基于灰色层次分析法的有人/无人协同作战效能评估*

马九方,杨 森,黄欣鑫

(陆军工程大学(石家庄校区) 无人机工程系,石家庄 050003)

0 引 言

有人/无人协同作战是战争模式转型的聚焦点和新常态,能否对其进行合理准确的效能评估对提升协同作战效能至关重要。无论是在执行具体的协同作战任务前还是任务结束后,都需要对有人/无人协同执行任务的好坏程度进行分析与评价,为指战员指挥军事行动提供参考,同时也能对未来有人平台与无人平台的设计与研制提供参考。目前,随着有人/无人协同作战逐渐成为主要的作战模式,关于有人/无人协同作战效能评估的研究成为热点。在过去的十几年中,协同作战效能评估的大部分研究均集中在无人协同作战或有人协同作战的效能评估体系设计和效能评估方法两个方向,而分析有人/无人协同作战效能,可为提升有人/无人协同作战能力提供支撑。

本文主要围绕有人/无人协同作战效能评估进行研究,通过设计出一套较为全面合理的有人/无人作战效能评估体系,并基于灰色层次分析法对该体系进行分析,结合神经网络对专家打分数据进行整理,以论证体系和评估方法的可行性,进而形成一种可靠的有人/无人协同作战效能评估方法,并通过算例进行了验证。

1 指标体系建立原则

对有人/无人协同作战效能的评估体系构建合理与否直接影响系统效能评估结果的准确性和完整性,进而影响作战能力的形成。有人/无人协同作战效能的衡量需要考虑很多参数,如衡量协同作战持续控守能力的链路抗干扰性、载荷最远探测距离、目标跟踪锁定能力、飞控操作手能力、指挥员临场决断能力等。面对不能直接测量或统计的参数,如飞控手操作能力、指挥员临场决断能力等,只能采用评估的方式。为了能够科学地对不同任务条件下的有人/无人协同作战进行效能评估,需要构建一套完整的有人/无人协同作战效能评估指标体系。该体系必须能反映协同作战特点,并具有独立性、完整性、层次性、科学性。在构建有人/无人协同作战效能指标体系之前,首先应分析有人/无人协同作战的特殊性及其特点,以及影响系统总体作战效能的相关因素。一般地,总体效能的指标选取应从军事需求出发,紧贴作战使命,符合系统分析的原理,逐渐细化和分解出相应的各项具体评估评估指标,并满足所预定的设想要求。

2 指标体系构建

有人/无人协同作战,是指在信息化战场环境下,无人作战力量与有人作战力量融合交互、相互协同进行各类攻防行动和支援保障行动的高效作战方式。其核心是人的主导作用,依靠人掌控全局态势,调控作战进度;关键是实现人机优势耦合,达成有人与无人之间的相互赋能、协同增能;方法是将体系能力解构到有人/无人作战力量之上,借助无人对有人的保护,大幅提高体系抗毁能力和鲁棒性;目的是确保有人作战力量与无人作战力量之间的抵补增效,从而充分发挥各自优势,提高整体作战效能。通过对不同军兵种作战特点的分析,探索遂行作战任务时有人/无人作战力量协同侦察、协同打击、协同突击、协同电抗、协同防空、协同保障的组织方式,为有人/无人作战力量协同作战运用提供支撑。基于有人/无人协同作战的作战任务和能力需求,构建了有人/无人协同作战效能评估指标体系,如图1所示。

图1 有人/无人协同作战指标体系

有人/无人协同侦察,需要利用无人作战力量续航时间长、可探测性低等优势,在确保自身生存的前提下隐蔽进入作战区域和目标附近对整个战场进行持续的侦察,而后对海量数据进行快速处理,实现通用态势感知。有人/无人协同打击,需要首先使用无人平台充当诱饵,削弱或破坏敌方防御手段,而后综合运用多种技术手段对目标进行持续监视,获取敌方关键目标的精确定位,准确毁伤目标。有人/无人协同突击,需要行动迅速突然,令敌猝不及防,这就需要有人/无人作战单元具有快速响应能力,同时要能快速获取周边战场环境信息,依据赋予的权限以及相关制约条件,自主决策,尽可能地发挥智能自主能力,减小操作员的负荷。有人/无人协同电抗,需要在强电磁干扰的环境中,对海量网电作战目标数据自动分析和深度处理,并对收集到的频率进行筛选,占据局部电磁优势。有人/无人协同防空,需要综合运用多种预警探测手段,实现组网探测、情报融合、秒级预警,并快速判定目标属性威胁等级,对其进行跟踪、瞄准、定位。有人/无人协同保障,需要强调对人、装备、信息和流程等各种资源的合理配置和快速调度,利用协同保障优势,使得保障过程贯穿整个作战行动,并在某一保障单元出现损伤后能够通过其他保障单元或友邻力量的支援实现快速维修,确保满足作战要求。

根据以上分析,本文所构建的有人/无人协同效能评估指标体系能够较为合理地描述有人/无人协同作战能力需求,具有较好的独立性、完整性、层次性、科学性。

3 基于灰色层次分析法的评估方法

指标体系确定后,需构建评估模型对作战效能进行评估。能否构建一个合理、全面的模型将直接影响评估结果。灰色层次分析法是层次分析法和灰色系统理论相互作用的产物,兼具层次分析法和灰色理论的优点[1]。灰色层次分析法通过将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合,形成一个多层次的分析结构模型。同时引入灰色理论中灰数和白化权函数进行综合评价,从而得到最终评估结果。相较于传统的层次分析法存在对专家的依赖性过深、主观性过强等问题,灰色层次分析法可以在结合专家经验的同时进行定性分析后再进行定量分,能够做出较为准确的评估,评估效果良好。构建基于灰色层次分析法的有人/无人协同作战效能评估方法,利用层次分析法确定各指标的权重,并用灰色理论做出判断与评价。其中,总效能A表示有人/无人协同作战效能,是一级评价指标Bi(i=1,2,…,6) 所组成的集合;Bi是二级评价指标Ci(i=1,2,…,20)组成的集合。下面介绍有人/无人协同作战效能评估体系具体实施步骤。

3.1 确定权重系数

首先利用层次分析法来确定各评价指标权重。通过构造判断矩阵和计算特征向量值计算出各指标的权重,并对判断矩阵的一致性进行检验,最终计算出底层指标对总效能的组合权重。

3.2 建立评估矩阵

(1)

3.3 确定评估灰类

确定评价灰类的灰类、等级数的灰数以及灰数的白化权函数通常有3种,如图2所示。

图2 灰数及白化权函数

第1种如图2(a)所示,公式为

(2)

第2种如图2(b)所示,公式为

(3)

第3种如图2(c)所示,公式为

(4)

3.4 计算评估系数

(5)

(6)

3.5 计算评估权向量和权矩阵

(7)

K=1,2,…,k,则灰色评估权行向量

(8)

J=1,2,…,j,则灰色评估权列向量

(9)

(10)

3.6 评估不同指标

通过R(A)求出

(11)

计算出评估指标的权向量

(12)

3.7 综合评估

综合所有指标,对方案进行排序。计算

(13)

式中:Bk表示不同灰类的权系数;RJK表示方案被评为不同灰类的总评估权。

3.8 RBF神经网络

径向基函数(Radial Basis Function,RBF)神经网络在函数逼近方面有其特有优点。RBF是一类局部分布的对中心点径向对称衰减的非负非线性函数,将RBF应用于构造神经网络的激励函数从而构成了RBF神经网络。

图3给出了一个单输出的RBF神经网络结构,其输入-输出映射关系可以表示为

图3 RBF神经网络结构示意

(14)

式中:x为输入向量;φ(·)为径向基函数;ci为第i个隐层节点径向基函数的中心;σi为该径向基函数的宽度;wi为该节点与输出节点的连接权值;Nh为隐层节点的数量;w0为偏置值。

4 算例分析

在某想定的作战背景下,选择I型有人机和II型无人机协同编队到指定地域执行任务。分别选取方案1(2架有人机协同(2I))、方案2(2架无人机协同(2II))、方案3(1架有人机协同1架无人机(1I、1II))共计3个任务方案。

4.1 计算指标权重

由50位专家依据自身经验并结合任务特点对层次指标进行评估打分,对完成任务影响较大的评估指标打高分,较低的打低分,而后求出相对应的判断矩阵A,B1,B2,B3,B4,B5,B6:

(15)

(16)

(17)

(18)

(19)

(20)

(21)

通过层次分析法计算出各指标权重,结合RBF神经网络对评价结果进行拟合,其中40组样本作为测试集,10组样本作为测试集。训练好的网络对样本的拟合效果良好,最终结果如表1所示。

表1 各指标权重

4.2 计算综合效能

通过计算,3个任务方案的总体作战效能结果如图4所示。

图4 总体作战效能

4.3 协同作战效能分析

通过计算可知,考虑不同任务目的时,可根据各项指标效能不同进行选择:以情报侦察为目的可以选择方案2,因为其协同侦察效能为0.072,大于方案1对应的协同侦察效能0.059和方案3对应的协同侦察效能0.071;以协同打击为目的可以选择方案3,因为其协同打击效能为0.157,大于方案1对应的协同打击效能0.146和方案2对应的协同打击效能0.156。若考虑总效能,则方案3的总效能为0.43高于方案1对应的0.40和方案2对应的0.42,因此方案3为最优出击方案。

5 结束语

本文利用灰色层次分析法建立了评估模型,结合RBF神经网络进行数据整理,对不同编队方式的有人/无人协同作战效能进行了评估。算例分析结果表明,基于灰色层次分析法的评估模型合理有效,对有人/无人协同作战效能评估具有一定的参考价值。基于灰色层次分析法的有人/无人协同作战效能评估方法,是对有人/无人协同作战效能评估方法的有益补充和完善,可以为提升部队有人/无人协同作战能力提供支撑。

需要指出的是,该算法也有一定的局限性:首先是考虑因素的权值是主观的,对专家经验的依赖性较大;其次是需要计算矩阵,当考虑因素较多、方案选择较多时计算量偏大;再次是该算法的评估精度不高。在未来的研究中需要紧密结合战争模式变化,选择具有较强推理能力,可对不确定性信息进行推理,减少专家打分的主观性的评估模型。