面向不确定多任务场景的海上联合作战装备体系贡献率评估方法

针对海上联合作战装备型种多样、体系构成复杂、能力生成涉及因素多等特点, 提出了一种面向不确定任务场景的装备体系贡献率评估方法。首先, 分析了海上联合作战装备体系结构、不确定型多任务场景组成和装备体系效能评估指标构成; 然后, 基于直觉模糊综合评估提出了面向不确定多任务场景的装备体系贡献率评估方法; 最后, 通过一个实例对体系贡献率评估方法的计算过程进行分析, 说明了本文所提方法针对海上联合作战装备体系贡献率评估的有效性。     

面向作战的雷达全功能操作训练效果评估模型

针对雷达装备全功能操作训练效果评估相关指标体系作战指向不强、评估指标量化困难、评估方法适用性不强等问题, 提出一种面向作战的雷达装备全功能操作训练效果评估方法。首先, 从作战与操作的映射关系、全功能操作程序等角度进行分析, 构建了面向作战的评估指标体系, 并对评估指标进行了量化分析。接着, 采取群组专家区间数打分的思路对传统层次分析法(analytic hierarchy process, AHP)进行了改进, 建立了基于群组区间AHP (group interval AHP, GIAHP)的全功能操作训练效果评估模型, 给出了具体的评估步骤。最后, 通过算例应用对提出的评估方法进行了验证, 确定了各评估指标的权重, 得出了算例的评估结果。结果表明, 提出的评估方法能够有效解决雷达装备全功能操作训练效果的评估问题, 对于提升操作人员战斗力具有较强的参考性。     

基于区间直觉模糊数的得分函数与精确函数及其应用

在模糊决策理论中,区间直觉模糊数的排序是一个非常重要的理论问题.运用得分函数和精确函数对区间直觉模糊数进行有效排序的关键是得分函数和精确函数的科学构建.本文基于得分函数和精确函数的内涵,运用概率论全概率公式思想提出了新的得分函数和精确函数,并证明了其公理化的性质.通过大量的实际数据测算与比较分析,验证了本文提出的得分函数和精确函数的科学性,从而在对区间直觉模糊数排序时更有效、更准确.     

基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.     

面向多任务的武器装备体系贡献度评估方法

在国防预算有限的前提下,武器装备体系贡献率评估应该考虑成本因素的影响。基于作战环理论提出了考虑成本因素的面向多任务的体系贡献率评估方法。首先,构建了武器装备的能力指标体系,给出了考虑成本的武器装备贡献率评估框架;其次,基于作战环建立武器装备体系作战能力评估模型,结合成本因素,引入区间数的概念,提出了面向多任务的体系贡献率评估方法;然后,利用区间数比较的方法,根据装备面向多任务的贡献率,对装备进行优先发展排序;最后,以海上作战装备体系为示例,应用本文提出的评估方法,为武器装备的优先发展规划提供决策支持。     

基于模糊贝叶斯-ANP舰载机出动回收综合评估

航空母舰作为一个典型的复杂系统, 舰载机的出动回收效率是衡量整个系统作战能力的重要指标。描述出动回收效率的指标众多, 且指标之间关系复杂。为确定指标之间的相互关系, 避免在评判过程中主观性判断产生的缺陷, 提出了基于三角模糊数的扩展贝叶斯融合法评估舰载机的出动回收效率。针对网络层次分析法(analytic network process, ANP)分析过程中的主观性判断, 采用基于三角模糊数的尺度标准, 并结合历史实验数据和专家评判进行综合分析。仿真算例中, 通过多组对比实验分析, 验证了所提方法中采用模糊数以及融合专家经验和历史实验数据的合理性与有效性。     

广义区间值直觉模糊数及其在工位评估中的应用

直觉模糊数及其在模糊多属性决策问题中的应用吸引了众多学者的注意, 而将直觉模糊数进一步拓展为 广义直觉模糊数也有一些文章涉及. 然而, 基于区间值直觉模糊数的延伸却较少有文献研究, 本文结合广义 直觉模糊数与区间值模糊数的定义、性质, 提出了广义区间值直觉模糊数的概念. 为服务于模糊多属性决策问题, 进一步引入了基于广义区间值直觉模糊数的加、减和数乘运算规则, 并证明了其在定义域上具有封闭性. 由此给 出针对广义区间值直觉模糊数的三条排序准则. 最后将广义区间值直觉模糊数的概念应用于生产线人工工位的 绩效评估案例中, 从而验证了本文提出方法的有效性和实用性.     

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。     

基于群组DEMATEL与灰关联投影的供应商质量绩效评价

针对装备采购供应链的供应商准入评价中较少同时考虑主观判断模糊偏好及评价指标内在关联的问题, 提出一种基于决策实验室分析法(decision making trial and evaluation laboratory, DEMATEL)与灰关联投影的混合多属性群决策模型, 用以评价装备采购供应商质量绩效。该模型考虑了定量与定性融合的属性形式, 将定性评价转化为直觉模糊数形式。首先, 通过考虑专家偏好关联的λ模糊测度广义Shapley Choquet积分算子来集结主观群决策模糊信息。然后, 拓展群组DEMATEL来确定模糊环境下的指标相关权重。最后, 基于改进灰关联投影法集结主客观评价信息, 得到供应商的优劣排序。通过实例对比及敏感性分析进一步表明模型的实用性较强、可操作性好, 能有效解决混合多属性群决策问题。     

基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

基于ANP的武器装备体系能力有限层次评估方法

针对武器装备体系作战能力的综合评估问题,基于网络分析的思想提出了一种“有限层次”评估方法。考虑能力之间的相关性,建立了多级式网络化能力指标体系,基于能力需求设置了“等效处理”模块,实现了武器装备体系的装备性能向能力映射,建立了作战能力评估的“有限层次”模型,再利用网络分析法确定各指标权重。然后设计了综合能力图谱来直观、全面反映系统的作战能力。最后以某型装甲装备体系为例进行分析,验证所提算法的有效性。     

基于STPA-ANP模型的民机系统安全性分析

随着民机系统复杂程度不断提高, 传统的安全性分析方法已不能完全满足危险源高效识别的要求, 为有效分析和评估民机系统安全性, 提出系统理论过程分析(system-theory process analysis, STPA)和网络分析法(analytic network process, ANP)相结合的安全性分析方法。针对STPA没有给出完整的关键致因分析与评估过程, 将STPA与ANP关键结构对应结合, 对危险控制动作进行致因分析和评估, 得到危险控制动作关键致因。以某型民机数字式飞控系统为例展开分析, 通过形式化建模验证及仿真验证, 证明该模型方法可以准确和完整地识别分析系统潜在危险并确定危险关键致因, 为民机系统安全性分析提供支持。     

面向任务与基于ANP的网络信息体系能力需求满足度分析方法

针对目前在网络信息体系能力评估领域凸显的评估针对性较弱、能力关联性缺失等典型问题,以使命任务为牵引,基于复杂网络分析思想提出了一种网络信息体系能力需求满足度分析方法.该方法通过使命任务分解,将其关联映射到具体能力上,获取特定使命任务下的网络信息体系能力需求;以现有系统技战术性能指标为依据,借助能力满足度理论实现能力值量化,同时利用ANP进行能力相关性建模,获取网络化能力指标权重;进而通过多维能力融合及综合能力图谱,分析并展现体系现有能力水平之于特定使命任务的满足程度.最后以海军某使命下的体系能力需求为典型案例,检验该方法的可用性和有效性.     

基于QFD和组合赋权TOPSIS的体系贡献率能效评估

武器装备体系贡献率是指单件装备在武器装备体系或作战体系构成中,按照体系的总目标和运行规律,对体系的整体性能(如体系作战能力或作战效能)贡献的大小。首先建立能力效能综合的贡献率评估框架,在此框架下提出层次化的体系贡献率评估思路。然后借助面向关系的质量功能展开量化矩阵方法,将仿真实验中能力/效能度量指标数据映射到需求度量矩阵,再以度量集对需求集的敏感度和拟合优度作为依据,构建度量指标的组合权重。最后,利用逼近理想解排序法对体系方案贡献度进行排序,并以无人集群执行火力打击任务作为算例,验证了该方法的可行性。     

多类型体系贡献率评估的综合问题研究

在体系化作战背景下, 体系贡献率成为评估装备价值的准则。随着实践和研究的深入, 决策中存在多类型体系贡献率综合问题。本文对多类型体系贡献率的产生机理进行详细论述, 并进一步通过数理分析, 在多样化目标特性与目标层次化特性两种情形下, 剖析多类型贡献率综合存在的计算问题。本文给出了3种多类型贡献率综合计算模型, 包括过程终点求解、基于多目标优化的求解、基于贴合度的求解, 并对三者进行案例说明与比较分析。研究表明,多类型体系贡献率不宜通过线性加权直接综合,而应在不同场景下采取适当的分析模型。     

Evaluation of the Design Alternatives of Emergency Bridge by Applying Analytic Network Process (ANP)

The article introduces the basic process that uses analytic network process (ANP) to design alternative evaluation of emergency bridge. ANP is a better evaluation method for bridge designs and is now widely used in decision making with dependence and feedback. ANP considers all factors, estimates the relative influence from the factors, values factors with ratio scales from 1 to 9, makes pairwise comparisons on factors, and synthesizes to obtain overall results. An ANP case is conveniently computed by super decisions ANP software. The computed results show that the ANP is suitable for evaluating the design alternatives for emergency bridges.     

灰色群组聚类和改进CRITIC赋权的供应商选择VIKOR多属性决策

针对武器装备供应商选择问题, 提出了一种基于灰色群组(grey group clustering, GGC)和改进标准间冲突性相关性(improved criteria importance through intercriteria correlation, ICRITIC)组合赋权的扩展多属性妥协解(VIKOR)决策方法。采用考虑决策专家意见差异程度的群层次分析法对供应商初选指标体系进行降维遴选, 构建武器装备供应商优选指标体系; 结合GGC和ICRITIC组合赋权方法确定主客观权重, 并设计权偏好系数进行加法组合赋权; 基于VIKOR决策方法集结备选供应商折衷排序值。针对不同折衷系数、排序方法和赋权方法从决策灵活性和稳定性两个维度进行对比分析, 验证所提方法的有效性。     

网络信息体系双层异质相依网络模型鲁棒性

网络信息体系(networked information system of system, NISoS)是构建新体制下联合作战武器装备体系的基础支撑。针对NISoS结构模型单一和鲁棒性评估指标粗糙等问题, 首先基于复杂相依网络理论分析了体系结构特征和级联衰退过程, 构建了体系双层异质相依网络模型(two-layer heterogeneous interdependent network model, THINM); 其次借鉴现代循环作战理论提出基于信息驱动链网融合(C-SDI link number and network scale, C-SDILNNS)指标的网络信息体系鲁棒性评估方法; 最后对比分析了不同失效策略和评估指标下的网络信息体系鲁棒性能。仿真结果表明, THINM能够较好反映网络信息体系结构特征, 通过C-SDILNNS指标可以精细刻画多种攻击方式和攻击强度下的体系鲁棒性。     

考虑随机共因失效的战时装备群任务成功概率仿真评估

装备群任务成功概率评估是联合作战条件下复杂装备体系任务成功概率评估的基础。针对战时装备群任务成功概率评估问题,考虑任务时间的随机性和任务过程中敌方火力打击这一典型随机共因失效事件,采用“直接法”和“间接法”两种方法对装备群任务成功概率进行仿真评估,通过算例对两种评估方法进行了分析比较。研究结果表明,采用“直接法”得到的评估结果更加准确,但是仿真效率较低;在允许误差范围内,当随机共因失效事件参数和任务时间参数在一定范围内取值时,采用“间接法”评估装备群任务成功概率更佳。