基于区间模糊决策的目标威胁评估方法

赵冶 王义涛

摘 要：在登陆作战中最为激烈的突击上陆阶段中，为应对复杂多变战场局势，基于模糊集理论，采用区间直觉模糊多属性群决策方法，利用IIFHG算子，对当前敌情目标威胁程度做出评估。IIFHG算子的使用，不仅解决不同信息源带来的数据差异问题，提高数据集成可信度;同时通过改正属性权重值，达到符合指挥员作战意图目的。建立了登陆兵力突击上陆阶段目标威胁评估指标体系，给出威胁评估计算模型，经过仿真验算，论证了方法较好的可行性和较高的可信度，是对两栖登陆兵力在突击上陆阶段进行态势与威胁评估的一次探索。

关键词：IIFHG算子;两栖登陆;威胁评估

1引言

当前针对态势威胁评估的研究主要是信息集成理论、对于信息权重的赋值、信息融合可行度的研究等方面。文献[1]使用熵权、TOPSIS、灰色关联等理论对于威胁评估进行研究，采用主客观赋权，增加态势评估可信度;文献[2]针对态势融合中的悖论问题，采用证据理论进行研究;文献[3]将本体理论应用到威胁评估中;文献[4]综合介绍了深度学习理论应用在战场态势评估中的理论基础和应用方法。本文基于直觉模糊信息集成理论，引用IIFHG算子，对于登陆兵力突击上陆阶段，在获取不同平台针对各个目标进行侦测而得到的以及融合数据后，通过使用IIFHG算子解决不同平台对于同一目标的信息数据差异化问题，以及同一目标不同属性的加权值问题，从而对战场态势与威胁进行评估。

2计算方法

2.1建立威胁评估指标体系

依据两栖登陆作战样式，以及可能出现的各种态势，从平台获取原始信息后，经过一级融合后，得到可处理的各个指标参数，进而建立指标评价体系，主要包括以下指标：目标属性、打击范围、阻碍程度、兵力规模、事件顺序。

目标属性（Q1）：主要是指敌军用来实施战略、战役、战术作战行动的军事资源。

打击范围（Q2）：主要是指敌发射平台与我登陆兵力之间的距离是否在其射界之內。

阻碍程度（Q3）：主要划分为四个等级，严重阻碍、中等阻碍、一般阻碍和不阻碍。

兵力规模（Q4）：主要是指敌目标的兵力构成以及数量。

事件顺序（Q5）：主要是指敌兵力或火力发挥作用的时间，可能当前正在进行，也可能将来有可能进行，决定着对我造成威胁的迫切性。

对于评估指标的划分主要为三类，即计算型指标、指数型指标以及语言型指标。这里选取的五个指标主要为语言型和计算型指标。鉴于战场情况错综复杂和瞬息万变，用于描述相应衡量指标的数据很难以确定为精确的数值，往往会落在某一个区间内，因而使用区间数形式表示是比较合适恰当的。

2.2构造决策矩阵

各平台zr依据自身所处的位置和搭载的传感器探测性能，分别利用区间直觉模糊数描述目标在指标下的属性值。

2.3利用IIFHG算子计算综合属性值

随着战争进程的发展，各个探测平台感知环境会发生相应的变化，来自各个不同平台的信息的可信度也会随之而发生变化，所以为了更好的映射出所获得信息的可信任程度，这里引入各平台对于当前态势感知的权重为，其中，且。当作战进程进入不同时刻，或者所要达成的目标发生变化，那么各个指标的重要程度发生变化，遂引入属性指标的权重向量，通过对不同衡量指标增加权重处理，得到更加合理的指标评价体系。其中，且。

对于IIFHG算子的引入，不仅仅能够凸显出区间直觉模糊数的重要性，同时也能够反映出不同信息源基于不同属性集成得到区间直觉模糊数的重要程度。

3仿真计算

在一次登陆作战中，各支援兵力已经进入预定发射阵位，首先通过各自平台上的传感器获取当前信息数据，通过数据链对各自平台获取的结果进行融合，对影响作战进程的事件和目标进行感知，针对当前各感知平台zr所处战场位置以及观测方式手段，确定各平台对于当前态势感知的权重为，根据敌当前兵力部署和我方作战构想，针对不同指标属性提出相应的权重向量。

3.1计算区间直觉模糊决策矩阵

分别利用区间直觉模糊数描述为被观察目标在指标Qj下的特征，从而得到相应的区间直觉模糊决策矩阵，如表1所示。

3.2计算群区间直觉模糊决策矩阵

使用IIFHG算子，将在经过初步处理得到的区间直觉模糊决策矩阵中的数据进行集成：首先利用正态分布法给出IIFHG算子的加权向量，然后处理各个区间直觉模糊决策矩阵，使用公式（5）将其集成为群区间直觉模糊决策矩阵，得到，如表2所示。

从初始数据中可以看出，对于同一目标，不同信息源得到的数据具有一定的差异性，这符合战争实际情况，一个平台往往不能全面客观准确地展现当前目标对我威胁的实际情况，经过IIFHG算子对数据进行加以权重的融合集成，使得数据客观公正许多。而又对不同属性值进行赋值计算，也反映出实际战争中指挥员对于作战进程的不同考量和具体战法使用的决心。

4结束语

本文采用直觉模糊群决策方法，引入IIFHG算子以此来计算登陆作战中的态势与威胁评估，在信息数据处理方式方法中提出了另一种方案，在一定程度上能够解决数据融合问题，并且考虑客观存在和指挥员主观意图，使得信息融合能够更加符合作战实际。但在威胁判断和态势评估中，本文提出的方法仅仅考虑了信息的处理方法，而对于复杂的战场情况以及为符合作战指挥员作战意图，做的还远远不够，需要继续深入探索。

参考文献：

[1]张永利，计文平，刘楠楠.基于熵权-TOPSIS-灰色关联的目标威胁评估研究[J]，现代防御技术，2016（1）：72-78.

[2]汪永伟，刘育楠，赵荣彩，等.基于改进证据理论的态势评估方法[J]，计算机应用，2014，34（2）：491-495.

[3]司成.基于本体的网络威胁态势推演与评估技术研究[D]，信息工程大学，2015.

[4]朱丰，胡晓峰.基于深度学习的战场态势评估综述与研究展望[J]，军事运筹与系统工程，2016（3）：22-27.

作者简介：

赵冶（1991-），男（汉），山东禹城人，硕士研究生，主要研究领域为水面舰艇战术理论与应用、两栖作战。

王义涛（1973-），男（汉），辽宁庄河人，博士，研究员，博导，主要研究领域为军事运筹、兵种战术、编队作战软件。

基金项目：博士后科学基金（No.2017T100797）