在现代战争的发展大势下,新型作战武器已经与多种高新技术相结合,变得越来越复杂。而且新的作战方式要求各种信息化武器装备实现一体化,保持武器装备和作战系统的互联互通,对面向作战任务的装备保障提出了更高的要求。本文就是在这样的情况下,进行了对装备性能评估技术的研究。本文从面向作战任务的装备保障背景出发,提出并构建了一种基于置信规则库的装备性能评估系统,用以实现对武器装备性能的评估。该系统从装备性能的层次化指标关系出发,构建分层置信规则库系统对装备性能进行评估。首先,基于粗糙集进行规则提取;然后,根据输入信息的完整性确定使用传统的推理方法或者本文提出的输入信息不完整的推理方法;最后,利用大量数据对装备性能评估系统进行优化,分为基于自适应多种群遗传算法的置信规则库参数优化和基于统计效用的置信规则库结构优化。论文针对装备性能评估问题,对置信规则库系统构建过程和其中遇到的问题进行了研究,主要研究创新体现在以下几个方面:1.对于以往置信规则提取单纯依靠专家经验的问题,提出基于粗糙集的置信规则提取方法,该方法是从数据出发,将数据按其属性的参考值进行等价类划分,然后根据支持度提取规则,最后利用规则的好坏程度对属性参考值个数和间距进行优化,使得提取的规则更能适应装备性能评估实际。2.根据装备性能的层次化指标关系,构建分层置信规则库系统,将前一层置信规则库系统的评价结果进行处理,并作为下一层置信规则库的前件,解决了不同层次置信规则库输入和输出形式不一致的问题。3.在装备性能评估的过程,常常由于人为失误、关键参数难获取等方方面面的原因,导致输入信息不完整,从而不能正常完成推理。基于此,本文提出一种基于分布情况的置信规则库推理方法,该方法是根据数据的分布情况对缺失的属性进行补充,形成多个输入,分别利用置信规则库推理方法进行推理,最后利用ER算法将所有推理结果融合成一个综合性的推理结果,该方法能够在尽量减少误差的情况下克服推理上的难题。4.为了克服本文中不同置信规则库之间差异大、难以优化的问题,本文提出自适应多种群遗传算法对置信规则库进行优化。该方法设置了多个子种群,提高算法的全局寻优能力,同时子种群之间存在迁移策略。在具体的进化过程中,加入自适应交叉算子和自适应变异算子,加快进化速度,从而提高遗传算法的全局寻优能力和局部寻优能力。本文最后综合这些方法构建了用于装备保障的性能评估原型系统,并利用层次分析法产生了仿真数据。利用这些仿真数据,本文对之前提出的一整套方法的有效性进行了验证。通过实验发现,本文提出的规则提取、规则推理、规则优化的流程适合装备性能评估,能够在很大程度上提高装备性能评估的精度,从而为面向作战任务的装备保障提供支撑。