装备能力评估对于装备的发展及建设具有至关重要的作用。作战飞机是武器装备体系的重要组成部分,通过对作战飞机能力的评估,寻求指标关键要素与装备能力的关联关系,研究作战使用中基于装备指标体系的装备能力智能评估方法,具有实际意义。本文在作战飞机作战能力指标体系构建基础上,提出了策略优化集成学习算法,用于评估作战飞机的作战能力,解决了神经网络过拟合及全局寻优问题。最后,我们使用作战飞机对空、对地及作战总能力数据来训练网络,通过作战能力估计来评估算法的准确性、稳定性及快速性等性能。同时,通过指标灵敏度计算,实现装备能力的关键指标对装备性能影响灵敏度分析。本文的主要工作如下:1.介绍了装备能力评估中的基本理论和概念,对能力评估技术的研究现状进行了归纳总结,阐述了能力评估的内容和基本步骤。结合研究项目,通过分析典型装备系统作战使用,根据指标选择原则,构建了典型装备能力评估的指标体系。以作战任务需求为牵引,构建全局指标体系,建立基于装备指标及作战能力的数据库,为作战飞机能力评估提供数据。以作战飞机能力评估为切入点,研究通用的装备评估方法,对装备论证到作战运用全过程装备能力评估提供支撑,具有显著的科学意义和应用价值。2.针对小样本装备能力评估问题,根据灰色系统指标关联分析理论,计算指标关联度并进行装备能力评估,寻求指标关键要素与装备能力的关系。依据作战飞机指标体系空间特点,量化指标体系空间指标,构造装备能力指标矩阵,规范指标矩阵,确定最优模式向量,计算指标关联系数及信息熵,客观计算作战飞机作战能力指标权重。同时,通过作战飞机最优模式关联度与对空作战能力数据库的映射关系,拟合关联度-作战能力曲线,对作战飞机能力进行估计。通过作战飞机典型装备的能力评估,验证了该方法的有效性及可行性。3.针对装备指标体系与装备能力关系特点,在神经网络理论基础上,优化BP神经网络搜索策略,通过梯度策略解决神经网络算法局部最优与全局最小问题中的参数寻优以及收敛加速问题;同时,通过早停和正则化的策略,寻求神经网络防过拟合方法,解决估计中的奇异点优化处理问题。最后,在智能算法研究基础上,以装备指标及作战能力库为支撑,建立作战飞机能力评估模型。通过作战飞机典型装备的能力评估,验证了该方法的有效性及可行性。4.针对装备指标体系与装备能力关系特点,在BP神经网络模型基础上,采用比例选择算子、单点交叉算子以及单点变异算子的方法,对指标体系全要素指标空间进行压缩降维,提取关键指标,构建降维网络评估模型。通过作战飞机典型装备的能力评估以及记录评估时间,验证了该方法在装备能力评估中具有较好的快速性。5.针对装备能力评估对准确性、稳定性的要求,以神经网络为基础,从搜索策略和梯度策略入手,建立基于神经网络策略优化集成学习（ELPONN）的装备能力智能评估模型,寻找解决神经网络学习中泛化性能差和局部极小等问题的方法。通过作战飞机能力估计及数据验证,迭代校验模型,从而解决模型作战能力评估中的准确性和稳定性等问题。同时,对集成学习网络中的指标进行灵敏度计算,分析装备能力中的关键要素灵敏度,探索指标解析求解法,对指标的绝对灵敏度和相对灵敏度计算分析,从而建立装备指标的灵敏度与装备能力关联模型。实验表明,ELPONN方法在典型装备能力评估中平均相对误差为4.10%,明显优于相关改进神经网络方法,具有较好的准确性和稳定性。综上所述,论文对装备能力智能评估以及指标关键要素灵敏度与装备能力关联分析领域面临的问题进行了分析,对所涉及的算法理论进行了研究,基于神经网络和集成网络模型,构建了基于神经网络策略优化集成学习的装备能力评估模型。对装备能力评估的同时,分析了指标关键要素灵敏度,取得了一定的研究成果。论文相关成果为装备能力智能评估以及指标关键要素对装备能力的灵敏度提供了理论基础和实践方法,具有借鉴意义。