CN114912783A - 基于虚拟理想解和灰关联度的装备作战效能动态评估方法 - Google Patents

基于虚拟理想解和灰关联度的装备作战效能动态评估方法 Download PDF

Info

Publication number
CN114912783A
CN114912783A CN202210472264.1A CN202210472264A CN114912783A CN 114912783 A CN114912783 A CN 114912783A CN 202210472264 A CN202210472264 A CN 202210472264A CN 114912783 A CN114912783 A CN 114912783A
Authority
CN
China
Prior art keywords
evaluation
ideal solution
degree
matrix
effectiveness
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210472264.1A
Other languages
English (en)
Inventor
柯宏发
朱乃波
朱浩洋
侯娜
李云涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Original Assignee
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peoples Liberation Army Strategic Support Force Aerospace Engineering University filed Critical Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Publication of CN114912783A publication Critical patent/CN114912783A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及装备试验与鉴定技术领域，尤其涉及基于虚拟理想解和灰关联度的装备作战效能动态评估方法。以解决这些方法依据评估结果无法对被评估对象作战效能进行优劣区分的技术问题。所述其具体步骤为：S1层次化作战效能指标体系构建；S2作战效能评估多阶段立体数据构建；S3分别基于评估指标值的差异程度和变化程度进行作战效能评估模型计算和建立；S4综合指标差异和变化程度的典型任务阶段和任务全过程的动态评估模型。综合了反映评估指标体系数据曲线与作战任务需求数据曲线之间位置关系的距离尺度、反映评估指标体系数据曲线与作战任务需求数据曲线之间态势变化关系的关联尺度。

Description

基于虚拟理想解和灰关联度的装备作战效能动态评估方法
技术领域
本发明涉及装备试验与鉴定技术领域，尤其涉及基于虚拟理想解和灰关联度的装备作战效能动态评估方法。
背景技术
装备作战效能评估是武器装备论证、研制、规划和配置的基本依据，其在武器装备建设、管理与发展活动占有极其重要的地位。目前的装备作战效能评估方法一般分为专家经验法、数据驱动法和作战模拟法，其中数据驱动法是国内外作战领域和装备建设领域的研究热点。其中较多文献提出了面向试演训数据的TOPSIS方法，从正反两个方面衡量效能评估指标序列曲线与作战任务需求曲线的距离关系，解决较多装备的作战效能评估问题。这些文献虽然提出了较多的TOPSIS改进算法，但是当被评估对象位于正负理想解连线的中垂线上时，这些方法依据评估结果无法对被评估对象作战效能进行优劣区分。
发明内容
本发明目的在于提供基于虚拟理想解和灰关联度的装备作战效能动态评估方法，以解决这些方法依据评估结果无法对被评估对象作战效能进行优劣区分的技术问题。
为实现上述目的，本发明的基于虚拟理想解和灰关联度的装备作战效能动态评估方法的具体技术方案如下：
基于虚拟理想解和灰关联度的装备作战效能动态评估方法，所述其具体步骤为：
S1层次化作战效能指标体系构建；
S2作战效能评估多阶段立体数据构建；
S3分别基于评估指标值的差异程度和变化程度进行作战效能评估模型计算和建立。
S4综合指标差异和变化程度的典型任务阶段和任务全过程的动态评估模型。
进一步，所述层次化作战效能指标体系构建方法为：
S1.1确定装备的功能或性能指标；
S1.2确定任务能力指标能；
S1.3确定装备的作战效能指标。
进一步，所述作战效能评估多阶段立体数据构建方法为：
S2.1假设P个同类型装备基于图1的指标体系进行作战效能的评估与比较；
S2.2确定对于第m(m＝1,2,…,P)个装备下层第q(q＝1,2,…,p)个任务能力指标；
S2.3假设第i(i＝1,2,…,N)(N表示第q个任务能力下属的功能或性能指标总数)个功能或性能指标在第j(j＝1,2,…,M)个任务阶段(对应于某一个任务周期内t1,t2,…,tM任务阶段)的行为表现参数；
S2.4确定行为表现参数值描述为
Figure BDA0003623248390000021
S2.5构建装备作战效能评估多阶段立体数据剖面的具体装备的阶段性能表现矩阵
Figure BDA0003623248390000022
S2.6确定对于第j(j＝1,2,…,M)个任务阶段下第q(q＝1,2,…,p)个任务能力指标，其对应的第m(m＝1,2,…,P)个装备第i(i＝1,2,…,N)个功能或性能指标的行为表现参数；
S2.7确定行为表现参数值描述为
Figure BDA0003623248390000023
S2.8构建装备作战效能评估多阶段立体数据剖面的所有装备的功能或性能表现矩阵为
Figure BDA0003623248390000024
进一步，所述
Figure BDA0003623248390000025
Figure BDA0003623248390000031
进一步，所述基于评估指标值的差异程度的作战效能评估模型计算和建立的方法：
S3.1通过灰色极性效果处理方法对矩阵
Figure BDA0003623248390000032
进行标准化处理后得到标准化矩阵
Figure BDA0003623248390000033
S3.2针对标准化矩阵
Figure BDA0003623248390000034
基于指标值差异程度的相对贴近度计算。
进一步，所述灰色极性效果处理方法为：
S3.1.1若指标
Figure BDA0003623248390000035
具有极大值属性，则取原始元素除以其最大值作为标准化元素，即有
Figure BDA0003623248390000036
S3.1.2若指标
Figure BDA0003623248390000037
具有极小值属性，则取其最小值除以原始元素作为标准化元素，即有
Figure BDA0003623248390000038
S3.1.3若指标
Figure BDA0003623248390000039
具有属性，则其适中值取为指定值
Figure BDA00036232483900000310
或平均值，即有
Figure BDA00036232483900000311
此时标准化元素计算模型为：
Figure BDA00036232483900000312
S3.1.4得到标准化矩阵
Figure BDA00036232483900000313
进一步，
所述标准化矩阵为
Figure BDA0003623248390000041
进一步，所述基于指标值差异程度的相对贴近度计算的方法为：
S3.2.1确定典型任务阶段具体作战能力的加权标准化矩阵；
S3.2.2确定具体作战能力理想解和虚拟负理想解；
S3.2.3计算各评估对象具体作战能力与正理想解和虚拟负理想解的欧氏距离；
S3.2.4计算各评估对象具体作战能力基于虚拟理想解的相对贴近度；
S3.2.5计算各评估对象与具体作战能力正理想解的灰色关联度；
S3.2.6计算各评估对象与具体作战能力基于差异矩阵的综合贴近度.
S3.2.7计算典型任务阶段各评估对象作战效能基于差异矩阵的综合贴近度；
S3.2.8计算作战任务全过程各评估对象作战效能基于差异矩阵解的综合贴近度；
S3.2.9各评估对象作战效能的优劣排序。
进一步，所述基于评估指标值的变化程度进行作战效能评估模型计算和建立的方法为：
S3.3对矩阵
Figure BDA0003623248390000042
进行灰色极性效果预处理，得到标准化矩阵
Figure BDA0003623248390000043
S3.4构造评估指标值变化矩阵
Figure BDA0003623248390000044
S3.5针对评估指标值变化矩阵
Figure BDA0003623248390000045
考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算。
进一步，所述考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算的方法为：
S3.5.1确定加权标准化变化矩阵；
S3.5.2确定基于变化矩阵的正理想解和虚拟负理想解；
S3.5.3基于变化矩阵计算各评估对象与正理想解和虚拟负理想解的欧氏距离；
S3.5.4计算各评估对象具体作战能力基于变化矩阵的相对贴近度；
S3.5.5计算各评估对象与正理想解的灰色关联度；
S3.5.6聚合各评估对象与具体作战能力基于变化矩阵的欧氏距离和灰色关联度；
S3.5.7计算典型任务阶段各评估对象作战效能基于变化矩阵的综合贴近度；
S3.5.8计算作战任务全过程各评估对象作战效能基于变化矩阵的综合贴近度；
S3.5.9考虑指标变化程度时各评估对象作战效能的优劣排序。
本发明的优点在于：
本发明将虚拟理想解构造方法和灰色关联分析方法相结合，针对武器装备作战效能评估数据的小样本特征，提出了一种基于虚拟理想距离和灰色关联度的装备作战效能动态评估新方法。该方法同时体现双基准的特性，基于虚拟理想距离刻画与反映评估指标序列曲线与作战任务需求曲线的相近机理，基于灰色关联度刻画与反映评估指标序列曲线与作战任务需求曲线的相似机理；同时又从评估指标差异程度和变化程度两个角度构造新的综合贴近度，同时实现作战任务阶段和作战任务全过程的作战效能综合评估与排序；既同时通过数据曲线之间的位置关系和态势变化刻画作战效能评估的相近性和相似性机理，又克服传统理想解的评估排序结果的不合理问题。能从多个角度多个层次实现装备作战效能的动态评估和排序，评估机理与物理意义体现在三个层面，一是从评估指标的差异程度和变化程度分别考虑、有可以将二者综合起来考虑，二是综合了反映评估指标体系数据曲线与作战任务需求数据曲线之间位置关系的距离尺度、反映评估指标体系数据曲线与作战任务需求数据曲线之间态势变化关系的关联尺度，三是作战效能评估值及其排序既可以针对各个任务阶段，又可以针对作战任务全过程。
附图说明
图1为本发明基于虚拟理想解和灰关联度的装备作战效能动态评估方法的基于虚拟理想解和灰色关联度的动态评估基本思路结构示意图；
图2为本发明基于虚拟理想解和灰关联度的装备作战效能动态评估方法的层次性作战效能评估指标体系结构示意图；
图3为本发明基于虚拟理想解和灰关联度的装备作战效能动态评估方法的超短波通信对抗系统作战效能指标体系结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
实施例1
基于虚拟理想解和灰关联度的装备作战效能动态评估方法，所述其具体步骤为：
S1层次化作战效能指标体系构建；
其中，如图1-3所示，所述层次化作战效能指标体系构建方法为：
S1.1确定装备的功能或性能指标；
S1.2确定任务能力指标能；
S1.3确定装备的作战效能指标。
层次性作战效能指标体系表示装备的功能或性能指标、任务能力指标能从下至上概括反映装备在整个作战过程中的作战效能等行为表现，装备的作战效能指标从上至下在任务能力、功能或性能指标、时间等三个维度上具有行为表现，即在这三个维度上具有属性值。
S2作战效能评估多阶段立体数据构建；
其中，如图1-3所示，所述作战效能评估多阶段立体数据构建方法为：
S2.1假设P个同类型装备基于图1的指标体系进行作战效能的评估与比较；
S2.2确定对于第m(m＝1,2,…,P)个装备下层第q(q＝1,2,…,p)个任务能力指标；
S2.3假设第i(i＝1,2,…,N)(N表示第q个任务能力下属的功能或性能指标总数)个功能或性能指标在第j(j＝1,2,…,M)个任务阶段(对应于某一个任务周期内t1,t2,…,tM任务阶段)的行为表现参数；
S2.4确定行为表现参数值描述为
Figure BDA0003623248390000071
S2.5构建装备作战效能评估多阶段立体数据剖面的具体装备的阶段性能表现矩阵
Figure BDA0003623248390000072
S2.6确定对于第j(j＝1,2,…,M)个任务阶段下第q(q＝1,2,…,p)个任务能力指标，其对应的第m(m＝1,2,…,P)个装备第i(i＝1,2,…,N)个功能或性能指标的行为表现参数；
S2.7确定行为表现参数值描述为
Figure BDA0003623248390000073
S2.8构建装备作战效能评估多阶段立体数据剖面的所有装备的功能或性能表现矩阵为
Figure BDA0003623248390000074
装备作战效能评估多阶段立体数据将常规的二维数据扩展为立体数据，能覆盖被评估装备作战任务全过程行为表现，有利于从评估指标值的差异程度、评估指标值的变化程度等角度进行作战效能的综合评估，从而可以克服装备作战效能评估的片面性和信息遗漏，提高效能评估结果的合理性和可信性
所述
Figure BDA0003623248390000075
该矩阵表达了具体装备(即装备m)具体任务能力(即任务能力q)的评估指标值，每一行对应于某一个功能或性能指标的全部任务阶段表现值，每一列对应于某个任务阶段的所有功能或性能指标表现值。
Figure BDA0003623248390000081
该矩阵表达了具体任务阶段(即阶段j)具体任务能力(即任务能力q)下的评估指标值，每一行对应于某一个装备的全部功能或性能指标表现值，每一列对应于某个功能或性能指标的所有装备表现值。可以看出，该矩阵就是常规作战任务剖面下装备作战效能评估与优选的决策矩阵。。
S3分别基于评估指标值的差异程度和变化程度进行作战效能评估模型计算和建立。
其中，如图1-3所示，所述基于评估指标值的差异程度的作战效能评估模型计算和建立的方法：
S3.1通过灰色极性效果处理方法对矩阵
Figure BDA0003623248390000082
进行标准化处理后得到标准化矩阵
Figure BDA0003623248390000083
其中，如图1-3所示，所述灰色极性效果处理方法为：
S3.1.1若指标
Figure BDA0003623248390000084
具有极大值属性，则取原始元素除以其最大值作为标准化元素，即有
Figure BDA0003623248390000085
S3.1.2若指标
Figure BDA0003623248390000086
具有极小值属性，则取其最小值除以原始元素作为标准化元素，即有
Figure BDA0003623248390000087
S3.1.3若指标
Figure BDA0003623248390000088
具有属性，则其适中值取为指定值
Figure BDA0003623248390000089
或平均值，即有
Figure BDA00036232483900000810
此时标准化元素计算模型为：
Figure BDA0003623248390000091
S3.1.4得到标准化矩阵
Figure BDA0003623248390000092
所述标准化矩阵为
Figure BDA0003623248390000093
S3.2针对标准化矩阵
Figure BDA0003623248390000094
基于指标值差异程度的相对贴近度计算。
其中，如图1-3所示，所述基于指标值差异程度的相对贴近度计算的方法为：
S3.2.1确定典型任务阶段具体作战能力的加权标准化矩阵；
假设N个功能或性能指标的权重向量为w＝(w1,w2,…,wN)，通过加权计算得到标准化矩阵F(将该矩阵定义为差异矩阵)，其算法为
Figure BDA0003623248390000095
S3.2.2确定具体作战能力理想解和虚拟负理想解；
正理想解为
Figure BDA0003623248390000096
负理想解为
Figure BDA0003623248390000101
参考[9]提出的方法构建虚拟负理想解为
Figure BDA0003623248390000102
S3.2.3计算各评估对象具体作战能力与正理想解和虚拟负理想解的欧氏距离；
具体作战能力到正理想解的欧氏距离为
Figure BDA0003623248390000103
具体作战能力到虚拟负理想解的欧氏距离为
Figure BDA0003623248390000104
S3.2.4计算各评估对象具体作战能力基于虚拟理想解的相对贴近度；
Figure BDA0003623248390000105
S3.2.5计算各评估对象与具体作战能力正理想解的灰色关联度；
首先计算第m(m＝1,2,…,P)个装备第i个指标元素与对应理想解差值的绝对值为
Figure BDA0003623248390000106
且将极大距离环境参数
Figure BDA0003623248390000107
和极小距离环境参数
Figure BDA0003623248390000108
记为
Figure BDA0003623248390000109
从而基于邓氏关联度的基本思想，可以求取第m个装备第i个指标元素的灰色关联系数为
Figure BDA00036232483900001010
式中ξ∈(0,1)为分辨系数，通常取ξ＝0.5。最后继续计算，可以得到第m个装备与正理想解的灰色关联度为
Figure BDA00036232483900001011
S3.2.6计算各评估对象与具体作战能力基于差异矩阵的综合贴近度；
基于虚拟理想解的相对贴近度
Figure BDA0003623248390000111
和灰色关联度
Figure BDA0003623248390000112
的数值越大，说明第m个装备第j个任务阶段的第q个作战能力越接近于理想解。因此，在基于虚拟理想解的相近机理和相似机理的决策偏好下，记决策者对位置和形状的偏好程度为α，从而可以对计相对贴近度
Figure BDA0003623248390000113
和灰色关联度
Figure BDA0003623248390000114
进行合并，得到具体作战能力基于虚拟理想解的综合贴近度为
Figure BDA0003623248390000115
基于虚拟理想解综合贴近度
Figure BDA0003623248390000116
反映了基于虚拟理想解的相近机理和相似机理下第m个装备作战效能与具体作战能力任务需求的接近程度，其值越大，装备作战效能越优。式中α越大，表示决策者偏好反映相近机理的位置关系(理想解法)；α越小，表示决策者偏好反映相似机理的形状关系(灰色关联度法)；具体作战能力综合贴近度基于欧氏距离和灰色关联度，同时反映了各评估对象与理想任务需求之间的位置关系和数据曲线的相似性形状；
S3.2.7计算典型任务阶段各评估对象作战效能基于差异矩阵的综合贴近度；
假设典型任务阶段p个任务能力指标的权重向量为W＝(W1,W2,…,Wp)，则有典型任务阶段第m个装备作战效能基于虚拟理想解的综合贴近度为
Figure BDA0003623248390000117
作战效能基于虚拟理想解的综合贴近度
Figure BDA0003623248390000118
基于欧氏距离和灰色关联度，克服了常规理想解存在的部分场景无法区分问题，同时反映了评估对象作战效能与任务需求虚拟理想解之间的位置关系和数据曲线的相似性差异，更好地阐释了评估方法基于相近机理和相似机理的物理含义；
S3.2.8计算作战任务全过程各评估对象作战效能基于差异矩阵解的综合贴近度；
假设M个任务阶段的权重向量为A＝(a1,a2,…,aM)，则有作战任务全过程第m个装备作战效能基于虚拟理想解的综合贴近度为
Figure BDA0003623248390000121
S3.2.9各评估对象作战效能的优劣排序。
按某个任务阶段作战效能基于虚拟理想解的综合贴近度
Figure BDA0003623248390000122
或者作战任务全过程作战效能基于虚拟理想解的综合贴近度
Figure BDA0003623248390000123
的大小对各个评估对象的作战效能进行排序，综合贴近度
Figure BDA0003623248390000124
或
Figure BDA0003623248390000125
大者作战效能为优，小者作战效能为劣。
其中，如图1-3所示，所述基于评估指标值的变化程度进行作战效能评估模型计算和建立的方法为：
S3.3对矩阵
Figure BDA0003623248390000126
进行灰色极性效果预处理，得到标准化矩阵
Figure BDA0003623248390000127
S3.4构造评估指标值变化矩阵
Figure BDA0003623248390000128
Figure BDA0003623248390000129
式中m＝1,2,…,P；j＝1,2,…,M；q＝1,2,…,p；i＝1,2,…,M。
S3.5针对评估指标值变化矩阵
Figure BDA00036232483900001210
考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算。
其中，如图1-3所示，所述考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算的方法为：
S3.5.1确定加权标准化变化矩阵；
同样取N个功能或性能指标的权重向量为w＝(w1,w2,…,wN)，通过加权计算得到标准化变化矩阵G，即有
Figure BDA00036232483900001211
S3.5.2确定基于变化矩阵的正理想解和虚拟负理想解；
变化矩阵的正理想解、负理想解分别为
Figure BDA0003623248390000131
采用类似的算法构建虚拟负理想解为
Figure BDA0003623248390000132
S3.5.3基于变化矩阵计算各评估对象与正理想解和虚拟负理想解的欧氏距离；
到正理想解、负理想解的欧氏距离分别为
Figure BDA0003623248390000133
S3.5.4计算各评估对象具体作战能力基于变化矩阵的相对贴近度；
Figure BDA0003623248390000134
S3.5.5计算各评估对象与正理想解的灰色关联度；
计算第m(m＝1,2,…,P)个装备第i个指标元素与对应正理想解差值的绝对值为
Figure BDA0003623248390000135
从而求得极大和极小距离环境参数
Figure BDA0003623248390000136
分别为
Figure BDA0003623248390000137
继而可以求取第m个装备第i个指标元素针对正理想解的灰色关联系数分别为
Figure BDA0003623248390000138
式中ξ∈(0,1)为分辨系数，通常取ξ＝0.5。最后可以计算得到第m个装备与正理想解的灰色关联度分别为
Figure BDA0003623248390000141
S3.5.6聚合各评估对象与具体作战能力基于变化矩阵的欧氏距离和灰色关联度；
基于虚拟理想解的相对贴近度
Figure BDA0003623248390000142
和灰色关联度
Figure BDA0003623248390000143
的数值越大，说明第m个装备第j个任务阶段的第q个作战能力越接近于理想解。因此，在基于虚拟理想解的相近机理和相似机理的决策偏好下，记决策者对位置和形状的偏好程度为α，从而得到具体作战能力基于虚拟理想解和灰色关联度的综合贴近度为
Figure BDA0003623248390000144
基于虚拟理想解和灰色关联度的综合贴近度
Figure BDA0003623248390000145
反映了考虑指标变化程度时基于虚拟理想解的相近和相似机理下第m个装备作战效能与具体作战能力任务需求的接近程度，其值越大，装备作战效能越优。
S3.5.7计算典型任务阶段各评估对象作战效能基于变化矩阵的综合贴近度；
假设典型任务阶段p个任务能力指标的权重向量为W＝(W1,W2,…,Wp)，则有典型任务阶段第m个装备基于变化矩阵的作战效能综合贴近度为
Figure BDA0003623248390000146
综合贴近度
Figure BDA0003623248390000147
的作用机理与
Figure BDA0003623248390000148
相同，考虑指标变化程度时同时反映了相近机理和相似机理下评估对象典型任务阶段作战效能与任务需求变化的位置关系和数据曲线的相似性差异。同样可以按综合贴近度
Figure BDA0003623248390000149
的大小对典型任务阶段各评估对象作战效能进行优劣排序，
Figure BDA00036232483900001410
大者作战效能为优，小者作战效能为劣。
S3.5.8计算作战任务全过程各评估对象作战效能基于变化矩阵的综合贴近度；
假设M个任务阶段的权重向量为A＝(a1,a2,…,aM)，则有作战任务全过程第m个装备作战效能基于变化矩阵的综合贴近度
Figure BDA00036232483900001411
S3.5.9考虑指标变化程度时各评估对象作战效能的优劣排序。
考虑指标变化程度时按某个任务阶段作战效能综合贴近度
Figure BDA0003623248390000151
或者作战任务全过程作战效能综合贴近度
Figure BDA0003623248390000152
的大小对各个评估对象的作战效能进行排序，综合贴近度
Figure BDA0003623248390000153
或
Figure BDA0003623248390000154
大者作战效能为优，小者作战效能为劣。
S4综合指标差异和变化程度的典型任务阶段和任务全过程的动态评估模型。
对于第j个典型任务阶段，综合考虑指标值的差异程度和变化程度，假设考虑指标值差异程度的相对重要程度为β，则有各个评估对象作战效能综合贴近度为
Figure BDA0003623248390000155
式中β＝1时，表示只考虑指标值的差异程度，其综合贴近度就是综合贴近度
Figure BDA0003623248390000156
当β＝0时，表示只考虑指标值的变化程度，其综合贴近度就是综合贴近度
Figure BDA0003623248390000157
对各个评估对象的作战效能进行排序，综合贴近度
Figure BDA0003623248390000158
大者为优、小者为劣。
对于作战任务全过程，假设M个任务阶段的权重向量为A＝(a1,a2,…,aM)，则有综合考虑指标值的差异程度和变化程度时各个评估对象作战效能综合贴近度为
Figure BDA0003623248390000159
式中β＝1时，表示只考虑指标值差异程度时的全作战过程综合贴近度；当β＝0时，表示只考虑指标值变化程度的全作战过程综合贴近度。对各个评估对象的全作战过程作战效能进行排序，综合贴近度
Figure BDA00036232483900001510
大者为优、小者为劣。
实施例2
三部同类型超短波地面通信对抗系统(假设为系统Ⅰ、系统II、系统Ⅲ)的作战任务过程均划分为战前侦察阶段COR、战前重点侦察阶段CIR、伴随攻击阶段CJA、战斗收尾阶段COE等4个阶段，作战效能评估指标体系如说明书附图3所示。
如说明书附图3所示的18个底层指标一般通过定性语言或定量数值进行表述，假设经过定性定量转化和极性转换处理后，分别得到三个系统关于4个作战阶段、18个底层指标的数据矩阵AⅠ、AII和AⅢ。
Figure BDA0003623248390000161
Figure BDA0003623248390000162
Figure BDA0003623248390000163
上述3个矩阵的每一行分别表示评估指标体系的18个底层指标数据，每一列分别表示不同底层评估指标的4个阶段数据。
基于指标值差异程度的作战效能评估计算
首先以侦察能力为例进行相关的计算。基于上述三个数据矩阵，假设指标等权，依据指标极性确定侦察能力的正理想解为F1 +(1,1,1,1,1)，负理想解为F1 -(0.62,0.62,0.68,0.72,0.78)，则可以构造虚拟负理想解为
Figure BDA0003623248390000166
算例计算中假设矩阵的行表示三个被评估对象，列表示侦察能力的4个任务阶段，从而计算三个被评估对象侦察能力到正理想解、虚拟负理想解的距离矩阵分别为
Figure BDA0003623248390000164
进一步计算三个被评估对象侦察能力基于虚拟理想解的相对贴近度矩阵为
Figure BDA0003623248390000165
而三个被评估对象侦察能力与正理想解的灰色关联度矩阵分别为
Figure BDA0003623248390000171
此处取决策者的偏好将位置和形状视为同等重要，即α＝0.5、1-α＝0.5，则可求得三个被评估对象侦察能力基于差异矩阵的综合贴近度为
Figure BDA0003623248390000172
类似地计算得到三个被评估对象测向能力、干扰能力和指控能力基于差异矩阵的综合贴近度分别为
Figure BDA0003623248390000173
和
Figure BDA0003623248390000174
同样假设待评估系统四种能力之间的权重为(0.3,0.2,0.3,0.2)，从而聚合得到三个待评估系统4个阶段作战效能基于差异矩阵的综合贴近度及其排序如表1所示。
表1三个系统4个阶段基于差异矩阵的作战效能及排序
Figure BDA0003623248390000175
由表1中数据可以看出，只考虑指标值的差异程度，三个待评估系统战前侦察阶段的作战效能大小排序为系统II、Ⅰ、Ⅲ，战前重点侦察阶段的作战效能大小排序为系统II、Ⅲ、Ⅰ，伴随攻击阶段的作战效能大小排序为系统Ⅲ、Ⅰ、II，战斗收尾阶段的作战效能大小排序为系统II、Ⅲ、Ⅰ。对四个阶段取权重为(0.2,0.3,0.4,0.1)，依据表1所示的作战任务全过程综合贴近度，三个待评估系统的作战效能大小排序为系统Ⅲ、II、Ⅰ。
从本算例可以看出，考虑指标值的差异程度时，利用虚拟理想解的TOPSIS和灰色关联度的综合评估方法对装备作战效能进行评估，评估机理与意义比较明显，既可以得到各个被评估装备不同任务阶段的综合评估值及其排序结果，又可以得到作战任务全过程的总体评估值及其排序结果。
基于指标值变化程度的作战效能评估计算
评估指标值变化程度反映了三个系统作战效能变化趋势，算例中数据矩阵描述了4个作战阶段，所以作战阶段的变化程度描述表示为3个。此处继续以侦察能力为例进行相关的计算，假设矩阵的列侦察能力的5个底层指标，矩阵的行分别表示作战阶段的变化值，从而构造三个待评估系统的变化矩阵BⅠ、BII和BⅢ分别为
Figure BDA0003623248390000181
和
Figure BDA0003623248390000182
假设上述三个数据矩阵的指标等权，确定评估指标值变化程度下侦察能力的正理想解为F1 +＝(0.24,0.13,0.20,0.10,0.12)，负理想解为F1 -＝(-0.17,-0.26,-0.13,-0.18,-0.20)，则可以构造虚拟负理想解为
Figure BDA0003623248390000185
假设矩阵的行表示三个待评估系统，列表示3个任务阶段变化，则计算得到三个待评估对象侦察能力变化到正理想解、负理想解的距离矩阵分别为
Figure BDA0003623248390000183
进一步计算三个被评估对象侦察能力基于虚拟理想解的相对贴近度矩阵为
Figure BDA0003623248390000184
三个被评估对象侦察能力变化与正理想解的灰色关联度矩阵为
Figure BDA0003623248390000191
取决策者针对位置和形状偏好的权重为α＝0.5、1-α＝0.5，则可求得三个被评估对象侦察能力变化基于虚拟理想解和灰色关联度的综合贴近度为
Figure BDA0003623248390000192
类似地，可以计算三个被评估对象测向能力变化、干扰能力变化和指控能力变化基于虚拟理想解和灰色关联度的综合贴近度矩阵分别为
Figure BDA0003623248390000193
和
Figure BDA0003623248390000194
同样假设四者之间的权重为(0.3,0.2,0.3,0.2)，从而聚合得到三个被评估对象基于3个变化阶段的作战效能及其排序如表2所示。
表2三个系统基于变化程度的作战效能及排序(β＝0)
Figure BDA0003623248390000195
由表2数据可以看出，仅考虑指标的变化程度，三个被评估对象基于3个变化阶段的作战效能排名各有先后；但是从3个变化阶段的均值来看，系统Ⅲ的作战效能排名第一。
基于加权的作战效能综合评估
取β＝0.85时，即同时考虑各指标值差异程度和变化程度，更关注各指标值差异程度时，三个被评估对象4个阶段的作战效能及其排序如表3所示。
表3三个系统4个阶段的作战效能及排序(β＝0.85)
Figure BDA0003623248390000201
由表3中数据可以看出，同时考虑各指标值差异程度和变化程度，第一任务阶段三个被评估对象作战效能的大小排序为系统II、Ⅰ、Ⅲ，第二任务阶段作战效能大小排序为系统II、Ⅲ、Ⅰ，第三任务阶段作战效能大小排序为系统Ⅲ、Ⅰ、II，第四任务阶段作战效能大小排序为系统Ⅲ、II、Ⅰ。对四个阶段取同样的权重进行加权，基于表中所示的综合贴近度，针对作战任务全过程三个被评估对象的作战效能大小排序为系统Ⅲ、II、Ⅰ。
对比表1和表3，作战任务全过程三个被评估对象的作战效能大小排序结果是一致的，结合表2，系统Ⅲ的作战效能均排名第一。再从四个作战任务阶段的作战效能大小排序结果来看，同时考虑各指标值差异程度和变化程度，系统Ⅲ作战效能最优的趋势是最明显的。
由上式还可以看出，在综合考虑指标值的差异程度和变化程度时，计算作战任务全过程的各个评估对象作战效能综合贴近度有两种计算途径，两种途径是等价的，一种是在典型任务阶段下分别考虑指标值的差异程度和变化程度，计算两种程度下作战任务全过程的作战效能综合贴近度，然后基于权重向量(β,1-β)求得最终结果；另一种是针对典型任务阶段的作战效能综合贴近度，首先基于权重向量(β,1-β)对指标值的差异程度和变化程度下的作战效能综合贴近度进行聚合，然后对各个任务阶段作战效能综合贴近度进行聚合求得最终结果。
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (10)

1.基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述其具体步骤为：
S1层次化作战效能指标体系构建；
S2作战效能评估多阶段立体数据构建；
S3分别基于评估指标值的差异程度和变化程度进行作战效能评估模型计算和建立；
S4综合指标差异和变化程度的典型任务阶段和任务全过程的动态评估模型。
2.根据权利要求1所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述层次化作战效能指标体系构建方法为：
S1.1确定装备的功能或性能指标；
S1.2确定任务能力指标能；
S1.3确定装备的作战效能指标。
3.根据权利要求1所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述作战效能评估多阶段立体数据构建方法为：
S2.1假设P个同类型装备基于图1的指标体系进行作战效能的评估与比较；
S2.2确定对于第m(m＝1，2，…，P)个装备下层第q(q＝1，2，…，p)个任务能力指标；
S2.3假设第i(i＝1，2，…，N)(N表示第q个任务能力下属的功能或性能指标总数)个功能或性能指标在第j(j＝1，2，…，M)个任务阶段(对应于某一个任务周期内t1，t2，…，tM任务阶段)的行为表现参数；
S2.4确定行为表现参数值描述为
Figure FDA0003623248380000011
S2.5构建装备作战效能评估多阶段立体数据剖面的具体装备的阶段性能表现矩阵
Figure FDA0003623248380000012
S2.6确定对于第j(j＝1，2，…，M)个任务阶段下第q(q＝1，2，…，p)个任务能力指标，其对应的第m(m＝1，2，…，P)个装备第i(i＝1，2，…，N)个功能或性能指标的行为表现参数；
S2.7确定行为表现参数值描述为
Figure FDA0003623248380000021
S2.8构建装备作战效能评估多阶段立体数据剖面的所有装备的功能或性能表现矩阵为
Figure FDA0003623248380000022
4.根据权利要求3所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述
Figure FDA0003623248380000023
Figure FDA0003623248380000024
5.根据权利要求1所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述基于评估指标值的差异程度的作战效能评估模型计算和建立的方法：
S3.1通过灰色极性效果处理方法对矩阵
Figure FDA0003623248380000025
进行标准化处理后得到标准化矩阵
Figure FDA0003623248380000026
S3.2针对标准化矩阵
Figure FDA0003623248380000027
基于指标值差异程度的相对贴近度计算。
6.根据权利要求5所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述灰色极性效果处理方法为：
S3.1.1若指标
Figure FDA0003623248380000028
具有极大值属性，则取原始元素除以其最大值作为标准化元素，即有
Figure FDA0003623248380000029
S3.1.2若指标
Figure FDA00036232483800000210
具有极小值属性，则取其最小值除以原始元素作为标准化元素，即有
Figure FDA0003623248380000031
S3.1.3若指标
Figure FDA0003623248380000032
具有属性，则其适中值取为指定值
Figure FDA0003623248380000033
或平均值，即有
Figure FDA0003623248380000034
此时标准化元素计算模型为：
Figure FDA0003623248380000035
S3.1.4得到标准化矩阵
Figure FDA0003623248380000036
7.根据权利要求5所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，
所述标准化矩阵为
Figure FDA0003623248380000037
8.根据权利要求5所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述基于指标值差异程度的相对贴近度计算的方法为：
S3.2.1确定典型任务阶段具体作战能力的加权标准化矩阵；
S3.2.2确定具体作战能力理想解和虚拟负理想解；
S3.2.3计算各评估对象具体作战能力与正理想解和虚拟负理想解的欧氏距离；
S3.2.4计算各评估对象具体作战能力基于虚拟理想解的相对贴近度；
S3.2.5计算各评估对象与具体作战能力正理想解的灰色关联度；
S3.2.6计算各评估对象与具体作战能力基于差异矩阵的综合贴近度.
S3.2.7计算典型任务阶段各评估对象作战效能基于差异矩阵的综合贴近度；
S3.2.8计算作战任务全过程各评估对象作战效能基于差异矩阵解的综合贴近度；
S3.2.9各评估对象作战效能的优劣排序。
9.根据权利要求5所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述基于评估指标值的变化程度进行作战效能评估模型计算和建立的方法为：
S3.3对矩阵
Figure FDA0003623248380000041
进行灰色极性效果预处理，得到标准化矩阵
Figure FDA0003623248380000042
S3.4构造评估指标值变化矩阵
Figure FDA0003623248380000043
S3.5针对评估指标值变化矩阵
Figure FDA0003623248380000044
考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算。
10.根据权利要求9所述的基于虚拟理想解和灰关联度的装备作战效能动态评估方法，其特征在于，所述考虑指标值变化程度时基于虚拟理想解和灰色关联度的综合贴近度计算的方法为：
S3.5.1确定加权标准化变化矩阵；
S3.5.2确定基于变化矩阵的正理想解和虚拟负理想解；
S3.5.3基于变化矩阵计算各评估对象与正理想解和虚拟负理想解的欧氏距离；
S3.5.4计算各评估对象具体作战能力基于变化矩阵的相对贴近度；
S3.5.5计算各评估对象与正理想解的灰色关联度；
S3.5.6聚合各评估对象与具体作战能力基于变化矩阵的欧氏距离和灰色关联度；
S3.5.7计算典型任务阶段各评估对象作战效能基于变化矩阵的综合贴近度；
S3.5.8计算作战任务全过程各评估对象作战效能基于变化矩阵的综合贴近度；
S3.5.9考虑指标变化程度时各评估对象作战效能的优劣排序。
CN202210472264.1A 2022-03-22 2022-04-29 基于虚拟理想解和灰关联度的装备作战效能动态评估方法 Pending CN114912783A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2022102836027 2022-03-22
CN202210283602 2022-03-22

Publications (1)

Publication Number Publication Date
CN114912783A true CN114912783A (zh) 2022-08-16

Family

ID=82764150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210472264.1A Pending CN114912783A (zh) 2022-03-22 2022-04-29 基于虚拟理想解和灰关联度的装备作战效能动态评估方法

Country Status (1)

Country Link
CN (1) CN114912783A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436282A (zh) * 2023-12-07 2024-01-23 南京信息工程大学 基于双重变权和topsis-灰关联的架构优选方法
CN117952481A (zh) * 2024-03-26 2024-04-30 西安中科天塔科技股份有限公司 一种效能评估体系的构建方法、装置、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436282A (zh) * 2023-12-07 2024-01-23 南京信息工程大学 基于双重变权和topsis-灰关联的架构优选方法
CN117436282B (zh) * 2023-12-07 2024-04-02 南京信息工程大学 基于双重变权和topsis-灰关联的架构优选方法
CN117952481A (zh) * 2024-03-26 2024-04-30 西安中科天塔科技股份有限公司 一种效能评估体系的构建方法、装置、设备及存储介质
CN117952481B (zh) * 2024-03-26 2024-07-26 西安中科天塔科技股份有限公司 一种效能评估体系的构建方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Zhao et al. Failure mode and effect analysis using MULTIMOORA method with continuous weighted entropy under interval-valued intuitionistic fuzzy environment
CN114912783A (zh) 基于虚拟理想解和灰关联度的装备作战效能动态评估方法
Dubin et al. Spatial autoregression techniques for real estate data
CN113836734B (zh) 一种基于虚拟理想解的装备作战效能评估方法
Yoon The propagation of errors in multiple-attribute decision analysis: a practical approach
CN112183826B (zh) 基于深度级联生成对抗网络的建筑能耗预测方法及相关产品
CN103400152A (zh) 基于分层聚类的滑动窗口多数据流异常检测方法
CN113807721B (zh) 一种基于相近和相似机理的装备作战效能评估方法
CN112857658B (zh) 一种基于云平台的压力检测系统
CN108830407B (zh) 多工况条件下结构健康监测中的传感器分布优化方法
CN109492748A (zh) 一种基于卷积神经网络的电力系统的中长期负荷预测模型建立方法
CN111105136A (zh) 一种基于归一化样本的灰色层次评估方法
CN112258062A (zh) 一种体系贡献度确定方法及装置
CN112632765A (zh) 一种加权和法与sem法结合的作战能力评估方法
CN115204533A (zh) 基于多变量的加权组合模型的油气产量预测方法及系统
CN116090757A (zh) 一种情报保障体系能力需求满足度评估方法
Van Tinh et al. A new hybrid fuzzy time series forecasting model based on combining fuzzy c-means clustering and particle swam optimization
CN110688287A (zh) 一种基于改进概率神经网络的工控网络态势评估方法
CN112184037B (zh) 一种基于加权svdd的多模态过程故障检测方法
CN115661576A (zh) 一种样本不平衡下的飞机群组意图识别方法
CN113837644A (zh) 基于灰色关联的装备作战效能与贡献率一体化评估方法
Bishesh Fuzzy Decision Making: Concept and Models
CN109783844B (zh) 一种基于跟踪精度和能量消耗指标下的多传感器管理方法
CN113112166A (zh) 基于灰色模糊层次分析的设备状态变量选择方法及设备
CN113722195A (zh) 基于ahp层级分析法的局域网运行评估系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination