基于Fuzzy-AHP的GUCS体系融合度评估

亓鹏程，郭齐胜，董志明，李 亮

(陆军装甲兵学院，北京100072)

1 引言

随着信息通信技术与智能控制技术的飞速发展和现代军事变革的不断深化，信息化、无人化、智能化作战已成为现代战争的重要发展方向。无人装备作为重要的新质战斗力生成点正越来越多的应用于军事实践，成为现代战场上一支不可忽视的军事力量。地面无人作战系统作为陆军无人装备的典型代表，是指由地面无人平台、任务载荷、通信系统、指控终端等部分组成，可自主或通过作战人员远程遥控方式执行战场侦察、火力打击、作战保障等作战任务的装备系统[1]。地面无人作战系统作为一类新型无人装备，在装备发展规划与论证过程中一个重要方面就是对其体系融合度进行评估。

体系融合度是我军在装备试验鉴定领域提出的一个新课题，主要是指装备与特定作战体系内其它装备之间互操作、协同作战能力，即装备融入体系的能力[2]。目前，学术界对体系融合度概念内涵、评估指标体系、评估方法模型等方面研究还不深入，针对地面无人作战系统体系融合度的相关研究尚处于起步阶段。随着各类型地面无人作战系统不断列装定型并装配部队，亟需开展地面无人作战系统体系融合度评估理论与方法的研究。通过对体系融合度的考核评估，可以从装备体系全局的角度定量分析地面无人作战系统这一新型装备能否与现有装备体系有效融合、融合程度如何，直观反映地面无人作战系统在体系融合方面的特性，找出制约地面无人作战系统融入现有装备体系的短板弱项，从而进一步优化装备体系结构，实现装备体系化发展，为装备发展规划与论证提供决策支撑。

本文主要针对地面无人作战系统体系融合度评估问题，分析了地面无人作战系统作战使命任务，从体系接入度、体系适配性、编成适用性三个方面出发构建了地面无人作战系统体系融合度评估指标体系。针对地面无人作战系统体系融合度评估指标数量多、定性指标与定量指标结合的特点，构建了基于模糊层次分析方法(Fuzzy-AHP)[3]～[5]的评估模型，实现了对地面无人作战系统体系融合度的评估。

2 评估指标体系构建

2.1 总体思路

体系融合度是装备作战试验的重要考核内容，属于体系适用性的范畴[6]。装备的体系融合度的高低与装备体系作战效能紧密相关，装备体系融合度越高，即被试装备与装备体系的融合能力和匹配程度越高，越有利于体系作战效能发挥。构建体系融合度指标，要紧密结合装备作战运用实际，准确反映装备实战特性。从确定作战试验目标出发，分析地面无人作战系统作战使命任务，研究提出关键适用性问题，而后将关键适用性问题解析为若干适用性问题，由适用性问题映射到适用性指标集，进而找出与所需适用性指标相关联的底层数据元，以此建立体系融合度评估指标体系，总体思路如图1所示。

图1 指标体系构建总体思路

2.2 构建流程

按照2.1节中指标体系构建思路，按以下步骤构建地面无人作战系统体系融合度评估指标体系。

1)确定作战试验目标

确定作战试验目标是构建武器装备评估指标体系的基础和前提[7]。要区分性能试验、作战效能试验和适用性试验，有针对性的构建指标体系。体系融合度评估属于体系适用性的考核内容，与效能类指标不同，适用性指标往往包含较多定性指标。在构建时，要从体系融合度的内涵出发，聚焦装备作战运用实际，深入挖掘被试装备与作战体系之间的相互作用机理，力求全面反映装备体系特征。

2)作战使命任务分析

地面无人作战系统是信息化战争条件下重要的新质战斗力量，是网络信息体系联合作战的重要装备，其作战使命是根据作战任务需要，与有人作战力量融合编组，通过减少己方人员伤亡、降低人员战场负荷、提升战场保障能力、增大有效作战范围等途径实现体系作战效能的提高。在作战中主要执行情报侦察、火力打击、机动突击、排爆除障等任务。

3)提出关键适用性问题

所谓关键适用性问题是指与装备系统作战、训练、维护、保障等方面紧密相关的重要问题，关注的是装备作战运用的适用性特性。关键适用性问题的提出目的是将试验评估需求转化为具体明确的问题，一方面便于评估人员理解，另一方面又能较为准确的反映装备实战特性同时降低试验的复杂度。以地面无人作战系统体系融合度评估为例，提出关键适用性问题如下：“在作战运用中，地面无人作战系统体系接入度如何？体系适配性如何？编成适用性如何？”

4)解析关键适用性问题

关键适用性问题往往相对比较宏观，难以通过试验测得的指标直接回答。需要将关键适用性问题进一步解析成若干适用性问题，对应建立若干适用性指标集，以此回答关键适用性问题。例如，可以将关键适用性问题“地面无人作战系统体系接入度如何？”解析为2个适用性问题：“地面无人作战系统信息融合度如何？信息通连性如何？”

5)构建适用性指标集

对应各个关键适用性问题及解析出的子问题，初步映射为适用性指标集。例如，3个关键适用性问题对应映射为3个一级指标集：体系接入度、体系适配性、编成适用性；其中，体系接入度所对应的2个适用性问题又可映射为2个二级指标集：信息融合度、信息通连性。

6)确定底层评估指标

底层指标是指能够通过试验数据或专家打分、问卷调查等方式直接获取的数据元，若干数据元组合起来构成底层评估指标集合，包括定性指标与定量指标两类。例如，信息融合度可分解为态势信息兼容度、指控信息兼容度、组网节点覆盖率3个底层指标。

2.3 指标体系

按照上述步骤，构建地面无人作战系统体系融合度评估指标体系如表1所列。

表1 地面无人作战系统体系融合度评估指标体系

3 基于Fuzzy-AHP的评估方法

地面无人作战系统体系融合度指标体系具有层次结构明显，指标数量众多，定性指标与定量指标相结合等特点，其评估过程是定量计算与定性分析相结合的多指标综合决策过程，针对这一特点，本文采用了基于模糊层次分析法(Fuzzy-AHP，Fuzzy analysis hierarchy process)的综合评估方法实现了地面无人作战系统体系融合度评估。模糊层次分析法将层次分析法与模糊综合评判法相结合，把定性分析转化为定量运算，能够科学有效的提高评估结果的准确性，其评估模型如图2所示，具体步骤可分为4步：建立评价因素集及评语集、确定各级指标权重、确定模糊评判矩阵、多级模糊综合计算。

图2 基于Fuzzy-AHP的体系融合度评估模型

3.1 建立评价因素集及评语集

1)评价因素集

对多级递阶层次结构模型逐层建立评估因素集合，设指标I下级包含n个评价因素，记作评价因素集I=(A1，A2，…An)，其中每个评价因素Ai(i=1，2，…n)又包含不同多个评价因素，记作Ai=(Bi1，Bi2，…Bij)。以此类推，建立所有评价因素集合。

2)评语集

评语集是由评估组成员依据评估对象特点建立的不同评估等级的集合。可将评语集表示为V=(V1，V2，…Vm)，评语集中的每个元素代表一个评价等级，按照由高到低的顺序排列。具体评价等级可根据实际情况设定，例如，按照五级评定法构建评语集V={优秀(V1)，良好(V2)，一般(V3)，较差(V4)，很差(V5)}。

3.2 确定各级指标权重

评估指标体系确定后，需要对各个层级指标分别赋予相应的权重，以体现各个指标在评估指标体系中的地位作用和重要程度。指标权重确定是否科学合理，直接影响评估结果的科学性。本文通过AHP法确定指标权重，具体方法可参考文献[9]，在此不再赘述。

3.3 确定模糊评判矩阵

在地面无人作战系统体系融合度评估指标体系中既包含定性指标又包含定量指标，在确定隶属度时要区分定性指标和定量指标。

(1)

(2)

对于定量指标，例如组网节点覆盖率、遥控指令连通成功率、人工干预次数占比等，这些定量指标数据是通过装备作战试验实际测得或作战仿真获取，属性更加客观，但实际上这些指标的量纲不同、类型不同，有的要求数值越大越好，如遥控指令连通成功率；有的要求数值越小越好，如人工干预次数占比；有的则是要求数值在某个区间最好。这些指标数值互相之间不具备可比性，在评估时需要将定量指标数据进行无量纲归一化处理，通常可以采用隶属度函数确定其隶属度。但在解决装备实际问题过程中，往往难以在有限的试验次数条件下找到能够较好的拟合指标数值分布特点的隶属度函数。为此，本文提出了一种基于评语等级区间量化的定量指标隶属度确定方法。具体方法为：

Step1：对所有的定量指标，根据评语集所划分等级，咨询专家确定每个指标对应的各个等级的取值范围，进行区间量化；

Step2：根据定量指标的实际试验测量或仿真数值，判断其对应评语集等级；

Step3：指标实际数值落在哪个等级区间范围内，则对应该等级的隶属度为“1”，其余等级隶属度为“0”，确定定量指标隶属度向量。

定性指标和定量指标的隶属度向量都确定以后，按照所在评价因素集组合，即可建立底层评价因素集到评语集V=(V1，V2，…Vm)的模糊判断矩阵。

3.4 多级模糊综合计算

地面无人作战系统体系融合度评估是一个典型的多级模糊综合评价模型。对于层级较多的结构应用模糊综合评价时，要从最底层开始，逐层向上进行模糊综合计算，直至得到最终评价结果。下面以表1所给出的三级递阶层次结构为例说明。

1)一级模糊评价

设底层评价因素集Bij的模糊判断矩阵为Rij，权重向量为Wij。记其模糊评价结果为Bij，则有

Bij=Wij∘Rij

(3)

其中，i表示底层评价因素集Bij的类别，j表示该底层评价因素集中包含指标的个数，符号“∘”为模糊合成算子，通常有四种模糊合成算子：M(∧，∨)算子，M(·，∨)算子，M(∧，⊕)算子，M(·，⊕)算子。根据体系融合度评估的特点，同时兼顾各指标因素的影响，此处采用第四种加权平均型M(·，⊕)算子[10]。

2)二级模糊评价

二级模糊评价是对评价因素集Ai进行的评价，设对应每个评价因素集Ai权重向量为Wi，模糊判断矩阵为Ri，则有

Ai=Wi∘Ri

(4)

其中，Ri是由一级模糊评价结果Bij按照评价因素集类别组成的模糊判断矩阵，即

(5)

3)三级模糊评价

三级模糊评价是对目标层I进行的评价，设目标层I下各指标对应的权重向量为W，模糊判断矩阵为R，则有

I=W∘R

(6)

其中，R是由二级模糊评价结果Ai组成的模糊判断矩阵，即

(7)

经三级模糊综合计算求得I后，根据最大隶属度原则，即可得出最终评估结果。

4 评估应用示例

根据前面建立的基于Fuzzy-AHP的评估模型，对某地面无人作战系统体系融合度进行具体评估。

4.1 指标数据仿真获取

指标体系和评估模型建立后，还需要获取底层评估指标数据，作为评估模型的基本输入。定性指标数据主要通过咨询专家打分、问卷调查等途径获取。对于定量指标，依托“装甲兵作战实验系统”进行仿真获取相关数据，作为确定定量指标隶属度的基本依据。根据对抗红蓝双方装备体系基本情况构建仿真模型，开展作战仿真，利用仿真软件收集原始实验数据，统计分析相同条件下大量实验的规律，确定各指标数值。例如组网节点覆盖率、遥控指令连通成功率、战场态势信息回传成功率等指标可通过多次实验获得较为稳定数值，作为评估模型的基本输入。

4.2 建立评价因素集和评语集

依据前文建立的地面无人作战系统体系融合度评估指标体系(见表1)，建立三级评价因素集：

第一层评价因素集：I={A1，A2，A3}；

第二层评价因素集：A1={B11，B12}，A2={B21，B22，B23，B24，B25}，A3={B31，B32}；

第三层评价因素集：B11={C111，C112，C113}，B12={C121，C122，C123}，B21={C211，C212，C213}，B22={C221，C222，C223}，B23={C231，C232，C233}，B24={C241，C242，C243}，B25={C251，C252，C253，C254}，B31={C311，C312，C313}，B32={C321，C322，C323}。

依据体系融合度评估的需要，确定评语集V={优秀，良好，一般，较差，很差}。

4.3 计算各级指标权重

基于AHP法确定各层级指标权重值如表2所示。

表2 体系融合度各评价指标权重

4.4 确定模糊判断矩阵

按照3.3节中方法，分别对定性指标和定量指标的隶属度向量进行确定，以评估指标指标信息融合度B11为例，其包含“态势信息兼容度C111、指控信息兼容度C112、组网节点覆盖率C113”3个底层指标，既有定性指标也有定量指标，下面分别确定其隶属度。

对于定性指标，邀请10位领域专家组成评估小组，对各个底层评估指标按照给定评语集进行评价，计算出各个指标隶属度。专家评价结果如表3所示，由式(1)和式(2)即可求得“态势信息兼容度C111”的隶属度向量r111=(0.2 0.5 0.2 0.1 0)，“指控信息兼容度C112”的隶属度向量r112=(0.3 0.3 0.2 0.1 0.1)。

表3 定性指标C111、C112专家评价结果

对定量指标，根据专家意见对“组网节点覆盖率C113”按照评语集各等级划分评价区间如表4所列，通过仿真得到指标取值C113=0.83，则对应“良好”等级隶属度为“1”，确定隶属度向量为r113=(0 1 0 0 0)。

表4 定量指标C113评价等级区间划分

将定性与定量指标对应的隶属度向量组合，即可得到信息融合度B11的模糊判断矩阵为

以此类推，确定所有定性指标与定量指标的隶属度，得到各评价因素集的模糊判断矩阵。

4.5 多级模糊综合计算

按照3.4节中方法逐级进行模糊综合计算，可求得各评估因素集对应的评价结果，最终得出体系融合度评估结果

I=[0.147 0.557 0.2193 0.0701 0.0095]

4.6 评估结果分析

对照评语集V={优秀，良好，一般，较差，很差}，在5个评价等级中，地面无人作战系统体系融合度对“优秀”等级的隶属度为0.147，对“良好”等级的隶属度为0.557，对“一般”等级的隶属度为0.2193，对“较差”等级的隶属度为0.0701，对“很差”等级的隶属度为0.0095，评估结果如图3所示。根据最大隶属度原则，该地面无人作战系统体系融合度评估结果为“良好”。

图3 评估结果

5 结束语

论文分析了地面无人作战系统的作战使命任务，从体系接入度、体系适配性、编成适用性3个一级指标出发，构建了地面无人作战系统体系融合度评估指标体系，基于模糊层次分析法实现了对地面无人作战系统体系融合度的评估。该方法较好的适用于体系融合度评估指标层级多、数量多、定性指标与定量指标相结合的特点，评估结果可为地面无人作战系统的试验鉴定提供参考。