中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2021 , Vol. 43 >Issue 2: 82 - 90

DOI: https://doi.org/10.3969/j.issn.1673-3819.2021.02.015

理论研究

基于改进熵权物元模型的作战方案评估

  • 王凤山 ,
  • 杨志宏 ,
  • 郭子曜
展开
  • 中国人民解放军陆军工程大学, 江苏 南京 210007

作者简介：王凤山(1978—),男,江苏大丰人,博士后,副教授,研究方向为军事运筹与工程保障决策分析。

杨志宏(1987—),男,硕士研究生。

Copy editor: 胡前进

收稿日期: 2020-10-30

  修回日期: 2020-12-17

  网络出版日期: 2022-04-29

收起

Research on Operational Scheme Evaluation Based on Improved Entropy Weight Matter Element Model

  • WANG Feng-shan ,
  • YANG Zhi-hong ,
  • GUO Zi-yao
Expand
  • The Army Engineering University of PLA, Nanjing 210007, China

Received date: 2020-10-30

  Revised date: 2020-12-17

  Online published: 2022-04-29

Fold

摘要

针对作战方案优选和量化评估不理想的问题,提出了一种基于改进熵权物元模型的作战方案评估方法。通过系统论证作战方案评估指标体系和评分方法,构造基于经典物元模型的作战方案评估框架,集成初等关联函数和熵权法,建立作战方案的物元评估模型;采用反熵权和欧几里得(Euclidean)距离改进指标权值计算和距离计算,形成4种组合量化评估的检验模式,评估了方案等级,优选了作战方案,相互印证了模型方法的有效性和实用性,为指挥员科学决策提供了有力支撑。

关键词： 作战方案评估; 指标体系; 熵; 反熵; 物元; 关联函数

本文引用格式

王凤山 , 杨志宏 , 郭子曜 . 基于改进熵权物元模型的作战方案评估[J]. 指挥控制与仿真, 2021 , 43(2) : 82 -90 . DOI: 10.3969/j.issn.1673-3819.2021.02.015

Abstract

In view of the unsatisfactory problem of operational scheme optimal selection and quantitative evaluation, an evaluation method of operational plan based on improved entropy weight matter-element model is proposed. By systematically demonstrating the evaluation index system and scoring method of operational scheme, the framework of operational scheme evaluation based on classical matter-element model is constructed, integrating the elementary correlation function and entropy weight method, the matter-element evaluation model of operational scheme is established. The anti entropy weight and Euclidean distance are used to improve the weight and distance calculation of the index respectively, four inspection modes of combined quantitative evaluation are formed,the scheme level is evaluated and the operational scheme is optimized. The effectiveness and practicability of the model method are verified by each other, providing a strong support for the commander's scientific decision-making.

Key words： operational scheme evaluation; index system; entropy; anti-entropy; matter element; correlation function

作战方案是针对使命任务平时拟制的作战行动预案,亦称作战预案,是军队最根本、最核心的方案,是战时最主要的指挥文书[1]。作战方案评估,是对作战方案的可行性、风险度、作战效益等进行的评价和估量,是指挥决策的首要问题、重要环节,影响战争胜负[2]。由于作战方案本身的复杂性和实际需求,使得方案评估成为一个热点和难点[3]。
经过长期发展,作战方案评估有了大量研究。秦园丽等建立了较为规范的作战方案评估指标体系[1];齐燕博等综述和归纳了现有的作战方案评估方法,总结了每类方法的特点和优缺点,展望了作战方案评估研究领域的发展方向[4];王亮、高桂清、刘祖煌等分别提出了基于证据理论和直觉模糊、灰色联法、径向基神经网络的作战方案评估方法[5⇓-7],但方法对专家经验依赖性强,评估速度慢,与军事实践脱节;田福平、王锋等分别提出了基于兵棋推演系统、动态推演、作战模拟的仿真实验作战方案评估方法[8-9],但受系统约束,程式性强,评估结果具有片面性。
针对作战方案评估指标体系不完善,定性定量指标转化不客观,评估效率低、实用性差等问题,在上述研究基础上,作者规范建立作战方案评估指标体系,设计定义作战方案评估量化数据集,集成和改进熵权——物元分析方法,科学确定指标权重,客观评估作战方案。

1 作战方案评估指标体系

指标体系是评估作战方案的前提和基础。准确快速评估作战方案,指标体系必须能够精准把握指挥人员对作战方案的关注点,确保方案评估具有可操作性和可信度[8]。作战方案主要内容包括情况判断、作战企图(含本级及友邻任务)、兵力编成和部署、作战行动、组织指挥与协同、作战保障、政治工作、后装保障等[1],涵盖了作战计划关键要素和指挥员重点关注点,因此,按照作战方案内容建立指标体系符合科学评估要求。设计作战方案评估指标体系,如图1所示,包括8大类33个指标。
情况判断,包括敌情、我情、战场环境、综合结论的判断准确度。
作战企图,包括对上级企图的理解度,本级任务及决心与上级意图的契合度。
兵力编成和部署,包括作战编成的合理性及规范性,部署位置的合理性,任务的明确程度和合理性。
作战行动,包括阶段划分、情况预想、情况处置的科学性、全面性、合理性。
组织指挥与协同,包括指挥机构的健全程度,指挥协同关系的明确性,协同时机的准确性。
作战保障,包括侦察保障、信息保障、工程防化保障、测绘导航保障、气象水文保障、机要保障的全面性和配套程度。
政治工作,包括组织、人力、宣传、保卫、纪检工作的全面性和保障程度。
后装保障,包括战勤物资、战备金、军需营房物资、运输油料物资、战救药材、装备器材和弹药器材的配套保障程度。

2 作战方案评估指标评分体系

为客观、准确量化作战方案评估指标,对照指标体系,参照方案拟制原则要求,区分情况判断、作战企图、兵力编成和部署等8个要素,采用Delphi方法,充分征求专家意见,设计33个方案评分数据集。实践证明,该数据体系能够较为翔实地反映作战方案评估关注的核心指标。以情况判断中“敌情判断准确度”为例,共设置10个核心量化评分项目,如表1所示。
表1 敌情评分数据集
区分 评分项目 得分
情况
判断		 敌情
判断
准确度
S11		 敌主要指挥员掌握度
敌编制掌握度
目标发现率
目标识别率
敌部署队形判断准确度
敌加强和支援力量规模
......
方案评分可由专业的指挥员、参谋人员对照33个作战方案评分数据集进行客观量化评分,可作为物元分析中评价指标对应的水平值域。

3 作战方案评估物元模型建立

3.1 评价模型构建

物元模型是将数理统计学、系统分析学与逻辑思维学有机结合的综合性方法。利用关键因素对所选择事件进行细化,将“事物T、特征S、量值V”作为决策描述事件的基本元,并将其形象组合成该事件的有序三元组[10-12],记作,E=(T,S,V)。
作战方案评价模型构建大体分为四步:步骤一,依据作战方案评分数据集对作战方案库待评估方案进行初始评分;步骤二,对作战方案初始评分进行规范化处理,得到评分量值;步骤三,根据步骤二所得量值,利用熵权法或反熵权法确定指标权重;步骤四,根据步骤二所得量值,结合步骤三所得指标权重,利用物元分析法,评估方案等级,确定最优方案。具体步骤如图2所示。
图2 作战方案评估模型框架图

3.2 作战方案评估物元表示

以“作战方案效能、作战方案核心要素、要素指标取值”建立作战方案评估物元,以E表示作战方案评估物元,T表示作战方案评估效能,S为作战方案核心要素,V为作战方案特征对应的量值。若作战方案有n个核心要素,S=[S1,S2,...,Sn],则对应有n个量值,V=[V1,V2,...,Vn]T,则作战方案可表示为
E=(T,S,V)= T S 1 V 1 S 2 V 2 S n V n

3.3 确定经典域、节域

作战方案评估综合评价的经典域矩阵可表示为
E0j= T 0 j S 1 V o j 1 S 2 V o j 2 S n V o j n= T 0 j S 1 ( ϕ 0 j 1 , ψ 0 j 1 ) S 2 ( ϕ 0 j 2 , ψ 0 j 2 ) S n ( ϕ 0 j n , ψ 0 j n )
式(2)中,j表示评定等级j=1,2,...,k;Eoj为评定等级j下的经典域物元模型;T0j为评定等级j下的待评物元;V0j1,V0j2,...,V0jn为评定等级j下T0j关于Si的取值范围,即经典域。其是指各个评价指标量值的变化区间,V0ji的取值范围为(ϕ0j,ψ0j)。经典域的合集称为节域,即Ep=∪E0j,则作战方案评估的节域矩阵为
Ep= T p S 1 V p 1 S 2 V p 2 S n V p n= T p S 1 ( ϕ p 1 , ψ p 1 ) S 2 ( ϕ p 2 , ψ p 2 ) S n ( ϕ p n , ψ p n )
式(3)中,Ep为作战方案评定等级节域的物元模型,Vp1,Vp2,...,Vpn分别为Tp关于Si的取值范围,即Tp的节域,Vpi的取值范围为(ϕpi,ψpi)。显然,Vpi=∪V0ji=∪(ϕpi,ψpi),j=1,2,...,k。
在对作战方案各指标进行评价时,结合专家论证,对各评价指标的量值确定取值范围,划分评价等级,从而得到经典域和节域。

3.4 计算关联函数

选择常用的初等关联函数计算各指标Si关于评价等级的关联函数,如式(4)所示。
Kj(Vi)= - l ( V i , V 0 j i ) | V i | 　 　 　 V i ∈ [ ϕ 0 j i , ψ 0 j i ] l ( V i , V 0 j i ) l ( V i , V p i ) - l ( V i , V 0 j i ) 　 V i ∉ [ ϕ 0 j i , ψ 0 j i ]
其中:
l(Vi,V0ji)= V i - ϕ 0 j i + ψ 0 j i 2- ψ 0 j i - ϕ 0 j i 2
l(Vi,Vpi)= V i - ϕ p i + ψ p i 2- ψ p i - ϕ p i 2
式(4)中,Vi为待评物元,(ϕ0ji,ψ0ji)为经典域,(ϕpi,ψpi)为节域,j=1,2,...,k表示评定等级,i=1,2,...,n表示作战方案指标数。
对于待评对象作战方案T,可以得到其关于等级j的关联度为
Gj(T)= ∑ i = 1 nθiKj(Vi)
式(7)中,θi为各个指标的权重,Gj(Vi)为指标关于评定等级的关联度,Gj(T)为方案关于评定等级的关联度,又称综合关联度。

3.5 综合评价

作战方案综合评价等级公式为
Gj=max Gj(T) (j=1,2,...,m)
式(8)中,max Gj(T)为最大综合关联度。由此可知,作战方案评价等级由综合关联度的最大值确定,最大值所在的评定等级即为综合评价的评定等级[10]。

3.6 计算评价等级的特征值

为有效评判作战方案评价等级,以Q*表示作战方案的等级变量特征值。等级特征值Q*按式(9)计算,其值越小,评价等级越高。
Q*= ∑ j = 1 k j × G - j ( T ) ∑ j = 1 k G j ¯ ( T )
式(9)中 G -(T)为归一化处理的指标关联度,按式(10)计算
G - j(T)= G j ( T ) - m i n G j ( T ) m a x G j ( T ) - m i n G j ( T )

4 作战方案指标权重计算及改进与组合评价

4.1 熵权法权重计算

熵权法是一种客观赋权方法,其根据各指标的变异程度,利用信息熵计算出各指标的熵权,再通过熵权对各指标的权重进行修正,从而得出较为客观的指标权重。为尽可能排除主观因素影响,客观反映指标间权重关系,准确描述作战方案质量与评分数据的规律,以作战方案指标量值为基础,运用熵权法,求解作战方案要素指标在作战方案评估中的重要性。
设对m个作战方案进行对比优选,组合起来便构成m个方案n维复合物元 E m n [ 13 ],记作:
Emn= M T S V= M 1 ... M m T S 1 V 11 ... V m 1 V u i S n V 1 n ... V m n
式(11)中,u=1,2,...,m,表示方案数量,i=1,2,...,n,表示指标个数。
采取极差法对作战方案评估T在特征指标Si上的量值Vi进行标准化处理。由于作战方案指标均呈现max型极值变化特征,因此,对m个方案n维复合物元Emn指标量值标准化按式(12)计算。
V'ui= V u i - m i n ( V u i ) m a x ( V u i ) - m i n ( V u i )
以Hui表示作战方案第i项指标下,第u个方案的特征比重,则
Hui= 1 + V ' u i ∑ u = 1 m ( 1 + V ' u i )
根据信息熵理论的熵值计算方法[14]和具体条件,作战方案第i个要素指标下Si的Shannon熵为
ei=- 1 l n ( m ) ∑ u = 1 mHui×ln(Hui)
式(14)中,ei表示作战方案要素指标Si的信息熵值,熵值越大,反映作战方案指标体系的内在无序度越大。
至此,计算作战方案评估指标的权重θi为
θi= 1 - e i ∑ i = 1 n 1 - e i
式(15)中,0≤θi≤1, ∑ i = 1 nθi=1。

4.2 反熵权法权重计算

传统熵权法在赋权过程对指标敏感性较大,可能出现个别极端权重,致使重要信息淹没。为规避此现象,采用反熵权法进行赋权,此方法产生的权重反差较弱,既能避免出现极端权重,又能较好反映指标间差异特征。定义一种反熵[15⇓-17]为
γi=- 1 l n ( m ) ∑ u = 1 mHui×ln(1-Hui)
式(16)中,γi表示作战方案要素指标Si的反熵值。
则计算作战方案评估指标的权重 ω i *为

ω i *= 1 - γ i ∑ i = 1 n 1 - γ i

式(17)中,0≤ ω i *≤1, ∑ i = 1 n ω i *=1。

4.3 距离改进

传统物元分析法依据可拓学中的初等关联函数及距的定义来计算各指标的关联函数值。改进使用Euclidean距离[18]检验其有效性,比较其优劣,令
l(Vi,V0ji)= ( V i - ϕ 0 j i ) 2 + ( ψ 0 j i - V i ) 2 2
l(Vi,V0ji)表示作战方案评估物元E在特征Si基础上,作战方案评估T对第j等级经典域的Euclidean距离。则对节域的Euclidean距离为
l(Vi,V0ji)= ( V i - ϕ p i ) 2 + ( ψ p i - V i ) 2 2
改进使用Euclidean距离后,根据式(4)、(7)、(8)可计算得到方案关于等级的关联度Gj(T),进而进行综合评价。
区别于经典物元方法,改进距离后,若Gj=minGj(T)>0,则优化模型评价等级为j级。同理,按式(9)、(10)计算评价等级特征值,其值越大,评价等级越高。

4.4 组合检验

基于物元关联函数中距的改进和权重计算方法改进,可组合得到4种熵权物元模型的作战方案评估方法,即熵权-物元模型(α型)、熵权-改进物元模型(β型)、反熵权-物元模型(γ型)、反熵权-改进物元模型(δ型),如图3所示。
图3 4种熵权物元模型
可结合实例对4种熵权物元模型进行对比,结果可相互印证,比较优劣。

5 作战方案评估应用分析

以某演习组织方案优选为例,按照33个作战方案评分指标对1个基本案、3个备选案进行综合评分,建立作战方案评估数据集,如表2所示。
表2 作战方案评估指标数据集
指标 各方案的分值
基本 备用1 备用2 备用3
S11 38 41 35 36
S12 16 18 17 15
S13 20 22 17 18
S14 13 12 10 11
S21 13 14 11 10
S22 15 15 12 11
S31 35 36 31 32
S32 16 16 14 12
S33 23 22 20 22
S41 34 35 32 34
S42 13 14 11 13
S43 21 23 19 14
S51 32 34 33 30
S52 11 12 11 10
S53 18 16 15 13
S61 31 35 33 30
S62 16 15 16 14
S63 21 22 20 20
S64 11 11 12 10
S65 37 38 35 33
S66 10 11 9 8
S71 43 42 40 38
S72 16 17 16 14
S73 20 22 21 19
S74 10 12 11 11
S75 16 15 13 14
S81 17 16 15 14
S82 41 40 38 39
S83 13 14 11 12
S84 21 22 22 18
S85 10 11 12 11
S86 13 16 12 14
S87 16 18 12 13

5.1 计算指标权重

将表2中的指标量值分别代入熵权法式(11)~(15)和反熵权法式(16)、(17)中,可分别求得作战方案33个核心指标权重,其中,熵权法求得8个方面指标权值分别为:12.48%,7.25%、9.50%、8.05%、8.19%、19.26%、14.20%、21.08%;反熵权法求得8个方面指标权值重分别为:12.10%、6.03%、9.09%、9.13%、9.11%、18.15%、15.18%、21.21%。具体指标,如表3所示。
表3 指标权值的熵权法和反熵权法计算量值
指标/权重 S11 S12 S13 S14 S21
熵权法θi 3.321% 2.947% 3.268% 2.947% 3.311%
反熵权法 ω i * 3.017% 3.031% 3.021% 3.031% 3.023%
指标/权重 S22 S31 S32 S33 S41
熵权法θi 3.936% 3.601% 3.247% 2.647% 2.647%
反熵权法 ω i * 3.010% 3.016% 3.029% 3.043% 3.043%
指标/权重 S42 S43 S51 S52 S53
熵权法θi 2.647% 2.756% 2.770% 2.656% 2.761%
反熵权法 ω i * 3.043% 3.040% 3.039% 3.038% 3.036%
指标/权重 S61 S62 S63 S64 S65
熵权法θi 3.268% 3.247% 4.145% 2.656% 2.999%
反熵权法 ω i * 3.021% 3.029% 2.996% 3.038% 3.033%
指标/权重 S66 S71 S72 S73 S74
熵权法θi 2.947% 2.999% 2.647% 2.947% 2.656%
反熵权法 ω i * 3.031% 3.033% 3.043% 3.031% 3.038%
指标/权重 S75 S81 S82 S83 S84
熵权法θi 2.947% 2.947% 2.947% 2.947% 3.057%
反熵权法 ω i * 3.031% 3.031% 3.031% 3.031% 3.037%
指标/权重 S85 S86 S87
熵权法θi 2.656% 3.046% 3.484%
反熵权法 ω i * 3.038% 3.025% 3.017%
分别绘制两种方法权重变化趋势图,如图4所示。由图4可直观对比,两种方法所得权重波动趋势恰好相反,其中,反熵权法对指标差异度的敏感性要远小于反熵权法[18],权重波动幅度也相对较小。
图4 熵权和反熵权法权重变化趋势图

5.2 确定经典域和节域

根据专家组意见,将作战方案标准定为Ⅰ、Ⅱ、Ⅲ、Ⅳ,即优、良、中、差4个等级,确定了作战方案指标关于各评价等级的评估标准。根据各指标的实际意义及量化结果,确定了33个二级指标的取值范围,从而确定经典域,节域为选定的评估对象指标在所有评价等级中取值范围的总和,作战方案评估经典域、节域如表4所示。
表4 作战方案评估指标的经典域和节域
评估指标 Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级 节域
S11 <40,45> <32,40> <24,32> <0,24> (0,45)
S12 <16,20> <12,16> <8,12> <0,8> (0,20)
S13 <20,25> <14,20> <10,14> <0,10> (0,25)
S14 <12,15> <9,12> <5,9> <0,5> (0,15)
S21 <16,20> <12,16> <8,12> <0,8> (0,20)
S22 <16,20> <12,16> <8,12> <0,8> (0,20)
S31 <35,40> <25,35> <15,25> <0,15> (0,40)
S32 <16,20> <12,16> <8,12> <0,8> (0,20)
S33 <20,25> <14,20> <10,14> <0,10> (0,25)
S41 <35,40> <25,35> <15,25> <0,15> (0,40)
S42 <16,20> <12,16> <8,12> <0,8> (0,20)
S43 <20,25> <14,20> <10,14> <0,10> (0,25)
S51 <35,40> <25,35> <15,25> <0,15> (0,40)
S52 <16,20> <12,16> <8,12> <0,8> (0,20)
S53 <20,25> <14,20> <10,14> <0,10> (0,25)
S61 <35,40> <25,35> <15,25> <0,15> (0,40)
S62 <16,20> <12,16> <8,12> <0,8> (0,20)
S63 <20,25> <14,20> <10,14> <0,10> (0,25)
S64 <12,15> <9,12> <5,9> <0,5> (0,15)
S65 <35,40> <25,35> <15,25> <0,15> (0,40)
S66 <16,20> <12,16> <8,12> <0,8> (0,20)
S71 <40,45> <32,40> <24,32> <0,24> (0,45)
S72 <16,20> <12,16> <8,12> <0,8> (0,20)
S73 <20,25> <14,20> <10,14> <0,10> (0,25)
S74 <12,15> <9,12> <5,9> <0,5> (0,15)
S75 <16,20> <12,16> <8,12> <0,8> (0,20)
S81 <16,20> <12,16> <8,12> <0,8> (0,20)
S82 <40,45> <32,40> <24,32> <0,24> (0,45)
S83 <16,20> <12,16> <8,12> <0,8> (0,20)
S84 <20,25> <14,20> <10,14> <0,10> (0,25)
S85 <12,15> <9,12> <5,9> <0,5> (0,15)
S86 <16,20> <12,16> <8,12> <0,8> (0,20)
S87 <16,20> <12,16> <8,12> <0,8> (0,20)

5.3 综合各指标的关联度计算

根据式(4)~(6)进行计算,可得到4个方案各指标对应等级的关联度值。以基本案为例,计算结果,如表5所示。
表5 基本案指标关于评价等级关联度
评估指标 基本案关联度
Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级
S11 -0.222 0.250 -0.462 -0.667
S12 0.000 0.000 -0.500 -0.667
S13 0.000 0.000 -0.545 -0.667
S14 0.333 -0.333 -0.667 -0.800
S21 -0.300 0.250 -0.125 -0.417
S22 -0.167 0.250 -0.375 -0.583
S31 0.000 0.000 -0.667 -0.800
S32 0.000 0.000 -0.500 -0.667
S33 0.400 -0.600 -0.818 -0.867
S41 -0.143 0.100 -0.600 -0.760
S42 -0.300 0.250 -0.125 -0.417
S43 0.200 -0.200 -0.636 -0.733
S51 -0.273 0.300 -0.467 -0.680
S52 -0.357 -0.100 0.250 -0.250
S53 -0.222 0.333 -0.364 -0.533
S61 -0.308 0.400 -0.400 -0.640
S62 0.000 0.000 -0.500 -0.667
S63 0.200 -0.200 -0.636 -0.733
S64 -0.200 0.333 -0.333 -0.600
S65 0.400 -0.400 -0.800 -0.880
S66 -0.375 -0.167 0.500 -0.167
S71 0.400 -0.600 -0.846 -0.905
S72 0.000 0.000 -0.500 -0.667
S73 0.000 0.000 -0.545 -0.667
S74 -0.286 0.333 -0.167 -0.500
S75 0.000 0.000 -0.500 -0.667
S81 0.250 -0.250 -0.625 -0.750
S82 0.200 -0.200 -0.692 -0.810
S83 -0.300 0.250 -0.125 -0.417
S84 0.200 -0.200 -0.636 -0.733
S85 -0.286 0.333 -0.167 -0.500
S86 -0.300 0.250 -0.125 -0.417
S87 0.000 0.000 -0.500 -0.667
根据式(18)、(19)对距离改进后,求得基本案各指标对应等级关联度值,如表6所示。
表6 改进后基本案指标关于评价等级关联度
评估指标 基本案关联度
Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级
S11 0.232 -0.118 0.651 -21.801
S12 -0.177 0.320 1.185 -12.813
S13 -0.177 0.411 1.302 -12.813
S14 -0.122 0.457 2.125 -7.230
S21 1.065 -0.172 0.528 16.652
S22 0.476 -0.149 0.929 -22.322
S31 -0.101 0.394 1.721 -8.134
S32 -0.177 0.320 1.185 -12.813
S33 -0.111 0.698 2.173 -7.927
S41 0.214 -0.188 1.557 -8.805
S42 1.065 -0.172 0.528 16.652
S43 -0.139 0.494 1.564 -10.179
S51 0.350 -0.168 1.259 -11.148
S52 2.628 0.559 -0.203 4.056
S53 0.605 -0.176 0.863 -51.228
S61 0.439 -0.164 1.125 -13.389
S62 -0.177 0.320 1.185 -12.813
S63 -0.139 0.494 1.564 -10.179
S64 0.544 -0.144 1.176 -15.183
S65 -0.069 0.487 2.078 -7.265
S66 4.702 0.809 -0.200 2.586
S71 -0.059 0.360 1.041 -11.859
S72 -0.177 0.320 1.185 -12.813
S73 -0.177 0.411 1.302 -12.813
S74 0.929 -0.158 0.838 6.906
S75 -0.177 0.320 1.185 -12.813
S81 -0.132 0.419 1.478 -9.751
S82 -0.071 0.282 0.876 -13.914
S83 1.065 -0.172 0.528 16.652
S84 -0.139 0.494 1.564 -10.179
S85 0.929 -0.158 0.838 6.906
S86 1.065 -0.172 0.528 16.652
S87 -0.177 0.320 1.185 -12.813
同理,可求得其余3个备用案的评价指标关于各评价等级的关联度,由于篇幅限制,在此省略。

5.4 综合计算方案等级关联度和特征值

根据4种熵权物元模型,由式(7)可求得不同模型下方案等级关联度,如表7所示。
表7 不同模型下各方案等级关联度
关联度 评价等级 综合
评级
Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级
基
本
案		 α型 -0.041 0.011 -0.437 -0.636 Ⅱ级
β型 0.395 0.203 1.123 -8.028 Ⅱ级
γ型 -0.044 0.012 -0.430 -0.633 Ⅱ级
δ型 0.419 0.199 1.116 -7.749 Ⅱ级
备
用
案
1		 α型 0.070 -0.067 -0.527 -0.691 Ⅰ级
β型 0.223 0.253 1.313 -8.143 Ⅰ级
γ型 0.062 -0.060 -0.520 -0.687 Ⅰ级
δ型 0.236 0.246 1.305 -7.876 Ⅰ级
备
用
案
2		 α型 -0.171 0.085 -0.295 -0.542 Ⅱ级
β型 1.011 0.133 0.852 -7.548 Ⅱ级
γ型 -0.168 0.082 -0.297 -0.544 Ⅱ级
δ型 1.016 0.141 0.858 -7.468 Ⅱ级
备
用
案
3		 α型 -0.245 0.200 -0.228 -0.496 Ⅱ级
β型 1.302 0.040 0.717 -7.491 Ⅱ级
γ型 -0.244 0.201 -0.229 -0.496 Ⅱ级
δ型 1.313 0.034 0.724 -7.245 Ⅱ级
由表7可判断,基本案、备用案2和备用案3等级为Ⅱ级(良),备用案1等级为Ⅰ级(优),4种评估模型判断结果一致。
再根据式(10)归一化处理后的指标关联度,如表8所示。
表8 归一化后指标关联度
关联度 评价等级 Q* 最优案
Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级
α型 基本 0.919 1.000 0.308 0.000 1.7256
备1 1.000 0.820 0.216 0.000 1.6146 ★
备2 0.593 1.000 0.394 0.000 1.8998
备3 0.360 1.000 0.384 0.000 2.0142
β型 基本 0.920 0.899 1.000 0.000 2.0282
备1 0.885 0.888 1.000 0.000 2.0416 ★
备2 1.000 0.897 0.981 0.000 1.9936
备3 1.000 0.857 0.934 0.000 1.9762
γ型★ 基本 0.914 1.000 0.315 0.000 1.7322
备1 1.000 0.836 0.223 0.000 1.6225 ★
备2 0.600 1.000 0.394 0.000 1.8966
备3 0.361 1.000 0.382 0.000 2.0122
δ型★ 基本 0.921 0.897 1.000 0.000 2.0279
备1 0.884 0.885 1.000 0.000 2.0421 ★
备2 1.000 0.897 0.981 0.000 1.9936
备3 1.000 0.851 0.931 0.000 1.9753
按式(9)计算评价等级的特征值,可得4种评估模型下基本案和3个备用案特征值,由表8可得,改进熵权法前后, Q 2 *< Q 1 *< Q 3 *< Q 4 *,判断备用案1的评价等级最高,为最优方案;改进距离前后, Q 2 *> Q 1 *> Q 3 *> Q 4 *,判断备用案1的评价等级最高,为最优方案。4种评价模型判断结果一致。

6 结束语

作战方案评估指标体系和量化评分数据体系的科学性设计与论证,对客观优选作战方案具有重要指导作用。作者提出的基于改进熵权物元模型的综合评价方法,拓展和深化了指标权值量化和运用,确定评价等级的关联度,大大规避了人为主观因素干扰,最大程度保证了方案评估的客观性,为作战实践突出精算、细算、深算提供了新思路。
目前,作者采用的指标体系和评分数据体系只是在演习中进行了验证,是在提前预设和相对已知的数据前提下进行的,具有较强的针对性和相对性。而实战中,战场态势不断演化,敌我状态动态变化,因此,实战中的作战方案评估更为复杂,更需缜密。一方面,需进一步完善作战方案指标和评分数据体系,围绕战场态势、敌我状态的实时性获取,作战决心、兵力部署、作战行动的灵活调整,作战保障、政治工作、后装保障的跟进保障等方面修订评分数据体系,提高评估的实时性和灵活性;另一方面,需着眼战时紧迫性,还应对现有的指标和评分数据集进行适当约简,提高方案评估速率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
秦园丽, 张训立, 高桂清, 等. 基于兵棋推演系统的作战方案评估方法研究[J]. 兵器装备工程学报, 2019, 40(6):92-95.

[2]
中国人民解放军军事科学院. 中国人民解放军军语[M]. 北京: 军事科学出版社, 2011.

[3]
肖凡, 刘忠, 黄金才. 作战方案效能评估指标研究[J]. 军事运筹与系统工程, 2006, 20(2):41-45.

[4]
齐燕博, 王平. 基于推理的作战方案评估系统研究[J]. 计算机与数字工程, 2010, 38(1):78-80,102.

[5]
王亮. 基于证据理论和直觉模糊集的作战方案评价方法[J]. 舰船电子工程, 2019, 39(9):157-161.

[6]
刘祖煌, 程启月. 径向基神经网络的联合作战方案评估仿真[J]. 火力与指挥控制, 2013, 38(1):14-17.

[7]
高桂清, 姚邦, 张秀国. 基于灰色联法的作战计划优选[J]. 四川兵工学报, 2010, 31(10):115-117.

[8]
田福平, 汶博, 熊志纲. 基于模糊综合评判与作战模拟的作战方案评估[J]. 指挥控制与仿真, 2016, 38(3):28-32.

[9]
王锋, 李远华, 许长鹏. 基于动态推演的合同战斗作战方案评估研究[J]. 装备指挥技术学院学报, 2012, 23(1):40-44.

[10]
张军, 陈欢, 张玉丽. 基于物元分析理论的盾构井施工方案评价[J]. 沈阳工业大学学报, 2020, 42(1):115-120.

[11]
戎全兵, 王凤山, 张宏军. 工程围岩结构风险评估的物元模型组件研究[J]. 计算机工程与应用, 2016, 52(6):264-270.

[12]
朱万红, 王凤山. 机动工程保障力度的物元评价模型[J]. 解放军理工大学学报(自然科学版), 2004, 5(5):52-55.

[13]
郝瑞霞, 刘峰, 吕鉴, 等. 基于熵权物元模型的污水处理厂运行效果综合评价与分析[J]. 北京工业大学学报, 2013, 39(3):445-451.

[14]
Wang F, Zhang H, Cao Y, et al. A Risk Early-warning Method in Earthquake Emergency Response based on Integrated Information Entropy and Matter-Element Model[J]. International Journal of Intelligent control and systems, 2011, 16(1):1-7.

[15]
向思阳, 蔡泽祥, 刘平, 等. 基于AHP-反熵权法的配电网低碳运行模糊综合评价[J]. 电力科学与技术学报, 2019, 34(4):69-76.

[16]
周依希, 李晓明, 瞿合祚. 基于反熵-AHP二次规划组合赋权法的电网节点综合脆弱性评估[J]. 电力自动化设备, 2019, 39(7):133-140.

[17]
张海瑞, 韩冬, 刘玉娇, 等. 基于反熵权法的智能电网评价[J]. 电力系统保护与控制, 2012, 40(11):24-29.

[18]
孙爱民. 基于熵权法的区间数多指标决策方法及应用[J]. 数学的实践与认识, 2020, 50(7):171-179.

Options
文章导航

/

〈 〉