CN110490422A - 一种基于博弈云模型的目标作战效能态势评估方法 - Google Patents

Abstract

本发明公开了一种基于博弈云模型的目标作战效能态势评估方法，属于战场态势评估领域。首先，构建目标作战效能评估指标体系；其次，构造目标作战效能态势评估云模型，形成定量决策矩阵，求取相应的云期望与云熵向量矩阵；最后，利用博弈云模型分别求取最佳组合权重及博弈云重心向量，从而，确定博弈云加权偏离度，激活博弈云发生器，判断目标作战效能的性能状态；本发明解决指标体系权重不能随着战场环境变化而动态调整的问题，自适应确定最优组合权重，并在博弈云评估过程充分考虑各指标权重对作战效能影响，提高评估结果准确性。本发明主要用于（但不限于）战场态势评估。

Description

一种基于博弈云模型的目标作战效能态势评估方法

技术领域

本发明属于战场态势评估领域，尤其涉及一种基于博弈云模型的目标作战效能态势评估方法。

背景技术

目标作战效能是以博弈论、可能性理论及机器学习等智能学习算法为主要研究手段，在给定作战条件下，运用机动系统的作战装备获取有价值的战场信息和最优决策策略，达到主导战场态势、面向攻防对抗快速制胜的有效程度。目标作战效能的正确评估能够辅助指挥员在多变化、高动态、强对抗的作战环境下完成武器装备的合理配系、作战方案的整合优化，实现提升战场态势评估精度、节约作战时间的目的。

云模型能够揭示定性概念与其定量表示之间的双向映射，揭示了模糊性和随机性间的关系，并成功应用于决策分析、智能控制、数据挖掘等领域。如：依据高斯云模型构建空中态势评估模型，充分利用云的所有信息，对空中目标威胁等级进行划分；提出层次分析云模型，依据相关领域专家对各属性的重视程度进行赋权，并构建自行火炮的指标体系，对其进行作战效能评估；利用加速遗传-投影寻踪云模型通过指标体系的实测数据对大坝运行期多测点综合变形监控指标进行高效拟定。

上述方法在预测目标作战效能态势评估中取得一定的效果。但是仍存在以下问题：上述方法将各个指标的权重进行等权处理或仅考虑单一的主客观权重，忽视战场指标体系权重及其动态调整对作战效能的影响，与战场实际情况出现偏差。基于以上问题，本发明提出一种基于博弈云模型的目标作战效能态势评估方法，能够使各个指标的重要性随着战场环境的动态调整而自适应变化，并提高评估结果准确率。

发明内容

本发明针对作战效能态势评估系统中因评估指标的重要性无法随着战场环境的变化而动态调整导致评估结果差，甚至失效的问题，提出一种基于博弈云模型的目标作战效能态势评估方法。通过层次分析法与加速遗传-投影寻踪法分别确定评估指标体系的主客观权重；利用博弈论模型，在不同主客观权重之间寻求纳什均衡，自适应地确定最优组合权重；根据博弈云理论，计算加权偏离度并激活博弈云发生器，得到评价对象的评估值，从而确定目标作战效能所属状态以及验证评估结果准确性。

本发明是采用如下的技术方案实现的：一种基于博弈云模型的目标作战效能态势评估方法，包括以下步骤：

S1：确定指标体系：将目标作战效能体系分为3层：第一层为目标层，即目标作战效能；第2层为准则层，由情报侦察系统、指挥控制系统和火力打击系统组成；第三层为指标层，共包括9个指标，即在准则层三个系统下各设置3个指标，情报侦察系统分为信息获取能力、信息传输能力、信息处理能力，火力打击系统由综合防护能力、持续作战能力、快速反应能力构成，指挥控制系统依据组织计划能力、辅助决策能力、协调控制能力进行构建；

S2：构造目标作战效能态势评估云模型：

S21：依据n个专家组分别对目标作战效能的9个指标进行定性评判，获得n×9的定性决策矩阵，量化定性值组成定量决策矩阵；

S22：计算S21所建立定量决策矩阵中9个指标的云期望，形成1×9的云期望向量矩阵；

S3：确定基于博弈云模型的目标作战效能态势评估方法：

S31：采用层次分析法构造判断矩阵，求出最大特征值，进而计算特征向量，得到各指标主观权重；利用加速遗传算法寻求定量决策矩阵的最佳投影方向向量，将归一化后的最佳投影方向向量的平方作为评价指标的客观权重；

S32：构造一个由9个指标组成的主客观权重向量集，并将其进行线性优化求得组合权重向量集；基于使组合权重向量集与不同权重方法所确定的9个指标权重向量集离差极小化的目标对主客观线性组合系数进行优化，从而推导出博弈对策矩阵，通过求解该矩阵确定主客观线性组合系数并自适应选择最优组合权重向量；

S33：依据S32中所求得的最优组合权重向量及S22获得的云期望向量值，确定博弈云重心向量；针对博弈云重心向量进行归一化处理，并将其与利用博弈论所求得的最优组合权重向量结合，获得目标作战效能实际评估值与理想值的博弈云加权偏离度，得出对评价对象的评估值。

S3中所述的基于博弈论方法的组合权重求取，根据战场实际需求自适应确定主客观组合系数的纳什均衡，求取指标最优组合权重，防止指标赋权差异较大，利用博弈云评估模型求取加权偏离度，在充分利用云模型将定性指标和定量指标双向映射的优势下，又将基于博弈论所求得的最优权重应用于加权偏离度的求取中，提高作战效能评估结果准确度。

上述的一种基于博弈云模型的目标作战效能态势评估方法，每个指标的定性值分为极差、非常差、很差、差、一般、强、很强、非常强、极强，定性值对应的定量值为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9。

上述的一种基于博弈云模型的目标作战效能态势评估方法，S22中还计算云熵，形成1×9的云熵向量矩阵。云熵为专家所给出定性指标评价集不确定性的度量，能够反应评价结果的模糊性。

上述的一种基于博弈云模型的目标作战效能态势评估方法，得出对评价对象的评估值后激活博弈云发生器，判断作战指标的性能状态。

上述的一种基于博弈云模型的目标作战效能态势评估方法，针对博弈云模型所求得的目标作战效能态势评估值进行可信度分析，判断评估值是否过于模糊。

本发明与现有技术相比具有以下优点：

本发明提出一种基于博弈云模型的目标作战效能态势评估方法，以云模型为载体，将博弈论应用于云加权偏离度的求取中，综合处理各指标之间的权重分配关系，从而使指标权重可以随着战场环境的变化而自适应调整，避免了评估指标的重要性无法随着战场环境的变化而动态调整导致评估结果差，甚至失效的问题，从而满足复杂战场环境下的目标作战效能态势评估需求。

附图说明

图1为本发明的评估框图。

图2为目标作战效能态势评估指标体系图。

图3为本发明构建的博弈云测评发生器，根据博弈云模型理论，本发明建立由9个评语所组成的评语集V＝(v₁,v₂,…,v₉)，v₁～v₉分别表示极差、非常差、很差、差、一般、强、很强、非常强、极强等9个评语，由此构成一个博弈云测评发生器。

图4为本发明的实验评价结果图。

表1为随机一致性指标RI对应数值。

表2为图1指标体系中情报侦察能力数值表。

表3为图1指标体系中火力打击能力数值表。

表4为图1指标体系中指挥控制能力数值表。

表5为基于层次分析法所求得的目标作战效能评价指标主观权重。

表6为指标所对应的最佳投影方向及权重。

表7为目标作战效能指标评语值的期望和熵。

表8为层次分析云模型、加速遗传-投影寻踪云模型及博弈云模型的作战效能评估结果准确率。

具体实施方式：

参照图1的流程图，以图2的作战效能指标体系为研究对象，进行实验。

一种基于博弈云模型的目标作战效能态势评估方法，包括以下步骤：

S1：将目标作战体系分为三层，分别为目标层、准则层、指标层。其中目标层为目标作战效能，包括准则层中的情报侦察能力、火力打击能力和指挥控制能力，指标层共包括9个指标，即在准则层三个系统下各设置3个指标，情报侦察系统分为信息获取能力、信息传输能力、信息处理能力，火力打击系统由综合防护能力、持续作战能力、快速反应能力构成，指挥控制系统包括组织计划能力、辅助决策能力、协调控制能力；

S2：构造目标作战效能态势评估云模型。

S21：依据4个专家组分别对目标作战效能的9个指标进行定性评判，获得4×9的定性决策矩阵，量化定性值(极差，非常差，很差，差，一般，强，很强，非常强，极强)为定量值(0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9)，组成定量决策矩阵；

S22：计算S21所建立定量决策矩阵中9个指标的云期望与云熵，分别形成1×9的云期望与云熵向量矩阵。

S3：确定基于博弈云模型的目标作战效能态势评估方法。

S31：采用层次分析法构造判断矩阵，求出最大特征值，进而计算特征向量，得到各指标主观权重，具体过程如表2、3、4、5；利用加速遗传算法按照式(1)寻求定量决策矩阵的最优投影方向向量，将归一化后的最佳投影方向向量的平方作为评价指标的客观权重，具体过程如表6；

其中

d(i,k)＝|x_i-x_k|

其中，a_j为最优投影方向向量；b_ij为指标特征值归一化序列；x_i为指标的投影值；表示x_i的均值；S_Z、D_Z分别为投影值x_i的标准差和局部密度；表示各指标的客观权重值；d(i,k)为样本之间的距离；u(τ)为单位阶跃函数；R表示样本局部数据空间密度的窗口半径，通常取R＝0.1×S_Z。

S32：首先，构造一个由S1中9个指标组成的主客观权重向量集，并将其进行线性优化求得组合权重向量集；其次，基于使组合权重向量集与不同权重方法所确定的9个指标权重向量集(此处不同权重方法指采用不同的主观权重确定方法和客观权重确定方法，公式2、3、4中主客观权重确定方法的数量都为L个)离差极小化的目标对线性组合系数进行优化，从而推导出博弈对策矩阵；最后，通过求解该矩阵确定主客观线性组合系数并自适应选择最优组合权重向量w^*，计算过程如下：

其中，α_k为线性组合系数；w为一种可能权重向量；k＝1,2,…,L为权重赋权方法。

S33：依据S32中所求得的最佳组合权重向量及S22获得的云期望向量值，确定博弈云重心向量；针对博弈云重心向量进行归一化处理，并将其与S22中利用博弈论所求得的最佳组合权重向量结合，获得目标作战效能实际评估值与理想值的博弈云加权偏离度，得出对评价对象的评估值，激活博弈云发生器，判断作战指标的性能状态；

S34：针对博弈云模型所求得的目标作战效能态势评估结果进行可信度分析，判断评估结果是否过于模糊。

表1随机一致性指标RI

表2情报侦察能力数值表

表3火力打击能力数值表

表4指挥控制能力数值表

表5基于AHP的目标作战效能评价指标权重值

表6指标最佳投影方向及权重

表7指标值的期望和熵

表8三种模型评估结果准确率

Claims (5)

1.一种基于博弈云模型的目标作战效能态势评估方法，其特征在于包括以下步骤：

S1：确定指标体系：将目标作战效能体系分为3层：第一层为目标层，即目标作战效能；第2层为准则层，由情报侦察系统、指挥控制系统和火力打击系统组成；第三层为指标层，共包括9个指标，即在准则层三个系统下各设置3个指标，情报侦察系统分为信息获取能力、信息传输能力、信息处理能力，火力打击系统由综合防护能力、持续作战能力、快速反应能力构成，指挥控制系统依据组织计划能力、辅助决策能力、协调控制能力进行构建；

S2：构造目标作战效能态势评估云模型：

S21：依据n个专家组分别对目标作战效能的9个指标进行定性评判，获得定性决策矩阵，量化定性值组成定量决策矩阵；

S22：计算S21所建立定量决策矩阵中9个指标的云期望，形成1×9的云期望向量矩阵；

S3：确定基于博弈云模型的目标作战效能态势评估方法：

S31：采用层次分析法构造判断矩阵，求出最大特征值，进而计算特征向量，得到各指标主观权重；利用加速遗传算法寻求定量决策矩阵的最佳投影方向向量，将归一化后的最佳投影方向向量的平方作为评价指标的客观权重；

S32：构造一个由9个指标组成的主客观权重向量集，并将其进行线性优化求得组合权重向量集；基于使组合权重向量集与不同权重方法所确定的9个指标权重向量集离差极小化的目标对主客观线性组合系数进行优化，从而推导出博弈对策矩阵，通过求解该矩阵确定主客观线性组合系数并自适应选择最优组合权重向量；

S33：依据S32中所求得的最优组合权重向量及S22获得的云期望向量值，确定博弈云重心向量；针对博弈云重心向量进行归一化处理，并将其与利用博弈论所求得的最优组合权重向量结合，获得目标作战效能实际评估值与理想值的博弈云加权偏离度，得出对评价对象的评估值。

2.根据权利要求1所述的一种基于博弈云模型的目标作战效能态势评估方法，其特征在于每个指标的定性值分为极差、非常差、很差、差、一般、强、很强、非常强、极强，定性值对应的定量值为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9。

3.根据权利要求1或2所述的一种基于博弈云模型的目标作战效能态势评估方法，其特征在于S22中还计算云熵，形成1×9的云熵向量矩阵。

4.根据权利要求1或2所述的一种基于博弈云模型的目标作战效能态势评估方法，其特征在于得出对评价对象的评估值后激活博弈云发生器，判断作战指标的性能状态。

5.根据权利要求1或2所述的一种基于博弈云模型的目标作战效能态势评估方法，其特征在于针对博弈云模型所求得的目标作战效能态势评估值进行可信度分析，判断评估值是否过于模糊。