基于证据网络的装备体系贡献率评估方法研究

游雅倩, 姜 江, 孙建彬, 赵丹玲, 杨克巍

(国防科技大学系统工程学院, 湖南 长沙 410073)

摘 要: 体系贡献率评估是装备体系发展规划中一项重要内容。针对装备体系贡献率评估中存在的体系结构复杂、评估信息不确定性强等特点,提出了基于证据网络的装备体系贡献率评估方法。该方法依据专家经验构建网络模型与置信规则库,在此基础上通过证据推理算法对不同装备体系的作战效能进行分析,进而实现装备体系贡献率的评估。最后,以外军典型联合登岛作战装备体系为例验证了所提出方法的可行性。该方法能够为装备体系需求论证、体系发展规划等国防军事领域重大决策提供支撑。

关键词: 装备体系; 作战效能; 贡献率评估; 证据网络

0 引 言

随着体系作战的发展,决定装备体系遂行作战任务能力高低的关键因素已不再是单个装备战斗力的高低,而是装备体系作为一个整体完成作战任务的能力。因此,建立一个高效的装备体系对于赢得战争至关重要。如何有效地提升装备体系合力一直是各国军事领域研究的重点、热点和难点。其中,体系贡献率作为衡量装备价值的重要指标,能够为装备体系需求论证、体系发展规划等国防军事领域重大决策提供支撑,对装备体系发展路线设计、重大型号装备体系需求论证都有着直接而深远的影响。

目前,装备体系贡献率的研究尚处于起步阶段。文献[1]采用了灰靶理论和网络层次分析(analytic network process,ANP)方法对技术贡献率进行了横向分析和纵向分析,该方法不需要大样本量和典型的分布律,但是参考系统的选择以及模式顺序的调整均会影响分析结果。文献[2]对灰靶理论计算贡献度的方法进行了改进,但其定性指标的确定对专家要求较高。文献[3]使用作战环模型确定各装备的体系贡献率。文献[4]在完善武器装备体系贡献率基本概念的基础上,总结了武器装备体系贡献率评估的具体流程与方法,该方法简单易懂,但是对数据要求较高。文献[5]对装备体系贡献度的概念进行了研究,从内涵上将体系贡献率分为需求满足度和效能提升度两个方面。文献[6]将结构方程模型(structural equation modeling,SEM)运用到武器装备体系贡献率分析评估中,借助软件平台对仿真数据进行体系贡献率的评估分析。SEM方法较为客观且能够处理不确定性信息,但是所需样本量大且要求变量之间呈线性关系。文献[7]总结了当前体系贡献率研究中常见的4种度量方法,并对其优缺点进行了对比分析。

综上所述,当前的体系贡献率评估大多采用定性定量相结合的方法,在根据专家经验建立定性分析模型的基础上,结合数据进行计算。从模型方面来看,现有方法建立的多为树模型,较难反映体系各要素间复杂的关联关系;从数据方面来看,武器装备分析领域涉及的信息来源广泛、不确定性高、定性定量数据混合,现有方法难以有效地处理多源不确定性数据;从分析过程方面来看,现有方法大多依据现有评估模型直接对数据进行分析。这样的分析过程缺乏对评估结果的追溯性和解释性,难以为决策人员所接受,无法有效指导装备发展规划。因此,亟需一种有效的分析方法能够全面地解决上述装备体系关联关系复杂、装备领域数据来源广泛及不确定性强、分析结果缺乏可追溯性与可解释性等问题。

为解决上述问题,本文提出了基于证据网络的体系贡献率评估方法。证据网络是在证据理论和约束网络的基础上发展起来的。1994年,文献[8]首次提出了证据网络的概念,并采用条件信度函数来表示网络节点之间的关系。文献[9-11]在文献[8]的研究基础上提出了带条件信度函数的指向信度网络模型,用有向无环图和信度函数来表示网络中的知识和条件关系。文献[12-16]将证据理论与贝叶斯网络相结合,用以处理带有不确定性信息的问题。国内证据网络的研究尚处于起步阶段。文献[17]首次对证据网络的定义、结构建模、推理计算及参数学习的相关理论和方法展开了深入研究。文献[18]在文献[17]的基础上研究了证据网络在实际中的应用。文献[19-20]分别采用条件信度函数和联合信度函数进行网络参数建模,文献[21]将Dempster-shafer理论应用于证据网络的信度合成中,该方法可以对复杂多联通结构的网络进行推理,并融合不确定性高冲突信息。文献[22]将团树传播机理应用于网络推理之中,有效地避免了消息往复传播的问题。

作为证据理论与图模型的有机结合,证据网络结合了证据理论处理不确定信息和图模型分析复杂关联关系的优势,能够有效解决体系贡献率评估中的难点问题和当前研究中的不足之处,非常适用于体系贡献率问题的分析。其评价结果以信度结构的形式给出,具有良好的准确性,可追溯性及可解释性强,能够很好地为武器装备体系发展规划提供决策辅助。

1 装备体系贡献率

1.1 装备体系贡献率的概念内涵

目前,装备体系贡献率的概念在学术界尚未取得一致意见,较为常见的有以下几种:文献[5]认为体系贡献度是对评估对象对体系内各系统作战能力及整个体系作战能力的影响作用或涌现效应的度量;文献[6]认为体系贡献度是指被评武器装备纳入到作战体系后,所形成的体系作战能力以及使体系作战能力在原有基础上的变化程度;文献[23]将体系贡献率定义为装备系统对作战/装备体系的贡献程度;文献[24]将体系贡献率分为内部贡献率和外部贡献率,内部贡献率是指被评武器装备对直接任务的影响作用或涌现效应;体系外部贡献度是指被评武器装备对联合作战能力(效能)的影响作用或涌现效应。综合多种定义,本文认为体系贡献率的研究对象包括两个部分:

(1) 贡献者:即体系贡献率的施众,指在体系贡献率评价过程中为评价做出贡献的一方,记为e 。

(2) 受益者:即体系贡献率的受众,指在评价中受益的一方,记为C 。

当前研究中的贡献者主要包括具体的装备(装备系统)和抽象的能力满足度两种,受益者主要包括体系作战能力、体系作战效能、体系作战效率、体系作战代价^[6]等几种。

从表1可以看出，淮河流域干旱分区共分为5个一级区，10个二级区。就5个一级区、10个二级区而言，大区内部具有其相似性，尤其是在农业干旱发生的层面上，而二级区之间又有区域差异性，以下对各区域的特点进行分析，可为各分区干旱治理技术的发展提供科学依据。

本文主要研究具体的装备(装备系统)作为贡献者,体系作战效能作为受益者的装备体系作战效能贡献率的问题。本文将此类体系贡献率定义如下:

定义 1 体系贡献率:在特定的场景下,武器装备体系中某项要素改变后所产生的增益与原有体系作战效能之间的比值。

(1)

式中,C _e0 代表贡献者变化前受益者的取值;C _e1 代表贡献者变化后受益者的取值;con_r 指相对贡献率。

定义 2 要素:装备体系贡献率评估模型中涉及的装备系统及单个装备的统称。

由定义1可知,式(1)中,e 代表要素,C _e0 代表要素改变前体系作战效能,C _e1 代表要素改变后体系作战效能。从式(1)可以看出,体系贡献率评估分析是在求解体系作战效能的基础上进行的。

第一，政治权力必须来自民众的自愿让渡。实行民主政治，政治领导人必须由民众或民意代表在不受干扰的情况下按真实意愿选举产生。无论民众中的“民”的范围有多大，是氏族公社的成年男女，奴隶主和自由民，资产阶级，还是无产阶级和广大劳动人民。总之，政治权力首先必须获得大多数“民”的认可，才会有威望，才有合法地位。当然，对于被统治、被压迫的阶级来说，统治阶级的这种权力永远是非法的。

1.2 装备体系贡献率评估的特点

通过第1.1节的分析可知,装备体系贡献率评估问题具有以下3个显著特点:

(1) 体系规模庞大、要素众多、结构复杂

装备体系的组成受到作战任务、军事政治指导思想以及国内外形势等诸多方面的影响。与遂行作战任务相关的要素(包括系统与装备)之间存在着级别差异,各层级要素对上级要素的支撑关系不仅包含多对一关系(见图1(a)),还包含多对多关系(见图1(b))。因此,体系贡献率评估模型必须能够依据现有知识与实际情况,建立能够反映要素间逻辑关系的网络模型。

(2) 评估中所需数据来源广泛,且存在不确定信息

体系贡献率评估过程中输入的战技指标由具体装备确定,既包括最大射程,打击命中率等定量指标,又包括侦察能力等定性指标。这些指标的输入值大多来源于日常试验或是军事演习。一方面,由于军事演习举行次数有限、导弹等武器试验成本高昂等原因,实际能够获得的样本量较小,难以保证数据的准确性;另一方面不论是日常试验还是军事演习,大多在理想条件下进行,与实际复杂的战场环境差异较大,得到的数据与实战相去甚远。记某项定性的战技指标为Q ^*,从日常试验及军事演习中得到Q ^*的n 个测量值x ₁≤x ₂≤…≤x _n ,将Q ^*的输入值定为[x ₁,x _n ]中任何一个值都不合适。

图1 装备体系结构示意图
Fig.1 Schematic diagram of equipment architecture

(3) 对评估结果的可追溯性与可解释性要求较高

装备体系贡献率的评估结果将直接影响到装备体系发展路线设计、重大型号装备研制规划等国防领域的重大决策。因此,装备体系贡献率的研究要求评估过程透明可见,评估结果具有可追溯性与可解释性,便于顶层决策人员理解与接受评估结果,将其应用于装备体系发展规划之中。现有体系贡献率评估方法所应用的模型往往缺乏评估结果的可追溯性与可解释性,评估过程不可见,大大降低了其评估结果的可信度以及对装备研制规划的指导性。

2 基于证据网络的体系贡献率分析方法

2.1 证据网络模型

证据网络(evidential network, EN)是一种有向无环图(directed acyclic graph, DAG)模型,是证据理论与图模型的有机集合^[17]。节点集合N 表示研究对象,连接节点的有向边A 反映节点之间的相互关系,参数B 为节点之间信度函数的集合,反映节点之间的关联程度或是影响程度。一个基本的证据网络^[17]如图2所示。

图2 基本证据网络模型
Fig.2 Basic evidential network model

从基本证据网络模型中可以看出,证据网络模型是定性和定量的有机结合,网络结构N 和A 表达了定性知识,即事件之间的因果联系,网络参数B 表达了定量知识,即原因到结果的影响程度。

传统BRB的前提属性基于交集规则建模,当前提属性较多时会产生组合爆炸问题。因此,本文采用基于并集假设的方法进行证据网络参数建模^[26]。

本文采用置信规则库(belief rule-based, BRB)作为证据网络参数,BRB是一种支持不确定条件下复杂系统建模、分析和评价的专家系统方法,通过引入“IF-THEN”规则,用以表示和处理不确定知识^[25]。

证据网络建模过程包括:①明确研究问题,针对具体场景明确相关要素,界定建模边界;②确定网络拓扑结构,分析各要素间关联关系,构建网络模型;③确定网络参数,结合专家经验与历史数据确定网络节点之间的影响模式;④证据网络推理,根据研究场景收集数据进行推理,得到关注节点的分析结果。

置信规则库形式化表示为

R =<U ,A ,D ,F >

(2)

式中,U 表示前提属性,每个属性在有限集A 中取值;D 表示结论集;F 是反映前提项与结论项之间因果关系的逻辑函数。规则库中第k条规则可表示为

(3)

式中,是第i 个前提属性的参考值;T _k 是前提属性的数量;表示结论处于第j 个等级的信度。

艺术创作是有衡量标准的。现实主义与写实主义乃至自然主义之间是有差异和分界的。没有衡量标准和评论界限的观点是错误的，会误人子弟，会严重影响艺术的繁荣与发展。现实主义艺术的标准早在1942年毛泽东主席《在延安文艺座谈会上的讲话》中已经明确指出了，他说：自然社会生活和艺术的表现社会生活的艺术作品，人们更喜欢艺术作品，为什么？就是因为艺术表现社会生活的作品比自然社会生活“更高、更集中、更强烈、更典型、更理想，因此就更带普遍性”。毛主席指出的“六个更”就是鲜明地界定现实主义与写实主义、自然主义的区别，就是我们坚持现实主义创作的原则和思想武器。

从对体系贡献率以及证据网络的描述中可知,证据网络模型在进行装备体系贡献率评估方面优势明显。其中,网络结构能够准确地表示作战体系各要素间复杂的逻辑关系;信度结构能够精确地描述数据信息及专家经验的不确定性;推理算法可以有效地融合定性信息与定量信息、确定信息与不确定信息等,并将评估结果以信度结构的形式给出,使得分析结果表述更为准确,可追溯性更强。综上所述,本文采用证据网络的方法对武器装备体系贡献率进行评估,如图3所示。

图3 证据网络解决体系能力评估问题示意图
Fig.3 Sketch map of evidential network solving system capability assessment

由图3可知,证据网络模型能够很好地应对第1.2节中描述的装备体系贡献率评估的特点:

随着医院图书馆数据挖掘的不断深化以及科研工作的深入开展，用户培训日益成为图书馆用户服务工作的一项重要内容[1]。新员工是医院图书馆的潜在新用户。医院岗前培训是新员工职业生涯的起始培训，是医学生向医务工作者转变的过渡和枢纽[2]。

存款增长率、理财增长率从表中可以很明显地看出，近五年理财余额的增长明显高于个人存款的增长，说明存款理财化趋势势不可档，且近两年的增长明显趋缓。

(1) 从应对装备体系内部规模庞大、要素众多、结构复杂这一问题来看,证据网络模型作为图模型的拓展(见图2),具有图模型直观描述研究对象逻辑关系的能力。网络节点表示研究对象,节点之间的有向边反映研究对象之间的逻辑关系,这一形式能够准确地展示装备体系之间多对多的关系,为装备体系规模庞大、结构复杂的问题提供了一种自然直观的解决方案。

“罗家的三姊妹。我宣读遗嘱的时候他们必须都在场。你没看见那场面，开了锅了。其他的手续当时也都交给她了，她应该还有不少事要做，应该马上去找你才对。”陈律师停顿了一下接着说：“也难怪，一个保姆一夜之间发了财，还不适应，不知道该干什么了吧。”

(2) 对于装备体系贡献率评估中所需数据来源广泛,且存在不确定信息这一特点,证据网络模型采用信度结构^[25]来描述信息。对于定量指标Q ^*的取值,取x _i ∈[x ₁,x _n ],引入ε _i 作为x _i 的信度,即Q ^*的输入为(x _i ,ε _i )。定性指标需要专家依据经验知识来确定。由于定性属性固有的模糊性以及专家知识的局限性,评估过程主观性较强,且不可避免地存在不确定信息。记某项定性的战技指标为Q ,直接将Q 判定为等级r _k 可能与实际情况出入较大。此时可以将Q 的评价结果划分为n 个等级r ₁,…,r ₂,…,r _k ,让专家根据经验给出每个等级的信度大小β ₁,…,β _k ,…,β _n ,使得此时,对Q 的评价结果为{(r ₁,β ₁),…,(r _k ,β _k ),…,(r _n ,β _n )}。

长征是宣传队。中国共产党领导红军十分重视民族政策的宣传，红军进入广西龙胜少数民族居住区以后，面对这里居住着苗瑶侗等族人民，采取召集群众会议和书写标语等形式，倡导红军和各族人民是一家等口号，宣传“各民族一律平等”“反对大汉族主义”，泗水乡周家村白面瑶寨，一块巨石上刻凿的“红军绝对保护瑶民”“继续斗争，再寻光明”红军标语就能够说明这一点。由于红军积极向当地少数民族群众宣传民族政策，以往形成的误解和敌视情绪得以逐步消除。

(3) 从提升体系贡献率评估结果的可追溯性与可解释性的角度看,证据网络模型采用置信规则库作为网络参数,可以表示和处理不确定信息,以“IF-THEN”的形式记录专家经验,符合专家对复杂问题的思维方式,有利于获得尽可能准确的衡量;采用证据推理算法对知识与数据进行聚合,其推理聚合过程可见,评估结果具备追溯逆推的能力,可解释强,易于被决策人员认可与接受,能够为装备体系需求论证、体系发展规划等军事领域重大决策提供支撑。

2.2 基于证据网络的体系贡献率评估框架

根据第1.1节对体系贡献率的定义可知,本文开展的体系贡献率分析评估建立在体系作战效能分析的基础上。体系效能是指特定条件下装备体系对预期任务完成程度的度量,是对装备系统相对动态的评价^[27]。假设某体系S 的作战效能可划分为n 个等级,记为(μ ₁,μ ₂,…,μ _n ),对每个等级赋予一个信度,即作战效能处于该等级的可能程度,记为(ξ ₁,ξ ₂,…,ξ _n ),则S 的作战效能C 的计算式为

(4)

结合式(1)可知,通过计算要素e 改变前后体系的作战效能C _e0 和C _e1 ,可以求解该场景下要素e 的体系贡献率。据此,本文设计的体系贡献率评估过程整体框架如图4所示。

图4 体系贡献率分析评估框架
Fig.4 Analysis and evaluation framework of system contribution rate

由图4可知,开展装备体系贡献率评估主要分为任务场景描述、体系作战效能分析和体系贡献率3个主要步骤。其中,体系作战效能分析主要基于证据网络模型完成特定任务场景下的装备体系效能分析,体系贡献率评估以体系作战效能分析结果为依据,对比分析不同装备条件下体系效能变化情况,定量化计算装备体系贡献率。具体步骤如下:

分别针对该作战体系中涉及的分系统收集A ,B 两组外军典型装备战技指标,如表2所示(假设单个装备从A 更新至B 所需科研经费相等)。

步骤 1 确定任务场景描述:根据装备体系既定作战任务,生成装备体系贡献率评估场景。

步骤 2 特定任务场景下的体系作战效能分析:

依据相关领域专家经验,将该任务场景下联合登岛作战装备体系划分为战场机动系统、火力打击系统和预警侦察系统。其中,战场机动系统负责兵力与火力的调度,具体支撑装备包括歼击轰炸机、导弹驱逐舰与护卫舰等;火力打击系统负责敌方目标摧毁、火力支援与掩护等任务,具体支撑装备包括歼击轰炸机、导弹驱逐舰、护卫舰与导弹等;预警侦察系统负责敌方的作战情报收集与作战行动监视具体支撑装备包括侦察机、预警机与反潜机等。具体证据网络结构模型如图5所示。

从图6中可以看出,对战场机动系统而言,歼击轰炸机、导弹驱逐舰与护卫舰的更新换代均对其作战效能有明显的提升;对火力打击系统而言,歼击轰炸机的更新对其作战效能提升程度明显高于其他装备;对预警侦察系统而言,导弹驱逐舰与侦察机的更新对于其作战效能的提升作用明显;从体系整体作战效能而言,各装备更新均对其有提升作用,歼击轰炸机、导弹驱逐舰与护卫舰的提升幅度明显高于其他装备。从总体上来看,不论是对3个分系统而言还是对整个作战体系而言,单个装备的更新对系统或体系的贡献率是有限的,远小于所有装备均更新时的体系贡献率。多个装备的更新作为一个整体,能够大幅提升系统或体系的作战效能,发挥出“1+1>2”的作用。因此,在装备体系发展规划中,需要平衡各类型装备的发展,不可偏废,使装备作为一个整体发挥出最大的合力。

步骤 2.2 依据专家经验设置证据网络参数,其中装备体系贡献率评估涉及的专家经验以信度规则的形式描述与建模,见式(3);

步骤 2.3 基于证据推理算法开展装备体系效能分析,详见第2.3节;

步骤 3 研究要素体系贡献率评估

步骤 3.1 确定所研究的要素及该要素由e ₀更新至e ₁后的输入数据,重复步骤2,计算该任务场景下装备体系更新换代后的作战效能C 。

步骤 3.2 将该要素更新前的作战效能C _e0 与要素更新后的作战效能C _e1 结果代入式(1),得到所研究要素的体系贡献率。

2.3 基于证据网络的体系贡献率评估算法

本小节依据上述评估框架,提出了基于证据网络的体系贡献率分析评估算法。该算法在证据网络结构建模和参数建模的基础上,运用证据推理融合输入信息,实现对体系作战效能的计算,进而对体系贡献率进行评估,具体如表1所示。

3 应用示例研究

红方某战区指挥机关发布攻占蓝方所属S岛的联合作战命令。首先,由飞行A团派出侦察机对S岛进行侦察,并根据侦察结果由炮兵B团对蓝方部署在S岛上的重点设施和防空火力单元以及海上航空母舰进行摧毁。随后飞行A团作为第一梯队冲破蓝方封锁线,夺取S岛上方制空权。海军C团作为第二梯队,在飞行A团的掩护下,分3路以双纵队队形向S岛疾驶,夺取S岛附近制海权,并进行登陆作战,其间由炮兵B团执行火力支援与对空掩护任务。

3.1 任务场景描述

本节以联合登岛作战任务场景想定为背景,应用上述方法对该武器装备体系所涉及的装备进行体系贡献率分析,验证其可行性和有效性。

3.2 作战效能分析

步骤 2.1 分析体系中涉及的系统及装备,依据装备体系各要素间的逻辑关系构建作战效能分析的证据网络模型;确定装备的主要战技指标,据此收集相关定性定量数据;

长跑比赛结束后，班主任汪老师决定开一个主题班会，让张海涛发表胜利感言。没想到张海涛红着脸走上了讲台：“其实我主要是凭借‘田忌赛马’的技巧，战胜了那些比我强大的运动员。”

表1 基于证据网络的体系贡献率评估算法
Table 1 Evidential network-based evaluation method of contribution to system-of-systems

图5 联合登岛作战网络结构模型图
Fig.5 Structural model diagram of joint island landing operational network

歼击轰炸机是一种兼有歼击机与轻型轰炸机特点的作战飞机;导弹驱逐舰是以舰对舰导弹为主要武器对海上目标实施打击,兼有防空、反潜、护航等任务的多用途的水面攻击型战舰。歼击轰炸机与导弹驱逐舰都具有较强的机动性以及较高的打击能力,同时支撑战场机动系统与火力打击系统遂行作战任务。护卫舰是载有导弹、舰炮等武器的轻型水面战斗舰艇,能够为舰艇编队担负反潜、护航、侦察、巡逻及登陆支援等作战任务,同时支撑战场机动系统、火力打击系统与预警侦察系统遂行作战任务。

我国目前城乡供水体系基本处于一种相互割裂的状态，传统城市供水对象及区域主要针对城区生活及工业用水，其特点表现为自来水厂相对集中，水处理规模较大，水质及水量保证率较高。与城市供水相比较，广大乡镇供水的主要特征为：水厂数量众多，规模小，各自为政，缺乏统筹规划和系统协调管理，水质及水量保证率较低，安全隐患较大。

表2 A , B 两组外军典型装备体系战技指标
Table 2 Combat technical indicators of typical foreign army weapon systems in group A and B

注：“-”表示装备不具备该战技指标。

由相关领域专家依据经验知识、结构模型及各装备战技指标构建置信规则库,依据第2.2节中步骤2.3与步骤3.1,以此将体系A 中装备更新为体系B 中项应装备,对新生成体系的作战效能进行分析,结果如表3所示。

表3 装备更新前后作战效能汇总
Table 3 Combat effectiveness summary before and after equipment renewal

从表3中可以看出,在装备调整前,体系的战场机动效能最优,预警侦察效能次之,火力打击效能最弱;在装备调整后,预警侦察效能最优,战场机动效能次之,火力打击效能最弱。从体系效能的角度来看,该组装备调整方案对于预警侦察效能与战场机动效能的提升幅度较大,但是对于火力打击效能的提升效果不明显。未来还需加大对火力打击效能相关装备的研发与升级,力求实现体系作战效能的综合协调发展。

3.3 体系贡献率评估

根据第1.1节中对体系贡献率的定义,本文装备作为待研究的要素进行体系贡献率的评估。依据第2.2节中步骤2和步骤3.1,计算体系A 中装备更新为体系B 中装备前后,体系与各分系统的作战效能,如图6所示。

图6 装备更新后体系作战效能对比
Fig.6 Operational effectiveness comparison of systems after equipment renewal

二是在资金绩效评价环节，制定了《赣州市财政专项扶贫资金绩效考评办法》，围绕资金规范管理、脱贫成效等方面，对统筹整合资金使用绩效进行评价监督。2017年，赣州委托第三方机构对8个扶贫开发重点县的统筹整合财政涉农扶贫资金实施了绩效评价，并将评价结果作为市财政分配扶贫专项资金的重要依据。

在图6的基础上进一步研究各装备的体系贡献率,为装备发展规划提供决策支撑,根据第2.2节所述步骤3.2评估该任务场景涉及装备的体系贡献率,结论如图7所示。

用不同载体研制的微生物接种剂不仅对苏丹草的生长和品质以及土壤养分有一定的影响，而且可调控土壤的微生物区系，抑制病原菌的生长。

图7 各装备体系贡献率
Fig.7 Contribution rate of each weapon system

从图7中可以看出,仅支撑一个系统的装备,包括导弹、预警机和反潜机的体系贡献率明显低于支撑多个系统的装备,如歼击轰炸机、导弹驱逐舰和护卫舰。这一结果表明,在装备研发工作中,应尽可能使得装备具有支撑更多系统的能力。虽然导弹驱逐舰同时支撑3个系统模块,但其体系贡献率却低于仅支撑两个系统模块的歼击轰炸机和护卫舰,其原因可能是相同经费条件下,导弹驱逐舰的各项战技指标提升幅度较小,无法有效地提升体系作战效能。

该电子版多媒体杂志虽与传统纸质期刊一样具有中国标准连续出版物号，即ISSN号和CN号，但由于载体不同，电子版多媒体杂志属于“连续型电子期刊”，所以，在期刊查询时，依次进入“办事服务”→“便民查询”→“新闻出版机构查询”→“连续型电子期刊”中输入一项或多项期刊对应信息可以检索到中国医药科技出版社电子版系列杂志。

装备体系贡献率评估结果,可以为装备发展规划与体系结构设计提供依据与建议。以该联合登岛作战体系为例,从装备发展角度来看,优先发展支撑多个系统的装备,增强装备的体系作战能力能够更有效地提升体系作战效能。因此,进行体系贡献率分析能够对武器装备体系发展顺序进行合理地规划,在有限的人力、财力、物力的基础上最大限度地提升军队作战能力。

4 结 论

针对当前体系贡献率研究中存在的装备体系关联关系复杂、装备领域数据来源广泛及不确定性强、分析结果缺乏可追溯性与可解释性等不足,本文提出了基于证据网络的体系贡献率分析评估方法。首先,明确了体系贡献率的定义及研究对象,确定了本文开展装备体系贡献率评估的问题边界;其次,采用证据网络模型分析体系作战效能,为装备体系贡献率提供定量化依据;再次,对比分析不同场景下的装备体系效能分析结果,计算得到分系统及装备的体系贡献率;最后,以联合登岛作战想定为背景,依托外军典型装备数据构建评估案例,验证了基于证据网络评估装备体系贡献率的可行性。最终分析结果表明,从装备视角来看,歼击轰炸机、导弹驱逐舰与护卫舰的体系贡献率相对较高,可加大相应装备的投入力度。在装备发展规划中应优先发展支撑多个系统的装备,提升装备功能的全面性。此外,在装备体系建设过程中,应注重多类型装备协调发展,统筹兼顾各类型装备发展,进而发挥装备合力。

与现有体系贡献率评估方法相比,本文所提方法能够较好地表达装备体系贡献率评估过程中广泛存在的复杂关联关系、不确定信息及定性定量混合信息,其推理过程可见,专家可参与,使得结果更加符合客观实际与主观认知。评估结果具有良好的可追溯性与可解释性,能够为装备发展规划提供方向指引和理论支撑。此外,本文所提方法可用于其他场景下装备体系贡献率的评估,以辅助装备发展论证与体系结构优化等相关工作。

本文所采用的网络结构模型与置信规则库由相关领域专家依据经验知识给出,下一步研究中可以加入机器学习的内容,利用现有数据对模型进行优化,增强分析结果的客观性。此外,本文以体系作战效能作为受益者开展体系贡献率研究,下一步可考虑将体系功能完备性、技术先进性等指标作为受益者开展体系贡献率评估,分析不同受益者对评估结果的影响。

参考文献：

[1] 常雷雷,张小可,李孟军.基于灰靶理论的武器装备体系技术贡献度评估[J].兵工自动化,2010,29(10):13-15.

CHANG L L, ZHANG X K, LI M J. Weapon system of system technology contribution evaluation based on grey target theory[J]. Ordnance Industry Automation, 2010, 29(10): 13-15.

[2] 葛宏志,郑爱华.基于灰靶理论改进算法的技术贡献度评估[J].科学决策,2012(2):27-36.

GE H Z, ZHENG A H. Technology contribution degree assessment based on the improved grey target theory[J]. Scientific Decision-Making, 2012(2): 27-36.

[3] 李际超,杨克巍,张小可,等.基于武器装备体系作战网络模型的装备贡献度评估[J].复杂系统与复杂性科学,2016,13(3):1-7.

LI J C, YANG K W, ZHANG X K, et al. Equipment contribution degree evaluation method based on combat network of weapon system-of-systems[J].Complex Systems and Complexity Science,2016, 13(3): 1-7.

[4] 李怡勇,李智,管清波,等.武器装备体系贡献度评估刍议与示例[J].装备学院学报,2015(4):5-10.

LI Y Y, LI Z, GUAN Q B, et al. Discussion and demonstration on contribution evaluation of weapon equipment system[J]. Journal of Equipment Academy, 2015(4): 5-10.

[5] 管清波,于小红.新型武器装备体系贡献度评估问题探析[J].装备学院学报,2015(3):1-5.

GUAN Q B, YU X H. Research on evaluation of equipment’s contribution to system warfighting[J]. Journal of Equipment Academy, 2015(3): 1-5.

[6] 罗小明,朱延雷,何榕.基于SEM的武器装备作战体系贡献度评估方法[J].装备学院学报,2015(5):1-6.

LUO X M, ZHU Y L, HE R. SEM-based evaluation method of contribution to system warfighting for weapons and equipments[J]. Journal of Equipment Academy, 2015(5): 1-6.

[7] 陈小卫,张军奇,杨永志.新研装备体系贡献率度量方法分析[J].兵器装备工程学报,2018,39(4):19-22.

CHEN X W, ZHANG J Q, YANG Y Z. Analysis on measurement methods of new equipment system-of-systems contribution[J]. Journal of Ordnance Equipment Engineering, 2018, 39(4): 19-22.

[8] XU H, SMETS P. Reasoning in evidential networks with conditional belief functions[J]. International Journal of Approximate Reasoning, 1996(14): 155-185.

[9] COBB B R, SHENOY P P. A comparison of Bayesian and belief function reasoning[J]. Information Systems Frontiers,2003, 5(4): 345-358.

[10] YAGHLANE B B, SMETS P, MELLOULI K. Directed evidential networks with conditional belief functions[C]//Proc.of the European Conference on Symbolic and Quantitative Approaches to Reasoning and Uncertainty, 2003: 291-305.

[11] YAGHLANE B B, MELLOULI K. Inference in directed evidential networks based on the transferable belief model[J]. International Journal of Approximate Reasoning, 2008(48): 399-418.

[12] SIMON C, WEBER P, LEVRAT E. Bayesian networks and evidence theory to model complex systems reliability[J]. Journal of Computers, 2007, 2(1): 33-43.

[13] WEBER P, SIMON C. Dynamic evidential networks in system reliability analysis: a Dempster Shafer approach[C]//Proc.of the 16th Mediterranean Conference on Control and Automation, 2008.

[14] SIMON C, WEBER P, EVSUKOFF A. Bayesian networks inference algorithm to implement Dempster Shafer theory in reliability analysis[J]. Reliability Engineering and System Safety, 2008, 93(7): 950-963.

[15] SIMON C, WEBER P. Imprecise reliability by evidential networks[J].Journal of Risk and Reliability,2009,223(2):119-131.

[16] SIMON C, WEBER P. Evidential networks for reliability analysis and performance evaluation of systems with imprecise know-ledge[J]. IEEE Trans.on Reliability, 2009, 58(1): 69-87.

[17] 姜江.证据网络建模、推理及学习方法研究[D].长沙:国防科技大学,2011.

JIANG J . Research on evidence network modeling, reasoning and learning[D]. Changsha: National University of Defense Technology, 2011.

[18] 姜江,李璇,陈英武,等.证据网络及其在航天系统安全性分析中的应用[J].系统工程与电子技术,2011,33(6):1270-1275.

JIANG J, LI X, CHEN Y W, et al. Evidential network and its application in safety analysis of aerospace systems[J]. Systems Engineering and Electronics, 2011, 33(6):1270-1275.

[19] 李中杰.基于证据网络的多源敌我识别信息融合处理方法研究[D].长沙:国防科技大学,2011.

LI Z J. Research on information fusion processing method of multi-source friend-or-foe recognition based on evidence network[D]. Changsha: National University of Defense Technology, 2011.

[20] 李贤,陈志刚,徐世友,等.联合信度推理证据网参数学习[J].控制与决策,2014(8):1419-1423.

LI X, CHEN Z G, XU S Y, et al. Parameters learning in evidential network deducing using unite-believe value[J]. Control and Decision, 2014(8): 1419-1423.

[21] 郭强,关欣,潘丽娜,等.一种基于混合参数和DSmT的证据网络多连通结构推理方法[J].中国电子科学研究院学报,2015,10(1):67-74.

GUO Q, GUAN X, PAN L N, et al. An inference method for evidential networks of multiply connected structure based on mixed parameters and DSmT theory[J]. Journal of China Academy of Electronics and Information Technology,2015,10(1): 67-74.

[22] 吴根秀,黄涛,赖岳,等.基于团树传播的证据网络推理算法[J].控制与决策,2017,32(2):305-310.

WU G X, HUANG T, LAI Y, et al. Reliability inference method for evidential network based on the clique tree propagation algorithm[J].Control and Decision,2017,32(2):305-310.

[23] 任晓军,涂震飚.一种装备对体系贡献率评估方法研究[J].新技术新工艺,2016(9):49-53.

REN X J, TU Z B. Research on a assessment method of equipment to system contribution rate[J]. New Technology & New Process, 2016(9): 49-53.

[24] 王楠, 杨娟, 何榕. 基于粗糙集的武器装备体系贡献度评估方法[J].指挥控制与仿真,2016(1):104-107.

WANG N, YANG J, HE R. Evaluation method of equipment s contribution to system warfighting based on rough set[J]. Command Control & Simulation, 2016(1): 104-107.

[25] YANG J B, LIU J, WANG J, et al. Belief rule-base inference methodology using the evidential reasoning Approach-RIMER[J]. IEEE Trans.on Systems Man & Cybernetics Part A:Systems & Humans,2006,36(2):266-285.

[26] CHANG L, ZHOU Z J, YOU Y, et al. Belief rule based expert system for classification problems with new rule activation and weight calculation procedures[J]. Information Sciences,2016,336(C):75-91.

[27] 刘新亮.技术引入对武器装备体系能力影响的评估方法研究[D].长沙:国防科技大学,2009.

LIU X L. Research on assessment method of the impact of technology introduction on weapon equipment system capability[D].Changsha:National University of Defense Technology,2009.

Evidential network -based evaluation method of contribution to weapon system -of -systems

YOU Yaqian, JIANG Jiang, SUN Jianbin, ZHAO Danling, YANG Kewei

(College of Systems Engineering ,National University of Defense Technology ,Changsha 410073 ,China )

Abstract : System-of-systems contribution evaluation is an important part of the development of weapon system construction. The system-of-systems contribution’s connotation and characteristics are analyzed, such as the complex structure of the system and uncertainty information. A contribution evaluation approach for weapon system-of-systems based on evidential network is proposed to address these challenges. The network structure model and belief rule base according to the experience of specialists are built. On this basis, the rule-based inference methodology is used to infer the operational efficiency for different weapon system-of-systems. Finally, a case study of joint landing campaign weapon system-of-systems is conducted based on the typical foreign weapon to verify the feasibility of the proposed approach. This approach can support decision-making in the fields of national defense, such as the argumentation of weapon demanding and the programming of system development.

Keywords : weapon system-of-systems; operational effectiveness; contribution evaluation; evidential network

中图分类号: N 949

文献标志码: A

DOI: 10.3969/j.issn.1001-506X.2019.08.15

收稿日期: 2018-07-06; 修回日期:2019-01-23;网络优先出版日期: 2019-02-18。

网络优先出版地址: http://kns.cnki.net/kcms/detail/11.2422.TN.20190218.1048.010.html

基金项目: 国家自然科学基金(71571185,71671186)资助课题

作者简介：

游雅倩 (1994-),女,硕士研究生,主要研究方向为国防采办与体系工程管理、证据推理。E-mail:youyaqian13@nudt.edu.cn

姜 江 (1981-),通信作者,男,副教授,博士,主要研究方向为不确定性推理与风险决策技术。E-mail:jiangjiangnudt@163.com

孙建彬 (1989-),男,讲师,博士,主要研究方向为国防采办与体系工程管理、不确定性决策分析。E-mail:sunjianbin@nudt.edu.cn

除了时间状语之外，说话者对历史事件的追溯在时间层面上也发挥重要作用。尽管这类事件没有出现具体时间节点，并且发生在遥远的过去，但重大历史事件往往会给人留下深刻印象。说话者往往会直接引用历史事件并且省略具体时间，从而使得原本处于时间轴末端的实体向指示中心趋近。例如：

赵丹玲 (1991-),女,博士研究生,主要研究方向为国防采办与体系工程管理、网络建模。E-mail:zhaodanling11@163.com

杨克巍 (1977-),男,教授,博士研究生导师,博士,主要研究方向为武器装备体系论证、体系工程管理。E-mail:kayyang27@nudt.edu.cn

标签：装备体系论文;  作战效能论文;  贡献率评估论文;  证据网络论文;  国防科技大学系统工程学院论文;