基于云模型和证据理论的装备管理绩效评价

沈延安¹, 张君彪²

(1. 陆军炮兵防空兵学院基础部, 安徽 合肥 230031;2. 陆军炮兵防空兵学院研究生大队, 安徽 合肥 230031)

摘 要: 针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。

关键词: 证据理论; 云模型; Jousselme距离; 评价

0 引 言

装备管理是部队管理工作中的重要组成部分,是部队战斗力生成的重要环节。随着部队装备体系化、信息化程度的不断提高,尤其是以远程火箭炮、无人机、防空导弹等为代表的信息化武器装备的发展和列装,使部队装备管理的内容、任务、要求和方法发生了重大变化,给部队的装备管理工作带来了很大挑战,迫切要求能有一套科学合理的绩效评价方法,以便于衡量部队装备管理水平,查找管理漏洞,促进部队建设。

近年来，“生物圈中的绿色植物”（考查）考试的目标要求有两个层次，即了解和理解，其中了解的目标有5个，理解的目标有6个。

而在实际评价过程中,指标体系的构建、指标权重的确定以及评价方法的选择对准确评价至关重要。目前,关于装备管理绩效评价指标体系构建的研究较少,主要局限于装备的日常管理,没有融入部队建设时代性特点,内容和结构都有待深化扩展。在指标权重确定和评价方法选择方面,学者们进行了广泛探讨。其中,在指标权重的确定上,根据赋权方式不同主要分为主观赋权法、客观赋权法和主客观综合赋权法^[1]。前两种赋权方法各有利弊,主观赋权法受专家主观知识经验影响较大,客观赋权法不易获取数据。针对这一问题,不少学者^[2-3]提出采用主客观结合的赋权方法来弥补单一赋权的不足。在评价方法上,主要分为定性和定量两类评价方法。其中,定性评价方法主要是根据专家经验直接给出评价结果,如德尔菲(Delphi)法、专家会议法等,其精确性、可靠性较差;定量评价方法主要有模糊数学理论^[4]、灰色关联分析^[5]、人工神经网络^[6]、云模型^[7-8]等。这些评价方法为装备管理绩效评价提供了很好的思路和理论基础,但往往需要较大的数据样本,或者不能很好地处理不完备、不确定的复杂信息。证据理论以其在信息融合和处理不确定信息方面的优势,被一些学者^[9-10]应用到多属性决策、复杂系统评价领域,近年来逐渐成为研究热点。但证据理论也存在一定局限性,在基本概率函数的获取上有待改进,以及Dempster合成规则处理高冲突证据中容易产生与实际相悖的结果,这些问题对评价结果的可靠性与准确度造成了很大影响。

由实验结果可以看出，当任务规模较小时，三种算法在任务完成时间上的差距相对较小，改进算法收敛速度更快且更稳定.随着任务规模的提升，可以看到改进的粒子群算法表现出更为明显的优势.相比较而言，FIFO算法的迭代次数比其他算法更大，收敛速度较慢.算法初期，传统粒子群算法相比FIFO算法具有更好的收敛速度，但后期收敛速度明显变慢，且无法跳出局部极值过早的收敛.随着任务数的提升，改进的粒子群算法在总的任务完成时间上相比其他算法优势更为明显，可以看到通过惯性权重优化和调整算子的设置，能够更有效地实现较好的目标区域的搜索，降低了任务总时间，从而在优化资源以及合理调度资源方面具有良好的效果．

鉴于以上问题,将绩效的评价过程视作是指标值信息源逐渐积累和融合的过程^[11]。首先构建新形势下部队装备管理绩效评价指标体系,并用熵权法确定定量指标权重,用可拓层次分析法(extension analytic hierarchy process,EAHP)^[12]确定定性指标权重,同时,考虑云模型在处理模糊性信息和定性定量转换上的优势,以及证据理论在处理不确定性信息和信息融合中的优势,将两者结合在一起。通过云模型构建基本概率分配函数,运用证据理论融合评价信息,得到评价结果。针对传统证据理论中的一些缺陷,设计了基于证据可信度和可靠度的权重系数对证据源进行修改,并改进合成规则,使评价结果更为准确。

1 装备管理绩效评价指标体系构建

评价指标是对对象系统某一特征的描述和刻画,是衡量部队装备管理水平的依据,对装备的管理和评价至关重要。结合前人成果,认为装备管理绩效评价指标体系的构建应遵循科学性原则、系统性原则、独立性原则、可操作性原则和动态性(或稳定性)原则。建立部队装备管理绩效评价指标体系是一项复杂的工作,以合成部队装备管理为研究对象,通过资料收集分析、指标体系初步构建、指标论证与筛选和合理性检验4个步骤建立合成部队装备管理绩效评价指标体系,如图1所示。

图1 指标体系构建流程
Fig.1 Construction process of index system

1.1 指标集

所研究的装备管理主要指部队从配发装备开始,直到装备退役、报废期间,围绕装备成建制、成系统形成作战能力和保障能力而开展的一系列管理活动。合成部队与传统部队相比,其装备管理主要有以下几个特点:一是装备种类多元,二是信息化程度提升,三是管理系统性更强,四是对管理者素质要求更高。着眼合成部队装备管理的特点,按照提出的装备管理绩效评价指标构建原则和过程,参考相关法规条令和文献,经过广泛的调查分析和专家研讨,从装备管理制度、装备管理行为、装备管理基础条件、装备管理文化、专项工作管理和装备使用状态6个方面建立了合成部队装备管理绩效评价指标体系,具体内容如图2所示。

图2 装备管理绩效评价指标体系
Fig.2 Evaluation index system of equipment management performance

装备管理制度主要用于规范部队各装备管理部门之间的责权关系、协作关系和行为准则,由制度规范和检查监督组成。制度规范指实战化背景下部队首长、机关研究落实装备管理规章制度情况以及官兵遵守装备规章制度情况;检查监督是一种制约机制,主要是对制度规范进行检查、监督,并建立一套可行的奖惩机制。

装备管理行为用于反映管装用装人员的组训情况、技术水平、爱装意识等,包括安全专业训练和日常管理两方面,设计定量指标对行为进行量化,分别为安全训练计划的执行率、官兵参训率、考核优秀率;装备信息登统计准确度和装备保养是否及时。

装备管理基础条件主要反映有利于推动装备管理工作的人、物、信息等各基本要素的建设情况,包括管装用装人才队伍素质、装备管理信息化平台建设、设施设备建设和经费划拨情况。

将冲突系数K 和Jousselme距离^[14-15]相结合,提出了基于证据可信度和可靠度的证据源修正算法,具体算法如下:

[35]Guide For Select Committee Members(June 2017)，https://www.parliament.uk/documents/commons-committees/guide-select-ctte-members.pdf，2018-04-05.

专项工作管理主要反映装备管理的专项事务,包括装备信息资源管理和重大演训活动装备安全管理,渗透装备管理工作的全过程。

装备使用状态管理用于反映装备本身的技术性能和完好程度,是装备管理成果的直接体现,是装备管理工作的重心和目标。

享有“东方狂欢节”美誉的彝族火把节是慕俄格一年中最热闹的时刻，每年这个时候，慕俄格酒店便成为古城最受关注的场地。以火把节为契机，云南建投房地产公司还在慕俄格古城西城门举行彝族风情摄影展、火把节商品展销等活动。慕俄格酒店以方城为根，更依托酒店为大方县旅游发展和旅游经济增收起到带头作用。

1.2 评估集

式中,D 为一个2^N ×2^N 的矩阵,且A ,B ∈2^Θ 。

表1 装备管理绩效评估集

Table 1 Evaluation set of equipment management performance

2 组合赋权算法

指标权重的确定是评价活动的基本工作也是重要工作。针对单一赋权方法的不足,采用一种组合赋权法确定指标权重,尽可能降低人的主观因素引起的误差,提高权重确定的客观性。通过熵权法确定有客观数据的指标权重,通过EAHP确定无客观数据的指标权重,并将主客观权重进行组合得到整体评价指标体系的权重值。

2.1 定量指标赋权

根据图2构建的指标体系,在有客观数据的第2层指标内采用熵权法确定指标权重。设q 为第2层定量指标的个数,首先对q 个定量指标采用极差标准化的方法进行标准化、无量纲化预处理。

之后,采用熵权法确定指标客观权重,具体步骤见文献[13]。最后可得第2层对第1层的客观指标权重向量为

(1)

2.2 定性指标赋权

在缺乏客观数据的第2层指标内采用主观赋权法确定指标权重。目前较为常用的主观赋权方法是AHP,但该方法采用确定的点值(1～9整数及其倒数)构造判断矩阵,没有充分考虑专家判断时的模糊性。为此,采用EAHP对AHP进行改进,用区间数代替数字来建立判断矩阵,保证了信息的完整性,同时也更能反映主观判断的模糊性,更符合实际情况。设p 为第2层定性指标的个数,通过计算可得第2层定性指标的主观权重向量为

(2)

2.3 组合赋权

设l 为第1层指标个数,采用可拓AHP确定指标体系中第1层所有指标(包括无客观数据和有客观数据指标)的权重向量为

在微环谐振腔系统中,耦合区域为直波导-弯曲波导的耦合方式(直-弯侧向耦合),如图4所示,其中,a为波导宽度,d为耦合间距,k为耦合系数,耦合长度为2L。

(3)

由此可得第2层指标对第1层指标的权重向量为

(4)

即N 个第2层指标的权重表示为

w =(w ₁,w ₂,…,w _N )

(5)

3 基于云模型和改进证据理论的装备管理绩效评价模型

3.1 基于云模型的评语等级发生器

云模型是以概率论和模糊数学为基础的定性定量转换模型,主要反映人类知识和事物概念的随机性和模糊性,通常用期望E _x 、熵E _n 和超熵H _e 3个数字特征来表征信息,反映定性概念的定量特征,记为(E _x ,E _n ,H _e )。根据评估集中的4个等级,利用云模型对语言值标尺进行建模,得到评语云模型如图3所示。

图3 评语云模型
Fig.3 Cloud model of comments

自主招生是高校选拔人才的一种方式，是高校选拔录取工作改革的重要环节，“是我国高校考试招生制度的有机组成部分，是对现行统一高考招生录取的一种补充。”高中学生通过自主招生考试，可以获得相应的高考优惠政策；高校通过开展自主招生选拔工作，录取其认为“优秀”的学生。可以说，自主招生在一定程度上体现了高校选拔与评价人才的标准。本文通过搜集2003年至2018年教育部与代表性高校的自主招生政策文件，通过文本分析法，探讨高校自主招生选拔与评价人才标准，并总结其主要特征及发展趋势。

在确定计划安全成本投入时，项目经理应召集项目总工、项目副经理(生产经理)、安全部门、质量部门、工程部门、技术部门、物资部门、预算部门负责人及相关部室工作人员召开专门会议，参照以往工程项目经验并结合本项目进行实际讨论，编制安全投入计划，使之与计划安全保障水平相匹配。施工时，实际安全成本以实际支出为准，项目安全管理人员与预算人员要做好交接，注意保存原始凭证和单据，并以此为依据计算安全成本实际支出费用，认真填写项目施工安全成本组成明细表，存档备查。项目经理部可结合项目实际情况确定安全成本。

(6)

由此求得第g 个专家对指标x _k 评价的隶属度向量为u ={u _g1 ,u _g2 ,…,u _gm },m 为评价等级。得到所有专家的评语隶属度向量后,可以构造出指标x _k 的隶属度矩阵为

(7)

(3) 综合证据可信度和可靠度,可得证据E _i 折扣系数为

(8)

3.2 基于证据理论的信息融合

Dempster-Shafer (D-S)证据理论是一种基于证据(专家经验知识与数据等)的决策方法,能给出更贴近人们思维习惯的不确定性问题描述,在不确定性表示、测量和组合方面具有优势。由于装备管理绩效各评价等级之间具有一定的模糊性、不确定性,专家知识经验具有一定的差异性和冲突性,为使评价结果更贴近实际,采用证据理论进行评价信息的融合,并通过对证据源进行修改、对证据合成规则进行改进以避免出现不合理的评价结果。

3.2.1 证据权重系数的确定

对于评价问题,用Θ ={θ ₁,θ ₂,…,θ _m }表示所有可能的评价结果,且Θ 中所有元素均为互不相容的,称Θ 为识别框架。装备管理绩效的识别框架Θ ={优秀,良好,合格,不合格},对该问题的任何评价结论为Θ 的一个子集。

定义 1 设Θ 为识别框架,Θ 中所有子集构成的集合记为2^Θ 。若函数m :2^Θ →[0,1]满足

(9)

则称m (A )为Θ 的基本概率分配(简称mass函数)。

证据理论在进行证据合成时认为每个证据源重要程度是相同的,但在装备管理绩效评价中,由于专家知识经验和主观偏好的不同,不同证据源对绩效水平的贡献程度是有差异的。因此,在进行证据融合前有必要进行证据源的修正。

回忆到这里，小伊有点骄傲地眯住眼睛，他已经成为那个城里最出色、也是最年轻的DJ，只有在指尖划过磁盘的一刹那，他才感到自己是鲜活的，虽然在外人看来，他们这群人是整个社会的蛀虫，用青春中最好的年华去放纵、沉沦。小伊清楚地记得曾有一位中年妇女一手拎着菜篮子一手对眼前这个染着金色头发和画着眼线的“另类”指指点点，并告诫她的儿子：“你可不能腐化至此。”你才是真正的腐化，小伊在心里想道，只为了你的儿子和丈夫毫无尊严的活着，只会平凡地买菜烧菜，这样的活着才是真正的毫无尊严。

装备管理文化是部队装备管理工作的一项基础性工程,指在装备管理实践活动中所形成的特色的文化氛围、价值准则,主要包含管理氛围和宣传教育。文化需要长期建设,应该有促进新时代装备科学管理发展的导向性。

在无线局域网络中，两个无线站之间的信息传递需要其他无限站与网络中心进行转发，此时可能会在中转站发生信息篡改行为。攻击者将窃听到的信息进行篡改之后再将其发送给接受者，引导、诱使接收者按其意愿进行网络操作，给移动用户带来很大的危害。

从公安局被保释回家的关小美，挺着大肚子，在父母面前失声痛哭。关云飞追悔莫及，他唉声叹气地说：“女儿，都怪爸爸太专行独断，是我害了你们啊！其实，爸爸对你也是一片苦心啊，我之所以处处给郭启明设置‘障碍’，是想让他知难而退，没想到他竟然做出这种事来。其实他把32万首付房款的银行卡递到我手上时候，我已经开始从内心接纳这个小伙子了。早知如此，我还不如让你们顺顺当当结婚……”

(1)设m _i 、m _j 为证据E _i 、E _j 在识别框架Θ 上对应的基本概率分配,两证据间冲突系数为K _ij ,则

(10)

将每一个基本概率分配表示为其在空间中对应的向量n ,则m _i 、m _j 间的Jousselme距离为

(11)

评估集是对复杂系统进行定量评估后的描述和反映,如优秀、良好、差等。根据装备管理的复杂程度和精细程度,设计的评估集包括4个元素,分别为:优秀、良好、合格、不合格,其中最好的评估结果为优秀,最差的评估结果为不合格,如表1所示。

结合K _ij 和J _ij ,定义证据间的冲突量为p _ij 。p _ij 为二元数组,可表示为

p _ij =(K _ij ,J _ij )

(12)

把p _ij 看成直角坐标系第一象限中的一个点,将其映射到坐标系中,如图4所示。

图4 冲突量度量
Fig.4 Construction of conflict measurement

由此,可定义两证据之间的冲突量为该点到原点的距离,表示为

(13)

对d _ij 进行归一化处理,可得表示两证据间没有冲突;表示两证据间冲突较大。证据间的冲突程度可用相似度衡量,相似度为

长岭炼化团委开展“五个一”活动，在各团支部组织1场主题团课、1次“践行新思想 拥抱新时代”主题组织生活会，在各二级团委开展1次专题学习，举办1次十九大知识微信拉力赛，开办1个微信学习宣传专栏，落实巩固“学习总书记讲话·做合格共青团员”学习成效。

(14)

式中,m ′ 表示修正后的基本概率赋值。

(15)

则可计算出证据E _i 被支持的程度为

(16)

将证据E _i 的支持度与所有证据中被支持程度最高的证据相比,则可得证据E _i 可信度为

(17)

(2)评价活动中,专家作为评价主体,在构建评价指标体系、确定(定性)指标权重、确定指标等级等方面发挥着重要作用。但受自身经验、知识和主观偏好的影响,专家给出的评价结果并非完全可靠。因此,在进行综合评价时,合理确定各专家权重,有助于提高评价质量。根据专家的技术职称、学历层次、评价阅历、研究专长等,赋予n 个专家的相对权重为权重大小在一定程度上反映了专家的权威性,即权重越大,专家可靠度越大,权重越小则专家可靠度越小。由此,定义专家可靠度为该专家的权重值与评审专家组中专家权重最大的值之比,则有证据E _i 的可靠度为

(18)

将求得的隶属度进行归一化处理,可得专家g 关于指标x _k 的评语mass函数为

针对评价体系中某个指标x _k ,得到专家g (g =1,2,…,n )给出的评语信息,根据建立的评价等级标尺,可以得到该评语信息对应评价等级的隶属度为

α _i =β ₁Rel₁(E _i )+β ₂Rel₂(E _i )

(19)

式中,β ₁、β ₂分别代表证据可信度与可靠度的分配系数,且β ₁+β ₂=1,0≤β ₁,β ₂≤1。通常,取β ₁=β ₂=0.5。

3.2.2 证据合成规则的改进

根据计算的修正系数,对原始证据源做如下修正即

(20)

通过计算证据间的冲突量,可以构建相似度矩阵为

由于Dempster组合规则在进行证据合成时将冲突信息全部抛弃,因此在处理高冲突信息时很容易产生与实际相悖的结果。国内外很多学者认为这种组合规则并不科学,并对此进行了一系列的改进^[16-19]。这些改进研究本质上是探讨证据之间的冲突信息如何处理,主要是如何在识别框架内进行分配。证据之间产生的冲突信息应该在引起冲突的各焦元之间进行细化分配,并根据产生冲突的焦元值确定分配比例,即焦元值越大所分配的冲突越多。根据这一思路,通过对证据合成规则进行改进,将证据冲突重新分配,从而有效应对专家判断时的模糊性和冲突性。改进后的合成规则为

(21)

式中,当A 为Θ 的子集且m (A )≠0时,称A 为m 的一个焦元,m (·)表示基本概率分配函数;γ (A )表示由焦元A 引起的冲突根据产生冲突的焦元值大小在焦元A 上的分配。在该合成公式中,将冲突信息按比例分配给两个焦元A _i 和B _j 。

建筑日照标准规定：建筑物底层日照要至少满足在冬至这一天，在12∶00至14∶00能接收到太阳照射。现以该小区某一年冬至这一天为例，计算分析该小区是否满足日照标准。

3.2.3 绩效评价等级的确定

在对底层指标评语信息进行融合后,根据第2节所求出的各级指标权重和第3.2节所求的证据融合结果,通过线性加权得到装备管理评价绩效,并依照最大隶属度原则确定其最终评价等级为

(22)

式中,w _k 和m (x _k )分别代表指标体系第2层中第k 个指标对应的权重和基本概率分配函数。

3.3 绩效评估流程

对部队装备管理绩效进行评价,首先分析装备管理的内容特点,构建评价指标体系;然后运用EAHP和熵权法分别确定定性指标权重与定量指标权重,进而确定各级指标的重要性;接着,建立云模型评语等级发生器,并用云模型确定各指标的mass函数;之后根据证据体的可信度和可靠度对证据源进行修正;最后,采用改进的证据合成规则对修正后的证据源进行合成,从而确定装备管理绩效的等级,其评估流程如图5所示。

4 实例分析

将构建的评价指标体系应用于某轻型合成旅,运用组合赋权法确定各指标的权重,对其装备管理的绩效进行评价。分别从院校、部队、科研院所等不同单位邀请了5位专家,采用问卷调查的方式对该合成旅装备管理绩效中的定性指标进行评价,并通过合成旅提供的资料计算出指标体系中定量指标的结果。

图8a、8b中强中心位置就雨滴的质量浓度而言,MOR方案较大,数浓度也是MOR方案大,因此并不能简单判断出MOR方案和MY方案中雨滴直径大小的差异。由于预报量雨滴的数浓度Nr的单位是kg-1,质量浓度Qr的单位是kg/kg,因此我们可以求出每个雨滴的质量Qr/Nr。在这里,假设雨滴的密度r=1 000 kg/m3,则得到每个雨滴的体积Vr=Qr/(rNr),根据体积—直径关系,可以得出计算雨滴直径的计算公式:

图5 装备管理绩效评价流程
Fig.5 Evaluation process of equipment management performance

各定量指标的基本概率分配参照文献[20]中的三角形隶属度函数确定。各定性指标基本概率分配依据式(6)、式(7)确定。以装备管理基础条件为例,通过计算,其下层指标权重和专家评语信息如表2所示。

表2 B ₃ 下层各指标权重和专家评语

Table 2 Weight and expert comments of lower level index of B ₃

根据建立的评语等级发生器,将专家评语转换为评语云模型,计算出各指标对应的等级隶属度,再做归一化处理,即可得到各指标对应的mass函数。以各专家关于二级指标C ₃₁的评语信息为例,通过计算后可得其评语mass函数如表3所示。

表3 二级指标 C ₃₁ 的基本概率分配

Table 3 Basic probability assignment of the 2nd level index C ₃₁

根据表3中的数据,按照式(9)～式(15)计算出证据可信度Rel ₁=(1,0.631 5,099 19,0.894 4,0.832 9),并根据专家的相对权重计算出证据可靠度Rel ₂=(0.954 5,0.909 1,1,0.863 6,0.818 2)。在此基础上得到证据修正系数α =(0.977 3,0.770 3,0.995 9,0.879 0,0.825 6),并根据式(18)进行证据源修正。之后利用改进的证据合成规则进行融合,合成结果为(0.016 3,0.814 4,0.169 3,0,0)。同理,可计算出其他指标的合成结果,根据式(20)进行综合加权,最终结果为(0.152 1,0.791 2,0.056 7,0,0)。根据最大隶属度原则,可得其装备管理绩效评价结果为良好。

为验证所提方法的有效性,以二级指标C ₃₁为例,分别利用D-S证据理论、Yager合成公式和文献[21]中设计的方法对进行融合,详细过程如表4所示。

表4 各方法评价结果对比

Table 4 Comparison of evaluation results of various methods

由表4可以看出,经典的D-S证据理论由于忽略了对冲突信息的处理,所得评价结果偏离了实际情况,比如在合成前两个专家评语信息时,基本忽略了专家2的评语信息,再比如,将前4位专家评语信息和专家5的评语信息进行合成时,完全忽略了专家5的评价信息,导致合成结果没有发生任何变化。Yager合成公式将冲突信息完全赋予了未知项,其最后所得结果较为模糊,绩效等级不够明显,比如,Yager合成公式在对专家1和专家2的评语信息进行合成时,其合成结果在未知项上的隶属度高于其在任何一个评语等级上的隶属度,导致评价结果难以判别。文献[21]设计的方法虽然对证据源进行了修正,一定程度上降低了证据间的冲突,但由于仍然采用Dempster组合规则对修改后证据源进行合成,同样不可避免地出现了一些误差,无法克服该合成规则的固有缺陷。通过对证据源的修改和证据合成规则的改进,较好地处理了证据之间产生的冲突信息,有效应对了专家评价过程中产生的模糊性和不确定性,所得结果更贴近实际情况。

5 结 论

结合新时代部队装备管理绩效评价的特点,建立了定量指标与定性指标相结合的评价指标体系,并提出了基于云模型和改进证据理论的装备管理绩效评价方法。该方法首先运用EAHP和熵权法分别对定性指标和定量指标赋权,减少了专家的主观影响,提高了指标权重的客观性,然后针对专家评语信息的模糊性,运用云模型进行评语建模,确定其基本概率分配,再通过计算证据可靠度和可信度确定修正系数对证据源进行修正,最后运用改进的证据合成规则进行信息合成,得到评价结果,有效解决了冲突证据合成的失真问题。通过实例分析和与其他方法的对比,验证了该方法的正确性和有效性,为装备管理绩效等复杂系统的评价问题提供了一种可行的方法思路。

参考文献：

[1] 任静.提高多指标决策客观性的赋权方法[J].管理评论,2012,24(5): 160-169.

REN J. Weighting approach to improving objectivity of multiple indexes decision-making[J]. Management Review,2012,24(5): 160-169.

[2] 程呈,高敏,程旭德,等.基于组合赋权的反坦克导弹武器系统作战效能评估研究[J].系统工程理论与实践,2018,38(1):241-251.

CHENG C, GAO M, CHENG X D, et al. Research on operational efficiency evaluation of anti-tank missile weapon system based on combination weighting[J].Systems Engineering-Theory & Practice,2018,38(1): 241-251.

[3] XU R S, ZHANG J L, ZUO H B, et al. A novel model for cost performance evaluation of pulverized coal injected into blast furnace based on effective calorific value[J]. Journal of Central South University of Technology, 2015, 22(10): 3990-3998.

[4] CELOTTO A, LOIA V, SENATORE S. Fuzzy linguistic approach to quality assessment model for electricity network infrastructure[J]. Information Sciences, 2015, 304: 1-15.

[5] 袁周, 方志耕. 灰色主成分评价模型的构建及其应用[J]. 系统工程理论与实践, 2016, 36(8): 2086-2090.

YUAN Z, FANG Z G. The construction and application of grey principal component evaluation model[J]. Systems Engineering-Theory & Practice, 2016, 36(8): 2086-2090.

[6] KHOSHJAVAN S, REZAI B, HEIDARY M. Evaluation of effect of coal chemical properties on coal swelling index using artificial neural networks[J]. Expert Systems with Applications, 2011, 38(10): 12906-12912.

[7] WANG D, LIU D, DING H, et al. A cloud model-based approach for water quality assessment[J]. Environmental Research, 2016, 148: 24-35.

[8] WANG J Q, PENG J J, ZHANG H Y, et al. An uncertain linguistic multi-criteria decision-making method based on a cloud model[J]. Group Decision and Negotiation, 2015, 24(1): 171-192.

[9] WANG H F, LIN D Y, QIU J, et al. Research on multi-objective group decision-making in condition based maintenance for transmission and transformation equipment based on D-S evidence theory[J]. IEEE Trans.on Smart Grid, 2015, 6(2): 1035-1045.

[10] 陈云翔, 蔡忠义, 张诤敏, 等. 基于证据理论和直觉模糊集的群决策信息集结方法[J]. 系统工程与电子技术, 2015, 37(3): 594-598.

CHEN Y X, CAI Z Y, ZHANG Z M, et al. Method for group decision-making information integration based on evidence theory and intuitionistic fuzzy set[J]. Systems Engineering and Electronics, 2015, 37(3): 594-598.

[11] 杨健,阳富强,沈斐敏.基于改进DSmT的公路隧道行车安全综合评价方法研究[J].中国安全科学学报,2016,26(8):116-121.

YANG J, YANG F Q, SHEN F M. Comprehensive evaluation of highway tunnel traffic safety based on improved DSmT[J]. China Safety Science Journal, 2016, 26(8): 116-121.

[12] LV C, WU Z Z, LIU Z G, et al. The multi-level comprehensive safety evaluation for chemical production instalment based on the method that combines grey-clustering and EAHP[J]. International Journal of Disaster Risk Reduction, 2017, 21: 243-250.

[13] CHEN Y X, WU X Y, BU X W, et al. EMMD-Prony approach for dynamic validation of simulation models[J].Journal of Systems Engineering and Electronics,2015,26(1):172-181.

[14] JOUSSELME A L, GRENIER D, BOSSE E. A new distance between two bodies of evidence[J]. Information Fusion, 2001, 2(1): 90-101.

[15] LIU W R. Analyzing the degree of conflict among belief functions[J]. Artificial Intelligence, 2006, 170(11): 909-924.

[16] YAGER R. R. On the D-S framework and new combination rules[J]. Information Sciences, 1987, 41(2): 93-138.

[17] SMETS P, KENNES R. The transferable belief model[J]. Artificial Intelligence, 1994, 66(4): 191-234.

[18] LEFEVRE E, COLOT O, VANNOORENBERGHE P. Belief function combination and conflict management[J]. Information Fusion, 2002, 3(2): 149-162.

[19] 杨杰明,李恒宇,曲朝阳,等.基于全局分配和局部修正策略的冲突证据融合方法[J].东北师大学报(自然科学版),2017,49(1):68-72.

YANG J M, LI H Y, QU Z Y, et al. Conflict evidence fusion based on the global distribution and partial remediation strategies[J]. Journal of Northeast Normal University(Natural Science Edition), 2017, 49(1): 68-72.

[20] 丛林虎, 徐廷学, 董琪, 等. 基于改进证据理论的导弹状态评估方法[J]. 系统工程与电子技术, 2016, 38(1): 70-76.

CONG L H, XU T X, DONG Q, et al. Missile condition assessment method based on improved evidence theory[J]. Systems Engineering and Electronics, 2016, 38(1): 70-76.

[21] 张友鹏, 李远远. 基于云模型和证据理论的铁路信号系统风险评估[J]. 铁道学报, 2016, 38(1): 75-80.

ZHANG Y P, LI Y Y. Risk assessment of railway signal system based on cloud model and evidence theory[J]. Journal of the china railway society, 2016, 38(1): 75-78.

Equipment management performance assessment based on cloud model and evidence theory

SHEN Yan’an¹, ZHANG Junbiao²

(1. Basic Department ,Army Academy of Artillery and Air Defense ,Hefei 230031 ,China ;2. The Postgraduate Management Team ,Army Academy of Artillery and Air Defense ,Hefei 230031 ,China )

Abstract : In view of the complex influence factors of military equipment management performance, the fuzziness and uncertainty of the evaluation process, a method of equipment management performance evaluation based on cloud model and improved evidence theory is proposed. Firstly, the performance evaluation index system of equipment management is established, and the weights of indicators are determined by combination weighting method. Then, a cloud model is used to model the expert comment information, and construct the basic probability assignment function. Then, the Jousselme distance is introduced, and the weight of evidence is obtained by calculating the credibility and reliability of evidence, which is used as a weighting coefficient to adjust original evidence. Finally, the different indexes of basic probability assignment (BPA) are fused to get the evaluation results with the improved evidence fusion rules. The instance analyzing proves the scientificity of the index system and the effectiveness of the algorithm, which can provide a reference for the assessment of military equipment management performance.

Keywords : evidence theory; cloud model; Jousselme distance; assessment

中图分类号: E 92

文献标志码: A

DOI: 10.3969/j.issn.1001-506X.2019.05.17

收稿日期: 2018-05-14;

修回日期: 2018-12-10;网络优先出版日期: 2019-03-18。

网络优先出版地址: http:∥kns.cnki.net/kcms/detail/11.2422.TN.20190318.0931.006.html

基金项目: 全军军事类研究生项目(2015JY194)资助课题

作者简介：

沈延安 (1978-),男,副教授,博士,主要研究方向为装备管理工程。E-mail:syaglgc@163.com

张君彪 (1995-),通信作者,男,硕士研究生,主要研究方向为装备管理工程、评估理论与方法。E-mail:zhangjb95@126.com

标签：证据理论论文;  云模型论文;  Jousselme距离论文;  评价论文;  陆军炮兵防空兵学院基础部论文;  陆军炮兵防空兵学院研究生大队论文;