一种基于战场态势变权的目标威胁评估方法

孔德鹏, 徐克虎, 陈金玉

(1. 装甲兵工程学院控制工程系， 北京 100072; 2. 78098部队， 四川 崇州 611237)

一种基于战场态势变权的目标威胁评估方法

孔德鹏1, 徐克虎1, 陈金玉2

(1. 装甲兵工程学院控制工程系， 北京 100072; 2. 78098部队， 四川 崇州 611237)

针对常权综合方法的评估结果与实际情况不符，而一般变权综合方法又无法充分利用态势估计信息的问题，提出了基于战场态势变权的目标威胁评估方法。首先进行战场态势分组，定义了一种直觉模糊集的态势估计信息表示方法，利用直觉模糊集的记分值对分组权重进行变权；然后提出了组内指标变权类型判别准则和变权因子量化准则，通过分组变权和组内变权获得指标最终变权权值，并利用变权逼近理想解排序法对目标威胁进行了评估；最后通过实例验证了该方法的合理性和可行性。

战场态势；直觉模糊集；变权；威胁评估

合成分队是地面作战的重要力量，其作战环境多变，任务多样，地形复杂,目标类型多，指标选取、量化难，权重确定更难,且其目标威胁程度与态势信息联系非常紧密，因此很难获得较为科学的评估结果。目前，目标威胁评估多采用常权综合方法，即在评估过程中指标权重不变，但在战场态势多变的情况下，其评估结果常常与实际情况不符。

汪培庄等[1]首先提出了变权思想；李洪兴[2]研究了变权综合决策模型，使变权方法成为一种可行的评估方法；张锦春等[3]提出了均衡函数的构造方法；徐则中[4]提出了一种变权向量构造方法；陈超等[5]提出了分组变权理论，使变权理论和方法不断完善。目前，变权评估方法作为一种重要的评估方法，已成功应用于威胁评估和多属性决策，并取得了较为满意的结果[6-9]。变权评估方法就是指标的权重可根据指标特性的不同而进行相应的变化。一般的变权方法包括2个步骤：首先确定变权类型是惩罚性变权还是激励性变权；然后确定变权向量或变权因子。其中：变权方法有主观判定法和指标奇异值属性判定法[10]；变权向量主要通过构造法获得，变权因子的选取多根据经验确定[4]。但这种基于一般变权方法的目标威胁评估主要通过指标值进行变权，其仅考虑了指标的属性，很少考虑目标所处的战场态势信息。

为此，本文提出了一种基于态势估计信息和指标属性的双层变权目标威胁评估方法，并通过实例进行了验证。

1 战场态势信息描述

基于战场态势的变权需要确定态势信息的影响，不同态势下目标的任务、意图和目的也不同。根据战场态势可确定作战模式，提取态势要素，进行态势推理，从而确定敌方作战意图。战场态势信息描述就是对战场态势推理信息的简化，更加合理地表示这种不确定信息，从而为变权提供态势依据。

1.1 战场态势与态势估计

战场态势是指在一次战役/战斗的作战地域内，敌我双方投入的兵力编成、兵力和武器部署等情况，地形、气象情况以及影响作战的战场环境等诸因素的总称[11]。

战场态势估计属于信息/数据融合中的2级融合，它接收1级融合结果，从中提取出态势元素，经过基于军事领域知识估计模型的推理和评判，得到敌方兵力结构的部署情况、作战行动计划和模式，进而推断出其作战意图[12-14]。

1.2 战场态势信息描述方法

为方便描述，将战场态势ψ根据目标任务、作战企图等分为子态势ψ1,ψ2,…,ψm，若ψ=ψ1∪ψ2∪…∪ψm，ψi∩ψj=∅，i,j=1,2,…,m，i≠j，则称ψ1,ψ2,…,ψm为战场态势ψ的完备分组；若简化部分信息，使ψ1∪ψ2∪…∪ψm⊂ψ，ψi∩ψj=∅，i,j=1,2,…,m，i≠j，则称ψ1,ψ2,…,ψm为战场态势ψ的不完备分组。

若每个子态势下只需要考虑一种目标意图Ti,i=1,2,…,m，如火力攻击、侦查干扰或兵力转移等，则可根据态势的复杂程度将子态势ψj再次分为pj个子组ψj1,ψj2,…,ψjpj，从而为分析战场态势提供方便。

为了描述目标的战场态势信息，本文采用直觉模糊集[15]来表示目标的某种意图或任务的可能性，根据战场多源传感器信息和相应的军事知识进行态势推理和态势估计,获得所需信息。

设X为给定论域，则X上的直觉模糊集A为

A={x,μA(x),γA(x)|x∈X}，

(1)

其中：μA(x)：X→[0,1],为A的隶属函数；γA(x)：X→[0,1],为A的非隶属函数。对于A上所有x∈X，均有0≤μA(x)+γA(x)≤1成立。

直觉模糊集Ak表示目标k的战场态势ψ的估计信息，为目标k态势信息IFS描述,描述了目标k的m个意图或任务的可能性,且

Ak= {ψi,μA(ψi),γA(ψi)|ψi⊂ψ}=

(2)

2 战场态势变权方法

2.1 变权思路

设根据子态势ψ1,ψ2,…,ψm将评估指标分为m个组F1,F2,…,Fm，子态势与指标分组一一对应，变权思路如下。1)对分组的权重进行变权。设在子态势ψ1下只考虑目标的火力打击能力，若通过态势估计获得了目标完成火力打击的意图大小，就可相应地改变与子态势ψ1对应的指标组的权重。2)对指标组内各指标的权重进行变权。首先根据指标属性确定变权类型，然后依据指标值的大小确定变权因子。

2.2 变权步骤

以1次分组为例，设战场上共有K个评估目标;n个评估指标f1,f2, …,fn，且指标间相互独立，子态势ψi与指标组Fi(i=1,2,…,m)对应；且Fi有qi个指标fi1,fi2,…,fiqi,指标组的初始常权向量为W=(w1,w2,…,wm)。则在第k个目标的Fi内，各指标的状态向量为Xki=(xki1,xki2,…,xkiqi)，初始权重向量为wi=(wi1,wi2,…,wiqi)T。具体变权步骤如下。

1) 利用战场态势信息对指标分组的权重进行变权。根据每个目标的战场态势信息Ak，计算直觉模糊集中每个元素的计分值。Ak的计分函数为[16]

L(E(Ak(i)))=μA(ψi)+μA(ψi)×

(1-μA(ψi)-γA(ψi))。

(3)

由式(3)可得第k个目标的态势信息记分值L(E(Ak))=(ak1,ak2,…,akm)，则对第k个目标指标组权重的变权为

(4)

式中：“·”为Hardarmard乘积，即2个向量对应的元素相乘；sum()为求和函数。

(5)

本文提出了一种α取值的量化准则。

(1) 当采用惩罚性变权时，

(6)

(2) 当采用激励性变权时，

(7)

3) 融合态势信息变权和指标值信息变权，获得最终变权权重向量，即

(8)

3 基于变权的TOPSIS法目标威胁评估

3.1 初始常权的确定方法

指标常权获取方法有主观赋权法、客观赋权法和组合赋权法[17]。为了兼顾主、客观信息，本文采用线性加权组合方法进行赋权，即

wi=λSi+(1-λ)Oi。

(9)

式中：λ为主观偏好系数;Si为主观权重;Oi为客观权重。

3.2 变权TOPSIS法目标威胁评估步骤

采用变权TOPSIS法进行目标威胁评估的具体步骤如下。

1) 用向量规范化的方法求得规范决策矩阵。设有m个评估目标，n个评估指标，Y=(yij)m×n为目标威胁指标量化矩阵；Z=(zij)m×n为规范化决策矩阵，其中：

(10)

2) 构选变权加权规范矩阵X=(xij)m×n。其中:xij=wj·zij,为规范化指标值，wj为指标变权向量。

4) 计算各目标到理想解与负理想解的距离。目标xi到理想解和负理想解的距离分别为

(11)

5) 计算各目标的综合评价指数。

(12)

4 实例分析

以合成分队作战为例，对其目标威胁进行评估分析。获取战场态势信息后，选取合成分队作战力量的部分典型运用方式对变权指标进行分组，各指标的分组及其初始常权如表1所示。

共有5个目标威胁，其评估指标值的归一化处理结果如表2所示。

为了检验算法对态势信息的融合能力，本文假设2种战场态势A1、A2，每种态势下都考虑5个目标的情况。

表1 评估指标分组及初始常权

表2 目标威胁评估指标值归一化处理结果

A1={A11,A12,A13,A14,A15},其中:

A11={0.8,0.1,0.2,0.3,0.4,0.1},

A12={0.5,0.3,0.6,0.3,0.2,0.6},

A13={0.1,0.8,0.7,0.1,0.5,0.3},

A14={0.5,0.2,0.1,0.8,0.7,0.1},

A15={0.2,0.7,0.3,0.4,0.8,0.1}，

A2={A21,A22,A23,A24,A25},其中:

A21={0.2,0.7,0.8,0.1,0.1,0.8},

A22={0.1,0.9,0.9,0.1,0.2,0.6},

A23={0.2,0.6,0.8,0.1,0.3,0.3},

A24={0.1,0.8,0.7,0.2,0.2,0.7},

A25={0.3,0.6,0.8,0.1,0.1,0.7}。

在子态势1、2中，完成作战任务需要各指标的协同作用，指标之间不具有互补性，应选择惩罚性变权；在子态势3中，指标在目标占领地域中可以互补，应选择激励性变权。采用本文提出的算法分别对态势A1、A2下的目标威胁进行评估，并与常权综合评价方法、普通变权评估方法进行了对比，结果如表3所示。

由表3可以看出：基于战场态势变权的威胁评估方法可根据战场态势的不同，融合战场的态势信息，自动调整目标的威胁度；普通变权综合的结果与常权综合不同，表明变权因子具有调节作用；与不考虑态势信息的评估结果相比较，基于态势信息1的评估结果有所变化，表明态势信息对目标威胁度有调整，不同的态势会有不同的威胁度。由子态势2的IFS信息描述可以看出：由于目标侦察预警意图较大，所以侦察预警指标组的指标值对威胁排序结果应当起决定性作用，而评估结果也正好反映了这一特点，表明本文所提出的算法是合理的。

表3 采用变权综合和常权综合的目标威胁评估结果

5 结论

本文提出的威胁评估方法能够较好地处理态势和指标信息，获得较为满意的威胁排序结果，为复杂战场环境中提高目标威胁评估结果的合理性提供了一种可行方法。态势分组与指标确定是变权的难点，下一步将针对态势分组与指标选取进行研究，提高算法的可行性与易用性，为合成分队的火力分配决策提供科学依据。

[1] 汪培庄,李洪兴. 模糊系统理论与模糊计算机[M]. 北京:科出版社,1996: 11-15.

[2] 李洪兴. 因素空间理论与知识表示的数学框架(Ⅷ)：变权综合原理[J]. 模糊系统与数学,1995,9(3):1-9.

[3] 张锦春,裘杭萍,权冀川. 变权评估中均衡函数的构造[J]. 火力与指挥控制,2007,32(7):107-110.

[4] 徐则中. 变权综合决策中变权向量的构造[J]. 辽宁工程技术大学学报:自然科学版,2010,29(5):843-846.

[5] 陈超, 沙基昌,刘俊先,等.分组变权综合评估方法及应用[J]. 系统管理学报,2007,16(3): 341-344.

[6] 夏春林,周德云,冯琦. 基于变权灰色关联法的目标威胁评估[J].火力与指挥控制,2014,39(4):54-57.

[7] 李鑫,刘莹莹,李赣华,等. 基于模糊变权原理的卫星健康评估方法[J]. 系统工程与电子技术,2014,36(3):476-480.

[8] 张小芝,朱传喜,朱丽. 一种基于变权的动态多属性决策方法[J]. 控制与决策,2014,29(3):494-498.

[9] 章玲,周德群.基于λ模糊测度的变权关联多属性决策分析[J]. 控制与决策,2008,23(3):267-272.

[10] 管清波,冯书兴. 一种新的武器装备体系能力指标变权算法[J]. 装备学院学报,2014,25(1):112-115.

[11] 孙润.态势估计技术研究与实现[D]. 西安:西安电子科技大学,2009.

[12] 柴慧敏,王宝树. 动态贝叶斯网络在战术态势估计中的应用[J]. 计算机应用研究,2011,28(6):2151-2153.

[13] 孙兆林,杨宏文,胡卫东. 基于贝叶斯网络的态势估计方法[J]. 计算机应用,2005,25(4):745-747.

[14] 贾则,宋敬利,金辉,等. D-S证据理论在战术态势估计技术中的应用[J]. 计算机测量与控制,2009,17(8):1571-1573.

[15] Huang J, Zhao Y J, Li B C. The Application of Intuitionistic Fuzzy MADM Based on Projection Model in Threat Assessment[J]. Lecture Notes in Computer science,2012, 7530(1):506-513.

[16] 许昌林,魏立力. 多准则模糊决策的Vague集方法[J]. 系统工程理论与实践,2011,30(11):2019-2025.

[17] 耿涛,张安,郝兴国. 基于组合赋权TOPSIS法的空战多目标威胁评估[J]. 火力与指挥控制,2011,36(3):16-19.

(责任编辑: 王生凤)

A Target Threat Assessment Method Based on Battlefield Situation Variable Weight

KONG De-peng1, XU Ke-hu1, CHEN Jin-yu2

(1. Department of Control Engineering, Academy of Armored Forces Engineering, Beijing 100072, China; 2. Troop No. 78098 of PLA, Chongzhou 611237, China)

In view of the problems that assessment results of constant right synthesis method is inconsistent with the actual situation and general variable weight synthesis cannot make full use of situation assessment information, a threat assessment method is proposed based on battlefield situation variable weight. At first, battlefield situation is divided into groups and a kind of situation assessment information representation method is defined by Intuitionistic Fuzzy Set (IFS), grouping variable weight is changed using score values of IFS; then the criteria of index variable weight type differentiation within group and the criteria of variable weight factor quantification are put forward; the index variable weight is obtained by grouping variable weight and variable weight within group, and target threat assessment is carried out using the TOPSIS method. At last, the method is proved to be rational and feasible by the simulation examples.

battlefield situation; Intuitionistic Fuzzy Set (IFS); variable weight; threat assessment

1672-1497(2015)04-0012-04

2015-03-19

军队科研计划项目

孔德鹏(1990-)，男，硕士研究生。

E911

A

10.3969/j.issn.1672-1497.2015.04.003