AHP-云模型基础上的雷达对抗装备模拟训练效果研究1、引言随着模拟仿真和计算机技术的蓬勃发展及其在军事领域的广泛利用,运用模拟的方法改变训练的过程和方式,可有效解决实际训练中组织开展难、训练环境缺乏和训练代价较大等难题,能够极大地提高部队实战化军事训练质量和效益雷达对抗装备模拟训练内容庞杂,影响因素众多且不易度量,评估结果准确与否将影响到部队的训练水平提高和人员训练热情在评估过程中,既要基于大量的定量数据基础,又要以具有不确定性的自然语言评价的形式进行体现,目前常用的层次分析法(AHP)、德尔菲法(Delphi)、灰色评估等评估方法在处理此类评估指标的不确定性和模糊性上还有所局限,而云模型在解决定性与定量指标综合评价问题具有独特的优势因此,本文综合运用AHP和云模型,实现了定性评价与定量计算的结合首先,运用层次分析法确定了模拟训练效果评估的指标体系及各指标的权重;其次,运用云模型处理了评估过程中的定性与定量结合的问题,处理了评估过程中的随机性和模糊性,对雷达对抗装备模拟训练效果进行了综合评估2、指标体系构建指标体系能够客观反映雷达对抗装备模拟训练的整体效果,在进行评估时,构建的评估指标体系的科学性和合理性,将对评估结果是否准确产生很大影响。
2.1指标建立的原则1)客观性建立的评估指标体系应当尽可能去除主观因素,尽量使其客观,能够较为准确地反映出雷达对抗装备模拟训练效果2)完备性建立指标时要着眼全局、统筹考虑,建立的各个指标能够比较全面地涵盖雷达对抗装备模拟训练效果评估的全部内容3)独立性各个指标之间相互保持独立,内容上不应有重叠部分,或者有隶属关系4)可测性选择的指标应当是容易测量和容易界定、准确确定的关键性指标,尽量是可以测定的定量指标[1]2.2建立指标体系依据指标建立的原则,对雷达对抗装备模拟训练效果评估中各影响因素进行综合分析,建立了如图1所示的指标体系指标体系自上而下分为目标层、准则层和指标层模拟训练效果E代表了雷达对抗装备模拟训练效果的总体目标,依据在评估中要考虑的因素、决策的准则,准则层分为侦察能力E1、干扰能力E2和指挥能力E31)侦察能力主要评估受训对象进行雷达对抗侦察,获取情报信息的能力,包括搜索发现目标、特征识别分析和信息综合分析2)干扰能力主要评估受训对象使用雷达对抗装备实施精确干扰的能力包括目标选择判定、装备参数设置、工作样式选择和干扰时机决策3)指挥能力主要评估指挥人员进行指挥和协同作战的能力。
包括分析判断决策、组织战斗指挥和组织相关保障图1雷达对抗装备模拟训练评估指标体系依据雷达对抗模拟训练的内容和考核要求,根据不同准则所涉及的不同内容,指标层包含E11～E33共10个指标,各个指标相互独立,客观可测,表1给出了各指标的具体释义3、云模型云模型是由李德毅院士于1995年提出,能够较好地处理定性概念与定量描述的不确定转换问题自提出至今,已成功地应用到自然语言处理、训练评估、决策分析、智能控制等领域[2]3.1云模型理论设U是一个用精确数值量表示的论域,与U相对应的定性概念为A,那么对于任意一个论域中的元素x,都有一个具有比较稳定倾向的随机数y∈[0,1],y也叫做x对A的隶属度,将隶属度在论域上的分布称为隶属云,简称为云云的数字特征反映了定性知识的定量特性,用期望值Ex、熵En、超熵He这3个指标来表征期望值Ex:概念在论域中的中心值,也是最能代表定性概念的点,是100%隶属于概念熵En:是定性概念随机性和模糊度的度量,反应了代表这个定性概念的云滴的离散程度和在论域中可被这个概念所接受的云滴的数值范围,熵越大,概念所接受的数值范围也就越大,概念越模糊超熵He:是熵的不确定性的度量,即En的熵,反映了云滴的离散程度。
超熵越大,云滴越离散,隶属度的随机性越大,云的“厚度”也就越大[3]3.2云模型算法云模型的相关算法建立了定性与定量之间的相互联系,主要有正向发生器和逆向发生器、指标近似法等1)正向云发生器正向云发生器可将定性概念转换为定量数值,是由云的数字特征(Ex、En、He)产生云滴drop(xi,μi)的过程,具体步骤为:①生成以En为期望,He为方差的一个正态随机数:En1=randn(En,He)(1)②生成以Ex为期望,En1为方差的一个正态随机数:xi=randn(Ex,En1)(2)③计算隶属度:μi=exp[-(xi-Ex)2/2E2n1n12](3)由上述步骤,可以获得一个隶属度为μi的云滴drop(xi,μi),重复上述过程①～③,直至产生n个云滴为止[4]2)逆向云发生器逆向云发生器可实现定量数值到定性概念的转换,以模拟训练中实际测得的统计数据为基础,转换为以云的数字特征(Ex、En、He)表示的定性概念,计算公式为:其中:m为统计数据的个数,X=1n∑i=1mxiX=1n∑i=1mxi;S2=1n−1∑i=1m(xi−X)2S2=1n-1∑i=1m(xi-X)23)指标近似法指标近似法适用于对于有具体的约束条件(Pmax、Pmin)的情况,用主要作用区域为双边约束区域的云来近似这个定量变量,对定量变量进行近似云化,计算公式为:其中:k为常数,可根据具体评价对象进行调整[5,6]。
3.3云的合并[5]5]雷达对抗装备每一项指标评估都可看为一个基云,云模型为Yi=SC(Exi,Eni,Hei),对每个基云的数字特征进行合并计算,将得到的结果作为新的数字特征进行构造成一个新的云,即雷达对抗装备模拟训练效果的云,云模型为Y=SC(Ex,En,He),合并算法为:其中:ωi为评估指标的权重系数4、实例验证分析4.1确定各指标权重为了增加评估指标权重的客观性和准确性,邀请相关领域的专家对指标进行评价打分,并进行数据处理得到4个两两比较的比较矩阵A1、A21、A22和A23A1=⎡⎣⎢131/31/311/6361⎤⎦⎥ A21=⎡⎣⎢11/51/351331/31⎤⎦⎥A1=[11/333161/31/61] A21=[1531/511/31/331]A22=⎡⎣⎢⎢⎢⎢131/51/71/311/41/65411/27621⎤⎦⎥⎥⎥⎥ A23=⎡⎣⎢11/61/461341/31⎤⎦⎥A22=[11/35731461/51/4121/71/61/21] A23=[1641/611/31/431]这里运用AHP层次分析法确定各指标的权重,具体步骤为:①计算特征向量:求得判A对应的最大特征值λmax的和特征向量即权值ω=(ω1,ω2,ω3,…,ωn)。
②矩阵一致性检验:根据上述求得的λmax计算Ic,对照n的取值对应查找IR的值,求得一致性比例RC,计算公式为:Ic=λmax−nn−1Ιc=λmax-nn-1(7)RC=IcIRRC=ΙcΙR(8)当求得的RC<0.1时,认为判断矩阵的一致性是可接受的,否则不符合一致性要求,需对判断矩阵进行修改③总排序一致性检验:检验最终的分析结果的一致性,总排序的一致性比例为:RC总=IC总IR总=∑j=1mIC(j)ωj∑j=1mIR(j)ωjRC总=ΙC总ΙR总=∑j=1mΙC(j)ωj∑j=1mΙR(j)ωj(9)当RC总<0.1时,认为总的层次排序结果一致性较好,可以接受分析结果[7]由上述步骤计算结果如表2所示表2一致性检验结果导出到EXCEL矩阵λmax 归一化后的特征向量(即模糊隶属度) ICIRRcA1 3.0182 ω1=(0.2499,0.6548,0.0953) 0.0091 0.580.0157A21 3.0385 ω21=(0.6370,0.1047,0.2583)0.0193 0.580.0333A22 4.2600 ω22=(0.3269,0.5152,0.0994,0.0584) 0.0867 0.910.0953A23 3.0535 ω23=(0.6909,0.0914,0.2177)0.0268 0.580.0462RC总=IC总IR总=[0.0193,0.0867,0.0268]⋅[0.2499,0.6548,0.0953]T[0.58,0.91,0.58]⋅[0.2499,0.6548,0.0953]T=0.06410.7961=0.0805<0.1RC总=ΙC总ΙR总=[0.0193,0.0867,0.0268]⋅[0.2499,0.6548,0.0953]Τ[0.58,0.91,0.58]⋅[0.2499,0.6548,0.0953]Τ=0.06410.7961=0.0805<0.1由计算结果可知各单次排序和总排序的一致性比例均小于0.1,结果可接受,各指标的权重可以确定。
4.2建立各指标评价等级云模型参照军事训练的有关考核评定要求,雷达对抗装备模拟训练效果评估的每个指标的评语和对应分值分别为:不及格[0,60)、及格[60,70)、良好[70,90)、优秀[90,100],参照文献[5]对于只有单边约束条件的云的处理方法,可先确定“优秀”、“不及格”的期望值,分别为100和0,其余参数参照式(5)计算得到,建立各指标评价等级的云模型4.3统计数据处理实验中,参照考核标准,抽取了某受训对象10次的训练成绩统计数据,见表3统计数据利用式(4)进行处理,用逆向云发生器进行转换得到各评估指标云的数字特征(Ex、En、He),由于篇幅受限,具体的计算过程省略,计算得到的每个指标的数字特征可通过正向云发生器构造出各个分指标的云模型,表征各个分指标的训练效果结合上述计算得到的各指标的权值,计算得到指标层的各指标相对于目标层的权重ω=(0.1592,0.0263,0.0645,0.2141,0.3374,0.0651,0.0382,0.0658,0.0087,0.0207),利用式(6)将各指标的云特征数据进行合并得到雷达对抗装备模拟训练效果的云参数:⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪Ex=∑i=1mExiωi∑i=1mωi=73.8026En=1m(∑i=1mE2ni)1/2=3.7824He=∑i=1mHeiEniωi∑i=1mEniωi=2.9622{Ex=∑i=1mExiωi∑i=1mωi=73.8026En=1m(∑i=1mEni2)1/2=3.7824Ηe=∑i=1mΗeiEniωi∑i=1mEniωi=2.96224.4评估结果分析根据得到的特征数据,利用正向云发生器,依托MATLAB仿真软件进行仿真,得到该受训对象10次模拟训练的综合效果评估云图。
最后,将评估结果与各评估指标等级评价云模型进行匹配,匹配云图如图2所示图2评估结果匹配云图由图2可见,评估结果的绝大部分云滴落在了“良好”的范围内,且云参数对比结果显示,评估结果的云参数与“良好”等级云参数更为接近,由此可得结论:该受训对象模拟训练综合评估效果为:良好5、结束语雷达对抗装备模拟训练效果评估的方法众多,各有优缺本文综合运用AHP-云模型,构建了评估指标体系,用云模型对统计数据进行处理和综合评估,最后,用MATLAB进行模拟仿真,得到了评估结果云图评估结果准确直观,较好地表征了评估过程中的随机性和模糊性,能够很好地反映出受训对象的训练效果,对雷达对抗及其他训练评估具有较强的参考价值参考文献：[1]薛昭,杜晓明,裴国旭.军事训练评估研究综述[J].飞航导弹,2017(2):55-59.[2]叶琼,李绍稳,张友华,等.云模型及应用综述[J].计算机工程与设计,2011,12(32):4198-。