黄俊华 杨 桄 张筱晗 杨永波

(空军航空大学 长春 130022)



基于群组层次分析法与云模型的情报保障效能评估*

黄俊华 杨 桄 张筱晗 杨永波

(空军航空大学 长春 130022)

情报保障效能评估是情报保障中一项重要的内容，根据情报保障的要素与指标建立原则，论文构建了一个情报保障效能评估指标体系。为了降低情报保障效能评估的主观性与不确定性，论文提出了一种结合群组层次分析法与云模型评估的效能评估方法。最后，通过实例仿真验证了方法的有效性与实用性。

情报保障; 效能评估; 群组层次分析法; 云模型

Class Number E92;TJ012.4

1 引言

一体化联合作战将是未来战争的必然趋势，美军十分注重情报保障在一体化联合作战中的运用，将情报保障视为战争的“力量倍增器”[1]。在情报保障工作中，美军对于情报保障的效能评估也相当的重视，将情报保障效能评估贯穿至整个美军情报周期中[2]，对情报保障工作及时做出评估和反馈，提高情报保障作业的效率。故对情报保障效能评估的研究具有重要的意义，通过效能评估，能够准确地了解情报保障工作的运行情况以及对作战的情报支援程度。本文从情报保障效能评估体系的建立与情报保障效能评估方法的选择两方面进行研究。

2 指标体系的建立

指标体系的建立是效能评估工作的核心，科学合理的指标体系是准确评估的关键。建立情报保障指标体系首先要满足指标选取的基本原则，即：完备性，科学性，可测、可控性。

在继承效能评估指标体系建立基本原则的基础上，情报保障效能评估的选取要满足情报保障的要素与要求。美军对于联合作战情报保障工作以及情报产品提出了以下几个标准[1]：及时性、客观性、可用性、可供性、完整性、准确性、相关性。根据这一标准本文建立情报保障效能评估指标体系，如图1所示。

图1 情报保障效能评估指标体系图

3 情报保障效能评估方法

3.1 评估方法的选择

情报保障效能评估的部分指标很难用具体的数值来表示，只能用语言来描述。云模型评估法能够同时有效而简便地实现定性与定量相互转换，可将模糊性和随机性结合在一起，充分实现精确数值与定性语言之间的转换。

情报保障效能评估工作不是一人完成，每个决策者的知识水平以及个人喜好的差异都会对同一个问题产生不同的观点。群组层次分析法是在层次分析法的基础上改进的，能够将个人判断综合成较为合理的结果[3]。

本文根据上述特性，采用群组层次分析法与云模型评估法相结合的情报保障效能评估方法，其步骤为

1) 根据群组层析分析法确定指标体系的指标权重。

2) 求各指标的云模型表示。

3) 用一个综合云表示系统状态。

4) 用加权偏离度来衡量综合云重心的改变。

5) 用云模型的评语集实现效能评估。

3.2 基于群组层次分析法的指标权重确定

3.2.1 建立判断矩阵

确定情报保障指标体系的权重的关键一步是确定同级指标的相对重要性，不同的侧重点会对情报保障的评估带来不同的结果。本文采取专家法来确定各指标的相对重要性，评估专家要以特定任务为背景，根据情报保障的要求来确定各性能指标的重要性。

在某一指标下，对于n个元素中的任意两个元素a和b，通过经验对比获得a和b两个元素的相对重要性。目前多使用9/9～9/1标度法来为元素的重要性赋值[4]，比例标度如表1所示。

表1 9/9～9/1标度法

通过9/9～9/1标度法可以分别构建一级指标的判断矩阵E-B和二级指标的判断矩阵B1-C，B2-C和B3-C，在此以E-B为例。

判断矩阵E-B所表示的是情报保障效能指标、情报质量效能指标和战场态势感知效能指标的相对重要性，表示为：

(1)

式中aij表示Bi相对Bj的相对重要性。

可同理根据式(1)构造二级指标的判断矩阵B1-C，B2-C和B3-C。

判断矩阵是一种正互反矩阵，矩阵中的各元素满足：

(2)

当判断矩阵中的元素满足传递性时，即：

aij·ajk=aik

(3)

可称该矩阵为一致性矩阵[5]在根据判断矩阵导出各指标的排序权重时，一致性矩阵有重要的意义。

3.2.2 计算指标权重

计算各级指标的权重就是对各级指标的判读矩阵A进行最大特征根λmax对应向量W的求解[6]，表达式为

A·W=λmax·W

(4)

对W进行归一化处理后得到指标Bk下各指标元素的排序权重。

对λmax和W进行一致性检验[7]：

1) 计算一致性指标C.I.

(5)

2) 查找相应的平均随机一致性指标R.I.，如表2所示。

表2 平均随机一致性指标R.I.

3) 计算随机一致性比例C.R.

(6)

当C.R.≤0.1时，判断矩阵的一致性是可以接受的。

3.2.3 生成群组权重向量

计算出各专家给出的判断矩阵的权重排序向量后，为进一步消除主观因素，提高权重排序向量的可信性与准确性，要综合各专家指标排序向量计算群组权重排序向量。计算群组权重排序向量的方法有加权算术平均法和加权几何平均法两种[8]，本文采用加权算术平均法。

各专家的排序向量的加权算术平均记为W=(w1,w2,…,wn)T，即：

wj=λ1wj1+λ2wj2+…+λswjs

(7)

(8)

式中，λk表示为第k个专家的权重，本文将专家的权重视为同等重要，即:λ1=λ2=…=λs。

3.3 基于云模型的效能评估[9]

3.3.1 指标的云模型表示

云[10]是用语言值表示的某个定性概念与定量表示之间的不确定性转换模型，它主要反映概念上的不确定性，即模糊性和随机性。云的数字特征用3个参数来描述，即：期望值Ex，能代表定性概念的数值；熵En，为概念不确定程度的度量，熵越大，概念相对越模糊；超熵He，为熵的不确定程度的度量，即熵的熵，反映了云的离散程度。3个数字特征整体表征一个概念，记做CG(Ex,En,He)。

指标体系中的指标表示形式既有数值型的，也有用语言表述的。根据云理论，提取指标体系中的n组样本组成决策矩阵，对于数值型表示的指标与语言表述型的指标可以用两个云模型进行表示：

1) 数值型指标

Ex=(Ex1+Ex2+…+Exn)/n

(9)

(10)

式中：Ex1,Ex2,…,Exn为指标量的值。

2) 语言表述型指标

(11)

En=En1+En2+…+Enn

(12)

式中Ex1,Ex2,…,Exn为指标云模型的期望值，En1,En2,…,Enn为指标云模型的熵。

3.3.2 生成指标综合云

p个指标可以用p个云模型表示，p个云模型反映的指标体系的状态可以用一个p维综合云模型表示。当指标体系的状态改变时，综合云的状态也会随之改变，相应的云重心也会发生变化。综合云的云重心T用p维向量表示，即：

T=(T1,T2,…,Tp)

(13)

Ti=ai×bi(i=1,2,…,p)

(14)

3.3.3 衡量云重心的改变

假设理想状态下p维综合云的重心位置向量为

(15)

云重心高度向量为

(16)

则理想状态下的云重心向量为

(17)

某一状态下的指标体系的云重心为T=(T1,T2,…,Tp)。

用加权偏离度θ来衡量这两种状态下综合云的重心的差异，θ值越小表示差异越不明显，θ值越大表示差异越显著。将综合云的云重心向量归一化，得到向量TG，归一化公式如式(18)、式(19)所示：

(18)

(19)

经归一化后的指标体系状态的综合云的重心向量均为有大小有方向的值，经归一化后理想状态下的云重心量为(0,0,0,0)。

把各指标归一化之后的向量值乘以其权重值然后再相加即得到加权偏离度θ：

(20)

3.3.4 用云模型实现评测的评语集

根据云模型理论，本文建立由11个评语所组成的评语集V=(v1,v2,…,v11)，v1～v11分别表示极差、非常差、很差、较差、差、一般、好、较好、很好、非常好、极好等11个评语，将11个评语置于连续的语言值标尺上，并且用云模型来表示每个评语值，建立一个定性评测的云模型评测器如图2所示。

图2 云模型评测器

指标体系理想状态视为极好，其θ=0；系统的θ值越小则表示系统在某一状态下与理想状态越接近，性能越好，反之亦然。

对于一个具体方案，将求得的θ值输入评测云发生器中，可能会激活两种情况：一是激活某个评语值云对象的程度要远大于其他评语值云对象，此时视该评语值为该方案的评价结果；二是激活了两个评语值云对象，且激活程度相差不大，这时可以运用综合云生成一个新的云对象，将其期望值作为评测结果(定量结果)输出，而此期望值对应的定性表述可由专家或系统用户另外给出[11]。

4 实例仿真

本文以模拟实例进行仿真，选取五名专家对某次情报保障行动进行评估。限于篇幅，本文将对指标B2进行效能评估。

1) 根据群组层次分析法确定指标B2下各指标元素的权重值。

构建某名专家对指标B2下各指标元素的判断矩阵B2～C：

可得某专家的指标B2下各指标元素的权重分别是0.1044，0.1148，0.2341，0.3176，0.2292。同理可对其他四名专家的指标B2下各指标元素的权重进行计算；然后进行一致性检验，不满足的专家要进行反馈调整，直到符合一致性检验；最后利用加权平均的方法进行群组决策计算。限于篇幅，省略详细步骤，只给出指标B2的群组权重排序向量，如下所示：

Wk=(0.1065,0.1179,0.2355,0.3123,0.2246)

2) 五名专家根据语言标尺对某次情报保障行动进行评估，如表3所示。

表3 五名专家的评价值

3) 根据云理论，将5名专家的语言评价值用(Ex,En,He)3个数字特征进行表述。由表3与语言标尺可得决策矩阵G：

4) 根据决策矩阵G可得各指标云模型的期望与熵，如表4所示。

表4 各指标的期望值与熵

5) 根据云理论，计算加权偏离度。

由式(14)，可得5维加权综合云的重心向量为(0.0788,0.0849,0.1460,0.1874,0.1348)，理想状态的5维加权综合云的重心向量为(0.1065,0.1179,0.2355,0.3123,0.2246)。

由式(19)归一化分别得：(-0.2600,-0.2800,-0.3800,-0.4000,-0.4000)和(0,0,0,0,0)。

由式(20)计算得θ=-0.2751。即评估结果的偏离度距离理想状态为-0.2751，其评估记过为0.7249，将其输入云发生器中可激活“较好”与“很好”两个对象，且激活程度更偏向于较好，故指标B2的评估结果为介于“较好”与“很好”之间，且偏向于较好，最终评估值为0.7249。

5 结语

情报保障效能评估是个主客观信息相结合的多元集成的复杂过程。本文在情报保障理论的基础上建立了情报保障效能评估指标体系，根据情报保障的要素与特点，结合群组层次分析法与云模型评估相结合的方法，将主观影响因素综合集成，降低评价的主观性，将模糊性和随机性进行了较好的转换，有效地解决了情报保障效能评估中的不确定性与主观性，为情报保障效能评估的研究提供了依据。

[1] 张晓军.美国军事情报理论研究[M].北京:军事科学院出版社,2007:235-236.

[2] 孙建明.战后情报侦察技术发展史研究[M].北京:军事科学院出版社,2008:290-292.

[3] 林岳峥,祝利,程晓雷.基于群组层次分析法的情报保障系统效能评估[J].兵工自动化,2012,31(8):57-61.

[4] 赵全仁,邱志明,窦守健.等武器装备论证导论[M].北京：兵器工业出版社,1998:96-112.

[5] 刘强.国防系统分析方法:下册[M].北京：国防工业出版社,2003:531-537.

[6] 王威,崔明明.复杂系统评估的综合层次分析法[J].海军工程大学学报,2006(2):42-46.

[7] 杨智,董长清.改进层次分析法在雷达网探测效能评估的应用[J].空军雷达学院学报,2007(3):14-17.

[8] 郭齐胜,扬秀月,王杏林,等.系统建模[M].北京：国防工业出版社,2006:298-299.

[9] 焦利明,于伟,罗均平,等.基于云重心评判法的指挥自动化系统效能评估[J].情报指挥控制系统与仿真技术,2005,27(5):71-74.

[10] 李德毅,刘常昱,杜鹚,等.不确定性人工智能[J].软件学报,2004,15(9):1583-1594.

[11] 汤君,赵文杰,李德军.基于云模型的战场情报综合效能评估[J].舰船电子工程,2012,32(6):37-40.

Information Security Effectiveness Evaluation Based on GAHP and Cloud Model

HUANG Junhua YANG Guang ZHANG Xiaohan YANG Yongbo

(Aviation University of Air Force, Changchun 130022)

Intelligence security effectiveness evaluation is an important content of information security. According to the elements of information security and the principle of index establishment, the paper constructs an index system of intelligence security effectiveness evaluation. In order to reduce the subjectivity and uncertainty of information security effectiveness evaluation, the paper proposes a method of information security effectiveness evaluation based on GAHP and cloud model. Finally, the validity and practicability of the method are verified by an example simulation.

information security, effectiveness evaluation, GAHP, cloud model

2016年5月10日,

2016年6月26日

吉林省科技发展计划资助项目(编号：20140101213JC)；吉林省教育厅“十二五”科研项目(编号：2015448)资助。

黄俊华,男，硕士研究生，研究方向：遥感图像解译。杨桄,男，博士，副教授，研究方向：遥感图像解译与地理信息系统。

E92;TJ012.4

10.3969/j.issn.1672-9730.2016.11.025