(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111650082.0 (22)申请日 2021.12.3 0 (71)申请人 中国电子科技 集团公司第五十二研 究所 地址 311100 浙江省杭州市余杭区爱橙 街 198号B楼 (72)发明人 李亚忆　谭超　邓亮　李康　吴新　 崔光振　王义　路肖　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 代理人 杨天娇 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06N 7/00(2006.01)G06N 3/08(2006.01) G06Q 50/20(2012.01) (54)发明名称 一种模拟训练系统中行动方案优化方法及 装置 (57)摘要 本发明公开了一种模拟训练系统中行动方 案优化方法及装置， 针对训练需求， 将训练中的 活动进行阶段性划分为动作单元， 采用动作单元 构建想定的行动方案， 对于每一个行动方案， 以 行动方案中每个动作单元及行动结果为效能单 元构建行动方案对应的效能模型， 将效能模型映 射为贝叶斯网络， 对贝 叶斯网络进行参数学习， 将学习得到的贝叶斯网络节点对应的参数作为 效能单元的概率， 根据效能单元的概率， 挑选出 满足条件的行动方案或对行动方案进行调整。 本 发明较好的处理了行动方案中的不确定性， 以及 行动之间依赖关系的复杂性， 通过多维度的评 估， 实现方案的优化和优选， 进 而支持推理决策。 权利要求书1页 说明书6页 附图4页 CN 114298422 A 2022.04.08 CN 114298422 A 1.一种模拟训练系统中行动方案优化方法， 其特征在于， 所述模拟训练系统中行动方 案优化方法， 包括： 针对训练需求， 将训练中的活动进行阶段性划分为动作单元， 采用动作单元构建想定 的行动方案； 对于每一个行动方案， 以行动方案中每个动作 单元及行动结果为效能单元构建行动方 案对应的效能模型； 以效能单元为贝叶斯网络 中的节点， 将效能单元之间的依赖关系转换为贝叶斯网络中 节点的因果关系， 构建贝叶斯网络； 对贝叶斯网络进行参数学习， 将学习得到的贝叶斯网络节点对应的参数作为效能单元 的概率； 根据效能单 元的概率， 挑选出满足条件的行动方案或对行动方案进行调整。 2.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述行动方 案具有方向性， 是动作单 元在时序上的排列。 3.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述效能单 元之间的依赖关系包括组成依赖、 流 程依赖、 分配依赖、 集成依赖和时序依赖 。 4.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述对贝叶 斯网络进行参数 学习， 采用极大似然估计法。 5.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述根据效 能单元的概率， 挑选出满足条件的行动方案或对行动方案进行调整， 包括： 按照行动方案行动结果的成功概率进行排序， 将成功概率大于设定 阈值的行动方案作 为最终选择的行动方案 。 6.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述根据效 能单元的概率， 挑选出满足条件的行动方案或对行动方案进行调整， 包括： 选定目标效能单元， 预设目标效能单元的概率为固定值， 重新对贝叶斯网络进行参数 学习， 找出影响行动结果的关键效能单 元， 对行动方案进行调整。 7.根据权利要求1所述的模拟训练系统中行动方案优化方法， 其特征在于， 所述根据效 能单元的概率， 挑选出满足条件的行动方案或对行动方案进行调整， 包括： 对效能模型中效能单元进行增减， 或改变效能单元的执行顺序， 重新对贝叶斯网络进 行参数学习， 挑选出满足条件的行动方案 。 8.一种模拟训练系统中行动方案优化装置， 包括处理器以及存储有若干计算机指令的 存储器， 其特征在于， 所述计算机指令被处理器执行时实现权利要求1至权利要求7中任意 一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114298422 A 2一种模拟训练 系统中行动方案优化方 法及装置 技术领域 [0001]本申请属于训练优化技术领域， 尤其涉及 一种模拟训练系统中行动方案优化方法 及装置。 背景技术 [0002]模拟训练系统用于设备操作训练、 协同指挥训练， 为训练值班人员熟悉业务流程、 指挥协同关系、 系统平台的操作熟练度、 应急处置策略、 设备及系统故障分析及排除等因素 进行综合训练评估的过程， 全面、 合理、 有效的评估， 有助于提高受训者的操作水平和效率。 [0003]现有技术方案中常用的评估方法主要有指数法、 层 次分析法、 ADC法等方法。 指数 法可以避开大量不确定性因素的影响， 但效能指数难以获取， 评估准确度比较差。 层次分析 法是按照思维规律将决策过程层次化， 通过专家给出 的各影响因素进行量化计算， 将定量 与定性决策结合起来并给出评估结果， 该方法容易受主观因素的影响， 缺少有效证据。 ADC 法是通过数学模型来计算效能值， 把系统效能Effectiveness定义为可用性Availability、 可信性Depend ‑ability及固有能力C的函数， 即E＝A*D*C。 由于评估要素间的关联性比较复 杂， 该模型比较难建立， 不 适合复杂环境下的评估。 [0004]现有的模拟训练评估系统， 主 要存在以下问题： [0005]1、 训练评估系统中指标体系的建立常以专家或考评人员的主观意识为主， 未以训 练目标为 导向， 充分考虑训练需求的基础上进行指标构建。 [0006]2、 训练评估要素的行动与节点之间多采用任务分解和实体抽象的方法， 未考虑行 动之间复杂的依赖关系。 [0007]3、 训练评估系统中评估要素繁多、 复杂， 难以形成统一的评估标准与流程， 实现全 面、 有效的评估。 [0008]4、 训练结果维度比较单一， 无法直观的判断方案中各要素的影响程度， 进一步对 方案进行合理的结构配置以提升效能。 发明内容 [0009]本申请的目的是提供了一种模拟训练系统中行动方案优化方法及装置， 改进传统 的模拟训练系统指标选取主观性较强、 评估过程未考虑指标之间相关性的问题， 旨在更科 学、 全面、 准确的进行训练与评估， 促进模拟训练评估向标准 化、 科学化发展。 [0010]为了实现上述目的， 本申请技 术方案如下： [0011]一种模拟训练系统中行动方案优化方法， 包括： [0012]针对训练需求， 将训练中的活动进行阶段性划 分为动作单元， 采用动作单元构建 想定的行动方案； [0013]对于每一个行动方案， 以行动方案中每个动作单元及行动结果为效能单元构建行 动方案对应的效能模型； [0014]以效能单元为贝叶斯网络中的节点， 将效能单元之间的依赖关系转换为贝叶斯网说　明　书 1/6 页 3 CN 114298422 A 3