劉翔宇，趙洪利，楊海濤

(1.航天工程大學 研究生管理大隊， 北京 101416； 2.航天工程大學， 北京 101416；3.航天工程大學 航天遙感實驗室， 北京 101416)

作戰(zhàn)方案評估是信息化戰(zhàn)爭的重要決策環(huán)節(jié),對戰(zhàn)爭的勝負有著十分重要的影響[1]。一般作戰(zhàn)方案評估定量地描述相關部隊完成任務的能力，為指揮員進行精確籌劃和決策提供直接參考。

本文在總結前人提出的作戰(zhàn)方案評估方法的基礎上，對每類方法的特點進行了簡要總結，并對比各自的優(yōu)缺點，重點介紹了層次分析評估法、蘭徹斯特方程評估法和深度學習評估法，分析了作戰(zhàn)方案評估領域的難點以及進一步的發(fā)展方向，探討了急需解決的問題。

1 作戰(zhàn)方案評估方法現(xiàn)狀

經過長期的發(fā)展，產生了大量的作戰(zhàn)方案評估方法。劃分的標準不同，評估方法的種類也不盡相同。隨著信息化戰(zhàn)爭程度的加深，智能化戰(zhàn)爭初露頭角，各國軍事信息體系不斷完善，對作戰(zhàn)方案的評估需求也日益迫切。本文對常用的作戰(zhàn)方案評估方法進行總結，歸納如圖1。

1.1 數(shù)學解析法

數(shù)學解析法主要根據(jù)評估對象和相關指標之間的關系，通過理性的推理分析，應用數(shù)學推導、演繹建立相應的函數(shù)關系，并通過數(shù)學公式進行求解得到評估結果。

數(shù)學解析法的主要方法有：結構方程模型ADC模型法[2]、蘭徹斯特方程法、復雜網(wǎng)絡法、灰色評估法、指數(shù)法[3]、信息熵評估法、數(shù)據(jù)包絡分析法、系統(tǒng)有效性分析法、理想點法、平衡計分卡法、質量功能展開法、多元統(tǒng)計法。其中多元統(tǒng)計法又包括主成分分析法、因子分析法、聚類分析法、判別分析法。

優(yōu)點：理論性強、客觀性好、變量之間的關系簡潔明了、公式與推導過程客觀可見。

缺點：有時評估對象之間的關系過于發(fā)雜，模型公式難以建立，有時困難。

1.2 專家評估法

專家評估法是以專家自身的經驗為主進行判斷和評估的方法，它分為兩類：一類是沒有任何數(shù)學理論與數(shù)據(jù)的支撐，完全依靠專家自身的經驗進行主觀判斷的專家打分法；另一種是定性分析與定量分析相結合，即有人的主觀判斷，又有數(shù)學理論的支撐方法，如層次分析法[4]、模糊綜合判斷法、多屬性決策法，其中多屬性決策法又包括ELECTRE法、MAVT(Multi-Attribute Value Theory,MAVT)法。

優(yōu)點最大的優(yōu)點在于，能夠在缺乏足夠統(tǒng)計數(shù)據(jù)和原始資料的情況下，做出定量估計，可以充分發(fā)揮專家的主觀判斷作用，具有使用簡單、直觀性強的特點。

缺點：由于專家評價的準確程度主要取決于專家的閱歷經驗以及知識的廣度和深度，要求參加評價的專家對評價系統(tǒng)具有較高的學術水平和豐富的經驗知識，但同樣也存在著不足：一個方面，在專家的選擇上，怎樣才能保證專家的權威性和專家小組組成的合理性，是在實際研究中需要解決的問題；另一方面，由專家們進行主觀判斷缺乏必要的數(shù)學理論支撐，主觀性太強，有時會使評估的結果不夠客觀和準確。

1.3 試驗統(tǒng)計分析法

試驗統(tǒng)計法是以經典的概率論和數(shù)理統(tǒng)計為理論基礎，通過采集實戰(zhàn)、演習的相關數(shù)據(jù)，獲得大量的統(tǒng)計資料，從而來評估武器裝備系統(tǒng)或作戰(zhàn)方案的效能。

目前試驗統(tǒng)計分析法主要以計算機仿真為主，試驗統(tǒng)計法為輔。常用的試驗統(tǒng)計法主要有點估計法、回歸分析法、區(qū)間估計法、抽樣調查法、假設檢驗法、演習法。

優(yōu)點：該方法的指標數(shù)據(jù)源于實際作戰(zhàn)條件，受主觀因素影響較小，并且像參數(shù)估計、假設檢驗等常用的評估方法都比較成熟，故在效能評估領域被認為是一種客觀可信的基本評估方法，常常用來驗證其他評估方法的有效性。

缺點：利用試驗統(tǒng)計分析法得到的效能評估結果較為準確可靠，但是對于像部隊作戰(zhàn)演習這類大型軍事活動，耗費人力物資巨大，無法多次實施以獲得大量反映作戰(zhàn)過程隨機特性的統(tǒng)計數(shù)據(jù)，故此方法在實際部隊作戰(zhàn)效能評估方面應用不多。

1.4 作戰(zhàn)仿真模擬法

作戰(zhàn)仿真模擬法[5]是通過評估對象的特點，采用建模仿真的手段建立仿真模型，通過研究模型的仿真過程和仿真結果，得到評估結果。

作戰(zhàn)仿真模擬法主要包括：數(shù)值模擬法、模擬實驗法、蒙特卡羅法、系統(tǒng)動力學法、ATCAL模型法、TACWAR模型法、MAS(Multi-Agent-System)仿真法[6]、 HLA分布式仿真法。

優(yōu)點：作戰(zhàn)仿真模擬法的優(yōu)點是實踐性強，可以進行多次重復試驗，準確得到不同條件下的概率分布，參訓者可以迅速掌握實際工作中的機器操作，進而得到評估結果。

缺點：由于仿真畢竟不是真的，有的參訓者主觀重視程度不夠、操作隨意性大，容易脫離作戰(zhàn)實際；準備工作復雜，評估對象中存在許多因素難以量化，給建模和仿真造成一定困難。

1.5 新興作戰(zhàn)方案評估方法

近年來，評估理論逐步發(fā)展、成熟，積極吸收并融合了其他學科領域知識，拓展了學科的邊沿，最終促進了新的評估和決策理論的發(fā)展，管理科學、應用數(shù)學、系統(tǒng)論、信息論、計算機技術、人工智能技術、工程技術思想引入評估領域，產生了一系列新的評估方法，同時，不同評估方法的綜合和交叉也促進新方法和新思想的產生。

新興的評估方法主要有支持向量機評估法[7]、探索性分析法、探索性+分析法、博弈論法、控制論法、數(shù)據(jù)耕種與挖掘法、深度學習法[8-9]。云評估法、SEA法、生克評估法、物元評估法等。

優(yōu)點：隨著戰(zhàn)爭的智能化、復雜化、信息化、數(shù)字化程度越來越高，評估的難度越來越大，傳統(tǒng)的評估方法不再適用，新興的評估方法在個別領域能夠很好地解決問題；新的評估理念和方法極大地豐富了評估理論。

缺點：各種新興評估方法的適用范圍存在局限性，只能夠解決某一類評估問題，總體適用性不高。

1.6 其他方法

除了傳統(tǒng)的數(shù)學解析法、專家評估法、試驗統(tǒng)計分析法、作戰(zhàn)仿真模擬法以及新興的作戰(zhàn)方案評估方法外，還有一些其他方法如性能對比法、影像圖建模分析法、Petri網(wǎng)法[10]等。

優(yōu)點：這幾種評估方法評估針對性極強，對于某一類特定的問題有著優(yōu)于其他評估方法的優(yōu)勢。如果評估目的是想要清楚地展現(xiàn)不同類評估對象的性能特點，則使用性能評估法；如果手中有大量評估對象的影像數(shù)據(jù)，想要完成對評估對象某些特征的識別與提取，則使用影像分析法；如果評估目的是得到與評估對象有關的系統(tǒng)狀態(tài)與動態(tài)行為方面的信息，且評估對象存在并發(fā)、異步、分布、并行、不確定性和隨機性的特點，則使用Petri網(wǎng)法。

缺點：極強的針對性同樣也使此類方法適用范圍很小，只能夠解決某一類特定的評估問題，總體適用性很低。

2 典型作戰(zhàn)方案評估方法

作戰(zhàn)方案的評估方法種類繁多，在這里重點對層次分析法、蘭徹斯特方程法、深度學習法進行分析介紹。

2.1 層次分析法

層次分析法(Analytic Hierarchy Process,AHP)是美國著名運籌學家，匹茲堡大學教授Thomes L.Saaty于20世紀70年代中期提出的。層次分析法將復雜的評估問題進行分解處理，將人的主觀判斷進行定量刻畫，是一種定性和定量相結合的多準則評估方法。盡管從數(shù)學原理上講AHP有著深刻的內容，但本質上是一種科學的思維方式。

自20世紀80年代AHP法被引入到國內，由于該方法簡單快速，迅速在各個行業(yè)中得到廣泛的應用，特別適合用于解決半結構化、非結構化的復雜系統(tǒng)問題。通常利用AHP中判斷矩陣的方式，確定定性指標的權重，再與模糊綜合判斷法、灰色理論等方法結合達到解決問題的目的。雖然AHP法在處理某些問題上占有一定的優(yōu)勢，但在效能評估問題上存在一定的缺陷：比如構建的遞階層次結構具有自上而下、逐層傳遞的支配關系，過分簡化了作戰(zhàn)系統(tǒng)的非線性、協(xié)同化等復雜問題，無法反映下層對上層的反饋作用或者層次間各要素的相互影響；由于不同的專家往往得出不同的判斷矩陣，受人為因素影響較大，導致計算結果不穩(wěn)定；在進行一致性檢驗時需要計算判斷矩陣的特征值，但在AHP法中一般用的是求平均值的方法求特征值，對于一些病態(tài)矩陣有系統(tǒng)誤差；AHP法的目的是給定的方案中選擇最優(yōu)的，無法產生更好的新方案。

鄭錦、王宇基于層次分析法對水面艦艇的作戰(zhàn)效能進行了評估，構建了水面艦艇反導作戰(zhàn)指標體系，建立了相應的水面艦艇反導作戰(zhàn)效能評估模型[11]；孫克鵬通過層次分析法構建軍隊作戰(zhàn)心理風險評估系統(tǒng)，對參評人員作戰(zhàn)風險等級進行評定，綜合評定結果針對個人提出合理評價，以達到軍人作戰(zhàn)心理戰(zhàn)前風險評估目標，避免戰(zhàn)爭中的不必要傷亡[12]；李寧、陳暉為提高作戰(zhàn)指揮效能評估的合理性和準確性，分析了現(xiàn)代戰(zhàn)爭中作戰(zhàn)指揮活動內涵，探索了作戰(zhàn)指揮效能評估內容構成要素，構建了準確反映作戰(zhàn)指揮效能水平的評估指標體系，設計了灰色層次分析法，并運用實際算例驗證了評估模型的合理性以及算法的有效性[13]；安明偉等人針對坦克電臺通信效能評估的復雜性，運用層次分析法，確立了坦克電臺通信效能評估指標集，實現(xiàn)了通過實驗數(shù)據(jù)采集定量分析坦克電臺通信效能[14]；王晨從C4ISR通信網(wǎng)絡效能的角度出發(fā)，引用灰色理論中的相關方法，充分發(fā)揮灰色理論在處理不確定信息方面的優(yōu)勢，從定量的角度分析，探討構建C4ISR通信網(wǎng)絡效能評估模型[15]；軒永波等為對空間武器系統(tǒng)作戰(zhàn)效能進行評估，研究了空間武器系統(tǒng)的作戰(zhàn)效能評估指標，通過改進的標度矩陣法確定權重的大小，結合層次分析法和灰色理論對空間武器系統(tǒng)作戰(zhàn)效能進行評估[16]。

2.2 蘭徹斯特方程法

1914年，蘭徹斯特在其名著《戰(zhàn)爭中的飛機：第四個兵種的出現(xiàn)》中首次提出了作戰(zhàn)損耗定量分析的蘭徹斯特方程。與F.W.蘭徹斯特一起，當時在作戰(zhàn)損耗數(shù)學研究方面堪稱先驅的還有另外三名學者：① J.V.蔡斯，曾擔任美國海軍上將，他在1902年發(fā)表的論文《海戰(zhàn)：優(yōu)勢兵力效能的數(shù)學研究》中，首次提出了作戰(zhàn)損耗的數(shù)學公式；② B.A.費斯克，也曾擔任美國海軍上將，他在1905年發(fā)表的論文《美國海軍政策》和1916年出版的著作《作為戰(zhàn)爭機器的海軍》中，首次引入了平方率的狀態(tài)街和兵力集中原則的概念，并對平方率進行了詳盡地討論；③ M.奧西普夫，他在1915年俄國雜志Voenniy Sbornik(軍事篇)上連續(xù)發(fā)表5篇文章，利用數(shù)學和統(tǒng)計學的知識，系統(tǒng)地分析了從1805年到1905年100年間的38次戰(zhàn)爭的歷史數(shù)據(jù)，提出了完整的作戰(zhàn)損耗理論的數(shù)學公式，因此蘭徹斯特方程也稱為蘭徹斯特-奧西普夫方程。

蘭徹斯特方程是一組描述交戰(zhàn)雙方作戰(zhàn)力量損耗的微分方程，可以用來對作戰(zhàn)過程進行各種預測。例如，預測交戰(zhàn)雙方哪一方獲勝；預測作戰(zhàn)過程的大致持續(xù)時間；預測作戰(zhàn)結束時勝方損失大小；預測初始總兵力和戰(zhàn)斗力的變化會對作戰(zhàn)結局帶來哪些影響等。由于蘭徹斯特方程式確定性模型，所以不需要多次重復計算。其主要優(yōu)點是便于分析人員進行靈敏度分析，迅速改變兵力編成、裝備特性等變量的結果，適用于各種規(guī)模的作戰(zhàn)模擬，尤其可以推廣到大規(guī)模戰(zhàn)役模型，克服大規(guī)模戰(zhàn)爭仿真模型的困難。

蘭徹斯特方程最基礎的形式為蘭徹斯特第一線性定律、蘭徹斯特第二線性定律[17]、蘭徹斯特平方定律[18]，早期的一些學者對一些特殊情況下的戰(zhàn)斗進行研究，在蘭徹斯特方程的基礎上發(fā)展并建立了新的計算模型，統(tǒng)稱為蘭徹斯特型方程[19]，戴奇曼(S.J.Deitchman)提出了游擊戰(zhàn)模型[20]。穆斯(Paul H.Moose)在總結研究蘭徹斯特方程的基礎上，提出了信息戰(zhàn)方程[21]。德國著名軍事理論家克勞塞維茨(C.Von.Clausewitz)提出概率型蘭徹斯特方程。國外對蘭徹斯特方程的研究較早。戴奇曼、穆斯、克勞塞維茨等研究的重點在于蘭徹斯特方程形式的優(yōu)化，后來的研究者(P.S.Sheeba、D.Ghose)的研究重點集中在損耗系數(shù)的計算[22]與活力分配問題[23]。國內對蘭徹斯特方程的研究較晚，相關論文較少。目前搜到的一些論文，多側重于對蘭徹斯特方程的介紹或簡單的適應性改造[24-25]。

2.3 深度學習法

2006年，加拿大多倫多大學教授、機器學習領域的領軍人物Geoffrey Hinton和他的學生Salakhut-dinov提出了深度網(wǎng)絡和深度學習的概念，打破了神經網(wǎng)絡研究工作較長時間的靜寂，開啟了深度學習研究的新熱潮[26-27]。深度學習是機器學習研究中的一個重要方向，隨著AlphaGo、Master相繼擊敗世界級的圍棋高手，在圍棋界和科技界引起了巨震，促進人們對于深度學習的重視。2017年，AlphaZero通過自學習打敗AlphaGo更加引起了人們對深度學習領域的重視。深度學習方法通過多重組合學習底層信息，然后逐層壓縮來發(fā)現(xiàn)大數(shù)據(jù)本質特征，有利于提高識別、分類和預測的準確性?？偟膩碇v，深度學習具有強大的非線性處理能力，逐層理解、自動分析提取的結構，良好的“記憶”性質等獨特優(yōu)勢，目前已被譽為最接近人腦的智能學習方法。深度學習所得到的深度網(wǎng)絡結構包含大量的單一元素(神經元)，每個神經元與大量其他神經元相連接，神經元間的連接強度(權值)在學習過程中修改并決定網(wǎng)絡的功能，包括可解決復雜、非線性、大數(shù)據(jù)問題的重要功能。

目前，深度學習也被越來越多地應用于方案的評估與籌劃當中。利用深度學習神經網(wǎng)絡具有的能逼近任意非線性系統(tǒng)的優(yōu)勢，通過已知數(shù)據(jù)構建模型，實現(xiàn)模型對位置數(shù)據(jù)的模式識別，達成評估作戰(zhàn)方案的目的，為研究方案評估提供了一種新的方法。由于方案的效能評估牽涉到各種特性迥異、重要性程度各不相同的力量及運用，這為引入神經網(wǎng)絡解決問題提供了條件。王靜巖、鄭建軍、吳裕樹等通過對合成旅作戰(zhàn)過程中主要因素的分析，建立了較為完備的作戰(zhàn)指標評估體系和作戰(zhàn)方案評估模型。針對作戰(zhàn)方案評估，提出基于RPROP和基于神經網(wǎng)絡集成的兩種作戰(zhàn)方案評估方法，從而降低了評價過程中人為因素的影響[28]。高桂清、施旭鑫、李治、張會其構建了一般的機動發(fā)射式導彈作戰(zhàn)方案評估指標體系，通過BP神經網(wǎng)絡模型對擬制的導彈作戰(zhàn)方案進行評估，得到了評估結果，為導彈武器作戰(zhàn)時快速優(yōu)選作戰(zhàn)方案創(chuàng)造條件[29]。田成祥、候德廣在對工程兵橋梁爆破影響因素分析的基礎上，構建了以爆破人員、爆破目標、爆破工具為主的橋梁爆破方案評估指標體系，并確立了基于BP神經網(wǎng)絡的軍用橋梁爆破方案評估模型[30]。劉銅、李小全、王永良、王鍵等針對炮兵火力運用方案評估中的主觀性和不確定性，將模糊理論融入到BP神經網(wǎng)絡對其進行評估，并通過多種群自適應遺傳算法對神經網(wǎng)絡進行優(yōu)化以提高評估效率，構建了炮兵火力運用方案評估指標體系、評估流程和評估模型，結合實例進行了仿真驗證分析，得出了較為可靠的結論，為炮兵火力運用方案評估提供了有效的方法[31]。劉祖煌、程啟月利用徑向基神經網(wǎng)絡，通過已知數(shù)據(jù)構建模型，完成了對一類航空兵火力打擊方案的效能評估[32]。肖凡、劉忠、黃金才等針對作戰(zhàn)方案效能評估，分析了當前作戰(zhàn)方案效能評估的現(xiàn)狀，從信息能力、決策能力、資源消耗和方案自身結構鏈路關系四個方面提出了作戰(zhàn)方案效能評估指標體系，為以后作戰(zhàn)方案指標體系的構建提供了借鑒[33]?；鸺姽こ檀髮W的夏維、劉新學、范陽濤、范金龍針對現(xiàn)有城市系統(tǒng)作戰(zhàn)能力評估方法較少的問題，利用BP神經網(wǎng)絡在能力評估方面的自適應性、自學習性、強容錯性和泛化映射等優(yōu)勢，建立評估指標體系并給出指標的隸屬函數(shù)。通過模擬退火遺傳算法(simulated annealing and genetic algorithm,SAGA)優(yōu)化BP神經網(wǎng)絡的連接權重和閾值，弱化了指標評價過程中的人為因素，提高了評價結果的準確性、客觀性和權威性，有效解決了傳統(tǒng)遺傳算法和BP神經網(wǎng)絡容易陷入局部極小值、收斂速度慢和抗干擾能力差的問題[34]。

3 下一步的研究方向

作戰(zhàn)方案評估理論與方法在不斷地完善與豐富,其面臨的挑戰(zhàn)也越來越大，下一步的研究主要有以下幾個方面：

1) 作戰(zhàn)方案的層級問題。針對目前的作戰(zhàn)方案評估，大部分的評估研究集中裝備性能的評估、戰(zhàn)役、戰(zhàn)術級的作戰(zhàn)方案效能評估、單一兵種作戰(zhàn)方案的效能評估，針對天基信息支援下的多軍種聯(lián)合一體化的作戰(zhàn)方案評估還沒有有效的評估指標體系，無法為戰(zhàn)略指揮員提供戰(zhàn)略決策依據(jù)，如何建立一套粗細力度適中的戰(zhàn)略級作戰(zhàn)方案評估指標體系，并將傳統(tǒng)評估方法與新興評估方法進行有效結合，是未來軍事評估發(fā)展的必然趨勢。

2) 數(shù)據(jù)樣本問題。深度學習在作戰(zhàn)方案評估中還處在摸索階段。深度學習在光學圖像上的成功應用為作戰(zhàn)方案評估提供了理論基礎，但是其訓練樣本數(shù)量無法與光學圖像相比，對于天基信息支援下的聯(lián)合作戰(zhàn)來講，獲得數(shù)據(jù)少、獲取、提取數(shù)據(jù)難的問題導致其訓練的模型容易過擬合。為了克服這個問題，首先要對現(xiàn)有的幾場天基信息支援聯(lián)合作戰(zhàn)相關戰(zhàn)例數(shù)據(jù)進行梳理；其次，對訓練樣本的要求，將全監(jiān)督的訓練模式轉變?yōu)槿醣O(jiān)督的方式，甚至是無監(jiān)督的方式。為實現(xiàn)快速、自動的、準確地作戰(zhàn)方案評估提供可能。

3) 評估速度問題。由于戰(zhàn)場環(huán)境的快速變化和不可預測性，對作戰(zhàn)方案評估的速度要求越來越高，如何將現(xiàn)有的評估方法與人工智能、大數(shù)據(jù)技術相結合來提高評估速度是研究者們一直追求的目標。

4 結論

作戰(zhàn)方案評估在作戰(zhàn)評估領域具有重要的研究意義和實際應用價值。本文在對作戰(zhàn)方案評估方法綜述的基礎上，重點介紹了幾種作戰(zhàn)方案評估的方法，為下一步研究指明了方向。人工智能與大數(shù)據(jù)技術的發(fā)展為作戰(zhàn)方案評估提供了新的方法途徑，但同時存在不少困難，對其研究任重而道遠。