基于群体共识达成法的兵棋推演规则优化方法

吴　坚， 闫　科， 闫　丽， 杨明宇， 盈世勇

(1. 武警后勤学院后勤机关工作系， 天津 300309； 2. 石家庄陆军指挥学院军队指挥系， 河北 石家庄 050084；3. 石家庄信息工程职业学院组宣部， 河北 石家庄 050035)



基于群体共识达成法的兵棋推演规则优化方法

吴坚1， 闫科2， 闫丽3， 杨明宇1， 盈世勇1

(1. 武警后勤学院后勤机关工作系， 天津 300309； 2. 石家庄陆军指挥学院军队指挥系， 河北 石家庄 050084；3. 石家庄信息工程职业学院组宣部， 河北 石家庄 050035)

摘要：为了开发科学实用的兵棋系统，必须对兵棋推演规则不断进行优化。为此，引入群体共识达成法，将专家的优化提案进行量化分析，利用关联矩阵法对提案进行评价分析，以达成对规则内容优化的共识。最后，以陆军战术级兵棋的通信推演规则优化为例对该方法进行了验证，结果表明：该方法能准确地确定优化方向，极大地提高了优化效率，为兵棋推演规则优化的深入研究提供了一种有效的量化分析手段。

关键词：群体共识达成法； 兵棋推演规则； 优化方法

兵棋专指有规范的棋盘、棋子和推演规则的手工或电脑兵棋[1]。它被广泛用于军事理论的学习，新战法的研究与创新，以及军事行动、装备体系方案的推演与验证。其中，兵棋推演规则是兵棋设计的核心内容，直接影响着兵棋推演的组织模式和最终推演结果，可用于评判执行军事行动的可行性与完成效果、采取军事行动后对武器装备的作用效果以及武器装备的效能评估[2]。兵棋推演规则主要包括推演流程和裁决行动：推演流程是指确定兵棋推演的先后步骤，主要由一系列有序发生的军事行动构成；裁决行动是指对影响军事行动的要素及其行动作用结果的裁定，主要由要素分析及其裁决行动的量表(作用等级表、作用结果表、作用结果修正表)构成。

1兵棋推演规则优化过程中的问题

由于兵棋的完善是一个依据实战和训练数据不断自我演进的过程，因此兵棋推演规则作为其核心内容也要不断地进行优化[3]。兵棋推演规则优化是要根据新的实战和训练数据，调整修正原有兵棋推演规则中的军事行动构成、行动要素和量表指标等内容。目前，兵棋推演规则优化主要是根据研究人员的判断对这些内容进行单项或多项调整修正，再代入数据进行验证，由于个人判断易出现偏差，因此这样的优化方法效率低下。另外，还可以邀请专家组对兵棋的优化内容进行评议，在专家提案的基础上确定优化内容，调整修正后再代入数据进行验证，这样可以大大提高优化的效率。但专家提案往往意见不一致，这就要求对提案进行优选，因此，兵棋推演规则优化的首要问题是确定优化的最佳方案。为此，笔者引入群体共识达成法加以解决。

2群体共识达成法简介

群体共识达成法是综合集成研讨厅方法论中分析复杂问题最有效的方法。群体共识达成是指经过问题分解和分析，对专家形成的各种意见和提案达成决策共识的过程[4]。群体共识达成过程可视为同步1—异步—同步2的研讨流程，群体共识则分为提案共识与决策共识，其中：提案共识形成于同步1阶段；决策共识形成于同步2阶段；在同步1与同步2之间的异步阶段，专家主要调用各类工具对某些共识和假设进行分析和验证，以调整提案内容(主张和态度)；最终，依据决策共识形成群体共识结论。群体共识达成过程如图1所示。

图1群体共识达成过程

应用群体共识达成法进行兵棋推演规则的优化，主要是解决兵棋推演规则的优化方向问题，具体为解决群体共识达成过程中的2个问题：提案共识和决策共识。利用提案共识涌现图(ConsensusBuildingGraph，CBG)[5]及其信息表、提案主张共识分析表量化分析专家的提案内容，得到结论提案C，将C重新编序为提案共识A，设定评价指标x1,x2,…,xm，采用关联矩阵法对A的价值V进行评价分析，获得A的最优选择或排序，以达成决策共识。

3基于群体共识达成法的兵棋推演规则优化步骤

3.1达成提案共识

提案共识形成于头脑风暴式的兵棋推演规则的分析研讨中，专家要么提出主张，要么对已有主张表明态度，从而构成一个“专家”与“主张”间的映射视图，可用CBG来描述这种映射关系。

3.1.1应用CBG描述专家主张

CBG是一个三元组(E,C,R)[6]，如图2所示，其中：E={e1,e2,…,ei},i≥2,为专家节点有限集合，元素ei表示参与研讨的第i个专家；C={c1,c2,…,cj},j≥1,为主张节点有限集合，元素cj表示群体研讨过程中提出的第j个主张；R为有序对集合，元素rij=〈ei,cj〉为一个卡氏积E×C的多重子集，表示专家ei对主张cj的态度，其权值为W(rij)=αi×vij，其中vij为专家ei对主张cj的模态值(若专家对主张表示肯定，则vij=1；若表示否定，则vij=-1)，αi为专家ei的信任值(资深业务领域专家赋值为3，业务领域专家赋值为2，非业务领域专家赋值为1)。

图2CBG示意图

3.1.2分析CBG获取提案共识

为了获取有效的提案共识，还需要在CBG及其信息表的基础上，进一步分析计算cj的主张关注值、主张权威值和主张共识值，并通过设定阈值η提取有效主张，形成结论提案C={c1,c2,…,ck}(k≥2)，将指标值列于提案主张共识分析表中。主张关注值、主张权威值、主张共识值计算公式和阈值η设置规则如下：

主张关注值为

(1)

式中：ID(cj)表示CBG中到达cj的有向线段总数。

主张权威值为

(2)

主张共识值为

(3)

阈值η设置规则：Co(cj)，We(cj)，Cs(cj)≥η的基准值，则为有效主张；反之，则为无效主张。依据大量兵棋规则分析的经验，η的设定应遵循“评判关注，注重权威”的原则，即有关注的主张才进行评判，对主张的权威性和共识性要注重发挥权威专家的作用，辅以参考其他专家的意见。因此，Co(cj)中的η≥1体现为有关注才有效；We(cj)和Cs(cj)中的η≥2体现为注重权威专家的态度，只有在权威专家的态度与大多数专家意见不一致时，才可能影响其对主张的态度。

3.2达成决策共识

决策共识是专家组对提案共识进行进一步分析论证，从中选出最佳方案，或对提案进行排序[7]。通常采用关联矩阵法对提案共识A进行评价分析，其基本原理如下：

设A1,A2,…,Ak为k个提案共识(将结论提案C进行重新编序)，x={x1,x2,…,xm}为A的m个评价指标，w={w1,w2,…,wm}为评价指标对应的权重，r={r1,r2,…,rm}为指标重要度，h={h1,h2,…,hm}为r的基准化值，vk1,vk2,…,vkm为Ak关于m个评价指标的价值评定量，则提案共识Ak的价值评定综合评分值vAk可利用加权和得到，并用关联矩阵进行表示。

3.2.1判别评价指标的重要性

评价指标的重要性可应用KLEE法(古林法)[8]进行判别，具体步骤如下：

1)将提案的评价指标x以任意顺序排列，并设置相关的重要度r、基准化值h和权重w；

2)按从下至上的顺序依次比较相邻两指标间的相对重要度，并用数值表示相邻两指标间的价值比例，填入提案共识评价表的r列中；

3)令评价表中h列最后一行hm=1，进行基准化处理[9]，由

hm-1=hm×rm-1

(4)计算h列其他各行值，填入提案共识评价表的h列中；

4)将hm进行归一化处理[10]，即

(5)

可得到w列的各行值，填入提案共识评价表的w列中。

3.2.2评价和综合分析提案共识的价值

根据上述KLEE法的计算步骤，采用每个评价指标对各个提案共识进行评价。最后，对各提案共识进行综合价值分析，Ak对应的综合价值为

(6)

式中：skm为第m个评价指标对Ak的权重。

通过对比vAk的大小，可以获得提案共识的最优选择或排序。

4兵棋推演规则优化算例

4.1达成兵棋推演规则优化的提案共识

以陆军战术级兵棋的通信推演规则优化为例，对以上方法进行验证。某次新的演习数据录入后，推演结果与实际结果出现了较大偏差，为使原有的通信推演规则更加科学合理，专家组针对其提出了主张并形成了相关提案。

4.1.1应用原有通信推演规则的CBG描述专家主张

原有通信推演规则的相关CBG如图3所示。依据图3，将专家主张信息填入相关CBG信息表中，如表1所示。

图3原有通信推演规则的相关CBG

表1原有通信推演规则的相关CBG信息表

4.1.2获取原有通信推演规则的提案共识

以图3和表1中的主张c1为例，计算Co(c1)、We(c1)和Cs(c1)：

1)在图2中到达c1的有向线段有v11和v21两条，由式(1)可得Co(c1)=2；

2)表1中c1对应的α={α1,α2}，分别为专家e1、e2的信任值，假设e1、e2分别为业务领域专家和非业务领域专家，根据信任值赋值规则可知α1=2，α2=1，由式(2)可得We(c1)=α1+α2=3；

3)表1中c1对应的α={α1,α2}，v={v11,v21}，假设v11,v21都表示专家对主张持肯定态度，则v11=1,v21=1，由式(3)可得Cs(c1)=2×1+1×1=3。

由此可以看出：Co(c1)=2≥1，We(c1)=3≥2，Cs(c1)=3≥2，均大于相应的η基准值，因此c1是有效主张。

同理，可计算c2、c3和c4的主张关注值、主张权威值和主张共识值。表2为原有通信推演规则提案主张共识分析表。

根据表2，得到结论提案C={c1,c3,c4}，即提案的内容主张主要包括：1)需要将某个要素列入通信行动裁决系统；2)调整已建立的通信推演流程结构；3)调整某通信裁决量表中的指标。

4.2达成兵棋推演规则优化的决策共识

4.2.1判别原有通信推演规则评价指标的重要性

前面获取的提案C={c1,c3,c4}，在决策共识分析中，将其设为A={A1,A2,A3}，分别代表3项提案共识。判别原有通信推演规则评价指标重要性的具体步骤如下：

1)将提案的评价指标x1,x2,…,x5以任意顺序排列，并设置相关的重要度r={r1,r2,…,r5}、基准化值h={h1,h2,…,h5}和权重w={w1,w2,…,w5}。

2)请专家组从下至上对(x1,x2,…,x5)中相邻的评价指标进行价值分析：x5是x4价值的1/2，x4是x3价值的2倍，x3是x2价值的3倍，x2是x1价值的3倍。则可得r={r1,r2,r3,r4,r5}={3,3,2,0.5,―}。

3)令h5=1，进行基准化处理。应用式(4)按从下至上的顺序进行求解，则有h={h1,h2,h3,h4,h5}={9,3,1,0.5,1}。

4)将h进行归一化处理，由式(5)计算可得到w={w1,w2,w3,w4,w5}={0.62,0.21,0.07,0.03,0.07}。表3为得到的原有通信推演规则评价指标分析表。

4.2.2评价和综合分析原有通信推演规则提案共识的价值

按照KLEE法，应用各个评价指标对原有通信推演规则提案共识进行评价，结果如表4所示。

根据表4，应用式(6)对各提案共识的价值进行综合评分计算，结果如表5所示。

根据表5的计算结果，可以获得决策共识：提案共识的价值排序是A2>A1>A3，因此最优提案共识是A2。可见，对原有通信推演规则的优化应以“调整已建立的通信推演流程结构”为最佳方案。因此，专家组对通信推演流程结构进行了调整：将原来的“裁决上级/下级/友邻对本节点的通信等级—裁决本节点的电子抗干扰等级—裁决上级/下级/友邻对本节点的通信结果”流程变为“裁决本节点的电子抗干扰等级—裁决上级/下级/友邻对本节点的通信等级—裁决上级/下级/友邻对本节点的通信结果”。代入数据进行验证后，发现推演结果更符合演习结果，由此可见：基于群体共识达成法的兵棋推演规则优化方法能较准确地确定优化方向，大大提高了优化效率。

5结论

构建客观合理的兵棋推演规则优化方法是提升兵棋推演科学性、实用性的基础和必要手段。笔者提出的基于群体共识达成法的兵棋推演规则优化方法初步解决了兵棋推演规则优化中的专家意见整合与优化方向判断等问题，为兵棋推演规则优化提供了一种有效的量化分析方法。

参考文献：

[1]闫科. 陆军武器装备体系作战运用兵棋推演技术与方法[M]. 北京：军事科学出版社, 2012:21.

[2]彭希文. 兵棋从实验室走向战场[M]. 北京：国防大学出版社, 2013:204.

[3]刘源. 德国陆军兵棋推演[M]. 北京：国防大学出版社, 2013:2.

[4]熊才权,李德华. 综合集成研讨厅共识达成模型及其实现[J]. 计算机集成制造系统，2008,14(10):1913-1918.

[5]丁明. 研讨环境的研讨信息分析处理研究[D]. 武汉：湖北工业大学,2011.

[6]汪应洛.系统工程[M]. 北京：机械工业出版社, 2009:114.

[7]张桂清. 群体决策的共识模型研究[D]. 西安：西安交通大学,2011.

[8]白思俊. 系统工程[M]. 北京:电子工业出版社,2006:45.

[9]高惠璇. 应用多元统计分析[M]. 北京:北京大学出版社,2014:175.

[10]李洁明. 统计学原理[M]. 上海:复旦大学出版社,2014:70.

(责任编辑: 尚彩娟)

Optimization Method of Wargame Rules Based on Group Consensus Approach

WUJian1,YANKe2,YANLi3,YANGMing-yu1,YINGShi-yong1

(1.DepartmentofLogisticOrgansWork,AcademyofArmedPoliceLogistics,Tianjin300309,China;2.DepartmentofMilitaryCommand,PLAShijiazhuangArmyCommandCollege,Shijiazhuang050084,China;3.DepartmentofGroupPropaganda,ShijiazhuangInformationEngineeringVocationalCollege,Shijiazhuang050035,China)

Keywords:groupconsensusapproach;wargamerules;optimizationmethod

Abstract：Thewargamerulesmustbecontinuouslyoptimizedsoastodevelopascientificandpracticalwargamesystem.Therefore,thispaperappliesgroupconsensusapproachtoquantifytheoptimizationproposalbyexpertsandusescorrelationmatrixmethodtoevaluateandanalyzetheproposaltoreachaconsensusontherulesofcontentoptimization.Finally,takingthecommunicationwargamerulesofarmytacticallevelasexample,themethodisvalidated.Theresultshowsthatthemethodcanaccuratelydeterminetheoptimaldirection,andgreatlyimprovetheefficiencyofoptimization,whichprovidesaneffectivemeansofquantitativeanalysisforthefurtherstudyofwargamerulesoptimization.

文章编号：1672-1497(2016)03-0106-05

收稿日期：2016-03-02

作者简介：吴坚(1978-)，男，讲师，博士。

中图分类号：E911

文献标志码：A

DOI：10.3969/j.issn.1672-1497.2016.03.022