作战协同是各种作战力量按照统一的协同计划在行动下的协调配合。在人类几千年的战争活动中，协同行为普遍存在，可以说，没有哪一场战争离开过协同作战的影子。信息化时代作战更加强调协同，以实时、精确为目标，协同更强调时间、目标上的精确配合，而不是一般意义上的效果协作，对协同组织实施精确性、实时性要求极高。传统的战斗协同计划，都是针对战斗初始态势和预测中的战场发展而来的，只适合静态体系结构的战斗设计，不足以描述复杂变化的信息化作战，用已有的静态战斗协同范式无法解释战斗进行过程中的各类复杂性及涌现现象，必须探求适应复杂战争现象的新的研究方法。近年来出现的复杂适应系统( ComplexAdaptive System，CAS) 理论思想新颖、富有启发，已作为复杂性科学的代表性理论成功地运用到作战理论的创新以及作战模拟，用于指导战争实践，并取得了良好的效果。
1 复杂适应理论
复杂适应系统理论是 1994 年美国霍兰教授提出的，其核心思想是“适应性造就复杂性”，适应性主体是该理论的最基本概念。所谓适应性，就是指它能够与环境以及其他主体进行交流，来“学习”和“积累经验”，并且根据学到的经验改变自身的结构和行为方式。整个宏观系统的演变或进化，包括新层次的产生、分化和多样性的出现，新的、聚合而成的、更大主体的出现等等，都是在这个基础上逐步派生出来的。
CAS 理论特别强调子系统所具有的目的性和主动性，把个体的“适应性”作为复杂适应系统必不可少的条件，并且由此涌现出具有更强适应性的新层次主体，如蚁巢、免疫系统、神经系统等。主体不仅具有适应性，而且“主体能够通过内部模型的机制预知某些事情”，即主体能够通过学习积累“经验”形成某种模式，当再次遇到该模式时，能够预知将发生什么结果。在复杂适应系统的形成中，作为系统要素的主体自身的目的性和主动性是起点和动因，特别其“主动的适应性”是系统整体涌现的根本动因，这也就是“适应性造就复杂性”的最根本含义。任何特定的适应性主体所处环境的主要部分，都由其他适应性主体组成，所以任何主体在适应性上所作的努力就是要去适应别的适应性主体，这也许是 CAS 生成复杂动态模式的主要根源。
大量的研究表明，战争系统拥有属于复杂适应系统的关键特征，具体表现为: 作战主体通常由大量非线性的交互部分组成，且形成一个指挥控制层次结构; 局部作战行动( 通常表现为无秩序) 诱发长期的秩序( 也就是说战斗是自组织的) ; 军事行动过程的最终目的是破坏作战双方保持的平衡，为了生存作战双方必须不断地适应变化的战斗环境; 战场行动的有效性依赖于分散的控制等。这些都说明作战系统具有复
杂适应系统的一般特征。
20 世纪末期国内外军事学术界和军事运筹学家，已经开始用复杂性科学来研究战争问题。1996 年 11 月，美国防大学和兰德公司联合召开了“复杂性、宏观政策和国家安全”
会议，会议主题是强调国家安全战略、政策、国际事务的非线性特性和复杂性理论及其应用，指明了研究和发展的重点方向。克里斯·卢卡斯用复杂性理论的概念描述了冲突问题，提出了冲突消解和控制的策略。苏珊博士应用混沌理论，分析了军事系统的非线性、对初值的敏感性和演变过程的跳跃性，从一个新的视角认识军事问题。
由于认识到战争是一个复杂自适应系统，人们研制了一些基于多智能体的战争仿真系统，如美国海军陆战发展司令部的 ISAAC 及 EINSTEIN，新西兰国防技术局的 MANA，澳大利亚新南威尔士大学的 CＲOCADILE( 面向概念研究的Littoral 环境战斗智能体) 和 WISDOM( 动态任务优化的战斗系统) ，这些系统对军事战略研究进行良好的支持。
2 基于 Agent 的复杂系统建模
复杂系统建模中，首先要解决如何建立系统的形式化模型，利用一种抽象的表示方法以获得对客观世界和自然现象的深刻认识。诸多研究表明，基于数学模型的传统建模并不能很好地刻画复杂系统，而采用基于 Agent 的建模方法，通过对复杂系统中的基本元素及之间的交互建模与仿真，可将复杂系统的微观行为和宏观“涌现”现象有机地结合，是一种自顶向下分析、自底向上综合的有效建模方式，基于 Agent建模仿真技术利用多 Agent 系统中各种 Agent 的属性和行为，模拟组成系统的个体及个体间的相互作用关系，通过该属性和行为与整体属性和行为不断调整，来研究复杂适应系统的特性，为此需要采取如下步骤对复杂系统进行多 Agent建模，如图 1 所示。
3 多 Agent 协同框架
从目前有关基于 Agent 的研究来看，适应性既是产生复杂性的原因，也可能是解决系统复杂性的一把钥匙，关键看我们如何去利用系统的这个特点。当前基于 Agent 复杂系统建模使用的模型框架为 Hol-land 提出的复杂适应系统建模框架 － 回声模型( echo model)和 MAS 研究中隐含的多 Agent 基本模型。随着研究的深入，两种模型框架的缺陷日益突出。回声模型的优势在于描述个体的非线性交互、自适应行为与系统宏观现象间的关联，但在系统宏观层的自演化、开放系统物质、信息交换以及系统时/空间结构演化内容上没有涉及，不能充分描述高级认知能力个体构成的系统如人类社会系统，回声模型在表示上具有明显的遗传算法印记如编码、演化，无法对真实系统的元素间关系和结构特性进行清晰直观的描述; 而多 A-gent 基本模型对 Agent 体系结构、系统静 / 动态结构、通信方式已有大量研究，但对于多 Agent 基本模型的概念描述、内容范畴仍为隐含论述，通常系统描述规模较小，缺乏大规模复杂系统建模的检验，研究目的主要面向软件工程以及人工智能，不是一般意义上的系统建模和系统科学研究。
基于回声模型和多 Agent 基本模型的基本原理，吸收免疫智能体特有的进化性、多样性、耐受性、主动防御、学习、协同刺激等诸多特点。提出了多 Agent 作战协同框架，如图2 所示。其中免疫智能体的免疫机制可以分为固有性免疫反应和适应性免疫反应，利用固有性免疫反应的防御机理和适应性免疫反应细胞的“异己”识别机理构建感知 Agent，利用适应性反应原理实现学习、记忆、协调、抑制、调整功能。
每个作战实体的协同 Agent 是由一组相互合作的 Agent 个体组成，而不是一个单一的 Agent，组内各 Agent 分工合作，共同完成协同功能，故此可以把作战协同的 Agent 组可定义为如下 7 元组:
CAgent协同=〈规划 Agent，指挥 Agent，微规则 Agent，宏规则 Agent，感知 Agent，调整 Agent，融合 Agent〉
其中规划 Agent 理解作战任务、作战目标，评价任务成败的原则，评估任务进程的原则，判断目标实现是否需要协作;指挥 Agent 制定行动计划，指挥各实体行动;微规则 Agent 包括实体行为层上的行动规则，Agent 间的交互约束以及 Agent 对环境的自适应行为，它是协同 Agent在微观层面上演化，是实体在微观上行为的近似仿真;宏规则 Agent 指系统在战场全局上的演化规则与约束，它调控 Agent 演化方向，从全局上影响 Agent 的进化进程;感知 Agent 接收传感器信息，感知我方成员目前行动、行动进展程度、是否需要支援以及掌握敌方兵力兵器情况，感知范围包括 5 类: 通信范围、感知范围、火力范围、作战范围和运动范围;调整 Agent 根据外部环境的变化不断调整其规则和行为，进行反馈学习，这是 Agent 对环境的适应，也是系统复杂性演化的重要基础。在瞬息万变的复杂战争动态环境中，虽然信息技术的发展使得指挥员全面了解己方信息成为可能，但仍然无法全面掌握敌方的信息及意图。因此态势不可能完全依照计划中所设计的流程推进，应随时调整策略适应环境的变化;融合 Agent 将感知 Agent 传来的信息进行必要的信息融合，形成实时的战场态势。
4 仿真实验
以上面提出的多 Agent 作战协同框架为基础，建立了水面舰艇防空作战协同仿真系统。系统以空中兵力突袭海上舰艇和舰艇编队反击空中兵力为仿真目标，模拟双方攻防对抗的协同演化仿真模型。模型中，双方的感知 Agent 由各自的预警探测兵力组成，模拟诸如侦察卫星、预警机、雷达等探测设备等，探测双方各自成员目前的行为、行动进展程度，并将探测数据发送到融合 Agent 进行信息融合处理，建立各自的实时态势。规划 Agent 根据当前的态势和各自所承担的空袭和反空袭任务进行目标评价和任务评估，如进行打击目标选择、威胁判断和是否能独立完成所承担任务评估等，并向微规则 Agent 和宏规则 Agent 发送作战态势数据及协同数据。微规则 Agent 和宏规则 Agent 根据自身演化规则进行演化，如当来袭目标从不同高度同时进入时，中远程舰空导弹应首先抗击中、高空来袭目标，尔后抗击低空和超低空来袭目标; 当被抗击的目标已进入近程武器的有效射程，且还有后续的来袭目标时，中远程舰空导弹应适时转移火力，抗击后续目标等，然后根据演化结果出协同方案，发送给指挥 A-gent，指挥 Agent 制定相应的行动计划，指挥各实体行动。同时调整 Agent 随时根据战场态势的变化不断调整其规则和行为，进行反馈学习。
初步仿真实验表明: 水面舰艇防空作战协同仿真系统能正确地反映兵力实体间的协同情况，较好地描述系统运行演化过程。与传统研究方法的结果相比，系统具有全局、动态、随机的特点，能够较全面地描述系统演化过程。
5 结束语
自适应协同是信息化战场上各作战力量组成部分之间相互协调配合的一种自组织行为，是作战协同发展的趋势。利用复杂适应系统理论研究信息化条件下的作战协同，是研究战争复杂系统作战问题的新思路。本文对多 Agent 的作战协同系统的结构体系和运行体系进行了研究，运用人工免疫原理探讨协同机制，还属于对作战协同 Agent 问题的初步探讨。诸如微规则 Agent 和宏规则 Agent 的构建、协同 Agent组间交互协议以及各 Agent 协同演化机制等问题，尚有待进一步研究。
参考文献:
［1］ 许国志，顾基发，车宏安． 系统科学［M］． 上海: 上海科学教育出版社，2000．
［2］ 约翰霍兰着． 隐秩序 －适应性造就复杂性［M］． 周晓牧，韩晖，译． 上海: 上海科技教育出版社，2000．
［3］ David S． Alberts，Thomas J． Czerwinski． Complexity，GlobalPolitics，and National Security［EB / OL］． ［2011 － 09 －13］． http: / / www． dodccrp． org．
［4］ Chris Lucas． Conflicts as Emergent Phenomena of Complexi-ty［C］/ / the Ukrainian Conflict Ｒesolution Association sem-inar． Kiev，Ukraine，1997．
［5］ Maj． Susan E． Durham． Chaos Theory For the Practical Mili-tary Mind［M］． USA: Biblioscholar，2012．
［6］ Ilachinski A． Irreducible Semi-Autonomous Adaptive Com-bat( ISAAC) : An Aritificial-Life Approach to Land Warfare［EB/OL］．［2008 －06 －13］． http: / /www． cna． org/．
［7］ A． Ilachinski． Enhanced ISAAC Neural Simulation Toolkit( Einstein) : An Artificial-Life Laboratory for Exploring Self-organized Emergence in Land Combat［EB / OL］． ［2009 －02 － 23］． http: / / www． cna． org / ．
［8］ Holland J． H． Emergence: From Chaos to Order［M］． Ｒed-wood City，CA，Addison-Wesley，1998．
［9］ Wooldridge M，Jenning N． Intelligent Agents: theory andpractice． The Knowledge Engineering Ｒeview，1996，10( 2) :115 －152．
［10］ 刘孙俊，王电刚，杨顺，等． 基于免疫多智能体的网络入侵主动防御策略模型［J］． 武汉大学学报: 信息科学版，2008，33( 10) : 1055 － 1058．
