军语中关于作战体系的表述为:由各种作战系统按照一定指挥关系、组织关系和运行机制构成的有机整体^[1]。从定义出发,有机的整体是作战体系最本质的特征,同时作战系统之间的关系也是构成作战体系的关键。因此,对作战体系进行评估就要通过综合运用军事运筹、系统分析等理论和多种技术手段,对作战体系的整体能力特性和结构组成行定量定性分析,并深入研究各子系统间关联关系和体系贡献情况。当前,作战体系评估是世界各国军队共同面对的重大课题,也是一个难点问题。我军围绕作战体系评估开展了一系列研究和实践,取得了很多成果,但也存在理论体系不健全、评估方法不成体系、评估程序不正规、评估制度不完善、评估结果受质疑等问题^[2]。梳理总结现有研究成果、分析存在的问题症结、提出新的思路和方法,对于加强作战体系评估建设、提高作战体系评估能力具有重要作用。

作战体系评估要素由评估目的、评估主体、评估客体(对象)、评估指标、评估方法和评估结果等内容组成。评估目的,即实施评估的原因和目标,主要有两种:一是对预期能力需求的研判,科学认识体系作战能力生成规律,探索建设思路和方法,推动作战体系建设;二是对现有能力底数的验证,发现作战体系存在的问题,改进体系建设方案,提高作战体系效能。评估主体,即实施评估的组织,通常由指挥机构和作战部队组织相关领域专家、专业技术人员建立评估机构开展评估。评估客体,即被评估的对象,也就是不同层级和类型的各种作战体系。评估指标,即衡量评估对象的标准和尺度,由一系列能够反映作战体系各方面特征和相互关系的评价依据构成的整体。评估方法,即对作战体系进行研究的手段和程序的统称,在评估中具有决定性作用。评估结果,即评估活动产生的较为客观的结论,反映作战体系的综合能力,为受评对象和实施主体提供参考。

作战体系评估根据评估对象的层次可以分为战略级、战役级和战术级;根据评估的形式可以分为静态能力评估和动态效能评估^[3];根据评估的原理可以分为数学模型驱动、作战模拟驱动、经验驱动和数据驱动;根据评估指标的获取方法可以分为专家评定法、试验统计法、解析法、作战模拟法等。

数学解析法主要是通过分析、抽象和推导,将作战体系转化为函数关系,再通过对关键数据的采集、运算和验证实现评估的方法。主要有结构方程ADC模型、兰彻斯特方程、指数法、灰色评估法、数据包络法、模糊评估法等方法。在作战体系评估中的相关研究有:文献[5]运用改进的ADC模型对防空导弹体系防御效能进行评估,在考虑自身性能的同时,也考虑了火力对抗及操作水平系数,评估结论符合战场实际。文献[6]基于“切斯特·巴纳德”系统论思想,提出一种基于“指数-兰彻斯特”模型的作战体系评估方法,以有序度、协调度和损耗系数作为评估指标,成功分析了合成部队作战体系动态效能。文献[7]提出改进的数据包络分析法(DEA),以相对效率为评估依据,根据决策对象原始数据进行分析,构造虚拟部队标杆,实现对部队信息化作战能力的排序。数学解析法通常适用于静态评估,其优点体现在:一是结构简单、效率较高,对关键和重要指标比较敏感;二是各要素关系明确、易于计算,评估结果可信度高,指挥员容易采纳。

统计分析法主要是系统收集和整理实战战例和演习演训数据,运用概率论和数理统计理论进行分析,提炼生成一定原理和结论的评估方法。主要有多元统计分析法、集对分析法、概率分析法等方法。在作战体系评估中的相关研究有:文献[8]采用统计分析的方法,通过多次迭代、循序渐进的仿真实验,实现作战体系能力分析和优化。文献[9]应用集对分析法分别构建评估矩阵和理想能力矩阵,进而求得联系矩阵,通过权重求出最终评估矩阵。统计分析法通常适用于因果关系明确、数据易得、随机特征明显的问题,其优点体现在:一是理论和实践都比较成熟;二是数据来源于实战或演习,客观性强、可信度高。

模拟仿真法主要是根据评估对象的特点,建立仿真模型,通过研究仿真过程和结果实现对作战体系的评估。在作战体系评估中的相关研究有:文献[10]建立体系对抗仿真环境,输入联合作战方案、部署、装备和战法数据,通过实验得出作战体系整体效果。文献[11]提出以仿真实验的方法对联合作战能力进行评估,评估程序为构建指标体系、选取想定空间、建立仿真模型,统计仿真结果、分析影响因素,具有较强实用性和可操作性。文献[12]提出体系网络化效能仿真分析框架,通过建模及数据分析,研究体系对抗拓扑形态与体系整体性能力之间映射机制,实现作战体系效能评估。模拟仿真法通常适用于难以通过实兵演习验证的评估,其优点主要体现在:一是仿真过程贴近实际,评估结果简单、直观、可信度高;二是可以对要素间关系进行描述,便于进行深入分析;三是成本低廉,可以进行多次实验。

在作战体系评估实践中,一般不会仅选择一种评估方法,而是混合采用多种方法,或是在一种方法基础上进行改进。综合评价法主要是对作战体系的评估进行分解,再根据内在联系进行整合,最终形成整体评估。在作战体系评估中的相关研究有:文献[13]提出基于云理论和层次分析法的评估模型,解决了复杂系统评估中存在模糊和随机的问题,实现了专家评价信息从定性到定量的转化。文献[14]提出功能分解-组合效能分析方法,提取协同防空作战体系特征功能,再整合形成包含效用和效能的指标体系,与传统静态层次分析法相比更全面。文献[15]构建了基于信息系统的体系作战能力指标体系,运用物元分析法将评估等级由模糊定性描述扩展为关联的定量描述,并通过分析得出作战体系薄弱环节。综合分析法适用于评估对象结构复杂,关系不明确的情况。其优点是可以将复杂问题进行分解简化,发挥多种评估方法优势,实现对复杂问题的整体评估。

传统评估方法解决了部分作战体系评估的问题,但应当看到传统评估方法在基础理论和实践应用上还存在一定局限性。

一是评估理念落后。传统评估方法多是基于还原论的思想构建的,通过假设和验证的方式剖析问题内部结构,再通过各独立元素的线性组合获取整体能力。但作战体系运行机理复杂趋近于黑盒,难以正确认识和全面解析,传统评估理念适用性有差距。

二是指标体系不科学。传统评估方法在选择和建立评估指标体系时,一般由专家系统根据经验逐级分解聚合,从而建立树状结构,而实际上作战体系在结构上具有鲜明的网状特征。同时,指标体系难免会受到人的主观性和认知的局限性影响,隐性和深层因素容易被忽略。

三是难以动态评估。传统评估方法通常对某一状态进行静态评估,难以反映作战体系动态演化特性。而实际上,作战体系的评估方法和结果不应当是单一值,而是随着作战对手、对抗状态动态变化的方法云和结果云。

四是人的作用被忽视。指挥员作为作战体系的核心,在指挥作战中起到决定性作用。传统评估方法过于强调评估内容的客观性,不能反映人的创造力和作用发挥,指挥员的认知判断、思维活动和指挥艺术等因素在作战体系评估中难以体现。

复杂网络是复杂系统的高度抽象,网络中的节点抽象为复杂系统的个体,网络中的边抽象为个体之间的关系,大量节点和边构成了复杂网络。复杂网络理论就是研究各种复杂网络之间共性以及处理复杂网络的普适特点的理论。复杂网络的性质和特征与作战体系极为相似,因此可以将其理论用于作战体系评估^[16]。这种评估方法的基本原理是:通过对作战体系的网络化抽象,细致描述不同实体间关系,涵盖作战体系的各种影响因素,全面体现作战体系动态、整体、演化的特性,实现对作战体系的综合评估。相关研究主要有两种思路:一是直接选择与作战体系网络特征相似的复杂网络进行类比和评估,如文献[17]针对作战体系网络结构特征,从复杂网络相依性角度构建作战体系相依网络模型,定量分析作战网络受到攻击时级联失效过程;文献[18]根据网络空间作战网状结构和整体性效果,提出基于复杂网络理论的网络化指标体系框架和具体构建流程,并通过实例仿真验证框架合理性和优越性。二是根据评估对象自定义相关指标和模型,再通过复杂网络理论提供支持计算和评估,如文献[19]基于网络理论构建了由感知网络、指控网络和执行网络组成的体系能力综合模型,验证了信息能力对作战体系的倍增效应;文献[20]基于复杂网络理论,以作战环为基础构建作战体系评估指标和模型,实现对网络结构的评估和优化。基于复杂网络的评估方法的优点是刻画并构建了作战体系的复杂特征,同时关注了内部实体之间的关联关系。其缺点,一是评估结论不够直观,评估过程不体现作战过程,指挥员对评估结果可能存在质疑;二是对数据全面性要求高,但实际中难以实现。

兵棋推演是依据战争历史经验和数据,建立战场和作战力量模型,在一定规则内根据概率进行推演模拟,进而研究作战的一种方法。相比传统模拟活动,兵棋推演实现了全要素、全流程和成体系的作战对抗推演,记录了作战行动的全部数据,从而为作战体系评估提供了新的方法。这种评估方法的基本原理是:通过兵棋推演获得全维度的作战数据,基于对数据的分析,从不同维度实现对作战体系整体效能、关键能力和动态演化过程的综合分析和评估判断,并重点关注指挥员在体系中的作用发挥。相关研究有:文献[21]运用探索性仿真实验分析方法,在兵棋系统上推演代表性方案,通过分析挖掘结果数据得出评估结论,强调了指挥员、体系整体和后装保障的影响。文献[22]根据从“定性到定量再到定性”的思路,按照“整体、动态、对抗”的方法,运用兵棋推演和体系仿真实验,将作战体系置于真实联合作战背景下,通过对抗用动态测量的方法评估整体实力。文献[23]提出利用兵棋仿真手段,最大限度模拟联合作战体系效能生成过程,为面向任务的战区联合作战体系效能评估提供帮助。文献[24]提出基于兵棋推演实验的综合评估指标度量方法,利用评估态势图和任务探针进行模拟推演,进而统计分析评估指标度量结果。 基于兵棋推演的评估方法的优点,一是模拟的实体多、颗粒度细、逻辑严密;二是能够综合反映作战体系对抗能力和单元间相互关系;三是体现了指挥员主观能动性。缺点是评估的规模大、周期长、条件多,开展难度大、实施要求高。

现代战争中,反映作战体系的军事数据已经呈现出大数据化趋势,远超出人的经验认知和一般数据处理方法的能力范围^[25]。深度学习源于人工神经网络,实质是模拟人脑的分析学习过程,通过组合学习底层信息,抽象形成高层特征的表述,具有强大的数据处理和逐层提取信息的能力,能够为军事大数据问题提供解决方案和技术支持,可以用于对作战体系进行分析评估。这种评估方法的基本原理是:以作战任务为牵引进行有监督学习和评估,从大量数据中根据相关性直接提炼总结战争规律,摆脱对于相关领域的知识依赖,避免对复杂作战机理的研究分析。相关研究有:文献[26]将深度学习与传统层次分析法相结合,发挥深度学习特征提取、非线性函数映射等优势,克服主观和不确定因素,提升了体系作战效能评估水平。文献[27]针对传统仿真流程多、时间长的问题,提出基于深度学习回归的体系作战评估方法,引入进化策略优化输出,提高了迭代性能。文献[28]分析了BP神经网络存在的问题,提出基于遗传算法的网络连接权进化算法,具有较强的解决复杂非线性问题的能力。基于深度学习的评估方法的优点,一是理论和方法在其他领域发展成熟,容易借鉴和应用到军事领域;二是无须为指标人工赋权,降低了主观影响;三是可以高效、准确处理海量军事数据。其缺点,一是可解释性有待提高,不能反映内在机理;二是对数据依赖性比较大,但目前数据真实性和一致性难以保证。