论文部分内容阅读
摘 要： 武器装备管理水平高低是衡量联合作战形态下新质战斗力的有效尺度，通过构建武器装备管理评估指标体系，结合联合作战对抗采集的样本数据，运用自适应神经模糊和减法聚类的网络智能模型进行装备管理方案的优化评估，为决策者科学决策武器装备管理效益具有一定的参考价值。
关键词： 装备管理；智能；评估
【中图分类号】 F407.5 【文献标识码】 A【文章编号】 2236-1879（2018）15-0304-01
随着人工智能技术广泛应用于军事领域，为武器装备管理智能化评估提供了具体的方法和技术支撑。自适应神经模糊网络是智能领域较为成熟的技术方法[1]，现已广泛应用到各行业领域的效能评估和预测中，但在军内比较缺少实践应用，特别是应用到武器装备管理智能化评估方面更是刚刚起步，尚未形成成熟的理论体系。因此，加快信息作战武器体系智能化研究具有重要的现实价值，也必将成为军事领域智能化发展的创新路径之一。
1 武器装备管理实践现状
信息化战争是体系与体系的对抗。新一轮改革确立了战区主战的联合作战指挥机构，对武器装备管理提出新的更高要求。武器装备管理可以区分为战略级、战役级和战术级作战能力，分别体现出宏观、中观和微观三个层次，每个级别的整体效能评估关键指标具有一定的通用性。目前我军战略级的武器装备管理尚未涉及，而战役级和战术级的武器装备管理在一定范围内持续展开，比如陆军合成旅集中检验评估活动，实践中关键指标分为战场感知、指挥控制、机动突击、整体打击、全维防护和综合保障六种核心能力，通过实兵对抗演习采集数据进行精确化评估，初步形成了武器装备管理评估的范式和标准。虽然陆军合成旅检验评估成为常态，但其采用的评估方法和技术手段都比较落后，处于“半联动”状态，与“智能化”差距明显。人工智能+与各个领域融合已成为常态，军事领域的智能化发展也是强军兴军的重要目标任务。智能算法模型、大数据挖掘分析、云计算平台支持等，都为更新评估方法提供了现实可能性。通过部队训演任务、部队对抗等大项活动，进一步优化作战体系编成，构建更优化的武器装备管理，全面提升部队的新质战斗力水平。
2 自适应神经模糊网络模型分析
自适应神经模糊网络模型（Adaptive Network Based Fuzzy Inference System，ANFIS），主要是运用大量的神经元构成的神经网络结构来模仿人类大脑神经系统实践活动进行数据处理的系统。自适应主要体现在自主适应信息，能够对大量的数据进行深度学习，提取特定的模糊规则，形成模糊隶属度函数，得出的判断规则比较客观，有效避免了个别专家经验的主观偏好和失误行为。关键算法是构造出模糊推理系统，通过反向传播算法逼近误差函数，利用误差的最优平方评估，确保评估结果能收敛到参数空间的全局最优。
3 武器装备管理评估指标体系构建
3.1 指标体系构建基本原则。
一是指标体系要紧贴实战化。评估的目的就是服务于实战的，实战是一切工作的出发点和落脚点。指标体系是基于信息系统的评估，要搞清楚联合作战制胜机理的深层关系[2]，体现出信息力和结构力，突出要素的信息融合，装备体系之间的融合贡献率，体系作战能力之间的非线性关联，构建混合结构的评估指标体系，评估结果更好地指导实战。
二是指标体系要关注差异性。一方面是规模结构，注重战略级、战役级和战术级的不同评估指标体系，虽然关键指标可能选取的相同，但是在评估时要区分颗粒度，注意宏观、中观和微观的评估差别，不能一概而论。另一方面是联合作战各个部队的担负的使命任务和关注的重点不同，形成的评估指标体系也不尽相同，应结合部队实际情况和现实战场环境，科学选取评估指标、赋予相应权重，构建具有差异化的评估指标体系。
三是指标体系要具备可行性。结合领域专家的经验，选取公认的的指标体系，融合态势感知、高效指控、精确打击、全维防护、综合保障等各种能力的整体作战较量。针对战场资源和战场条件，设计关键要素指标，突出信息优势、决策优势和结构优势的关键指标。同时在数据采集方面要便于执行，便于后续存储和挖掘使用，尽力做到统一格式的规范化处理。在此选取战术级装备管理体系作战能力为例进行评估指标的确定。战术级是装备体系能力的最底层，是支撑战役级和战略级体系作战能力的。战术级作战装备体系能力从使命任务剖面，结合联合作战部队的装备体系作战能力，选取指挥控制能力A、机动突击能力B、精确打击能力C、全维防护能力D、综合保障能力E五种一级作战能力评估指标[3-5]。对于每个一级指标逐层分解，得出相应的二级作战装备管理能力评估指标体系框架。
4 武器装备管理智能模型训练
4.1 確定指标权重。
指标权重决定着指标对指标体系的重要度。体系作战能力评估涉及到多个指标，各个指标的重要度不同，就需要一方面利用精确化的量化方法确定模糊概念，也要充分吸收各个领域专家的知识和经验，在评估过程中实现定性与定量的有机结合，因此选用综合赋权法设定武器装备管理评估指标权重比较合理。在武器装备管理评估指标中，主要采用主观赋权法、客观赋权法和综合赋权法。把样本数据带入训练好的智能模型，根据优化预测结果即可迅速判断出最优化的武器装备作战体系能力解决方案。采取适当提高突击能力、防护能力和后装保障能力等关键性要素，就能较大地提高武器装备管理。因此，采用自适应神经模糊网络预测的方法可以科学预测武器装备管理的最优化解决方案，加快新质战斗力生成，有效地提高联合作战中武器装备作战体系的整体作战效能。
5 结束语
评估指标体系的选取以及科学的样本数据是准确评估的关键。因此，需要结合训演任务、实兵对抗、跨区机动等重大任务活动，加强对武器装备管理历史数据采集录入、存储保留等工作，在大量数据的支持下，效能预测才能够更加精准。本文主要是借助自适应神经模糊网络的智能模型对武器装备管理进行了效能和优选解决方案的初步探讨和实践，对于加快我军军事领域的智能化发展具有一定的现实指导意义。
参考文献
[1] 阎平凡，张长水.人工神经网络和模拟进化计算[M].北京：清华大学出版社，2005.
[2] 孙儒凌，韩林，靳小风.联合作战计算[M].国防大学出版社.2014.8
[3] 赵志强，黄柯棣.陆军武器装备管理评估框架研究[C].2009系统仿真技术及其应用学术会议论文集，599-601.
[4] 张迪，郭齐胜，李智国，等.基于型号性能指标的武器装备管理评估方法[J].火力与指挥控制，2015，（5）：12-16.
[5] 罗小明，何榕，朱延雷.基于不确定性的防空反导装备体系作战能力分析及度量[J].装甲兵工程学院学报，2016，（1）：1-5.
[6] 包子阳，余继周.智能优化算法及其MATLAB实例[M].北京：电子工业出版社，2016.8.
关键词： 装备管理；智能；评估
【中图分类号】 F407.5 【文献标识码】 A【文章编号】 2236-1879（2018）15-0304-01
随着人工智能技术广泛应用于军事领域，为武器装备管理智能化评估提供了具体的方法和技术支撑。自适应神经模糊网络是智能领域较为成熟的技术方法[1]，现已广泛应用到各行业领域的效能评估和预测中，但在军内比较缺少实践应用，特别是应用到武器装备管理智能化评估方面更是刚刚起步，尚未形成成熟的理论体系。因此，加快信息作战武器体系智能化研究具有重要的现实价值，也必将成为军事领域智能化发展的创新路径之一。
1 武器装备管理实践现状
信息化战争是体系与体系的对抗。新一轮改革确立了战区主战的联合作战指挥机构，对武器装备管理提出新的更高要求。武器装备管理可以区分为战略级、战役级和战术级作战能力，分别体现出宏观、中观和微观三个层次，每个级别的整体效能评估关键指标具有一定的通用性。目前我军战略级的武器装备管理尚未涉及，而战役级和战术级的武器装备管理在一定范围内持续展开，比如陆军合成旅集中检验评估活动，实践中关键指标分为战场感知、指挥控制、机动突击、整体打击、全维防护和综合保障六种核心能力，通过实兵对抗演习采集数据进行精确化评估，初步形成了武器装备管理评估的范式和标准。虽然陆军合成旅检验评估成为常态，但其采用的评估方法和技术手段都比较落后，处于“半联动”状态，与“智能化”差距明显。人工智能+与各个领域融合已成为常态，军事领域的智能化发展也是强军兴军的重要目标任务。智能算法模型、大数据挖掘分析、云计算平台支持等，都为更新评估方法提供了现实可能性。通过部队训演任务、部队对抗等大项活动，进一步优化作战体系编成，构建更优化的武器装备管理，全面提升部队的新质战斗力水平。
2 自适应神经模糊网络模型分析
自适应神经模糊网络模型（Adaptive Network Based Fuzzy Inference System，ANFIS），主要是运用大量的神经元构成的神经网络结构来模仿人类大脑神经系统实践活动进行数据处理的系统。自适应主要体现在自主适应信息，能够对大量的数据进行深度学习，提取特定的模糊规则，形成模糊隶属度函数，得出的判断规则比较客观，有效避免了个别专家经验的主观偏好和失误行为。关键算法是构造出模糊推理系统，通过反向传播算法逼近误差函数，利用误差的最优平方评估，确保评估结果能收敛到参数空间的全局最优。
3 武器装备管理评估指标体系构建
3.1 指标体系构建基本原则。
一是指标体系要紧贴实战化。评估的目的就是服务于实战的，实战是一切工作的出发点和落脚点。指标体系是基于信息系统的评估，要搞清楚联合作战制胜机理的深层关系[2]，体现出信息力和结构力，突出要素的信息融合，装备体系之间的融合贡献率，体系作战能力之间的非线性关联，构建混合结构的评估指标体系，评估结果更好地指导实战。
二是指标体系要关注差异性。一方面是规模结构，注重战略级、战役级和战术级的不同评估指标体系，虽然关键指标可能选取的相同，但是在评估时要区分颗粒度，注意宏观、中观和微观的评估差别，不能一概而论。另一方面是联合作战各个部队的担负的使命任务和关注的重点不同，形成的评估指标体系也不尽相同，应结合部队实际情况和现实战场环境，科学选取评估指标、赋予相应权重，构建具有差异化的评估指标体系。
三是指标体系要具备可行性。结合领域专家的经验，选取公认的的指标体系，融合态势感知、高效指控、精确打击、全维防护、综合保障等各种能力的整体作战较量。针对战场资源和战场条件，设计关键要素指标，突出信息优势、决策优势和结构优势的关键指标。同时在数据采集方面要便于执行，便于后续存储和挖掘使用，尽力做到统一格式的规范化处理。在此选取战术级装备管理体系作战能力为例进行评估指标的确定。战术级是装备体系能力的最底层，是支撑战役级和战略级体系作战能力的。战术级作战装备体系能力从使命任务剖面，结合联合作战部队的装备体系作战能力，选取指挥控制能力A、机动突击能力B、精确打击能力C、全维防护能力D、综合保障能力E五种一级作战能力评估指标[3-5]。对于每个一级指标逐层分解，得出相应的二级作战装备管理能力评估指标体系框架。
4 武器装备管理智能模型训练
4.1 確定指标权重。
指标权重决定着指标对指标体系的重要度。体系作战能力评估涉及到多个指标，各个指标的重要度不同，就需要一方面利用精确化的量化方法确定模糊概念，也要充分吸收各个领域专家的知识和经验，在评估过程中实现定性与定量的有机结合，因此选用综合赋权法设定武器装备管理评估指标权重比较合理。在武器装备管理评估指标中，主要采用主观赋权法、客观赋权法和综合赋权法。把样本数据带入训练好的智能模型，根据优化预测结果即可迅速判断出最优化的武器装备作战体系能力解决方案。采取适当提高突击能力、防护能力和后装保障能力等关键性要素，就能较大地提高武器装备管理。因此，采用自适应神经模糊网络预测的方法可以科学预测武器装备管理的最优化解决方案，加快新质战斗力生成，有效地提高联合作战中武器装备作战体系的整体作战效能。
5 结束语
评估指标体系的选取以及科学的样本数据是准确评估的关键。因此，需要结合训演任务、实兵对抗、跨区机动等重大任务活动，加强对武器装备管理历史数据采集录入、存储保留等工作，在大量数据的支持下，效能预测才能够更加精准。本文主要是借助自适应神经模糊网络的智能模型对武器装备管理进行了效能和优选解决方案的初步探讨和实践，对于加快我军军事领域的智能化发展具有一定的现实指导意义。
参考文献
[1] 阎平凡，张长水.人工神经网络和模拟进化计算[M].北京：清华大学出版社，2005.
[2] 孙儒凌，韩林，靳小风.联合作战计算[M].国防大学出版社.2014.8
[3] 赵志强，黄柯棣.陆军武器装备管理评估框架研究[C].2009系统仿真技术及其应用学术会议论文集，599-601.
[4] 张迪，郭齐胜，李智国，等.基于型号性能指标的武器装备管理评估方法[J].火力与指挥控制，2015，（5）：12-16.
[5] 罗小明，何榕，朱延雷.基于不确定性的防空反导装备体系作战能力分析及度量[J].装甲兵工程学院学报，2016，（1）：1-5.
[6] 包子阳，余继周.智能优化算法及其MATLAB实例[M].北京：电子工业出版社，2016.8.