齊分嶺，韋國軍，楊宏建，侯 煒

（1.航天工程大學研究生院，北京 102206；2.解放軍66389 部隊，太原 030031；3.航天工程大學航天保障系，北京 102206；4.解放軍66477 部隊，北京 102202）

0 引言

在役考核是軍改后我軍試驗鑒定領域的一種嶄新類型，是對性能試驗與作戰(zhàn)試驗的有益補充，相比于性能與作戰(zhàn)試驗，在役考核沒有成熟的經驗可以借鑒，需要緊密結合我軍裝備發(fā)展模式具體探索，通過深入開展在役考核，縮短裝備由列裝服役到適應復雜戰(zhàn)場的進程，切實為部隊輸送“好用”“實用”“耐用”的信息化裝備。從裝備試驗理論上分析，裝備經過性能試驗、作戰(zhàn)試驗分別完成狀態(tài)鑒定與列裝定型，已經基本達到滿足部隊服役要求的技戰(zhàn)術狀態(tài)，但鑒于前期試驗條件與時間限制，裝備存在的問題并未完全暴露，在實際環(huán)境中表現是否優(yōu)異仍需進一步檢驗，同時考慮到服役環(huán)境與面臨任務的復雜多樣性，在役裝備仍需在列裝后進行持續(xù)性考核評估，以發(fā)現裝備服役中暴露的問題缺陷，進而推動裝備改進升級。在役考核通過跟蹤裝備在服役期間的戰(zhàn)備、訓練、管理、維修等情況，持續(xù)檢驗裝備滿足多樣化軍事任務的程度，進一步驗證作戰(zhàn)保障效能，重點考核適編性、服役經濟性等裝備在役適用性內容。在役考核評估是在役考核工作中的重要環(huán)節(jié)，開展裝備在役考核評估有助于摸清裝備技戰(zhàn)術性能底數［1］，考察裝備在實際環(huán)境中是否經濟好用，及時發(fā)現裝備存在的問題和不足，為編配使用、改型升級、后續(xù)采購提供意見建議。

1 基于IFS-VIKOR 的裝備在役考核評估

在役考核評估內容廣泛，是一種多屬性綜合性評估，是依據在役考核數據對裝備是否適應部隊工作任務進行的綜合性考核，根據在役考核內容可以組織作戰(zhàn)效能驗證評估、部隊適用性評估，也可以組織在役適用性評估，本文以在役適用性內容評估為例開展在役考核評估方法研究。在役適用性直接反映裝備是否經濟好用，對裝備在役適用性進行考核評估，能夠切實摸清裝備在服役過程中的編配合理性及性能底數保持情況，及時發(fā)現裝備存在的各類問題隱患，提高裝備在完成多樣化軍事任務中的在役適應能力。

當前廣大學者對在役考核評估內容與方法的研究比較少，而對作戰(zhàn)效能與作戰(zhàn)適用性評估方法的研究則較多。文獻［4］采用基于證據推理的方法進行在役適用性評估，但是構建置信規(guī)則庫任務繁重，工作量大；文獻［5］建立人工智能理論構建基于深度置信網絡模型開展裝甲裝備經濟性評估，但由于目前在役考核工作剛剛起步，模型訓練數據較少，很難保證模型的精度；文獻［6］結合裝備特點建立了基于加權TOPSIS 的評估模型進行裝甲分隊作戰(zhàn)能力的綜合評估，但用精確的打分數值對定性指標進行描述不能完整展現作戰(zhàn)能力的真實特征。鑒于在役考核指標中定性指標多于定量指標，且在役考核評估數據在采集獲取時因來自不同部門，采集標準和質量往往難以統(tǒng)一，導致部分數據存在一定的模糊性及不確定性，因此，本文構建基于直覺模糊集（intuitionistic fuzzy set，IFS）理論和多準則優(yōu)化妥協決策（multi-criteria optimization compromise decision-making，VIKOR）方法相結合的模型開展在役適用性評估［7-8］，直覺模糊集理論在處理模糊不確定性指標上更加細膩靈活，而VIKOR 法可以有效處理定性定量混合類評估問題。

1.1 直覺模糊集理論基礎

定義2［9］設任意兩個直覺模糊集A和B，直覺模糊集的部分運算規(guī)則如下：

1.2 評估模型構建

本節(jié)將綜合運用直覺模糊集與VIKOR 決策理論構建評估模型。首先建立在役適用性評估指標體系，然后通過融合專家權重和位置權重的混合加權集結算子求解指標最重權重，最后通過VIKOR 方法計算群體效益值、個體遺憾值與折中值，確定評估結果，評估過程如圖1 所示［7］。

圖1 模型評估過程Fig. 1 Model evaluation process

Step 1：確定指標體系。根據在役考核定義內容［10］及文獻研究成果［1，3-4］可知，影響裝備在役適用性的在役考核一級指標分別為：適編性指標、適配性指標、服役經濟性指標與質量穩(wěn)定性指標，其中適編性、適配性反映了裝備編配適應及人裝結合能力，質量穩(wěn)定性反映裝備列裝后技戰(zhàn)術性能保持能力，這三項指標可結合裝備運用實際用模糊語言定性描述，再由表1 所示的轉化規(guī)則量化［7］，服役經濟性可在綜合評估時用采集到的維護費用消耗數據定量表示。顯然適編性、適配性、質量穩(wěn)定性3 類指標為效益型，服役經濟性為成本型。

表1 模糊語言與直覺模糊數轉化規(guī)則Table 1 Transformation rule of fuzzy language and intuitionisticfuzzy number

2）確定專家權重，專家權重是指專家打分的重要度權重，一般根據專家的專業(yè)職稱、工作履歷、研究方向等因素綜合考慮，可采用德爾菲法確定或由決策者直接給出專家權重向量。

3）根據運算法則計算Fij加權后的直覺模糊集：

5）確定位置權重。不同專家對同一指標進行重要性評判時，會因為個人的經驗履歷及對客觀事物的認識水平不同而得到差異明顯的評判結論，可利用排序位置權重來控制個別極端的評判結論，進一步消除部分人為主觀的影響，可利用主觀賦權法“二項系數法”來確定位置權重［11］，公式為：

式中，k為排序位次，q為專家數量。

6）通過式（2）計算混合加權直覺模糊集結算子，計算專家對各指標的綜合評價矩陣為：

7）確定最終權重。參考文獻［12］中式（7）改進得分函數將直覺模糊數Aj轉化為精確數值，然后歸一化得到最終權重矩陣。

Step 3：運用VIKOR 法求解評估結果。VIKOR法是一種處理多屬性決策問題的有效方法，可以推廣應用到軍事評估領域。該方法能夠對定性定量混合型決策矩陣直接進行計算，綜合考慮群體效益最大化和個體遺憾的最小化，進而通過計算折中值求解評估結果，且折中值越小表示該評估對象越好，靈活性和適用性較強。利用VIKOR 法進行在役適用性評估過程如下：

1）構建混合評估決策矩陣。確定待評估對象在不同指標下的評估屬性值，屬性值為模糊語言的指標按表1 規(guī)則進行轉化，屬性值為精確值的指標進行歸一化，所構建的混合評估決策矩陣記為Z。

3）計算每個評估對象的群體效益值Si、個體遺憾值Ri和折中值Qi。

其中，Wj表示指標的最終權重，直覺模糊數的距離d用式（1）計算，精確值的距離用差的絕對值表示。

4）確定評估結果排序。通過比較折中值的大小進行評估結果排序，Qi越小，表明評估對象越優(yōu)，Qi越大，表明評估對象越差。

Step 4：評估結果分析。分析評估結果產生的具體原因。

2 評估仿真應用及模型分析

2.1 評估仿真應用

在IFS-VIKOR 法評估模型構建的基礎上，具體介紹該方法在典型天基信息支援裝備在役適用性評估中的應用。本節(jié)以某系列光學衛(wèi)星的在役考核任務為背景，根據實際情況對在役適用性進行綜合性評估，為后續(xù)衛(wèi)星裝備運用、研制及改進提供意見建議。評估數據以衛(wèi)星服役后積累的部分歷史數據及仿真數據為參考，進行脫密處理后應用于模型評估。

表2 評估原始數據Table 2 Evaluation of initial data

Step 2：成立由試驗領域專家、航天部隊裝備機關領導、衛(wèi)星研制專家及使用單位高工等組成的7人專家組，給出各指標重要性的直覺模糊評價數據集，如表3 所示。

表3 指標評價數據矩陣Table 3 Index evaluation data matrix

專家權重由考核組根據專家組成員的職稱履歷、專業(yè)背景、研究方向等信息，采取德爾菲法確定［13］，由于德爾菲法不是本文研究的重點，不再對具體過程進行詳細描述，在此直接給出專家權重，專家權重為，根據式（4）計算并按照大小排序規(guī)則進行不增排序后的直覺模糊矩陣為：

通過式（7）計算精確數值W1*=0.788，W2*=0.742，W3*=0.649，W4*=0.874，歸一化后可得到評估指標的最終權重W=（0.258，0.243，0.213，0.286）。

Step 3：通過VIKOR 法求解評估結果。

1）將衛(wèi)星在役適用性原始評估數據表2 轉化為混合決策矩陣H，其中表中定性數據參照表1 用直覺模糊數表示，定量數據進行歸一化，經轉換計算得：

2）由混合決策矩陣H 求出正負理想解：

3）利用式（9）～式（11），分別計算出各評估對象的群體效益值Si，個體遺憾值Ri和妥協折中值Qi，求解結果及排序如表4 所示。

表4 評估計算值及評估結果排序Table 4 Evaluation of calculation value and sequencing of evaluation results

由上一步妥協折中值計算結果排序可知，利用基于IFS-VIKOR 的裝備在役適用性評估模型開展評估的結果排序是：衛(wèi)星3＞衛(wèi)星2＞衛(wèi)星1＞衛(wèi)星4?？傮w來看，即衛(wèi)星3 無明顯較弱的在役適用性指標，尤其是質量穩(wěn)定性好，運行穩(wěn)定，易于維護，在役適用性最優(yōu)，但在適編性上還有一定的提升空間；衛(wèi)星4 在編配適應性上整體較弱，雖然經濟性最好，但由于經濟性指標權重最小，并未提升該星在役適用性評估結果整體名次；對衛(wèi)星1 與衛(wèi)星2進行在役適用性評估比較，由于衛(wèi)星2 的適編性及質量穩(wěn)定性優(yōu)于衛(wèi)星1，致使衛(wèi)星1 的評估結果總體上優(yōu)于衛(wèi)星2。實際上衛(wèi)星3 是同系列改進增強型衛(wèi)星，運行穩(wěn)定，故障率低，衛(wèi)星4 為早期發(fā)射入軌衛(wèi)星，已接近服役壽命期，適配性與穩(wěn)定性均較差，評估結果與實際相符。

為提高該系列衛(wèi)星在役適用性，根據評估結果建議相關部門考慮衛(wèi)星4 的退役工作，補發(fā)新一代衛(wèi)星替代該星工作；進一步排查衛(wèi)星1 質量穩(wěn)定性方面的問題，為衛(wèi)星改進升級提供可行性建議，提高質量穩(wěn)定性，降低衛(wèi)星故障率。對于衛(wèi)星2、3 建議繼續(xù)服役，但也要繼續(xù)關注衛(wèi)星2 經濟性稍差的問題，進一步優(yōu)化編配適應性，使衛(wèi)星更好地發(fā)揮天基信息支援效能。

2.2 模型分析

VIKOR 法評估模型中決策機制系數的取值會對評估結果排序造成影響，分別取0.5、0.7、0.8、0.9、1.0 再次計算評估結果，分析不同取值時的評估排序結果如圖2 所示，以檢驗模型穩(wěn)定性。

圖2 不同決策機制系數取值對評估結果的影響Fig.2 The impact of coefficient values in different decision mechanism on the evaluation results

為進一步驗證模型的有效性，下面將模型中的VIKOR 法用TOPSIS 法替換進行對比分析［14-15］，VIKOR 法和TOPSIS 法都是通過計算評價對象到正負理想解的距離進行多屬性綜合評估的方法，TOPSIS 評估模型中的相對貼近度用式（12）計算：

表5 TOPSIS 法計算結果Table 5 Calculation results of method of TOPSIS

3 結論

本文針對在役考核評估問題，介紹了在役考核概念內涵，分析了在役考核對裝備發(fā)展的現實意義，建立基于IFS-VIKOR 的裝備在役適用性評估模型開展評估研究。首先利用IFS 理論處理定性指標，將定性評價語言轉化為定量的模糊數，同時兼顧專家知識水平對考核結果的影響，綜合考慮相對權重與位置權重，結合直覺模糊混合加權集結算子科學確定指標最終權重，然后利用VIKOR 法開展在役適用性多屬性綜合評估，并結合衛(wèi)星在役適用性評估實例驗證了模型的有效性及穩(wěn)定性，分析了評估結果，提出了意見建議，為裝備在役考核及在役適用性評估提供了方法參考。