运用数据挖掘和机器学习，建立联合作战体系效能评估模型
随着武器装备信息化进程不断推进，面对联合作战、跨域作战等复杂作战环境下体系对抗的任务需求，最大限度地利用好分布在不同区域的信息、火力平台以及跨兵种作战资源是联合制胜的关键所在。
本文针对复杂作战环境下的体系对抗问题，对联合作战背景下的体系效能评估方法进行了梳理，阐述了联合作战体系效能评估的重要意义。总结了评估方法的研究现状和典型方法，阐明了其优缺点；归纳了现有方法存在的问题及挑战，提出了未来可能的发展方向。
由于体系组成复杂、各种影响因素交织，作战环境的复杂性、多样性、瞬变性和难以预测性等对体系建设和评估带来了极大的困难。
对现有的各种体系效能评估方法进行梳理与总结，分析各方法的优缺点以及在体系效能评估中的具体应用，进而为体系效能评估策略的选择和设计提供依据非常必要。
联合作战体系效能评估的
主要方法
当前主流的体系效能评估方法有：解析法、专家评估法、作战模拟法以及基于仿真的体系效能评估法。
体系效能评估方法分类
基于解析法的效能评估
解析法在武器装备体系效能评估中的应用十分广泛，该方法通过建立效能指标与影响因素之间的函数关系，并应用数学方法或者运筹学理论对效能方程进行求解，得到评价指标的定量解。
兰彻斯特法
Lanchester从使用冷兵器和枪炮作战的不同特点出发，建立了相应的微分方程组，揭示了交战过程中双方战斗单位数变化对战争结局影响的定量关系。
当前对兰彻斯特法的研究大都集中在：对兰彻斯特模型做相应的修改或补充；结合典型作战应用增加相应的效能影响因素；结合其他评估方法联合使用。
ADC模型
ADC模型是一种系统效能指标计算模型，将决定武器系统效能的要素分为可用性A、可信性D和固有能力C，并以这3要素乘积作为单一效能度量，而获取这3项要素是ADC方法的应用难点。
ADC方法主要用于单个或同类武器装备的效能，难以适应体系对抗效能评估问题。
SEA方法
SEA方法仅提供系统效能分析的方法过程，实际的系统效能建模需根据具体的系统、环境和使命进行分析。
难点和创造性工作集中在选择与系统使命贴近的性能度量、建立符合系统运行规律的系统映射、计算多维性能度量的系统效能指标3个方面。
指数法
指数法根据武器装备的性能指标、目标特性、战场环境和实战使用经验，建立定量判定模型，分析和综合系统的各种能力，从而获得单一指数度量，评估战斗伤亡和武器装备毁伤效果、预测战斗结果。
指数法本质上是一种“等效”方法，模型的准确性取决于使用人员的作战经验和分析能力，对于作战中的随机因素衡量较少。
信息熵评估法
信息熵评估法利用信息熵衡量系统的有序程度，通过概率分布中的平均信息量描述系统的不确定性，能够充分考虑作战过程中的随机因素和不确定性，适用于多对象多指标体系的综合评估。
然而，目前该方法缺乏对其他未知影响因素的考虑，作战效能评估结果的可信度较低。
基于专家评估法的效能评估
专家评估法是在定量和定性分析的基础上，以打分等方式作出定量评价，其结果具有数理统计特性，最大优点是可以在缺乏足够统计数据和原始资料的情况下做出定量估计。
专家评估法的准确程度主要取决于专家的阅历经验以及知识的广度和深度，使用简单、直观性强，但其理论性和系统性尚有欠缺。
基于专家评估的体系效能评估方法可细分为层次分析法（AHP）、模糊综合评价以及群体多属性决策方法等，其中层次分析法是最为典型也是当前应用最为广泛的一种专家评估方法。
层次分析法
层次分析法将评价思维过程数学化，通过将复杂问题分解为若干层次和若干要素，并在同一层次的各要素之间进行比较、判断和计算，得出不同方案的重要度排序，从而为体系效能评估提供决策依据。
层次分析法弱点在于，构建的层次结构模型无法对层次内部的其他关系进行描述，在联合作战场景中会影响体系效能评估的最终结果。
网络层次分析法
联合作战体系更适合用网络层次分析法（ANP）进行效能评估。
网络层次分析法是对传统层次分析法的改进和拓展，主要解决层次内部元素间的相互作用以及下层元素对上层元素的反馈影响问题。
基于作战模拟法的效能评估
作战模拟法的实质是以计算机作战模拟模型为实验手段，通过在给定数值条件下运行模型来进行作战仿真试验，依靠模型的仿真结果来评估作战效能。
该方法特别适合于武器系统或作战方案作战效能指标的预测评估，目前主要包括蒙特卡洛法和基于AAR的作战模拟方法。
蒙特卡洛法
蒙特卡洛法是一种基于统计实验的评估方法，原理是通过随机数生成来模拟作战过程中的随机因素，再利用与待解问题具有相同概率的算法进行实验，分析实验结果后得到作战行动状态的改变和随机因素对作战过程发展的影响，继而评估其对系统效能产生的影响。
但由于是通过对已选好的随机种子编写逻辑算法生成模拟随机数，蒙特卡洛法得到的随机数不可能完全随机。
基于AAR的作战模拟方法
基于AAR的作战模拟方法主要为美军所采用。
典型的作战模拟分析模型有ATCAL模型、THUNDER模型、TACWAR模型、JICM模型以及JAS模型等。
作战模拟法的劣势
作战模拟法的评估效果依赖于有效的基础数据和原始资料的数量，其仿真模型的建立复杂，构建过程直接影响评估进程；
实际的作战环境复杂多变，干扰环境带来的不确定性直接影响仿真精度，其仿真结果的可信度难以校验；
作战仿真过程要消耗较多的计算资源，要获得大量资料也需要有计划地长期进行收集，时效性受考验。
基于仿真的体系效能评估
基于仿真的体系评估方法利用建模仿真技术构造体系评估仿真试验环境，通过对仿真结果数据的综合分析来评价体系效能。
在缺乏基础数据的前提下，可通过事先设定好的对抗准则对体系效能进行对抗评估，最终结合对抗仿真给出适应于联合作战的体系效能评估结果。
实际应用中可通过已有基础数据进行作战装备或小规模系统的作战模拟，从中发现系统演化规律及模型，然后进行仿真对抗推演，因此该方法可视为作战模拟法的拓展和扩充。
探索性分析方法
探索性分析方法是分析参数不确定性和结构不确定性问题的有效方法，在对系统进行整体认识的基础上，全面考虑各种因素的影响，从而给出不确定条件下能够达到的作战效果。
其次，基于探索因子，建立多分辨率的探索性体系仿真模型。
再次，根据探索因子间的解释层级，逐层获取中间变量探索要素的探索范围，在保证探索过程逻辑合理性的同时，优化探索求解的过程。
ABMS方法
ABMS方法通过多智能体行为、相互关系、智能体与环境的交互关系来描述复杂系统行为，被认为是研究复杂系统最具活力的仿真方法。
该方法可以通过对Agent的行为及其之间的相互关系、Agent与环境的交互关系等进行刻画，来描述复杂系统的行为，为复杂系统的分析评估提供有效的支撑。
当前，采用ABMS方法开展武器装备体系仿真评估仍处于探索研究中，对基于ABMS的体系效能仿真开发和应用过程也不统一。
SD方法
系统动力学作为一种仿真技术具有以下特点：能够容纳大量变量；描述清楚，模型具有很好的透明性；模型可以反复运行；系统动力学能做定量分析。
基于新兴评估方法的体系效能评估
支持向量机（SVM）回归机模型
SVM的核心是构造一个最优分类超平面，进而准确区分两类待分样本集。
在求解最优分类超平面所对应的二次规划问题时，惩罚因子是决定SVM学习能力和经验风险协调度的一个关键因素。
在应用SVM时，需格外注意惩罚因子的选取，应充分利用环境要素的重要性差异，提高评估性能。
PETRI网
PETRI网是描述具有同步、并发、冲突特征的离散事件动态系统的有效工具，具有2个显著优势：
作为图形化模型，能描述和分析系统资源的行为特征，建立的模型直观易懂；
借助相应的数学工具，PETRI网能在各种抽象级别上描述系统，具有比较完善的结构分析方法和技术，方便对PETRI网模型进行静态的结构分析和动态的行为分析。
Petri网已成为武器装备体系效能评估领域的研究热点之一。
数据挖掘方法
通过对大数据的持续利用，数据挖掘方法可得到不断细化装备的效能评估模型，但目前该方法仍处于探索阶段，实践范例不多。
博弈论
博弈论是研究具有对抗性或竞争性问题的数学理论和方法。
在博弈现象中，参加竞争或对抗的各方具有不同的利益和目标。
博弈论被广泛应用于雷达系统的抗干扰性能评估中，近期也已被用于通信装备电子防御系统和测控系统的作战效能评估中。
典型体系效能评估方法优缺点分析
解析法使用简单、计算高效，但只能解决比较明确、简单、便于抽象的问题，常用于对作战体系的静态能力进行评估，有时也作为其他模型的子模型用于动态能力评估。
以层次分析法为代表的专家评估法对作战体系的要求不高，操作实现比较容易、直观性强，可以得到效能指标的评估值，展示装备性能、作战规则等因素对效能指标的影响。但该方法在体系效能评估中的精确性与适用性易受到制约。
作战模拟法直观、真实、说服力强，能够实现大规模作战问题的研究分析，可以通过改变作战模拟的条件，观察分析联合作战体系在不同作战条件下的作战状况和结果，并分析作战体系的问题。然而该方法实现比较复杂，建设周期长，对作战模型和作战数据的要求也相对较高。
基于仿真的体系效能评估法可视为作战模拟法的拓展和扩充，可以更有效地实现和分析大规模、复杂的联合作战系统的体系效能评估工作，获得更高的分析能力，从更高层的系统观解释体系中每个独立系统之间的性能和交互关系。但是，该方法对计算机仿真平台的要求也更高，实现相对困难。
新兴的评估方法在非线性、不确定系统中的应用具有较明显的优势，然而由于缺乏实际数据、可解释性较差，限制了这些方法的应用。
联合作战体系效能评估
存在的问题与挑战
联合作战背景下的体系效能评估一直是装备论证、体系规划以及作战指挥中需要解决的核心问题之一，对装备建设与发展、作战指挥与决策具有重要影响。
缺乏有效的实验手段和实验方法
一次典型作战任务可能需要协调多域作战资源，随着作战规模以及任务复杂性的提升，系统交联关系复杂、相互制约多、相互影响大，导致联合作战体系建立困难。
联合作战背景下层次分析模型示例
同时，目前大多数体系效能评估方法都是简化复杂体系的要素，同时建立在一定假设的基础上或者将复杂作战体系人为分解成若干子系统，与实际作战应用仍存在较大差距。
评估指标体系建立、参数定量化描述以及准确的评估模型建立困难
在联合作战背景下，情报的获取、要素间的融合等要素都要纳入体系评估指标，每个要素都要结合作战场景构建对应评估指标集，建立全面客观的体系评估指标体系是首要问题；
传统评估方法得到的效能评估结果具有主观性和不确定性，机器学习方法在一定程度上改善了这部分问题，但研究还处于起步阶段；
传统的模型结构难以对指标间的关联以及指标和效能间的关系准确描述，而随着体系复杂度的增加，作战模拟法建立仿真模型的难度也直线上升，必须建立合理的复杂体系效能评估模型，得到可信的评估结果。
未来发展方向
总体来看，面向联合作战的体系效能评估还处于探索阶段，还有很多方面的问题需要进行深入研究。
指标体系建立
要全面描述和刻画复杂系统，必须建立全面体系评价指标体系，最终依据指标体系进行多目标优化。
在联合作战背景下，不仅需要考虑单个装备效能，情报数据的获取、多个装备间的协同等要素的效能都要纳入体系评估指标加以研究，每个要素都要结合作战场景构建对应评估指标集。
评估体系参数定量化描述
经验驱动的传统评估方法由专家凭借经验和知识给出评估指标值，得到的效能评估结果具有强烈的主观性和不确定性。
评估模型的建立
体系评估的关键在于所建立的模型是否能够描述体系变化规律，怎样建立合理的复杂体系效能评估模型，得到可信的评估结果是必须解决的问题。
运用数据挖掘和机器学习等新技术分析评估指标和作战效能之间的复杂关系，建立有效的联合作战体系效能评估模型，是未来值得研究的方向。
关于体系效能评估方法的研究逐渐向模拟仿真过渡，同时确定性计算向不确定推理过渡，此外将传统方法与新兴评估方法进行组合使传统方法具备适应复杂系统的能力也是系统效能评估方法的一个重要发展方向。