军队工程协同设计主体识别模型优化研究

赵素丽，易良廷，魏振堃

（陆军勤务学院，重庆 401311）

0 引言

军队工程担负着为军队作战、训练、科研、生活、生产提供基础性保障的任务，具有项目类型多、建设工期紧、保密要求高、技术复杂、地域分散和建设投入大等［1］特点。军队工程设计质量直接关系包括功能适用性、运行安全性、使用发展性和维护方便性在内的工程建设质量，关乎军队现代化建设效益与进程。

多年来，为确保工程及其环境的安全保密，降低工程设计成本和方便建设过程协调，军队工程建设通常采用了从军内单位招标、独家承担设计任务的方式。随着我国经济实力的增强，国家基础设施建设投入加大，房地产市场蓬勃发展，由此带来设计市场的激烈竞争，加上广域覆盖的信息网络，既催生了许多高水平的设计机构，也涌现了基于协同论的协同设计模式。在国防和军队建设军民深度融合发展和后勤保障社会化的大背景下，军队工程建设必然走向军内、军地协同设计之路。

针对一项待建军队工程，如何从众多的设计单位中识别满意的协同设计机构即协同设计主体，已成为军队工程建设开展协同设计的关键环节。目前，国内外关于协同设计主体识别的研究成果较少，类似的主要有基于AHP、GRA、SVM、TOPSIS、GRA 等评选识别模型。例如，非对称半监督集成SVM［2］，用于识别和检测托攻击，有效解决了少样本、多目标的决策问题；基于有序梯度模糊GRA-TOPSIS 的多属性决策方法［3］，利用两种方法的优点，实现了最优方案和理想方案的位置与曲线形状的一致性；AHP-TOPSIS 方案优选方法［4］，企图克服TOPSIS 法权重偏于主观的缺点，研究了区域油料保障力量部署方案优化的问题，等等。

协同设计主体识别是一种典型的少样本、多目标决策问题，目前在进行此类问题决策时，应用最成熟的为TOPSIS 法。传统的TOPSIS 法［5-6］计算简单、几何意义直观，但是以备选方案与理想方案之间的欧氏距离作为判断标准，存在评价标准单一、评价结果不够全面、权重过于主观、属性解刚性过强、偶尔无法分辨两主体优劣等问题；而灰色关联分析法（GRA）中的灰色关联度［5-6］（GRD）是用曲线间几何形状相似度来衡量方案的优劣，不仅柔性突出，而且用曲线形状相似度从另一个角度对备选方案进行了客观评价［7］。为了使评价结果更客观、准确，本文将TOPSIS 法的欧氏距离和GRA 中的GRD有机结合，提出了一种基于GRD 优化改进TOPSIS法的设计主体识别方法。

1 协同设计主体识别模型原理

要有效识别出工程协同设计所需主体，确保工程设计质量、进度和成本达成预期，必须构建合理的工程协同设计主体识别模型。为改进TOPSIS 模型，本文借助假定的正、负理想主体，从几何观点出发：1）用传统TOPSIS 法，把在n 个属性下评估m个候选主体，转化为n 维空间里测m 个点间的欧氏距离。把距离正理想主体最近，同时距离负理想主体最远的主体定为最佳协同主体，从而得出各候选主体的优劣排序。2）针对TOPSIS 法存在识别“盲区”，不能体现数据的态势变化和距离求解刚性过强、权重过于主观等问题，充分利用GRD 法所需数据少、运算方便、原理简单、用形状相似度衡量标准，柔性突出、易于挖掘数据规律等优点，将GRD法用于改进传统TOPSIS，构建军队工程设计主体识别组合模型［8］。首先，用德尔菲法（Delphi）和熵权法对评价指标进行组合赋权，克服了传统TOPSIS 权重过于主观的缺陷。其次，把GRD 法的曲线形状相似度标准和TOPSIS 法的距离位置接近度标准进行整合，构造具有形状、位置双重标准的新组合贴近度［9］。贴近度最大者，即与正理想主体位置距离最近、几何形状相似度最大，同时与负理想主体距离最远、几何形状相似度最小的主体，就被定为最佳候选主体，从而获得基于GRD 改进TOPSIS 法的各候选主体的优劣排序［10］。

2 协同设计主体识别指标体系构建

2.1 构建思路

图1 识别指标体系构建思路框架

协同设计主体识别，是要在若干意愿主体（也称候选主体）中找到工程项目设计所需的设计单位，使其构成满意的协同设计虚拟团队，达成优势互补、协同高效开展设计的目的。每个意愿主体的设计优势、创新意识、协同精神等，直接关系工程项目虚拟设计团队的整体设计能力。为此，把备选主体的社会认同资质、能力表现综合起来考量，注重设计资质和设计能力、质量和诚信等与项目设计要求的匹配性，以此为思路，构建协同设计主体的识别指标。思路框架见图1 所示。

2.2 构建原则

指标的选择是构建主体识别模型的关键。实际应用中，它们既要能在系统的演进过程中起着决定性的作用，同时又要实际意义明确，符合可测性、可得性及相关性的原则，才能有利于综合评价识别协同主体。本文结合军队工程的特点，围绕提升效益、提高质量、缩短工期、降低成本的内在设计要求［1］，确定如下原则：1）军事效益优先原则。所选主体首先要具有军队工程功能、性能的准确认知和具备能够胜任军队工程设计的能力。2）共赢原则。通过协同设计，不仅要提升军队工程的军事效益，还要提高各协同主体的经济效益。3）整体性原则。协同设计是一个系统工程，必须建立尽可能完备的指标评价体系。4）客观公正性原则。为了使建立的指标体系更科学、更公正，必须用定性与定量相结合的方法。

2.3 指标体系

依上述思路与原则，突出军队工程建设时间紧、任务重的特点，确定设计能力的相容一致性B1和表中B2~B7，共7 个一级指标对主体评价；对每个一级指标进行细化，获得二级指标。如下页表1所示。

每个二级指标取值，分为定量计算和定性定量转化。定性指标分为5 个等级：极好、好、一般、差、极差，相应取值为0.9、0.7、0.5、0.3、0.1；定量指标通过计算获取。根据候选主体各自提供的资料，定量指标先算出具体数值再递呈专家打分，定性指标直接由专家打分，得（0，1）区间的评价矩阵X。同样，用Delphi法［11］得主观权重αi。

2.4 评价指标计算

指标计算采用Delphi法［11］，如图2 所示。

图2 Delphi咨询流程

3 协同设计主体识别模型

由2.3 中的X、αi，用GRD 优化改进的TOPSIS法对设计候选主体进行识别的技术框架［12-13］如图3，具体步骤见3.1~3.6。

图3 协同设计主体识别模型技术框架

3.1 计算组合权重

由主观权重αj，熵权法算客观权重［13］βj，得组合权重［14］ωj。

3.2 评价指标标准化

计算X 的标准化矩阵Y。TOPSIS 法常用的指标规范化公式［15-16］为：

表1 协同候选主体评价指标体系

3.3 加权标准化矩阵

3.4 算灰色关联度（GRD）

3.5 传统TOPSIS 的识别实现

3.6 用GRD 改进TOPSIS 的识别实现

由Di，Mi得传统TOPSIS、基于GRD 改进TOPSIS 的识别结果。

4 实例分析

以某大型军用飞机场迁建工程为例，投资约60个亿，从勘察设计到竣工验收，整个建设工期为2018 年3 月至2019 年9 月。建设主管方考虑到该设计内容有飞行区、机库、洞库、外场营区、内场营区、消耗油库、储备油库、军械库、铁路专用线等，专业类型多、工程量大、时间紧、要求高等，第一，决定采用军地协同设计模式，把军队和地方的优秀设计力量对接起来，动态组建协同设计联盟，采用集中优势兵力打歼灭战的方式，强强联合，集智攻关，打造工程设计精品；第二，邀请14 名有关专家组建专家组，从初步筛选的6 个候选设计主体E1~E6，分别为某些部门下属的某设计主体中优选出3 个，参与该机场的协同设计；第三，受邀专家，针对B1~B7共7个指标，通过Delphi法得主观权重αi和表2 数据，由表2 数据组成初始评价矩阵X。

αi=（0.142，0.167，0.158，0.122，0.131，0.156，0.124）

用MATLAB 编程，按模型步骤求得Di、Mi。

表2 协同候选主体识别评价

依Di、Mi识别排序。传统TOPSIS 为：3＞1＞4＞6＞2＞5；改进TOPSIS 为：3＞1＞4＞6＞2＞5。对比见下页表3：两结果完全一致。

同时，两结果从几何形状上的示意，如图4 和图5。图4 只是从距离位置上反映了各候选主体与正、负理想主体的接近度，而图5 则同时从距离位置和形状相似两个角度反映了各候选主体与正、负理想主体的接近程度。

5 校验改进模型

灰色定权聚类是根据白化权函数，将分析对象聚集成若干个可定义的类，目的是使复杂系统得到相应的简化。一个聚类可看作是属于同一类分析对象的集合。灰色定权聚类［17］的基本思路是如果两个对象的接近程度足够大，就认为同属一类。因它具有运算简单、分析直观等优点，所以用它对改进TOPSIS 模型进行校验。具体步骤如下。

表3 6 个候选主体协同设计能力优劣排序

图4 传统TOPSIS 法识别结果

图5 改进TOPSIS 法识别结果

5.1 灰色定权聚类模型

对案例中的xij，主体i=1，2，…，m；指标j=1，2，…，n；有s 个不同灰类。依灰色聚类［17］思想，将i 归入灰类k（k∈［1，2，…，s］），校验如下：

依指标值划分灰类，灰类数一般与评价所需的灰类数s 保持一致，灰类边界取值可根据指标属性定，定量指标可采用实际值，定性指标可按极好、好、一般、差、极差进行赋值。

图6 典型白化权函数

根据转折点的分布情况，可分别衍生出3 种类型的白化权函数，如图7 所示。

图7 衍生白化权函数

5.2 评价结果及分析

用灰色定权聚类法对案例中的主体进行聚类校验，如下页表4。结果的图形示意如图8。

分析表4 和图8：E3属灰类1；E1属灰类2；E4属灰类3，同时灰类系数趋于灰类2；E6属灰类3，同时灰类系数趋于灰类4；E2属灰类4，同时灰类系数趋于灰类3；E5属灰类4，同时灰类系数趋于灰类5。得灰色定权聚类排序：3＞1＞4＞6＞2＞5，与改进TOPSIS 的一致，再次验证了改进TOPSIS 法的正确性和科学性。

表4 灰色定权聚类结果

图8 灰聚类校验结果示意图

6 结论

实例表明，用GRD 改进的TOPSIS 模型与传统TOPSIS 法相比，具有以下优势：1）新组合贴近度能同时从距离比较和形状相似两个方面，反应备选方案与理想方案之间的贴近程度，物理含义更明确，评价更客观、全面；2）同时用双重衡量标准，巧妙地规避了传统TOPSIS 法评价标准单一、求解刚性过强、存在识别“盲区”的缺陷；3）采用定性定量相结合的指标、主观与客观相结合赋权进行评价，使识别结果更科学；4）用GRD 改进TOPSIS 的模型，能更充分利用原始数据所蕴涵的信息，充分反映各主体之间的真实差距，识别结果更符合实际。既为军队工程协同设计主体的有效识别提供了新途径，也为尝试用其他组合模型解决方案决策和其他类似问题提供了新思路。