：“因果关系”理性描述领域约束如何被应 用的推理步骤；“依赖性”理性描述计划实体真值如何 被维护；“决策”理性关注于如何产生其他计划实体的 决策和假设． 描述军事计划内容的本体已有大量的研究，代表 ·４７６· 智 能 系 统 学 报 第 ８ 卷

第6期 雷霆，等：人机协同军事计划技术综述 477· 性的有20世纪90年代dARPA开发的核心计划描述 具备良好层次结构的计划领域，常采用HTN这种层 CPRo,它从过程的角度对计划进行建模，是描述计 次式计划方法[】，因为HTN符合军事计划活动中人 划、过程、活动通用信息的模型接着G引等山提出了计 的逐层精化思想.机会式计划模型面向的是病态结 划本体PLANET,能够描述计划上下文和构成计划问题 构计划领域，需要处理动态变化的计划约束.Fergu- 背景的约束、计划问题中关于环境初始状态和目标的 son等9借鉴人与人之间协同计划的对话方式，采 信息，并在外部约束和计划承诺之间做了明显区分 用混合主动（即系统中“主动性”是共享的，每方都 描述军事计划领域中实体（如资源、时间、可视 能贡献于计划的开发和管理，而无需被明确要 模式)的本体与具体应用相关.Smith2]建立了调度 求[])的方式机会式地生成计划.Smith2)研究了在 领域对象本体OZONE,能描述活动、资源和相关约 约束不确定的情况下计划生成的方法，将活动和时 束，并建立了在计划器层时间约束网络中“环”的距 序约束描述为简单时序问题(simple temporal prob 离约束描述（将它们描述为活动时间相互依赖集、 lem,STP),约束网络中的时间边，当用户决策增加 活动次序依赖)，用于面向用户的计划解释创建.i- 或调整了约束，约束传播更新受影响的节点边界，从 o)提出了用于计划可视化模式的语义模型，包括 而实现计划的递增式生成。 对可视化模式、计划过程信息、移动显示设备特征、 这种计划模型问题解决的方式是迭代递增的， 用者Agent特征、环境的描述 关注人机交替约束计划的细节.但在实际军事计划 在基于本体的计划描述的基础上，研究人员提 中，用户更擅长高层计划策略的探索，而由计划器来 出了基于约束的联合计划描述方法.Tate使用基 填充细节这种通过目标调整来获得计划的方式更 于约束的描述方法，将计划认为是在约束内满足任 符合指挥员的习惯].因此研究人员又将注意力投 务目标的设计，提出了计划描述框架（前 向了基于指导的计划生成方法。 身是),将计划内容描述为议题(issue)、 3.2基于指导的计划方法 节，点(node)、约束(constraint)和标注(annotation), 基于指导的计划方法可分为：1)基于目标操 能被规划器和计划人员所共同理解，并且标注部分 纵：人根据资源性能和约束，在目标空间中不断调 能够描述记录计划过程中处理议题的理性.已被应用到多国联合行动计划实验中 标[2]：2)基于草图(sketch)的计划方法：人给出高 Allen等在PLANET和计划描述语 层的问题解决策略（草图），由计划器来快速填充其 言的基础上，提出了协同计划模型(collaborative plan- 他的计划内容，或提出策略的修复建议， ning model,CPM),使用逻辑描述语言OWL形式化描 基于目标操纵的计划模型主要研究用户级目标 述军事计划内容，并能够描述计划基本理性，适合表达 描述到计划器目标的转换.Cox等[]描述目标为行 限定计划相关决策的不同形式的上下文信息. 动谓词，并基于目标层次定义了目标空间转换操作， 国内的杨建池等[16]讨论了军事领域本体的构 包括目标类型转换（如实例化）、目标参数转换和价 建：钱猛等描述了本体技术在作战计划系统中的 (valence)转换，并且为使得目标谓词能够为基于状 应用 态空间推理的计划器所使用，将目标中的行动映射 军事计划模型描述依据本体技术，从面向过程 为计划器中操作符的效果状态文字(literal). 和面向约束2种角度出发描述计划内容，为人机协 基于草图的计划模型主要研究如何识别草图， 同计划中人机交互提供了计划共享上下文和内容， 将其转化为计划生成过程和结果上的各类约束和控 是进行行动方案生成、解释、校验和调整的基础 制草图可分为： 3行动方案生成 1)所需计划过程特性.Myer2刈提出了描述计划 高层属性的元级理论，构建了3类结构：角色（操作 在行动方案生成中，根据计划问题空间的搜索 符中对象功能)、特征（操作符属性）和度量，并定义 策略的不同可将计划生成方法分为：1)交互约束计 2类策略建议[2]：a)角色建议：指出哪种角色填充 划方法，由人机添加各种约束，填补计划细节等)： 是需要的或者限制在具体活动中：b)方法建议：规 2)基于指导的计划方法，由人提供高层指导，机器 定或禁止计划内具体活动的使用.为使策略建议能 快速填充具体实现细节. 指导计划器，Myer2根据HTN计划精化结构，在角 3.1交互约束方法 色填充满足和活动匹配的概念上定义计划约束满 交互约束方法又可分为层次式和机会式2种： 足，并通过考虑HTN节点的操作符选择和环境状 前者使用最小承诺策略，人机协同递增、自顶向下地 态、当前部分计划精化结构上下文，将建议约束转化 精化：后者是尽可能快地“跳跃”到一个解决方案， 为操作符使用约束和计划过程约束 机会式地解决计划问题].层次式计划方法应用于 2)所需计划结果特性.Myer等[26]以HTN作为

性的有 ２０ 世纪 ９０ 年代 ｄＡＲＰＡ 开发的核心计划描述 ＣＰＲ ［１０］ ，它从过程的角度对计划进行建模，是描述计 划、过程、活动通用信息的模型．接着 Ｇｉｌ 等［１１］提出了计 划本体 ＰＬＡＮＥＴ，能够描述计划上下文和构成计划问题 背景的约束、计划问题中关于环境初始状态和目标的 信息，并在外部约束和计划承诺之间做了明显区分． 描述军事计划领域中实体（如资源、时间、可视 模式）的本体与具体应用相关．Ｓｍｉｔｈ ［１２］ 建立了调度 领域对象本体 ＯＺＯＮＥ ，能描述活动、资源和相关约 束，并建立了在计划器层时间约束网络中“环”的距 离约束描述（将它们描述为活动时间相互依赖集、 活动次序依赖），用于面向用户的计划解释创建．Ｌｉ⁃ ｎｏ ［１３］提出了用于计划可视化模式的语义模型，包括 对可视化模式、计划过程信息、移动显示设备特征、 用者 Ａｇｅｎｔ 特征、环境的描述． 在基于本体的计划描述的基础上，研究人员提 出了基于约束的联合计划描述方法．Ｔａｔｅ ［１４］ 使用基 于约束的描述方法，将计划认为是在约束内满足任 务目标的设计，提出了＜Ｉ⁃Ｎ⁃Ｃ⁃Ａ＞ 计划描述框架（前 身是＜Ｉ⁃Ｎ⁃ＯＶＡ＞），将计划内容描述为议题（ ｉｓｓｕｅ）、 节点（ ｎｏｄｅ）、约束（ ｃｏｎｓｔｒａｉｎｔ） 和标注（ ａｎｎｏｔａｔｉｏｎ）， 能被规划器和计划人员所共同理解，并且标注部分 能够描述记录计划过程中处理议题的理性．＜Ｉ⁃Ｎ⁃Ｃ⁃ Ａ＞已被应用到多国联合行动计划实验中． Ａｌｌｅｎ 等［１５］在 ＰＬＡＮＥＴ 和＜Ｉ⁃Ｎ⁃ＯＶＡ＞ 计划描述语 言的基础上，提出了协同计划模型（ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎ⁃ ｎｉｎｇ ｍｏｄｅｌ， ＣＰＭ），使用逻辑描述语言 ＯＷＬ 形式化描 述军事计划内容，并能够描述计划基本理性，适合表达 限定计划相关决策的不同形式的上下文信息． 国内的杨建池等［１６］ 讨论了军事领域本体的构 建；钱猛等［１７］描述了本体技术在作战计划系统中的 应用． 军事计划模型描述依据本体技术，从面向过程 和面向约束 ２ 种角度出发描述计划内容，为人机协 同计划中人机交互提供了计划共享上下文和内容， 是进行行动方案生成、解释、校验和调整的基础． ３ 行动方案生成 在行动方案生成中，根据计划问题空间的搜索 策略的不同可将计划生成方法分为：１）交互约束计 划方法，由人机添加各种约束，填补计划细节等［１８］ ； ２）基于指导的计划方法，由人提供高层指导，机器 快速填充具体实现细节． ３．１ 交互约束方法 交互约束方法又可分为层次式和机会式 ２ 种． 前者使用最小承诺策略，人机协同递增、自顶向下地 精化；后者是尽可能快地“跳跃” 到一个解决方案， 机会式地解决计划问题［２］ ．层次式计划方法应用于 具备良好层次结构的计划领域，常采用 ＨＴＮ 这种层 次式计划方法［８］ ，因为 ＨＴＮ 符合军事计划活动中人 的逐层精化思想．机会式计划模型面向的是病态结 构计划领域，需要处理动态变化的计划约束．Ｆｅｒｇｕ⁃ ｓｏｎ 等［１９］借鉴人与人之间协同计划的对话方式，采 用混合主动（即系统中“主动性”是共享的，每方都 能贡献 于 计 划 的 开 发 和 管 理， 而 无 需 被 明 确 要 求［２０］ ）的方式机会式地生成计划．Ｓｍｉｔｈ ［２１］研究了在 约束不确定的情况下计划生成的方法，将活动和时 序约束描述为简单时序问题（ ｓｉｍｐｌｅ ｔｅｍｐｏｒａｌ ｐｒｏｂ⁃ ｌｅｍ，ＳＴＰ），约束网络中的时间边，当用户决策增加 或调整了约束，约束传播更新受影响的节点边界，从 而实现计划的递增式生成． 这种计划模型问题解决的方式是迭代递增的， 关注人机交替约束计划的细节．但在实际军事计划 中，用户更擅长高层计划策略的探索，而由计划器来 填充细节．这种通过目标调整来获得计划的方式更 符合指挥员的习惯［２２］ ．因此研究人员又将注意力投 向了基于指导的计划生成方法． ３．２ 基于指导的计划方法 基于指导的计划方法可分为：１） 基于目标操 纵：人根据资源性能和约束，在目标空间中不断调 整，由计划器反馈目标的可行性，以搜索到可行的目 标［２２］ ；２）基于草图（ ｓｋｅｔｃｈ） 的计划方法：人给出高 层的问题解决策略（草图），由计划器来快速填充其 他的计划内容，或提出策略的修复建议． 基于目标操纵的计划模型主要研究用户级目标 描述到计划器目标的转换．Ｃｏｘ 等［２３］ 描述目标为行 动谓词，并基于目标层次定义了目标空间转换操作， 包括目标类型转换（如实例化）、目标参数转换和价 （ｖａｌｅｎｃｅ ）转换，并且为使得目标谓词能够为基于状 态空间推理的计划器所使用，将目标中的行动映射 为计划器中操作符的效果状态文字（ｌｉｔｅｒａｌ）． 基于草图的计划模型主要研究如何识别草图， 将其转化为计划生成过程和结果上的各类约束和控 制．草图可分为： １）所需计划过程特性．Ｍｙｅｒ ［２４］ 提出了描述计划 高层属性的元级理论，构建了 ３ 类结构：角色（操作 符中对象功能）、特征（操作符属性）和度量，并定义 ２ 类策略建议［２５］ ：ａ） 角色建议：指出哪种角色填充 是需要的或者限制在具体活动中；ｂ） 方法建议：规 定或禁止计划内具体活动的使用．为使策略建议能 指导计划器，Ｍｙｅｒ ［２５］根据 ＨＴＮ 计划精化结构，在角 色填充满足和活动匹配的概念上定义计划约束满 足，并通过考虑 ＨＴＮ 节点的操作符选择和环境状 态、当前部分计划精化结构上下文，将建议约束转化 为操作符使用约束和计划过程约束． ２）所需计划结果特性．Ｍｙｅｒ 等［２６］ 以 ＨＴＮ 作为 第 ６ 期 雷霆，等： 人机协同军事计划技术综述 ·４７７·

·478 智能系统学报 第8卷 计划算法基础，使用一阶谓词描述要完成的任务，并 冲突的约束松弛选项，提供内容创建关于冲突的解 提出草图扩充算法：先使用演绎式的计划识别方法， 释.Siebra2]以计划本体为基础，通过捕 将草图中各成分关联到候选高层目标，再基于此关 获与计划的约束处理失败相关联的事件，为事件获 联将所选高层目标集扩展为全部计划Kot2)研究 取解释模板并将其实例化，为计划的失败作出解释 了将军事行动时空策略扩展为可执行计划的方法， 但这种面向用户的解释技术目前较少被研究，较多 基于HTN将行动、调度等计算紧密交叉递增，分解 的是集中于面向底层描述的解释技术，如在约束满 当前任务，产生受限递增的任务集，再由调度步骤执 足问题解决领域解释的创建通常是面向单个决策变 行时序约束传播，并调度新增加活动到可用资源和 量和约束[0]」 时间阶段 除了向用户提供计划决策解释之外，计划系统 基于目标操纵的计划方法能够处理计划目标在 还需以多视角将计划视图展现给用户.包括：1)计划 态势动态变化下需动态调整的情况，这种方法可根 内容的多种视角.常用的计划视角类型包括：任务 据资源性能约束灵活调整目标，但其缺点是将用户 (行动网络)视角、资源视角、时空视角等2)面向用 和计划细节完全隔开.基于草图的计划方法能够指 户角色的多视角.不同职责权限人员的计划视图不 出计划过程和结果需要实现的策略，但是草图中可 同.3)面向显示设备的多视角.Lino1]使用计划可视 能存在的不一致性（如多个建议之间的冲突）会增 化的语义模型和推理机制来支持协同计划中的多模 加对草图的反复调整过程， 可视化.该方法从可视化角度来组织和建模计划领 表1列举了本节所讨论的行动方案生成技术。 域，并且为信息描述提供了可裁剪的支持 表1行动方案生成技术 当计划方案的要素数量众多并且难以展现时， Table 1 Plan generation technology 需要经过近似、抽象等操作，使得用户能够理解计划 生成策略 计划模型 典型系统 方案的特征.常使用的方法有：1)近似计划结果，以 层次式 HTN PASSAT 简化视图.如Bresina3]中对于计划调度结果数量巨 机会式 STP约束网络 Comirem 大、具有灵活开的始时间范围，设计的视图中只显示 基于目标 状态空间计划器 Trans/prodigy 调度的固定开始时间：2)提取计划统计特征.如M- 计划过程草图 HTN PASSAT 计划结果草图 HTN yer提出了兴趣时序属性概括(summarization of CADET PASSAT interesting temporal properties,SITP)的框架，对计划 行动方案生成的研究从智能规划技术出发，通 中的时序特征（如任务频率、时序模式）进行分析， 以提升用户对计划的理解.3)提取计划高层特征.如 过将人对规划算法细节的操纵和高层策略的指导实 现，在计划中体现人的经验、偏好，其中基于指导的 Myer2研讨了利用计划元理论从计划结果中抽取 计划方法避免了人在计划细节调整中可能存在的前 高层属性的可能 表2罗列了所讨论的行动方案解释技术。 后不一致性，能够快速生成行动计划但是这种方式 限制了用户对细节调整的灵活性，在实际应用中需 表2行动方案解释技术 要其与交互约束计划方法结合使用 Table 2 Plan explanation technology 解释方式 解释技术 4 行动方案解释 基于约束推理、 在生成行动方案的过程中，系统需向用户提供 计划决策解释 事件解释模板 对计划系统决策的解释，并对计划内容进行抽象、概 括和展示.解释一方面能增强用户对系统方案的理 计划可视化语义 计划视图多视角展现 模型和推理 解和信任，另一方面当系统决策失败时，对问题原因 的解释能够让用户选择可行的修复策略， 统计特征和高层 计划视图抽象展示 当系统需要向用户解释问题解决过程中的搜索 属性提取 失败或方案不一致时，通常使用抽象领域模型将内 行动方案解释技术是研究如何将智能规划系统 部的系统描述映射到用户级的行动中，映射方式与 的问题解决过程和问题的解决结果以用户可理解的 底层计划系统描述和上层本体相关。 方式展现的方法，其中关于对系统生成计划的抽象、 目前的系统解释研究多集中于基于约束推理的 概括方面的研究目前还较少 计划器上的产生约束冲突的解释.Smith等[28]利用 时间约束网络中“环”在距离约束上的结构，通过计 行动方案调整 算形成解释的约束集和识别用户能用来解决调度中 在开始执行方案后，由于战场环境的动态变化

计划算法基础，使用一阶谓词描述要完成的任务，并 提出草图扩充算法：先使用演绎式的计划识别方法， 将草图中各成分关联到候选高层目标，再基于此关 联将所选高层目标集扩展为全部计划．Ｋｏｔｔ ［２７］ 研究 了将军事行动时空策略扩展为可执行计划的方法， 基于 ＨＴＮ 将行动、调度等计算紧密交叉递增，分解 当前任务，产生受限递增的任务集，再由调度步骤执 行时序约束传播，并调度新增加活动到可用资源和 时间阶段． 基于目标操纵的计划方法能够处理计划目标在 态势动态变化下需动态调整的情况，这种方法可根 据资源性能约束灵活调整目标，但其缺点是将用户 和计划细节完全隔开．基于草图的计划方法能够指 出计划过程和结果需要实现的策略，但是草图中可 能存在的不一致性（如多个建议之间的冲突） 会增 加对草图的反复调整过程． 表 １ 列举了本节所讨论的行动方案生成技术． 表 １ 行动方案生成技术 Ｔａｂｌｅ １ Ｐｌａｎ ｇｅｎｅｒａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ 生成策略 计划模型 典型系统 层次式 ＨＴＮ ＰＡＳＳＡＴ 机会式 ＳＴＰ 约束网络 Ｃｏｍｉｒｅｍ 基于目标 状态空间计划器 Ｔｒａｎｓ／ ｐｒｏｄｉｇｙ 计划过程草图 ＨＴＮ ＰＡＳＳＡＴ 计划结果草图 ＨＴＮ ＣＡＤＥＴ、ＰＡＳＳＡＴ 行动方案生成的研究从智能规划技术出发，通 过将人对规划算法细节的操纵和高层策略的指导实 现，在计划中体现人的经验、偏好，其中基于指导的 计划方法避免了人在计划细节调整中可能存在的前 后不一致性，能够快速生成行动计划．但是这种方式 限制了用户对细节调整的灵活性，在实际应用中需 要其与交互约束计划方法结合使用． ４ 行动方案解释 在生成行动方案的过程中，系统需向用户提供 对计划系统决策的解释，并对计划内容进行抽象、概 括和展示．解释一方面能增强用户对系统方案的理 解和信任，另一方面当系统决策失败时，对问题原因 的解释能够让用户选择可行的修复策略． 当系统需要向用户解释问题解决过程中的搜索 失败或方案不一致时，通常使用抽象领域模型将内 部的系统描述映射到用户级的行动中，映射方式与 底层计划系统描述和上层本体相关． 目前的系统解释研究多集中于基于约束推理的 计划器上的产生约束冲突的解释． Ｓｍｉｔｈ 等［２８］ 利用 时间约束网络中“环”在距离约束上的结构，通过计 算形成解释的约束集和识别用户能用来解决调度中 冲突的约束松弛选项，提供内容创建关于冲突的解 释．Ｓｉｅｂｒａ ［２９］以＜Ｉ⁃Ｎ⁃Ｃ⁃Ａ ＞计划本体为基础，通过捕 获与计划的约束处理失败相关联的事件，为事件获 取解释模板并将其实例化，为计划的失败作出解释． 但这种面向用户的解释技术目前较少被研究，较多 的是集中于面向底层描述的解释技术，如在约束满 足问题解决领域解释的创建通常是面向单个决策变 量和约束［３０］ ． 除了向用户提供计划决策解释之外，计划系统 还需以多视角将计划视图展现给用户．包括：１）计划 内容的多种视角．常用的计划视角类型包括：任务 （行动网络）视角、资源视角、时空视角等．２）面向用 户角色的多视角．不同职责权限人员的计划视图不 同．３）面向显示设备的多视角．Ｌｉｎｏ ［１３］使用计划可视 化的语义模型和推理机制来支持协同计划中的多模 可视化．该方法从可视化角度来组织和建模计划领 域，并且为信息描述提供了可裁剪的支持． 当计划方案的要素数量众多并且难以展现时， 需要经过近似、抽象等操作，使得用户能够理解计划 方案的特征．常使用的方法有：１）近似计划结果，以 简化视图．如 Ｂｒｅｓｉｎａ ［３１］中对于计划调度结果数量巨 大、具有灵活开的始时间范围，设计的视图中只显示 调度的固定开始时间；２）提取计划统计特征．如 Ｍ⁃ ｙｅｒ ［３２］ 提出了兴趣时序属性概括（ ｓｕｍｍａｒｉｚａｔｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔｉｎｇ ｔｅｍｐｏｒａｌ ｐｒｏｐｅｒｔｉｅｓ， ＳＩＴＰ）的框架，对计划 中的时序特征（如任务频率、时序模式） 进行分析， 以提升用户对计划的理解．３）提取计划高层特征．如 Ｍｙｅｒ ［２４］ 研讨了利用计划元理论从计划结果中抽取 高层属性的可能． 表 ２ 罗列了所讨论的行动方案解释技术． 表 ２ 行动方案解释技术 Ｔａｂｌｅ ２ Ｐｌａｎ ｅｘｐｌａｎａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ 解释方式 解释技术 计划决策解释 基于约束推理、 事件解释模板 计划视图多视角展现 计划可视化语义 模型和推理 计划视图抽象展示 统计特征和高层 属性提取 行动方案解释技术是研究如何将智能规划系统 的问题解决过程和问题的解决结果以用户可理解的 方式展现的方法，其中关于对系统生成计划的抽象、 概括方面的研究目前还较少． ５ 行动方案调整 在开始执行方案后，由于战场环境的动态变化， ·４７８· 智 能 系 统 学 报 第 ８ 卷

第6期 雷霆，等：人机协同军事计划技术综述 ·479 计划执行可能会受到阻碍或需处理新目标，这就需 于被外界破坏的计划因果链接，通过寻找已有的可 要及时对行动方案进行调整，以使方案能够适应战 能促成因素或添加新的行动来插入合适效果，提供 场环境。 修复选择，由用户选择合适行动；Myer基于对计 战场的态势信息是海量和动态变化的，需将与计 划依赖结构的分析，确定失败来源的根节点集，并为 划执行相关的信息过滤、传递给用户，使用户决定如何 根节点重计划其子任务节点：Veloso!3)]等对于计划 调整计划监控的内容不仅包括方案中行动的执行状 监视被触发的情况，动态创建控制规则，启发重引导 况，还包括计划所依赖的基本理性（即所依赖的事实和 计划空间的搜索，以执行计划的转换操作（增加、删 假设)相关信息， 除，跳转)：Asuncion[36]允许失败后先由用户给出修 监控信息是由计划结构中行动间的因果关系、行 复建议（增删行动、增删目标），这些修复对计划造 动与事实间的依赖关系、决策理性等理性推导得出，与 成影响（相关行动被增加、删除或变为不稳定，或重 计划器的形式化描述和推理方式相关.Drabble等采 计划子目标被增加)，系统利用具有时间截的因果 用因果链接描述计划的结构，记录计划中行动的效果 关联来局部性地修复计划.2)基于高层指导的修复. 和行动间的依赖关系（一个行动效果建立后面某些行 Myr等]为了支持对不可归属等高层失败的修 动的前提)，通过行动前提将计划相关信息过滤给用 复，允许用户能直接指定需要重新规划的根节点，并 户，并根据计划修复上下文（行动当前进度），从目标结 支持用户直接给出基于策略建议[]的计划修复指 构推导行动执行失败与外界事件对行动的影响范围： 导：对于环境变化或资源问题造成目标无法完成的 Myer3]基于HTN计划结构，从每一个节点搜集动态的 情况，Cox等[2)直接对目标进行转换，实现全局的 (如部队运动位置)且没被包含在先前节点效果中的前 重计划， 提条件作为监视内容：Veloso等)在基于状态空间的 表3列出了所讨论的行动方案调整技术。 计划器（基于后向链方式）算法中的决策点（行动选择 表3行动方案调整技术 行动实例化、子目标选择)处创建3类影响决策的信息 Table 3 Plan repair technology 监视：子目标、行动可行性前提和行动量化前提监视： 计划模型 监视信息 修复技术 Asuncion等6在部分序因果链接(partial order causal ik,POCL)计划算法中，记录了行动间因果关联和每 计划因果 寻找行动选项修复因果 行动前提 个因果关联被加入的时间顺序点(chronological point) 链结构 链，用户选择行动 作为计划理性，并在环境状态中文字((literal)或行动效 果中文字被删时，为受影响的因果关联创建重计划子 HTN 行动前提条件 重计划失败源节点 目标，推导无法执行行动和与其相关的不稳定行动： 动态创建控制规则，引 状态空间 Susanne[列的混合计划技术结合了层次规划和对行动 计划器 决策点前提 导计划空间重搜索：或 间因果依赖的明确推理，反应了当人在拟制计划时所 转换目标全局重计划 执行的推理，使得失败方案能够被以一种保证稳定性 部分序因果 行动间 系统根据用户修复建议】 的方式修复！ 链接计划器 因果关联 局部重计划 由于单行动的失败不足以反映对复杂的战场环 境中的计划障碍，因此还需要用户补充给出需要监控 行动间层次 用层次规划和行动间因 混合计划器 的内容.Myer归纳了2种高层失败模式：l)聚合级 和因果关联 果依赖推理来修复 失败：在许多情况下单个行动失败并不影响聚合级的 目前行动方案调整研究的思路是依据计划中包 失败：2)不可归属失败：虽然单个行动没有失败，但是 含的理性知识对计划的执行进行监控和局部修复调 评估认为计划不适合，但还有更多的高层失败模式需 整，以保持计划的稳定性，在此过程中人能够给出不 要归纳。 同层次的建议.然而在联合行动中，由于外部的a- 当用户通过计划监控发现计划执行受阻或出现 gent可能将其自身的计划基于该agent所陈述的意 新的目标时，必须及时修改计划以适应新的态势.当 图（承诺），所以计划修复质量的度量还与agent维 前研究中计划修复的主要原则是：修复过程应当尽量 持计划承诺相关联[].但目前缺乏对维持计划承诺 重用原计划内容，计划修复对原计划扰动最小，以保 度量下的人机协同方案调整的研究： 持原有计划的稳定性3).由于计划受到阻碍的原因可 能是复杂的，因此用户的参与对于保证计划的动态调 6总结和展望 整过程满足用户的需求和偏好也是必要的) 从文中介绍可以看出人机协同军事计划系统研 人机协同计划修复过程根据人机分工不同，可 究方兴未艾，这项技术是充分发挥人机性能、提高军 分为2种类型：1)相互约束的修复.Drabble等[3)对 事指挥效能的有效手段，成为了军事辅助决策技术

计划执行可能会受到阻碍或需处理新目标，这就需 要及时对行动方案进行调整，以使方案能够适应战 场环境． 战场的态势信息是海量和动态变化的，需将与计 划执行相关的信息过滤、传递给用户，使用户决定如何 调整计划．监控的内容不仅包括方案中行动的执行状 况，还包括计划所依赖的基本理性（即所依赖的事实和 假设）相关信息． 监控信息是由计划结构中行动间的因果关系、行 动与事实间的依赖关系、决策理性等理性推导得出，与 计划器的形式化描述和推理方式相关．Ｄｒａｂｂｌｅ 等［３３］采 用因果链接描述计划的结构，记录计划中行动的效果 和行动间的依赖关系（一个行动效果建立后面某些行 动的前提），通过行动前提将计划相关信息过滤给用 户，并根据计划修复上下文（行动当前进度），从目标结 构推导行动执行失败与外界事件对行动的影响范围； Ｍｙｅｒ ［３４］基于 ＨＴＮ 计划结构，从每一个节点搜集动态的 （如部队运动位置）且没被包含在先前节点效果中的前 提条件作为监视内容；Ｖｅｌｏｓｏ 等［３５］在基于状态空间的 计划器（基于后向链方式）算法中的决策点（行动选择、 行动实例化、子目标选择）处创建 ３ 类影响决策的信息 监视：子目标、行动可行性前提和行动量化前提监视； Ａｓｕｎｃｉｏｎ 等［３６］在部分序因果链接（ｐａｒｔｉａｌ ｏｒｄｅｒ ｃａｕｓａｌ ｌｉｎｋ， ＰＯＣＬ）计划算法中，记录了行动间因果关联和每 个因果关联被加入的时间顺序点（ｃｈｒｏｎｏｌｏｇｉｃａｌ ｐｏｉｎｔ） 作为计划理性，并在环境状态中文字（ｌｉｔｅｒａｌ）或行动效 果中文字被删时，为受影响的因果关联创建重计划子 目标，推导无法执行行动和与其相关的不稳定行动； Ｓｕｓａｎｎｅ ［３７］的混合计划技术结合了层次规划和对行动 间因果依赖的明确推理，反应了当人在拟制计划时所 执行的推理，使得失败方案能够被以一种保证稳定性 的方式修复． 由于单行动的失败不足以反映对复杂的战场环 境中的计划障碍，因此还需要用户补充给出需要监控 的内容．Ｍｙｅｒ ［３４］归纳了 ２ 种高层失败模式：１）聚合级 失败：在许多情况下单个行动失败并不影响聚合级的 失败；２）不可归属失败：虽然单个行动没有失败，但是 评估认为计划不适合，但还有更多的高层失败模式需 要归纳． 当用户通过计划监控发现计划执行受阻或出现 新的目标时，必须及时修改计划以适应新的态势．当 前研究中计划修复的主要原则是：修复过程应当尽量 重用原计划内容，计划修复对原计划扰动最小，以保 持原有计划的稳定性［３８］ ．由于计划受到阻碍的原因可 能是复杂的，因此用户的参与对于保证计划的动态调 整过程满足用户的需求和偏好也是必要的［３４］ ． 人机协同计划修复过程根据人机分工不同，可 分为 ２ 种类型：１）相互约束的修复．Ｄｒａｂｂｌｅ 等［３３］ 对 于被外界破坏的计划因果链接，通过寻找已有的可 能促成因素或添加新的行动来插入合适效果，提供 修复选择，由用户选择合适行动；Ｍｙｅｒ ［３４］ 基于对计 划依赖结构的分析，确定失败来源的根节点集，并为 根节点重计划其子任务节点；Ｖｅｌｏｓｏ ［３５］ 等对于计划 监视被触发的情况，动态创建控制规则，启发重引导 计划空间的搜索，以执行计划的转换操作（增加、删 除、跳转）；Ａｓｕｎｃｉｏｎ ［３６］允许失败后先由用户给出修 复建议（增删行动、增删目标），这些修复对计划造 成影响（相关行动被增加、删除或变为不稳定，或重 计划子目标被增加），系统利用具有时间戳的因果 关联来局部性地修复计划．２）基于高层指导的修复． Ｍｙｅｒ 等［３４］ 为了支持对不可归属等高层失败的修 复，允许用户能直接指定需要重新规划的根节点，并 支持用户直接给出基于策略建议［２５］ 的计划修复指 导；对于环境变化或资源问题造成目标无法完成的 情况，Ｃｏｘ 等［２３］ 直接对目标进行转换，实现全局的 重计划． 表 ３ 列出了所讨论的行动方案调整技术． 表 ３ 行动方案调整技术 Ｔａｂｌｅ ３ Ｐｌａｎ ｒｅｐａｉｒ ｔｅｃｈｎｏｌｏｇｙ 计划模型 监视信息 修复技术 计划因果 链结构 行动前提 寻找行动选项修复因果 链，用户选择行动 ＨＴＮ 行动前提条件 重计划失败源节点 状态空间 计划器 决策点前提 动态创建控制规则，引 导计划空间重搜索；或 转换目标全局重计划 部分序因果 链接计划器 行动间 因果关联 系统根据用户修复建议， 局部重计划 混合计划器 行动间层次 和因果关联 用层次规划和行动间因 果依赖推理来修复 目前行动方案调整研究的思路是依据计划中包 含的理性知识对计划的执行进行监控和局部修复调 整，以保持计划的稳定性，在此过程中人能够给出不 同层次的建议．然而在联合行动中，由于外部的 ａ⁃ ｇｅｎｔ 可能将其自身的计划基于该 ａｇｅｎｔ 所陈述的意 图（承诺），所以计划修复质量的度量还与 ａｇｅｎｔ 维 持计划承诺相关联［３９］ ．但目前缺乏对维持计划承诺 度量下的人机协同方案调整的研究． ６ 总结和展望 从文中介绍可以看出人机协同军事计划系统研 究方兴未艾，这项技术是充分发挥人机性能、提高军 事指挥效能的有效手段，成为了军事辅助决策技术 第 ６ 期 雷霆，等： 人机协同军事计划技术综述 ·４７９·

.480 智能系统学报 第8卷 中的一项重要研究内容，在今后若干年中仍会是一 [5]MUNOZ-AVILA H,AHA D W,BRESLOW L,et al.HI- 个研究热点，未来存在的技术趋势有以下几点： CAP:an interactive case-based planning architecture and its 1)基于认知科学的计划过程中的人机任务分 application to noncombatant evacuation operations [C]// 工.目前的计划系统缺乏对军事计划环境下人的认 Proceedings of the Eleventh Conference on Innovative Appli- 知特性和负荷、操作方式的量化分析，应借鉴人机协 cations of Artificial Intelligence.Menlo Park:AAAI Press, 1999:879-885. 同决策[o](human-machine collaborative decision [6]MYERS K L,TYSON W M.PASSAT:a user-centric plan- making,HMCDM)和以人为中心的自动化(human- ning framework[C]//Proceedings of the 3rd International centered automation)中的研究：对军事行动计划生成 NASA Workshop on Planning and Scheduling for Space. 中的人机任务分工进行量化分析[0]：对军事计划过 Houston,USA,2002:1-10. 程中人的操作进行建模[4)：确定计划中人和系统的 [7]KOMENDA A.VOKRINEK J.PECHOUCEK M,et al.I- 交互设计，降低用户的认知偏差和负担：研究以人为 Globe:distributed planning and coordination of mixed-initi- ative activities[C//Proceedings of Knowledge Systems for 中心的计划拟制技术，以满足透明度、适度调整和基 Coalition Operations (KSCO).[S.1.],UK,2009. 于事件反馈等原则[4] [8]STUDER R,BENJAMINS V R,FENSEL D.Knowledge en- 2)不完备计划模型下的计划技术.当前的人机 gineering,principles and methods[J].Data and Knowledge 协同计划中的系统仍需要完整的计划领域知识描 Engineeing,.1998,25(1/2):161-197. 述，在面临计划模型不完备时，无法生成有效的行动 [9]POLYAK S,TATE A.Rationale in planning:causality,de- 方案.未来应研究在不完备计划知识下人机如何协 pendencies and decisions[J].Knowledge Engineering Re- 同生成计划，降低计划方案对知识不完备情况的敏 view,1998,13(3):247-262 感性借鉴轻量级的计划技术[]，以降低领域建模 [10]PEASE A,CARRICO T.JTF ATD core plan representa- 负担研究在计划、目标和偏好被完全定义之前，如 tion,SS-97-06[R].Menlo Park,1997. [11]GIL Y,BLYTHE J.PLANET:a shareable and reusable 何将计划集成到一个迭代过程中[)]：研究如何基于 ontology for representing plan [C]//Proceedings of the 领域相关特征，生成多样性的计划方案[4)]：研究如 AAAI Workshop on Representational Issues for Real World 何使用机器学习技术，使计划系统在计划过程中学 Planning Systems.Menlo Park:AAAI Press,2000:28- 习用户实施计划的经验和偏好，系统还应能够学习 33. 计划案例，提取其中的计划理性. [12]SMITH S F,BECKER M A.An ontology for constructing 3)动态不确定环境下的分布式人机协同计划 scheduling systems [C]//Working Notes of 1997 AAAI 技术.当前大部分研究关注单人单机计划的生成，难 Symposium on Ontological Engineering.Menlo Park:AAAI Pres8,1997:120-129. 以在未来战争复杂的组织计划环境中使用.应当研 [13]LINO N,TATE A,CHEN-BURGER Y H.A visualization 究动态不确定混合主动环境的分布式计划，在分布 approach for collaborative planning systems based on ontol- 环境下灵活地计划、重计划和任务分配] ogies[C]//Proceedings of the Eighth International Confer- 总之，人机协同计划是解决军事行动计划问题 ence on Information Visualization.Washington DC,USA, 的有效途径，是在未来战争中保持决策优势的重要 2004:807-811 方法将人工智能、认知科学、决策科学和运筹学从 [14]TATE A.:an ontology for mixed-initiative syn- 不同学科角度对计划的研究结合起来，将是未来人 thesis tasks C//Proceedings of the Workshop on Mixed- Initiative Intelligent Systems MIIS at the International 机协同军事计划技术研究的主要方式。 Joint Conference on Artificial Intelligence IJCAI-03). 参考文献： Acapulco,Mexico,2003:125-130. [15]DORNEICH M C,MOTT D,BAHRAMI A,et al.Lessons [1]KLEIN G A,ORASANU J,CALDERWOOD R,et al.De- learned from an evaluation of a shared representation to cision making in action:models and methods M].Nor- support collaborative planning[C]//Proceedings of Knowl- wood:Ablex Publishing,1993:138-147. edge Systems for Coalition Operations(KSCO 2012).[S. [2]ROTH H,PERRAULT B.A cognitive model of planning L.],USA,2012. [J].Cognitive Science:A Multidisciplinary Journal,1979, [16]杨建池，韩守鹏，黄柯棣.军事领域本体构建研究[J] 3(4):275-310. 计算机仿真，2007,24(12)：6-9. [3]GHALLAB M,NAU D,TRAVERSO P.Automated plan- YANG Jianchi,HAN Shoupeng,HUANG Kedi.Research ning:theory and practice M].San Fransisco:Morgan on military domain ontology development[J].Computer Kaufmann,2004:9-11. Simulation,2007.24(12):6-9. [4]TATE A.Advanced planning technology:technological a- [17]钱猛，刘忠，姚莉，等.本体技术在作战计划系统中的应 chievements of the ARPA/Rome laboratory planning initia- 用[J刀.计算机工程与应用，2009,45(16)：18-23. tive[M]//Menlo Park:AAAI Press,1996:3-10. QIAN Meng,LIU Zhong,YAO Li,et al.Survey for COA

中的一项重要研究内容，在今后若干年中仍会是一 个研究热点，未来存在的技术趋势有以下几点： １）基于认知科学的计划过程中的人机任务分 工．目前的计划系统缺乏对军事计划环境下人的认 知特性和负荷、操作方式的量化分析，应借鉴人机协 同 决 策［４０］ （ ｈｕｍａｎ⁃ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ， ＨＭＣＤＭ） 和以人为中心的自动化（ ｈｕｍａｎ⁃ ｃｅｎｔｅｒｅｄ ａｕｔｏｍａｔｉｏｎ）中的研究；对军事行动计划生成 中的人机任务分工进行量化分析［４０］ ；对军事计划过 程中人的操作进行建模［４１］ ；确定计划中人和系统的 交互设计，降低用户的认知偏差和负担；研究以人为 中心的计划拟制技术，以满足透明度、适度调整和基 于事件反馈等原则［４２］ ． ２）不完备计划模型下的计划技术．当前的人机 协同计划中的系统仍需要完整的计划领域知识描 述，在面临计划模型不完备时，无法生成有效的行动 方案．未来应研究在不完备计划知识下人机如何协 同生成计划，降低计划方案对知识不完备情况的敏 感性．借鉴轻量级的计划技术［４３ ］ ，以降低领域建模 负担．研究在计划、目标和偏好被完全定义之前，如 何将计划集成到一个迭代过程中［４４］ ；研究如何基于 领域相关特征，生成多样性的计划方案［４５］ ；研究如 何使用机器学习技术，使计划系统在计划过程中学 习用户实施计划的经验和偏好，系统还应能够学习 计划案例，提取其中的计划理性． ３） 动态不确定环境下的分布式人机协同计划 技术．当前大部分研究关注单人单机计划的生成，难 以在未来战争复杂的组织计划环境中使用．应当研 究动态不确定混合主动环境的分布式计划，在分布 环境下灵活地计划、重计划和任务分配［７］ ． 总之，人机协同计划是解决军事行动计划问题 的有效途径，是在未来战争中保持决策优势的重要 方法．将人工智能、认知科学、决策科学和运筹学从 不同学科角度对计划的研究结合起来，将是未来人 机协同军事计划技术研究的主要方式． 参考文献： ［１］ＫＬＥＩＮ Ｇ Ａ， ＯＲＡＳＡＮＵ Ｊ， ＣＡＬＤＥＲＷＯＯＤ Ｒ， ｅｔ ａｌ． Ｄｅ⁃ ｃｉｓｉｏｎ ｍａｋｉｎｇ ｉｎ ａｃｔｉｏｎ： ｍｏｄｅｌｓ ａｎｄ ｍｅｔｈｏｄｓ ［ Ｍ］． Ｎｏｒ⁃ ｗｏｏｄ： Ａｂｌｅｘ Ｐｕｂｌｉｓｈｉｎｇ， １９９３： １３８⁃１４７． ［２］ ＲＯＴＨ Ｈ， ＰＥＲＲＡＵＬＴ Ｂ． Ａ ｃｏｇｎｉｔｉｖｅ ｍｏｄｅｌ ｏｆ ｐｌａｎｎｉｎｇ ［ Ｊ］． Ｃｏｇｎｉｔｉｖｅ Ｓｃｉｅｎｃｅ： Ａ Ｍｕｌｔｉｄｉｓｃｉｐｌｉｎａｒｙ Ｊｏｕｒｎａｌ， １９７９， ３（４）： ２７５⁃３１０． ［３］ ＧＨＡＬＬＡＢ Ｍ， ＮＡＵ Ｄ， ＴＲＡＶＥＲＳＯ Ｐ． Ａｕｔｏｍａｔｅｄ ｐｌａｎ⁃ ｎｉｎｇ： ｔｈｅｏｒｙ ａｎｄ ｐｒａｃｔｉｃｅ ［ Ｍ］． Ｓａｎ Ｆｒａｎｓｉｓｃｏ： Ｍｏｒｇａｎ Ｋａｕｆｍａｎｎ， ２００４： ９⁃１１． ［４］ ＴＡＴＥ Ａ． Ａｄｖａｎｃｅｄ ｐｌａｎｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ： ｔｅｃｈｎｏｌｏｇｉｃａｌ ａ⁃ ｃｈｉｅｖｅｍｅｎｔｓ ｏｆ ｔｈｅ ＡＲＰＡ／ Ｒｏｍｅ ｌａｂｏｒａｔｏｒｙ ｐｌａｎｎｉｎｇ ｉｎｉｔｉａ⁃ ｔｉｖｅ［Ｍ］ ／ ／ Ｍｅｎｌｏ Ｐａｒｋ： ＡＡＡＩ Ｐｒｅｓｓ， １９９６： ３⁃１０． ［５］ＭＵÑＯＺ⁃ＡＶＩＬＡ Ｈ， ＡＨＡ Ｄ Ｗ， ＢＲＥＳＬＯＷ Ｌ， ｅｔ ａｌ． ＨＩ⁃ ＣＡＰ： ａｎ ｉｎｔｅｒａｃｔｉｖｅ ｃａｓｅ⁃ｂａｓｅｄ ｐｌａｎｎｉｎｇ ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｎｏｎｃｏｍｂａｔａｎｔ ｅｖａｃｕａｔｉｏｎ ｏｐｅｒａｔｉｏｎｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｅｌｅｖｅｎｔｈ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｎｏｖａｔｉｖｅ Ａｐｐｌｉ⁃ ｃａｔｉｏｎｓ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｍｅｎｌｏ Ｐａｒｋ： ＡＡＡＩ Ｐｒｅｓｓ， １９９９： ８７９⁃８８５． ［６］ＭＹＥＲＳ Ｋ Ｌ， ＴＹＳＯＮ Ｗ Ｍ． ＰＡＳＳＡＴ： ａ ｕｓｅｒ⁃ｃｅｎｔｒｉｃ ｐｌａｎ⁃ ｎｉｎｇ ｆｒａｍｅｗｏｒｋ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３ｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＮＡＳＡ Ｗｏｒｋｓｈｏｐ ｏｎ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ ｆｏｒ Ｓｐａｃｅ． Ｈｏｕｓｔｏｎ， ＵＳＡ， ２００２： １⁃１０． ［７］ＫＯＭＥＮＤＡ Ａ， ＶＯＫＲＩＮＥＫ Ｊ， ＰＥＣＨＯＵＣＥＫ Ｍ， ｅｔ ａｌ． Ｉ⁃ Ｇｌｏｂｅ： ｄｉｓｔｒｉｂｕｔｅｄ ｐｌａｎｎｉｎｇ ａｎｄ ｃｏｏｒｄｉｎａｔｉｏｎ ｏｆ ｍｉｘｅｄ⁃ｉｎｉｔｉ⁃ ａｔｉｖｅ ａｃｔｉｖｉｔｉｅｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｋｎｏｗｌｅｄｇｅ Ｓｙｓｔｅｍｓ ｆｏｒ Ｃｏａｌｉｔｉｏｎ Ｏｐｅｒａｔｉｏｎｓ （ＫＳＣＯ）． ［Ｓ．ｌ．］， ＵＫ， ２００９． ［８］ＳＴＵＤＥＲ Ｒ， ＢＥＮＪＡＭＩＮＳ Ｖ Ｒ， ＦＥＮＳＥＬ Ｄ． Ｋｎｏｗｌｅｄｇｅ ｅｎ⁃ ｇｉｎｅｅｒｉｎｇ， ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ｍｅｔｈｏｄｓ［Ｊ］． Ｄａｔａ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｉｎｇ， １９９８， ２５（１ ／ ２）： １６１⁃１９７． ［９］ＰＯＬＹＡＫ Ｓ， ＴＡＴＥ Ａ． Ｒａｔｉｏｎａｌｅ ｉｎ ｐｌａｎｎｉｎｇ： ｃａｕｓａｌｉｔｙ， ｄｅ⁃ ｐｅｎｄｅｎｃｉｅｓ ａｎｄ ｄｅｃｉｓｉｏｎｓ ［ Ｊ］． Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｒｅ⁃ ｖｉｅｗ， １９９８， １３（３）： ２４７⁃２６２． ［１０］ＰＥＡＳＥ Ａ， ＣＡＲＲＩＣＯ Ｔ． ＪＴＦ ＡＴＤ ｃｏｒｅ ｐｌａｎ ｒｅｐｒｅｓｅｎｔａ⁃ ｔｉｏｎ， ＳＳ⁃９７⁃０６［Ｒ］． Ｍｅｎｌｏ Ｐａｒｋ， １９９７． ［１１］ＧＩＬ Ｙ， ＢＬＹＴＨＥ Ｊ． ＰＬＡＮＥＴ： ａ ｓｈａｒｅａｂｌｅ ａｎｄ ｒｅｕｓａｂｌｅ ｏｎｔｏｌｏｇｙ ｆｏｒ ｒｅｐｒｅｓｅｎｔｉｎｇ ｐｌａｎ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＡＡＡＩ Ｗｏｒｋｓｈｏｐ ｏｎ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｌ Ｉｓｓｕｅｓ ｆｏｒ Ｒｅａｌ Ｗｏｒｌｄ Ｐｌａｎｎｉｎｇ Ｓｙｓｔｅｍｓ． Ｍｅｎｌｏ Ｐａｒｋ： ＡＡＡＩ Ｐｒｅｓｓ， ２０００： ２８⁃ ３３． ［１２］ＳＭＩＴＨ Ｓ Ｆ， ＢＥＣＫＥＲ Ｍ Ａ． Ａｎ ｏｎｔｏｌｏｇｙ ｆｏｒ ｃｏｎｓｔｒｕｃｔｉｎｇ ｓｃｈｅｄｕｌｉｎｇ ｓｙｓｔｅｍｓ ［ Ｃ］ ／ ／ Ｗｏｒｋｉｎｇ Ｎｏｔｅｓ ｏｆ １９９７ ＡＡＡＩ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｏｎｔｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ． Ｍｅｎｌｏ Ｐａｒｋ： ＡＡＡＩ Ｐｒｅｓｓ， １９９７： １２０⁃１２９． ［１３］ＬＩＮＯ Ｎ， ＴＡＴＥ Ａ， ＣＨＥＮ⁃ＢＵＲＧＥＲ Ｙ Ｈ． Ａ ｖｉｓｕａｌｉｚａｔｉｏｎ ａｐｐｒｏａｃｈ ｆｏｒ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎｎｉｎｇ ｓｙｓｔｅｍｓ ｂａｓｅｄ ｏｎ ｏｎｔｏｌ⁃ ｏｇｉｅｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｅｉｇｈｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ⁃ ｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｖｉｓｕａｌｉｚａｔｉｏｎ． Ｗａｓｈｉｎｇｔｏｎ ＤＣ， ＵＳＡ， ２００４： ８０７⁃８１１． ［１４］ＴＡＴＥ Ａ． ＜Ｉ⁃Ｎ⁃Ｃ⁃Ａ＞： ａｎ ｏｎｔｏｌｏｇｙ ｆｏｒ ｍｉｘｅｄ⁃ｉｎｉｔｉａｔｉｖｅ ｓｙｎ⁃ ｔｈｅｓｉｓ ｔａｓｋｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍｉｘｅｄ⁃ Ｉｎｉｔｉａｔｉｖｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ （ ＭＩＩＳ） ａｔ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ （ ＩＪＣＡＩ⁃０３ ）． Ａｃａｐｕｌｃｏ， Ｍｅｘｉｃｏ， ２００３： １２５⁃１３０． ［１５］ＤＯＲＮＥＩＣＨ Ｍ Ｃ， ＭＯＴＴ Ｄ， ＢＡＨＲＡＭＩ Ａ， ｅｔ ａｌ． Ｌｅｓｓｏｎｓ ｌｅａｒｎｅｄ ｆｒｏｍ ａｎ ｅｖａｌｕａｔｉｏｎ ｏｆ ａ ｓｈａｒｅｄ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｔｏ ｓｕｐｐｏｒｔ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｌａｎｎｉｎｇ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｋｎｏｗｌ⁃ ｅｄｇｅ Ｓｙｓｔｅｍｓ ｆｏｒ Ｃｏａｌｉｔｉｏｎ Ｏｐｅｒａｔｉｏｎｓ（ＫＳＣＯ ２０１２）． ［ Ｓ． ｌ．］， ＵＳＡ， ２０１２． ［１６］杨建池，韩守鹏，黄柯棣． 军事领域本体构建研究［ Ｊ］． 计算机仿真， ２００７， ２４（１２）： ６⁃９． ＹＡＮＧ Ｊｉａｎｃｈｉ， ＨＡＮ Ｓｈｏｕｐｅｎｇ， ＨＵＡＮＧ Ｋｅｄｉ． Ｒｅｓｅａｒｃｈ ｏｎ ｍｉｌｉｔａｒｙ ｄｏｍａｉｎ ｏｎｔｏｌｏｇｙ ｄｅｖｅｌｏｐｍｅｎｔ ［ Ｊ ］． Ｃｏｍｐｕｔｅｒ Ｓｉｍｕｌａｔｉｏｎ， ２００７， ２４（１２）： ６⁃９． ［１７］钱猛，刘忠，姚莉，等． 本体技术在作战计划系统中的应 用［Ｊ］． 计算机工程与应用， ２００９， ４５（１６）： １８⁃２３． ＱＩＡＮ Ｍｅｎｇ， ＬＩＵ Ｚｈｏｎｇ， ＹＡＯ Ｌｉ， ｅｔ ａｌ． Ｓｕｒｖｅｙ ｆｏｒ ＣＯＡ ·４８０· 智 能 系 统 学 报 第 ８ 卷

第6期 雷霆，等：人机协同军事计划技术综述 ·481- ontological technologies in military planning system[J]. Park,USA,2005:54-61 Computer Engineering and Applications,2009,45(16): [32]MYERS K L.Temporal summarization of plans C]//Pro- 18-23. ceedings of the ICAPS-2007 Workshop on Moving Planning [18]KLAU G W,LESH N,MARKS J,et al.Human-guided and Scheduling Systems into the Real World.Menlo Park. search[J].Journal of Heuristics,2010,16(3):289-310. USA,2007. [19]FERGUSON G,ALLEN J F,MILLER B.TRAINS-95:to- [33]DRABBLE B,TATE A.Repairing plans on the fly[C]// wards a mixed-initiative planning assistant[C]//Proceed- Proceedings of the NASA Workshop on Planning and ings of the Third Conference on Artificial Intelligence Plan- Scheduling for Space.Oxnard,USA,1997. ning Systems.Menlo Park:AAAI Press,1996:70-77. [34]MYERS K L.CPEF:a continuous planning and execution [20]BURSTEIN M H,MCDERMOTT D V.Issues in the devel- framework[J].AI Magazine,1999,20(4):63-69. opment of human-computer mixed-Initiative planning sys- [35]VELOSO MM,POLLACK M E,COX M T.Rationale- tems[M]//Berlin:Elsevier,1996:285-303. based monitoring for planning in dynamic environments [21]SMITH S F,HILDUM D W,CRIMM D R.Comirem:an [C]//Proceedings for the Fourth International Conference intelligent form for resource management[J].IEEE Intelli- on AI Planning Systems.Pittsburgh,USA,1998:171- gent Systems,2005,20(2):16-24. 179. [22]ZHANG C.Cognitive models for mixed-initiative planning [36]ASUNCION M,CASTILLO L,FERNANDEZ-OLIVARES [D].Dayton,USA:Wright State University,2002:11- J,et al.Local human-centered)replanning in the SIA- 14. DEX framework[C]//Conference of the Spanish Associa- [23 COX M,VELOSO M.Controlling for unexpected goals tion for Artificial Intelligence.San Sebastian,Spain, when planning in a mixed-initiative setting C//Proceed- 2003:79-88. ings of 8th Portuguese AI Conference.Coimbra,Portu- [37]BIUNDO S,BIDOT J,SCHATTENBERG B.Planning in guese,1997:309-318. the real world J.Informatik Spektrum,2011,34 (5): [24]MYERS K L.Metatheoretic plan summarization and com- 443-454. parison[C]//Proceedings of the 16th International Confer- [38 NEBEL B,KOEHLER J.Plan reuse versus plan genera- ence on Automated Planning and Scheduling.Menlo Park, tion:a theoretical and empirical analysis[J].Artificial In- USA,2006:182-192. telligence,1995,76(1/2):427-454. [25 MYERS K L.Strategic advice for hierarchical planners [39]CUSHING W,KAMBHAMPATI S.Replanning:a new [C]//Principles of Knowledge Representation and Rea- perspective[C]//Proceedings of the International Confer- soning:Proceedings of the Fifth International Conference. ence on Automated Planning and Scheduling.Monterey, San Fransisco:Morgan Kaufmann Publishers,2006:112- USA,2005:13-16. 123. [40]MALASKY J S.Human machine collaborative decision [26]MYERS K L.Abductive completion of plan sketches[C]// making in a complex optimization system[D].Cambridge, Proceedings of the Fourteenth National Conference on Arti- USA:Massachusetts Institute of Technology,2005:44- ficial Intelligence.Menlo Park,USA,1997:687-693. 51. [27]KOTT A.Building a tool for battle planning:challenges, [41]GANAPATHY S.Human-centered time-pressured decision tradeoffs,and experimental findings[J].Applied Intelli- making in dynamic complex systems [D].Dayton,USA: gence,2005,23(3):165-189. Wright State University,2006:21-36. [28]SMITH S F,CORTELLESSA G,HILDUM D W,et al.U- [42]LEIFLER O.Combining technical and human-centered sing a scheduling domain ontology to compute user-oriented strategies for decision support in command and control: explanations C//16th European Conference on Artificial the comPlan approach[C]//Proceedings of the 5th Inter- Intelligence Workshop on Planning and Scheduling:Bridg- national ISCRAM Conference.Washington,DC,USA, ing Theory to Practice.Valencia,Spain,2004:179-188. 2008：504-515. [29]SIEBRA C A.A united approach to planning support in hi- [43]KAMBHAMPATI S.Model-lite planning for the web age erarchical coalitions D.Edinburgh:University of Edin- masses:the challenges of planning with incomplete and e- burgh,2006:87-91. volving domain models [C ]//Proceedings of the 22th 30]JUSSIEN N,BARICHARD V.The PaLM system:explana- AAAI Conference on Artificial Intelligence.Vancouver, tion-based constraint programming [C]//Proceedings of Canada,2007:1601-1604. Techniques for Implementing Constraint Programming Sys- [44]SMITH D E.Planning as an iterative process [C]//Pro- tems.Singapore,2000:118-133. ceedings of the 26th AAAI Conference on Artificial Intelli- [31]BRESINA J L,JONSSON A K,MORRIS P H,et al. gence.Toronto,Canada,2012:2180-2185. Mixed-Initiative planning in MAPGEN:capabilities and [45]COMAN A,MUnOZ A H.Qualitative vs.quantitative plan shortcomings C]//Proceedings of the ICAPS-05 Work- diversity in case based planning[C]//Proceedings of IC. shop on Mixed-initiative Planning and Scheduling.Menlo CBR2011.London,UK,2011:32-46

ｏｎｔｏｌｏｇｉｃａｌ ｔｅｃｈｎｏｌｏｇｉｅｓ ｉｎ ｍｉｌｉｔａｒｙ ｐｌａｎｎｉｎｇ ｓｙｓｔｅｍ ［ Ｊ］． Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ， ２００９， ４５（ １６）： １８⁃２３． ［１８］ＫＬＡＵ Ｇ Ｗ， ＬＥＳＨ Ｎ， ＭＡＲＫＳ Ｊ， ｅｔ ａｌ． Ｈｕｍａｎ⁃ｇｕｉｄｅｄ ｓｅａｒｃｈ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｈｅｕｒｉｓｔｉｃｓ， ２０１０， １６（３）： ２８９⁃３１０． ［１９］ＦＥＲＧＵＳＯＮ Ｇ， ＡＬＬＥＮ Ｊ Ｆ， ＭＩＬＬＥＲ Ｂ． ＴＲＡＩＮＳ⁃９５： ｔｏ⁃ ｗａｒｄｓ ａ ｍｉｘｅｄ⁃ｉｎｉｔｉａｔｉｖｅ ｐｌａｎｎｉｎｇ ａｓｓｉｓｔａｎｔ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄ⁃ ｉｎｇｓ ｏｆ ｔｈｅ Ｔｈｉｒｄ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｐｌａｎ⁃ ｎｉｎｇ Ｓｙｓｔｅｍｓ． Ｍｅｎｌｏ Ｐａｒｋ： ＡＡＡＩ Ｐｒｅｓｓ， １９９６： ７０⁃７７． ［２０］ＢＵＲＳＴＥＩＮ Ｍ Ｈ， ＭＣＤＥＲＭＯＴＴ Ｄ Ｖ． Ｉｓｓｕｅｓ ｉｎ ｔｈｅ ｄｅｖｅｌ⁃ ｏｐｍｅｎｔ ｏｆ ｈｕｍａｎ⁃ｃｏｍｐｕｔｅｒ ｍｉｘｅｄ⁃Ｉｎｉｔｉａｔｉｖｅ ｐｌａｎｎｉｎｇ ｓｙｓ⁃ ｔｅｍｓ［Ｍ］ ／ ／ Ｂｅｒｌｉｎ： Ｅｌｓｅｖｉｅｒ， １９９６： ２８５⁃３０３． ［２１］ＳＭＩＴＨ Ｓ Ｆ， ＨＩＬＤＵＭ Ｄ Ｗ， ＣＲＩＭＭ Ｄ Ｒ． Ｃｏｍｉｒｅｍ： ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｆｏｒｍ ｆｏｒ ｒｅｓｏｕｒｃｅ ｍａｎａｇｅｍｅｎｔ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｌｌｉ⁃ ｇｅｎｔ Ｓｙｓｔｅｍｓ， ２００５， ２０（２）： １６⁃２４． ［２２］ＺＨＡＮＧ Ｃ． Ｃｏｇｎｉｔｉｖｅ ｍｏｄｅｌｓ ｆｏｒ ｍｉｘｅｄ⁃ｉｎｉｔｉａｔｉｖｅ ｐｌａｎｎｉｎｇ ［Ｄ］． Ｄａｙｔｏｎ， ＵＳＡ： Ｗｒｉｇｈｔ Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ， ２００２： １１⁃ １４． ［２３］ ＣＯＸ Ｍ， ＶＥＬＯＳＯ Ｍ． Ｃｏｎｔｒｏｌｌｉｎｇ ｆｏｒ ｕｎｅｘｐｅｃｔｅｄ ｇｏａｌｓ ｗｈｅｎ ｐｌａｎｎｉｎｇ ｉｎ ａ ｍｉｘｅｄ⁃ｉｎｉｔｉａｔｉｖｅ ｓｅｔｔｉｎｇ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄ⁃ ｉｎｇｓ ｏｆ ８ｔｈ Ｐｏｒｔｕｇｕｅｓｅ ＡＩ Ｃｏｎｆｅｒｅｎｃｅ． Ｃｏｉｍｂｒａ， Ｐｏｒｔｕ⁃ ｇｕｅｓｅ， １９９７： ３０９⁃３１８． ［２４］ＭＹＥＲＳ Ｋ Ｌ． Ｍｅｔａｔｈｅｏｒｅｔｉｃ ｐｌａｎ ｓｕｍｍａｒｉｚａｔｉｏｎ ａｎｄ ｃｏｍ⁃ ｐａｒｉｓｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １６ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ⁃ ｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｅｄ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ． Ｍｅｎｌｏ Ｐａｒｋ， ＵＳＡ， ２００６： １８２⁃１９２． ［２５］ ＭＹＥＲＳ Ｋ Ｌ． Ｓｔｒａｔｅｇｉｃ ａｄｖｉｃｅ ｆｏｒ ｈｉｅｒａｒｃｈｉｃａｌ ｐｌａｎｎｅｒｓ ［Ｃ］ ／ ／ Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｋｎｏｗｌｅｄｇｅ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ Ｒｅａ⁃ ｓｏｎｉｎｇ： Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｉｆｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ． Ｓａｎ Ｆｒａｎｓｉｓｃｏ： Ｍｏｒｇａｎ Ｋａｕｆｍａｎｎ Ｐｕｂｌｉｓｈｅｒｓ， ２００６： １１２⁃ １２３． ［２６］ＭＹＥＲＳ Ｋ Ｌ． Ａｂｄｕｃｔｉｖｅ ｃｏｍｐｌｅｔｉｏｎ ｏｆ ｐｌａｎ ｓｋｅｔｃｈｅｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｏｕｒｔｅｅｎｔｈ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉ⁃ ｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｍｅｎｌｏ Ｐａｒｋ， ＵＳＡ， １９９７ ： ６８７⁃６９３． ［２７］ＫＯＴＴ Ａ． Ｂｕｉｌｄｉｎｇ ａ ｔｏｏｌ ｆｏｒ ｂａｔｔｌｅ ｐｌａｎｎｉｎｇ： ｃｈａｌｌｅｎｇｅｓ， ｔｒａｄｅｏｆｆｓ， ａｎｄ ｅｘｐｅｒｉｍｅｎｔａｌ ｆｉｎｄｉｎｇｓ ［ Ｊ］． Ａｐｐｌｉｅｄ Ｉｎｔｅｌｌｉ⁃ ｇｅｎｃｅ， ２００５， ２３（３）： １６５⁃１８９． ［２８］ＳＭＩＴＨ Ｓ Ｆ， ＣＯＲＴＥＬＬＥＳＳＡ Ｇ， ＨＩＬＤＵＭ Ｄ Ｗ， ｅｔ ａｌ． Ｕ⁃ ｓｉｎｇ ａ ｓｃｈｅｄｕｌｉｎｇ ｄｏｍａｉｎ ｏｎｔｏｌｏｇｙ ｔｏ ｃｏｍｐｕｔｅ ｕｓｅｒ⁃ｏｒｉｅｎｔｅｄ ｅｘｐｌａｎａｔｉｏｎｓ［Ｃ］ ／ ／ １６ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｗｏｒｋｓｈｏｐ ｏｎ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ： Ｂｒｉｄｇ⁃ ｉｎｇ Ｔｈｅｏｒｙ ｔｏ Ｐｒａｃｔｉｃｅ． Ｖａｌｅｎｃｉａ， Ｓｐａｉｎ， ２００４： １７９⁃１８８． ［２９］ＳＩＥＢＲＡ Ｃ Ａ． Ａ ｕｎｉｔｅｄ ａｐｐｒｏａｃｈ ｔｏ ｐｌａｎｎｉｎｇ ｓｕｐｐｏｒｔ ｉｎ ｈｉ⁃ ｅｒａｒｃｈｉｃａｌ ｃｏａｌｉｔｉｏｎｓ［Ｄ］． Ｅｄｉｎｂｕｒｇｈ： Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｄｉｎ⁃ ｂｕｒｇｈ， ２００６： ８７⁃９１． ［ ３０］ＪＵＳＳＩＥＮ Ｎ， ＢＡＲＩＣＨＡＲＤ Ｖ． Ｔｈｅ ＰａＬＭ ｓｙｓｔｅｍ： ｅｘｐｌａｎａ⁃ ｔｉｏｎ⁃ｂａｓｅｄ ｃｏｎｓｔｒａｉｎｔ ｐｒｏｇｒａｍｍｉｎｇ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ Ｉｍｐｌｅｍｅｎｔｉｎｇ Ｃｏｎｓｔｒａｉｎｔ Ｐｒｏｇｒａｍｍｉｎｇ Ｓｙｓ⁃ ｔｅｍｓ． Ｓｉｎｇａｐｏｒｅ， ２０００： １１８⁃１３３． ［３１］ ＢＲＥＳＩＮＡ Ｊ Ｌ， ＪÓＮＳＳＯＮ Ａ Ｋ， ＭＯＲＲＩＳ Ｐ Ｈ， ｅｔ ａｌ． Ｍｉｘｅｄ⁃Ｉｎｉｔｉａｔｉｖｅ ｐｌａｎｎｉｎｇ ｉｎ ＭＡＰＧＥＮ： ｃａｐａｂｉｌｉｔｉｅｓ ａｎｄ ｓｈｏｒｔｃｏｍｉｎｇｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＣＡＰＳ⁃０５ Ｗｏｒｋ⁃ ｓｈｏｐ ｏｎ Ｍｉｘｅｄ⁃ｉｎｉｔｉａｔｉｖｅ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ． Ｍｅｎｌｏ Ｐａｒｋ， ＵＳＡ， ２００５： ５４⁃６１． ［３２］ＭＹＥＲＳ Ｋ Ｌ． Ｔｅｍｐｏｒａｌ ｓｕｍｍａｒｉｚａｔｉｏｎ ｏｆ ｐｌａｎｓ［Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＣＡＰＳ⁃２００７ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍｏｖｉｎｇ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ Ｓｙｓｔｅｍｓ ｉｎｔｏ ｔｈｅ Ｒｅａｌ Ｗｏｒｌｄ． Ｍｅｎｌｏ Ｐａｒｋ， ＵＳＡ， ２００７． ［３３］ＤＲＡＢＢＬＥ Ｂ， ＴＡＴＥ Ａ． Ｒｅｐａｉｒｉｎｇ ｐｌａｎｓ ｏｎ ｔｈｅ ｆｌｙ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＮＡＳＡ Ｗｏｒｋｓｈｏｐ ｏｎ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ ｆｏｒ Ｓｐａｃｅ． Ｏｘｎａｒｄ， ＵＳＡ， １９９７． ［３４］ＭＹＥＲＳ Ｋ Ｌ． ＣＰＥＦ：ａ ｃｏｎｔｉｎｕｏｕｓ ｐｌａｎｎｉｎｇ ａｎｄ ｅｘｅｃｕｔｉｏｎ ｆｒａｍｅｗｏｒｋ［Ｊ］． ＡＩ Ｍａｇａｚｉｎｅ， １９９９， ２０（４）： ６３⁃６９． ［３５］ ＶＥＬＯＳＯ Ｍ Ｍ， ＰＯＬＬＡＣＫ Ｍ Ｅ， ＣＯＸ Ｍ Ｔ． Ｒａｔｉｏｎａｌｅ⁃ ｂａｓｅｄ ｍｏｎｉｔｏｒｉｎｇ ｆｏｒ ｐｌａｎｎｉｎｇ ｉｎ ｄｙｎａｍｉｃ ｅｎｖｉｒｏｎｍｅｎｔｓ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｆｏｒ ｔｈｅ Ｆｏｕｒｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＡＩ Ｐｌａｎｎｉｎｇ Ｓｙｓｔｅｍｓ． Ｐｉｔｔｓｂｕｒｇｈ， ＵＳＡ， １９９８： １７１⁃ １７９． ［３６］ ＡＳＵＮＣＩＯＮ Ｍ， ＣＡＳＴＩＬＬＯ Ｌ， ＦＥＲＮＡＮＤＥＺ⁃ＯＬＩＶＡＲＥＳ Ｊ， ｅｔ ａｌ． Ｌｏｃａｌ （ ｈｕｍａｎ⁃ｃｅｎｔｅｒｅｄ） ｒｅｐｌａｎｎｉｎｇ ｉｎ ｔｈｅ ＳＩＡ⁃ ＤＥＸ ｆｒａｍｅｗｏｒｋ［Ｃ］ ／ ／ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ Ｓｐａｎｉｓｈ Ａｓｓｏｃｉａ⁃ ｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｓａｎ Ｓｅｂａｓｔｉａｎ， Ｓｐａｉｎ， ２００３： ７９⁃８８． ［３７］ＢＩＵＮＤＯ Ｓ， ＢＩＤＯＴ Ｊ， ＳＣＨＡＴＴＥＮＢＥＲＧ Ｂ． Ｐｌａｎｎｉｎｇ ｉｎ ｔｈｅ ｒｅａｌ ｗｏｒｌｄ ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｋ Ｓｐｅｋｔｒｕｍ， ２０１１， ３４ （ ５）： ４４３⁃４５４． ［３８］ＮＥＢＥＬ Ｂ， ＫＯＥＨＬＥＲ Ｊ． Ｐｌａｎ ｒｅｕｓｅ ｖｅｒｓｕｓ ｐｌａｎ ｇｅｎｅｒａ⁃ ｔｉｏｎ： ａ ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ｅｍｐｉｒｉｃａｌ ａｎａｌｙｓｉｓ［Ｊ］． Ａｒｔｉｆｉｃｉａｌ Ｉｎ⁃ ｔｅｌｌｉｇｅｎｃｅ， １９９５， ７６（１ ／ ２）： ４２７⁃４５４． ［３９］ ＣＵＳＨＩＮＧ Ｗ， ＫＡＭＢＨＡＭＰＡＴＩ Ｓ． Ｒｅｐｌａｎｎｉｎｇ： ａ ｎｅｗ ｐｅｒｓｐｅｃｔｉｖｅ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ⁃ ｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｅｄ Ｐｌａｎｎｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ． Ｍｏｎｔｅｒｅｙ， ＵＳＡ， ２００５： １３⁃１６． ［４０］ ＭＡＬＡＳＫＹ Ｊ Ｓ． Ｈｕｍａｎ ｍａｃｈｉｎｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｉｎ ａ ｃｏｍｐｌｅｘ ｏｐｔｉｍｉｚａｔｉｏｎ ｓｙｓｔｅｍ［Ｄ］． Ｃａｍｂｒｉｄｇｅ， ＵＳＡ： Ｍａｓｓａｃｈｕｓｅｔｔｓ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， ２００５： ４４⁃ ５１． ［４１］ＧＡＮＡＰＡＴＨＹ Ｓ． Ｈｕｍａｎ⁃ｃｅｎｔｅｒｅｄ ｔｉｍｅ⁃ｐｒｅｓｓｕｒｅｄ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｉｎ ｄｙｎａｍｉｃ ｃｏｍｐｌｅｘ ｓｙｓｔｅｍｓ ［Ｄ］． Ｄａｙｔｏｎ， ＵＳＡ： Ｗｒｉｇｈｔ Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ， ２００６： ２１⁃３６． ［ ４２ ］ ＬＥＩＦＬＥＲ Ｏ． Ｃｏｍｂｉｎｉｎｇ ｔｅｃｈｎｉｃａｌ ａｎｄ ｈｕｍａｎ⁃ｃｅｎｔｅｒｅｄ ｓｔｒａｔｅｇｉｅｓ ｆｏｒ ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｉｎ ｃｏｍｍａｎｄ ａｎｄ ｃｏｎｔｒｏｌ： ｔｈｅ ｃｏｍＰｌａｎ ａｐｐｒｏａｃｈ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ Ｉｎｔｅｒ⁃ ｎａｔｉｏｎａｌ ＩＳＣＲＡＭ Ｃｏｎｆｅｒｅｎｃｅ． Ｗａｓｈｉｎｇｔｏｎ， ＤＣ， ＵＳＡ， ２００８： ５０４⁃５１５． ［４３］ ＫＡＭＢＨＡＭＰＡＴＩ Ｓ． Ｍｏｄｅｌ⁃ｌｉｔｅ ｐｌａｎｎｉｎｇ ｆｏｒ ｔｈｅ ｗｅｂ ａｇｅ ｍａｓｓｅｓ： ｔｈｅ ｃｈａｌｌｅｎｇｅｓ ｏｆ ｐｌａｎｎｉｎｇ ｗｉｔｈ ｉｎｃｏｍｐｌｅｔｅ ａｎｄ ｅ⁃ ｖｏｌｖｉｎｇ ｄｏｍａｉｎ ｍｏｄｅｌｓ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２２ｔｈ ＡＡＡＩ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｖａｎｃｏｕｖｅｒ， Ｃａｎａｄａ， ２００７： １６０１⁃１６０４． ［４４］ ＳＭＩＴＨ Ｄ Ｅ． Ｐｌａｎｎｉｎｇ ａｓ ａｎ ｉｔｅｒａｔｉｖｅ ｐｒｏｃｅｓｓ［ Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２６ｔｈ ＡＡＡＩ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉ⁃ ｇｅｎｃｅ． Ｔｏｒｏｎｔｏ， Ｃａｎａｄａ， ２０１２： ２１８０⁃２１８５． ［４５］ＣＯＭＡＮ Ａ， ＭＵñＯＺ Ａ Ｈ． Ｑｕａｌｉｔａｔｉｖｅ ｖｓ． ｑｕａｎｔｉｔａｔｉｖｅ ｐｌａｎ ｄｉｖｅｒｓｉｔｙ ｉｎ ｃａｓｅ ｂａｓｅｄ ｐｌａｎｎｉｎｇ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＣ⁃ ＣＢＲ ２０１１． Ｌｏｎｄｏｎ， ＵＫ， ２０１１： ３２⁃４６． 第 ６ 期 雷霆，等： 人机协同军事计划技术综述 ·４８１·