【CICC原创科普】浅谈指挥控制系统建模仿真

1. 指挥控制系统的基本认识

指挥控制系统广义上指C4KISR（comand， control，communication， computer， kill， intelligence，surveillance and reconnaissance）系统，即以计算机和通信系统为基础，具有预警探测、情报侦察、指挥控制、电子对抗、武器协同打击和其他作战信息保障功能的综合军事信息系统^[1]。从系统科学视角审视，现代指挥控制系统是一个涵盖物理实体、信息流动、认知决策的复杂系统^[2]。随着未来战争的智能化、体系化发展，指挥控制系统更加强调战场认知优势、决策优势与行动优势^[3]，逐渐演变为集态势感知、信息融合、指挥控制、决策支持、综合保障等于一体的复杂巨系统。

2. 作战体系发展对指挥控制系统的影响

随着技术发展、军事作战形态及作战环境变化，战争形态至今经历了机械化、信息化、智能化三个发展阶段，每个阶段都驱动指挥控制系统的结构与功能发生变化，使得指挥控制架构按照平台中心、网络中心、智能中心方向进行演化，并进一步影响了指挥控制建模仿真技术发展。

第一阶段：机械化战争时期的平台中心架构。20世纪初到八十年代的战争以平台为中心，制胜关键取决于能量释放。这一阶段指挥控制架构相对封闭和静态，指挥控制系统与作战平台之间接口相对专用固化，指挥控制系统表现为典型的树状层级结构，侧重集中控制，难以适应跨域协同需求。这一时期的建模仿真强调对作战物理域的复现，以提高平台操作的熟练度与火力运用的精确性。典型的建模仿真包括基于兰彻斯特方程的兵力损耗计算，以及基于蒙特卡洛方法的火力分配优化等，代表性系统如美国的SIMNET（Simulator Networking）专注于坦克等单一平台的模拟训练^[4]。

第二阶段：信息化战争时期的网络中心架构。自海湾战争开始，网络中心战成为信息化战的主导范式，主要表现为通过信息共享与系统集成，将传感器、指挥控制节点与射手联结为动态闭环，加快指挥速度、提升杀伤力，通过信息优势显著提升作战节奏。指挥控制系统从树状结构向扁平化网络结构转型，信息优势成为制胜关键。这一时期的建模仿真关注对信息域的复现，以优化信息流转效率与网络结构韧性。建模仿真重点由单一的指控系统单项计算能力向所在体系能力转变，主要对指挥控制系统的网络拓扑、信息流转等进行模拟仿真。典型的有联合战区级仿真（JTLS）系统，用以支撑跨军兵种联合训练^[5]。

第三阶段：智能化战争时期的智能中心架构。近年来，人工智能技术蓬勃发展，催生了智能化战争形态，同时马赛克作战促使指挥控制架构向弹性分布转变^[6]，以更好适应弹性适变、抗毁重组、敏捷适变的作战要求。人工智能的深度介入，使得智能叠加的人在环上新模式出现，人工智能赋能的机器控制系统对任务进行分解和协同，将资源进行按需动态编排与跨域聚合，以支持OODA环的加速闭合，在复杂战场中维持持续作战优势。建模仿真向认知域的智能推演发展，需要聚焦进一步压缩的决策周期，对智能体的自主决策、学习进化、群体智能涌现等复杂现象进行模拟，以换取算法优势。典型的有美军AlphaDogfight项目模拟空战中AI代理击败人类飞行员^[7][8]。2025-2026年美以伊冲突中，美国中央司令部运用Palantir Gotham平台与Claude大模型协同，在8分钟内生成15套完整突袭方案，以30秒/套的仿真推演效率进行战损评估^[9]。

1. 建模和仿真的理解

回顾建模和仿真方法论研究历程，建模是对现实世界的抽象，最早来源于对物体具象和物理特性的表征，随着控制论、系统科学、计算机科学的发展，建模从物理数学模型向仿真和数学模型转变，用于表示对现实系统进行抽象化和数学和描述^[10]。业界对于仿真的共识，可以追溯到1984年Oren提出的“仿真是一种基于模型的活动”^[11]，将建模和仿真进行了关联。随着数字化、智能化等新技术的发展，可以理解为仿真是借助计算机等辅助手段参照现实世界构建虚拟的环境，驱动模型进行活动达到一定的运行效果和状态。

2. 从运行机理看指挥控制系统建模仿真

经典的OODA闭环体现了决策制胜的关键性，纵观战争形态发展史，指挥控制系统作为形成战场体系优势的“大脑”和“神经中枢”，是承载各级指挥员和指挥机构实施指挥控制的手段和途径，始终是驱动高效闭环的关键，其建模仿真与其架构密切相关。2006年，David．S．Alberts提出指控概念模型，包含了指控的价值链、过程视图和作用于与指控相关的关键变量及各变量相互关系的影响^[12]。

在不同的战争形态下，基于概念模型表现出来的具体形态也会发生变化，从运行机理的角度分析，指挥控制系统的建模仿真不同于一般固定实体，综合考虑系统自身能力、指挥员、指挥控制对象、通信和传输方式、战场环境等，实现对作战体系中指挥控制的流程、组织、关系及发挥的作用等进行模拟，形成以指挥控制系统为核心的“人-机-敌”综合模拟环境，并在虚拟环境下寻求指挥控制的最优解。在智能化战争的影响下，借助于人工智能，替代了部分人工操作，自主实现部分环节，建模仿真需要进一步模拟决策质量及人机分工模式等。

3. 从战略意义看指挥控制系统建模仿真

指挥控制系统作为作战体系的核心，其能力发挥有效程度将会直接影响到作战结果。然而，由于真实战场环境的复杂性和不可预测性，使得真实战场下的演习、测试、训练存在高成本、高风险、难重复、有偏差等情况。因此，通过指挥控制系统建模仿真，构建受控、可重复运用、打破时刻限制的虚拟环境，进行指挥控制能力的辅助分析实验、测试评估、训练演习等，具有不可替代的战略价值。据美军统计，其每年通过仿真节省数十亿美元训练费用，同时大量的缩短了实验时间^[13]。

在辅助分析与实验方面，主要体现在基于虚拟环境进行作战概念验证、系统效能分析和作战方案优化、预测分析等。通过模拟不同作战场景或任务环境，进行新作战概念的演示验证，评估指挥控制系统面向不同作战要求，在信息处理、资源协同、任务分配、指挥决策等方面的效能；通过多种作战方案的模拟对比，进行方案优选和决策推荐。随着智能化技术的发展，人机协同在指控仿真、兵棋推演中比重增加，典型的有美国防部“雷霆锻造”（Thunderforge）项目，将AI代理引入兵棋系统，使用先进的大语言模型、人工智能驱动的仿真模拟，提升美军筹划和执行军事行动的能力。

在辅助测试与评估方面，分为狭义和广义两个层面，狭义上通过指挥控制系统所处环境的建模仿真，对指挥控制系统的关键功能和算法进行功能性能测试，广义上建立一个指挥控制系统的“数字替身”，模拟体系作战场景对其能力进行评估，或参与模拟演习进行体系试验。典型的有美军虚拟宙斯盾、数字林肯等，虚拟宙斯盾是针对“宙斯盾”系统的虚拟仿真测试验证平台，测试指挥控制系统性能、可靠性和适应性，并进一步对杀伤链进行评估。2025年，在高超声速防御模拟试验中，使用虚拟宙斯盾系统进行导弹模拟发射，测试了针对高超音导弹的杀伤链能力。

在辅助训练与演练方面，通过构建高沉浸度虚拟战场或者基于LVC的跨地域联合训练环境，支持指挥员在复杂对抗环境中训练提升多兵种协同作战的指挥决策能力，以及多人协同作战时信息共享、任务分配和决策协调能力。在当今大国竞争的高端作战背景下，指挥控制训练从熟练度训练向人机融合的杀伤网构建能力训练转变。根据最新报道，Maven智能系统已进入利文沃斯堡指挥学院，以提升参训人员的情报感知和决策能力^[14]。

1. 建模仿真层次划分

基于指挥控制系统的运行机理，将其建模仿真对象约束为以指挥控制系统为核心的体系，在作战任务的牵引下、战法规则的约束下，对实体、信息、认知三个层面进行建模，各层面相互关联共同实现指挥控制系统建模仿真战略意义。

实体层对OODA环路各类装备节点和环境进行物理域建模，关注节点的物理特性、功能特性等，相关的装备节点包括侦察、决策、执行等节点，其中侦察节点包括雷达、卫星等传感器，决策节点包括各级指挥控制系统所在的指挥所，执行节点包括各类作战平台、武器系统等；环境包括地理环境、气象环境、电磁环境、网络环境等。

信息层重点对信息域进行建模，以构建实体之间的信息链路，包括信息流转和信息处理服务，其中信息流转关注链路拓扑、传输方式、交互关系、指挥流程等，信息处理服务包括情报处理、态势融合等。

认知层重点对认知域进行建模，包括人参与及机器自主的决策部分，具体表现为作战过程中指挥员的感知、决策过程，以及人工智能辅助或主导的研判、决策、学习等过程，用以模拟指挥控制体系的决策效能，并优化决策机制。

三层在任务驱动下相互关联作用，实体层产生探测范围、打击精度等原始数据，信息层处理数据形成态势信息或知识，并建立构建OODA闭环的信息链路，认知层在信息层基础上形成决策驱动实体发生变化，实体层变化产生新数据，形成跨层耦合和作用闭环。

2. 指挥控制系统建模仿真的复杂性

实体层、信息层和认知层跨层耦合建模是一个多维度、多层次的复杂系统问题，复杂性主要表现在体系的涌现性、环境的不确定性、制胜的高时效性以及交战的博弈对抗性。

体系的涌现性来源于现代战争的多域融合、跨域协同、弹性适变要求，建模实体要求数量骤增，信息层需要描述的交互关系由线性变为非线性，复杂交互的涌现性使得传统还原论建模方法不再适用。以无人集群的群体智能为例，不是单个无人机能力的简单叠加，而是相互交互涌现的结果，需要采用基于Agent的建模等方法^[15]。

环境的不确定性体现在环境动态不确定、对手不可预测等方面，感知、认知、通信、决策等多方面战场迷雾进一步加深了不确定性，指挥控制系统建模需要在完美信息假设基础上，综合考虑信息的欺骗性、多源信息的不一致性，以及目标定位不确定、意图识别不准确、通信时延或丢失等情况，需要在传统建模基础上，综合考虑概率论模糊数学等方法进行建模。

制胜的高实时性是OODA快速决策闭环的要求。在马赛克作战等新型作战概念影响下，决策周期进一步压缩到秒甚至毫秒级。一方面要求指挥控制系统中决策算法能力进一步增强，需要加强智能体的自主决策、学习进化等能力，另一方面要求仿真系统能够支持毫秒级响应和推进，传统离线批处理式仿真难以满足需求^[16]。

交战的博弈对抗性体现在仿真过程中交战双方作战体系的不断变换和反映。在智能化战争趋势下，自主学习和对抗能力进一步提升，不能仅依靠基于固定规则或预设脚本的方式进行仿真，需要引入自适应学习与对抗生成机制等进行智能决策相关建模，以构建出更逼近实战的红蓝对抗体系推演环境。

3. 指挥控制系统建模仿真应用的典型实例

不同建模仿真方法具有不同的原理特性与适用边界，在当前智能化战争背景下，指挥控制系统建模仿真实践，已经与体系对抗仿真推演深度融合，且与人工智能技术密切相关，以支撑作战概念研究、技术创新、装备体系发展。指挥控制建模仿真需要同时处理物理过程、信息流转、认知决策等多重现象，单一建模方法难以应对复杂体系仿真，纵观美军近年来典型作战实验，指挥控制系统虚实融合程度进一步加深，通过引入生成式AI和自主智能体等技术，构建演习、试验、推演等过程需要的情报处理、指挥决策、战场环境等模型，让AI参与复杂推演和实时作战控制中。

（1）基于海量数据的情报融合和意图推测

现代战争信息呈爆炸式增长，AI赋能的情报处理能够从海量数据中提取高价值情报，将碎片化的情报、装备、人员数据转化为全局可操作的战场洞察力。“全球信息优势实验”（GIDE）由美国国防部首席数字与人工智能办公室（CDAO）主导的系列实验，自2020年12月起已开展10多次实验，成为推动“联盟联合全域指挥控制”（CJADC2）战略落地的核心平台。该实验整合了多个作战司令部、技术实验室与军种资源，聚焦于数据融合、智能感知、实时态势共享与AI辅助决策等能力的实战化测试。在GIDE系列实验中，人工智能技术被广泛用于提升跨域信息融合、情报处理与决策速度。例如，AI算法用于分析来自卫星、雷达、通信链路等异构来源的多源数据，快速识别潜在威胁目标并推送给战区指挥员，从而实现“预测而非响应”的作战模式。

（2）利用AI推动己方决策转型

人工智能技术大力推动了指挥控制决策转型，在诸多兵棋推演、演习训练中构建智参模型提升指挥决策效率。近年来，美空军推进DASH（Decision Advantage Sprint for Human-Machine Teaming），聚焦先进作战管理系统（ABMS）开发的“决策优势转型模型”，通过AI辅助提升指挥决策能力。据报道，DASH2中围绕资源分配等问题，对“匹配效应器”子功能创建人工智能微服务，基于红蓝对抗通用想定形成决策推荐，用于摧毁已识别目标的最佳武器系统，DASH3中聚焦高强度全域对抗，基于AI系统快速形成多域行动方案。北约在2025年“刺猬25”联合军事演习中，采用“雅典娜”AI军事指挥系统进行推演，基于神经形态计算架构，采用生成式AI技术，在模拟攻击场景测试中，仅用5分钟就生成了10套完整作战方案^[17]。

（3）利用AI进行对手策略模拟

在作战体系仿真推演和实验中，敌方策略的模拟程度直接影响到己方作战能力训练的逼真度。传统对手模拟常基于预设规则和历史数据进行对手行为模拟，生成式对抗网络和强化学习有助于构建更逼真的对手。典型的有美日联合“山樱”演习、英国Red Force Response系统等，AlphaDogfight和Alpha AI空战智能体等。此外，在2026年美以对伊朗发动的“史诗狂怒”（Operation Fury）军事打击中，美军运用了一系列的仿真推演和智能分析手段。据报道，在行动发起前，美军AI系统依托“心智理论”等项目技术，进行了成千上万次的兵棋推演，模拟伊朗在遭受打击后的各类反应模式，包括导弹反击、网络报复、霍尔木兹海峡封锁等，以制定打击方案和应急预案。

（4）LVC叠加数字孪生的战场环境模拟

LVC（Live-Virtual-Constructive）联合仿真技术整合实兵训练装备、虚拟仿真系统、计算机生成兵力，构建跨地域的联合演习环境，已成为现代军事训练与演习的基本手段。以美海军系列大规模演习活动（Large Scale Exercise, LSE）为例，利用全球一体化的LVC海上演习模式，进行情境注入式训练，以优化指挥流程、验证新作战概念。JSE（Joint Simulation Environment）、NGTS（Next Generation Threat System）等系统，提供可指挥、可交互的虚拟与构造实体，基于Agent构建虚拟舰艇等平台实体，基于行为树和强化学习构建实体对指控命令的响应逻辑^[18]。演习过程中，基于JLVC联邦框架进行虚实融合集成，构建虚实交互的战场环境，模拟演练海上多域协同及互操作能力，验证和完善分布式海上作战等新型作战概念。2023年，LSE 23演习地理空间跨越22个时区，涵盖地中海、太平洋、大西洋多个海域，参演兵力包括海军及陆战队3个司令部、7个舰队，汇集6个航母打击群、3个两栖攻击舰编队、25艘舰艇、50艘虚拟舰艇。在2025年的LSE2025中扩展到美、加、日、北约联合的联盟作战验证，并增加了AI驱动的智能兵力。

伴随着新一代信息技术持续发展和作战新形态牵引，指挥控制系统已经朝着知识中心、人机融合、智能赋能、自主演化等方向发展[3]，指挥控制系统建模仿真作为推动系统能力生长和发展的关键手段，亟需转型适应新时期发展。

（1）从“仿真”向“孪生+仿真”发展

传统仿真采用“离线构建-批量运行-事后分析”模式，无法满足新时期作战要求下实时准确快速决策需求。指挥控制系统需要依托虚实互动的平行思想，变革情报的获取和分析方式，建立面向跨域情报与决策的平行指挥与控制^[19]，通过数字孪生与智能辅助等技术手段，实现“实时数据驱动-在线推演分析-预测性决策支持”的指挥控制新模式，驱动虚拟战场中指挥控制系统模型持续演化，赋能真实战场指挥决策能力提升。

（2）从“人机”向“智能+人机”发展

与指挥控制系统相关的人机协同逐步向体系自主对抗演进。在兵棋推演和战前及战中的方案生成中，智能化技术的应用愈来愈广泛，基于多智能体强化学习使得仿真系统具备自适应学习能力，可模拟更真实、更智能的对手行为；在辅助决策方面，正在向机器决策辅助人工决策、人机协同决策转变，AI负责快速计算与方案生成推荐，辅助指挥员在海量庞杂的数据中快速决策和裁决。

（3）从“平台”到“平台+生态”发展

近年来国际社会的军事演习，越来越多的通过横向衔接、纵向贯通的方式，集成联合各种不同的仿真系统，逐步构建仿真系统联合运用和生长的生态，指挥控制系统本身作为作战体系的关键环节，其情报获取、处理融合、决策分析、协同控制等能力的构建和验证，更加需要依托不同的仿真系统和智能支撑手段，而未来生态的构建将不仅仅局限于集成运用，统一的数据底座、开放的服务体系、互通的交互手段以及协同机制，都讲成为构建生态的必要手段。

战争形态的不断跃迁，驱使指挥控制系统建模仿真从“物理域精确复现”转向“信息域精确复现”，再转向“认知域智能推演”，体系作战仿真架构正经历向云原生智能转型，数字孪生、人工智能、LVC等关键技术快速发展，支撑仿真生态的构建与持续演化。未来，随着作战形态的进一步演化和新技术的不断创新，指挥控制系统相关的建模仿真将进一步向实战化、智能化、体系化、云化转变，以更好的在智能化战争中发挥关键作用，成为军事变革的加速器与战斗力生成的倍增器。

[1] 童志鹏. 综合电子信息系统——信息化战争的中流砥柱［M］. 2 版. 北京：国防工业出版社，2008.

[2] Alberts D S, Hayes R E. Power to the edge: Command and control in the information age[M]. Washington, DC: CCRP Publication Series, 2003.

[3] 张志华，王凡.第五代指挥信息系统总体及其智能化技术设想[J].指挥控制与仿真,2021,43(5):1-7.

[4] Macedonia M R. The engine of change: SIMNET and the revolution in military training[J]. Phalanx, 1994, 27(4): 3-6.

[5] IEEE 1516-2010. IEEE Standard for Modeling and Simulation High Level Architecture (HLA)[S]. New York: IEEE, 2010.

[6] 陈明德，陈赤联，胡政，等.马赛克战对指挥与通信领域的启示分析[J].通信技术，2022,55（10）：1284-1293.

[7] Ernest N, Carroll D, Schumacher C, et al. Genetic fuzzy based artificial intelligence for unmanned combat aerial vehicle control in simulated air combat missions[J]. Journal of Defense Management, 2016, 6(1): 1-7.

[8] 美军AlphaDogfight项目最终报告[R]. 2020.

[9] AI杀死了哈梅内伊：AI时序预测建模与高精度物理仿真应用[EB/OL]. 新浪财经, 2026-03-01.

[10] Friedman M, Krauthausen K. Model and mathematics:from the 19th to the 21st century[M].1st ed. 2022. Cham:Springer Interanational Publishing, 2022.

[11] Oren T I, Zeigler B P, Elzas M S. Simulation and model-based methodologies: an integrative view[M].Berlin:Springer-Verlag,1984.

[12] ALBERTS D S，HAYES R E．Understanding command and control［M］．Washington D C: CCRP，2006: 167-177.

[13] 美国国防部建模与仿真主计划[R]. 2020.

[14] STENSON R. Army’s Combined Arms Command to integrate Maven C2 smart system into training and education[EB/OL].(2026-03-09)[2026-03-12].http://www.dvidshub.net/news/559821/armys-combined-arms-command-integrate-maven-c2-smart-system-into-traning-and-education.

[15] 王飞跃, 等. 复杂系统与智能控制[M]. 北京: 科学出版社, 2019.

[16] 张俊涛, 李占武, 高扬, 等. 军事训练和装备试验中LVC仿真技术发展及展望[J]. 航空兵器, 2025, 32(5): 15-22.

[17] 中国军网.现代战场的“智能参谋”[EB/OL](2026-02-15). http://www.news.cn/globe/20260215/1293d65a0557453ea39f61a6b1a0c44/c.html

[18] 美军突袭伊朗前，与合作多年的AI公司反目[EB/OL]. 爱科学家博客, 2026-03-06.

[19] 王飞跃.指控5.0：平行时代的智能指挥与控制体系[J].指挥与控制学报,2015,1(1):107-120.

供稿人：建模与仿真专业委员会

审核人：刘玉超

中国指挥与控制学会建模与仿真专业委员会简介：

中国指挥与控制学会建模与仿真专业委员会（CICC Technical Committee on Modeling and Simulation），聚焦陆海空天网电全域场景、武器装备平台及军事作战训练等复杂系统工程的建模仿真前沿研究和应用实践，致力于搭建产学研用交流平台。通过促进成员单位间的技术交流与信息共享，助力提升建模与仿真技术的创新能力，为信息化、网络化作战体系提供理论与方法支撑，推动国防科技与工业领域的协同发展。

专委会积极组织学术会议，传播创新成果，推动学科交叉融合与技术进步；为国家科技战略政策制定和经济建设重大议题提供决策论证与政策建议；开展技术开发、咨询及项目论证服务，深化建模仿真技术在数字孪生、智能博弈训练、体系对抗评估等新兴场景的应用，加速技术成果向实战化、工程化方向转化。

未来，专委会将围绕数字工程与MBSE（基于模型的系统工程）方法融合、“云—端—脑”协同的新型仿真基础设施构建、AI驱动的自主建模、虚实互馈的平行仿真等关键技术领域，开展系统性研究与产业实践。通过组织技术攻关、标准制定及生态合作，赋能国防科技自主创新与产业数字化转型，为构建智能化、高可信的复杂系统仿真体系提供核心支撑，助力国家战略能力跨越式提升。

加入专委会方式：

第一步：访问中国指挥与控制学会网址注册会员并缴费；（复制该链接：https://cicc.kejie.org.cn/member/login.php，从浏览器或微信打开填写）；

第二步：复制该链接：https://www.wjx.top/vm/Pp1Efbi.aspx# ，在线填写分支机构委员信息统计表；

第三步：下载并填写分支机构委员申请表，发送到指定邮箱（ciccwy@c2.org.cn）；

附件1.分支机构委员申请表