基于云模型的裝備搶修分隊選址決策評估*

曾擁華,王海燕,武婷婷,王小龍,姜柏存,梁恒源

(1. 陸軍工程大學野戰工程學院,江蘇 南京 210007;2. 南京郵電大學理學院,江蘇 南京 210023)

戰場搶修是戰時裝備保障的主要內容之一,搶修分隊是完成戰時裝備保障的主要力量。根據戰時裝備保障任務需求和戰場綜合態勢,快速選擇科學合理的位置部署搶修分隊,是確保搶修分隊自身安全以及后續高速響應搶修任務,快速完成搶修工作,提供持續保障的重要基礎。因此裝備維修力量靠前配置并持續保障是適應戰爭維修保障發展的需要[1]。

在裝備搶修仿真訓練中,搶修分隊的選址方案評估,就是對搶修分隊指揮員的選址決策能力進行評估。在不同的作戰階段,根據敵情、任務、地形和道路等情況選擇合適的部署位置,是搶修分隊指揮員的重要任務之一。位置的安全隱蔽性、交通便利性是進行位置選擇的重要影響因素,同時也是仿真訓練環境下對指揮員選址能力考核評估的首選因素。鑒于信息化戰爭的超快節奏,在確保位置科學合理的同時,需重點考慮位置選擇決策的時效性,合理的選址方案將保證足夠的覆蓋率和快速反應時間[2]。

然而現階段,對于搶修分隊選址[3-4]的研究較少,大部分是對物流倉儲系統[5-7]、消防系統[8]、交通系統[9-13]和其他一般設施選址[14,15]問題進行研究。文獻[4]認為搶修分隊臨時基地類似于物流中心的選址,其主要的評估方法有TOPSIS法[16]、AHP法[17]和綜合評價法[18]。隨著技術水平的提升,由于裝備搶修分隊選址的影響因素間相互關聯以及評估者的主觀性影響,評估過程有較多的不確定性。本文充分考慮裝備搶修分隊臨時點的影響因素,為構建科學、合理、全面的選址決策評估指標體系,采用主客觀組合賦權法確定指標權重,利用云模型對各指揮員部署的裝備搶修分隊選址方案進行評估。組合賦權法在一定程度上減少了主觀權重的模糊性和客觀權重的絕對性,云模型充分考慮了評估過程中的隨機性,對于評估結果的客觀性和準確性具有重要意義。

1 構建BMS選址評估指標體系

構建完善的評估指標體系是科學評估的先決條件。裝備搶修分隊在接收到上級指派的任務后,需要在盡可能短的時間內最大限度地完成搶修任務。裝備搶修分隊的選址是一個多因素相互影響、約束的過程,需要結合搶修任務、作業環境等因素進行合理部署。文獻[19]根據搶修分隊的選址原則和影響因素,建立了搶修分隊選址決策的評估指標體系。本文構建的選址決策評估指標體系見表1。

表1 裝備搶修分隊選址決策評估指標體系Tab.1 Decision evaluation indicator system for equipment repair team site selection

根據表1可見,二級指標中包含了5個定性指標和6個定量指標。其中,展開地幅面積為區間型指標,與明顯目標的距離為效益型指標,其余四個定量指標為成本型指標?？紤]定性指標的模糊性,本文采用G1法和CRITIC法確定其指標權重,減少專家評估數據的主觀性和客觀數據的絕對性的影響。

2 確定指標權重集

2.1 G1主觀賦權法

G1法,又稱序關系分析法,是在層次分析法的基礎上進行優化的主觀賦權法。其核心是邀請專家對各層指標的重要性進行比較[20],避免了層次分析法計算量大的缺點,且不需要進行一致性檢驗,具體步驟如下。

1) 建立序關系。假設準則層中A元素下有n個元素X1,X2,…,Xn。通過專家意見和相關文獻調研,對n個元素的相對程度進行排序,得到最終各元素間的序關系如下。

(1)

2) 對相鄰兩指標間的重要性程度進行賦值,參照文獻[21],賦值情況見表2,得到rk。

表2 賦值參考Tab.2 Assignment reference

(2)

3) 計算權重值ωn。

(3)

2.2 CRITIC客觀賦權法

CRITIC是一種基于指標相關性確定權重的客觀賦權法。其原理是利用指標間的標準差和指標內的相關系數來計算指標間的差異程度,由此來計算客觀權重[22],具體步驟如下。

1) 構建評價矩陣。

(4)

其中,評價矩陣X表示m個方案的n個指標的評價值的矩陣。

2) 評價矩陣歸一化處理。

(5)

3) 計算各指標之間的標準差和相關系數。

(6)

4) 計算指標信息承載量。指標信息量Yi的表達式如下:

(7)

5) 計算各評價指標的客觀權重。指標的信息承載量越多,說明其重要程度越高,因此其指標客觀權重如下:

(8)

2.3 確定綜合權重

基于主觀權重ωn和客觀權重ωj,采用乘法運算得到各指標的綜合權重Wt。

(9)

本文邀請對應領域的專家對各項評價指標進行評價判斷。首先,G1法為主觀賦權法,專家認為重要性程度依次為與前線部隊距離>展開地幅面積>進出道路通暢情況>周圍地形>施工難度>與主干道路距離>周圍植被>與明顯目標距離=通信程度=與水源距離>選址時間。其次,CRITIC法是依據選址方案的原始數據進行計算。其中,定量指標按照不同方案的原始數據進行正向化和標準化處理,定性數據根據專家打分等級進行量化。該方法認為周圍地形的重要性程度最高,選址時間的權重值最小。

最后,通過乘法計算得到的綜合權重見表3,將不同方法的權重可視化得到圖1。結果表明,展開地幅面積對選址決策的影響程度最大,其次為與前線部隊的距離和周圍地形,選址時間對選址決策影響程度最小。對于一級指標,展開條件和隱蔽條件對裝備搶修分隊選址的影響程度均較大。

圖1 不同方法的指標權重值Fig.1 Indicator weights of different methods

表3 指標權重表Tab.3 Indicator weight table

表4 定量指標評分標準Tab.4 Quantitative indicator scoring criteria

因此,在選址過程中,指揮員需要根據實際搶修任務,充分考慮周圍地形并選擇合適的展開地幅,在確保作業隱蔽安全的同時盡可能接近前線部隊,提高搶修的效率。

3 基于云模型的選址決策評估模型

3.1 云模型理論

云模型概念于1995年由李德毅院士提出。假定存在一個論域U,是一個由精確數表示的范圍,C是該范圍內的定性概念。一個定量數值x∈U,x是C的一次隨機實現,且x對于定性概念C的隸屬度μC(x)∈[0,1]是具有穩定傾向的隨機數,那么就把x在定量論域U上的分布稱為云模型,云滴表示為(xi,μC(xi)),i=1,2,3,…,n。

云模型的數值特征有期望Ex、熵En、超熵He。Ex表示為定性概念C的中心值;熵表示定性概念C的不確定性度量;超熵是熵之熵,反映了En的不確定性度量,He越大,云滴隸屬度的隨機性越大,云層越厚。圖2為(Ex,En,He)=(10,2,0.2)的云圖。

圖2 評價云模型示意圖Fig.2 Illustration of evaluation cloud model

云發生器有正向云發生器(Forward Cloud Generator, FCG)和逆向云發生器(Backward Cloud Generator, BCG),如圖3所示。正向云發生器是根據已知的數值特征,生成相應的云滴。逆向云發生器是通過云滴的分布確定隸屬云的數值特征。

圖3 正、逆向云發生器Fig.3 Forward cloud generator and reverse cloud generator

3.2 構建因素集和評語集

因素集就是各指標的集合,表1中各二級指標構成了本文待評估的因素集。本文將評語等級劃分為優秀、良好、中等、較差和差五個等級,滿分為10分。即[0,10]為論域,其中優秀區間為(9,10],良好區間為(7,9],中等區間為(5,7],較差區間為(3,5],差區間為[0,3]。對定性指標的評估按照已劃分的評語等級進行評價。

對于定量指標,我們根據實際搶修任務制定其評分標準,見表 4。上述評分標準的背景是防御戰斗情況下的分隊級戰場搶修仿真行動,對前線戰損裝備進行修理后送搶修作業。

3.3 標準云模型

根據上述的評語集,每個評語均有雙邊約束關系[Vmin,Vmax],可以得出對應的標準云模型的數值特征:

(10)

其中λ表示評語的模糊程度,設λ=0.1。根據式(10)計算出各標準云的云模型數值特征,見表5。說明在此論域中,優秀這一定性概念的隨機分布以10為期望,也表示為這一模糊概念的中心值,熵為0.166 7,也就是優秀這一定義概念的不確定性程度。同樣說明良好的信息中心值為8,中等的信息中心值為6,較差的信息中心值為4,差的中心值為0。根據表格信息可以看出,優秀這一模糊概念的不確定性最小,概念差的不確定程度最大。主要由于差的區間范圍較大,因此存在更強的隨機性和模糊性。

表5 標準云模型數值特征Tab.5 Numerical characteristics of standard cloud models

根據標準云模型的數值特征,通過正向云發生器生成云圖,見圖4。通過云圖可以直觀看出每個標準云的隨機性程度。差這一模糊概念的云滴分散程度最大,優秀這一模糊概念的云滴分散程度最小,良好、中等和較差的云滴分散程度相同,與數值結果一致。

3.4 評價云模型

專家或仿真系統所獲得的評價數據,包括定性數據和定量數據。定性數據根據其等級獲得對應的隸屬云數值特征。對于定量數據,首先需要進行標準化處理,消除量綱對評估結果的影響,然后根據式(11)得到各項指標的隸屬云數值特征。

(11)

根據式(12),將二級指標層的評價云數值特征和對應的權重計算得到準則層的綜合云。

(12)

其中,Exj、Enj、Hej、ωj表示各項指標的期望、熵、超熵和權重。通過正向云發生器,將上述數值特征以云滴形式展示,對標準云進行對比,獲取其評級。

4 實例分析

在仿真條件下,基于相同的戰況和軍事背景,由參訓人員根據敵我情況和搶修任務提出合理的裝備搶修分隊選址方案。為提高戰時指揮員的選址決策的可靠性,選擇科學合理的搶修展開地域,通常采用戰場搶修仿真系統展開一系列的訓練和評估。本文邀請了8位相關領域的專家對參訓人員的選址決策進行評估。從裝備搶修仿真訓練系統中,隨機選取了三位參訓人員的選址方案進行評估。

表6展示了三個選址方案中定量指標的數值。定性指標的評級是根據專家主觀意見給出對應的得分。接下來,對定性指標和定量指標的數據進行計算處理,得到各指標評價隸屬云的數值特征值,將二級指標根據各準則層指標進行集結,通過計算得到各準則層的評價云。各指標層評價云和準則層評價云的數值結果見表7。

表6 各方案定量指標數值結果Tab.6 Numerical results of quantitative indexes of each scheme

表7 各方案評價云的數值特征Tab.7 Numerical characteristics of evaluation clouds for each solution

通過正向云發生器將方案A各準則層的評價云進行可視化,見圖5。通過方案A準則層的云模型數值特征和云圖,可以看出其隱蔽條件、展開條件、工作條件、交通條件和時間條件均為優秀,該參訓人員的選址統籌能力較強,對裝備搶修分隊的選址科學合理。云圖可以展示該評價云分布的隨機性,隱蔽條件和交通條件的云滴分散程度較強,由于周圍地形和進出道路通暢情況這兩項子指標為定性指標,受到專家主觀影響,存在一定的隨機性。

最后,根據準則層指標權重計算得到方案A的裝備搶修分隊選址決策綜合云模型的數值特征為(9.419 6,0.520 1,0.230 6),綜合評級為優秀;方案B綜合云的數值特征為(7.624 3,0.665 4,0.286 0),評級為中等;方案C綜合云的數值特征為(7.749 2,0.639 7,0.277 7),評級為中等。將三個選址方案的綜合評價云與標準云進行對比,可視化結果見圖6。

圖6 三個方案綜合云對比(藍色云滴表示為各綜合評價云) Fig.6 Comprehensive cloud comparison of solutions (blue droplets represent membership clouds for comprehensive evaluation)

結合表7中三個選址決策評價云的數值特征,對三個方案進行對比分析?？梢钥吹?方案B的展開地幅面積這一指標的得分最低,同時周邊地形和植被也較不合理,因此未能給裝備搶修分隊提供合適的作業場地,加大了搶修的作業難度。同時其進出道路通暢情況也比方案A差,這對戰損裝備的前運后送不利,進而導致裝備搶修的效率大大降低。方案C的展開面積較合理,但其周圍植被較少,不隱蔽。與主干道路距離較遠,通信情況不佳,且選址時間較長,各項指標得分均較低,需要加強指揮員的選址決策能力。

方案A參訓人員的選址時間得分較低,但其選擇的搶修位置相對合理科學。通過裝備搶修仿真行動系統的長時期訓練,指揮員可以更好地了解掌握選址的影響因素,在戰時進行高效決策。搶修分隊指揮員在進行選址決策時,需要把握好搶修位置的展開面積,既要保證展開地幅能夠支持搶修作業開展,也要確保搶修位置足夠隱蔽和安全,不會因為搶修范圍過大而受到敵方干擾襲擊。因此,對于各項指標的均衡考慮和統籌安排是搶修分隊指揮員需要不斷訓練提升的能力。

5 結束語

裝備搶修分隊是裝備保障的基礎力量,對仿真條件下搶修分隊指揮員的選址能力進行評估,旨在提高戰時裝備搶修決策的高效性和可靠性。結合G1法和CRITIC法組合賦權以減少評估的主觀影響,構建云模型對其綜合能力進行評估,選擇最優方案。所構建的評估模型,在一定程度上減少了模糊性和隨機性對評估結果的影響。實例驗證,本文提出的方法可以對多種方案進行評估并選擇最可靠的方案。

在裝備搶修行動仿真系統的學習訓練過程中,運用基于云模型的評估方法,并結合相應的評估系統,對參訓人員的選址決策方案進行科學客觀的復盤評估,對于提高訓練的針對性,提升訓練效益,進一步增強相應人員的實際選址能力,具有重要的現實意義。