姬正一，陈阳，沈培志，韩先平，齐鸿坤

(1.中国人民解放军92941部队，辽宁 葫芦岛 125000；2.中国人民解放军92493部队，辽宁 葫芦岛 125000；3.海军航空大学，山东 烟台 264001)

0 引言

反舰导弹是打击海上目标的主战武器装备，是决定海上作战任务成败的关键因素，科学评估反舰导弹武器系统的作战效能，将对指挥决策起着至关重要的作用[1-2]。反舰导弹武器系统作战效能评估经典方法(以下简称为经典方法)是采取结构化的方式构建模型，例如层次分析法、模糊综合评价法、集对-指数分析法等[3]，通过科学划分能力层级、专家打分等方式建立一套完整的能力指标体系，能够较为合理地评价反舰导弹武器系统作战效能。

在实际应用中，经典方法同时存在一些弊端，在能力分层、权重设计与归一化评分等方面都需要依靠主观经验确定，并且在处理实战环境下的大数据、非结构化样本时，计算复杂度和时间成本较高[4]。

伴随大数据时代来临，数据资源的获取变得更加容易，基于先验信息的机器学习方法在军事领域的应用将成为一种趋势[5]。本文以数据为驱动，通过效能评估指标体系构建特征工程，结合经典方法建立随机森林和梯队提升回归树2种决策树集成的机器学习效能评估模型，并将2种方法分别与经典方法进行了对比，以检验决策树集成方法在反舰导弹作战效能评估中的应用效果。

1 作战效能评估指标分析

1.1 评估指标体系建立

随着信息化技术快速发展，反舰导弹武器系统组成越发复杂，效能评估涉及诸多因素，尤其在实战环境下，要将导弹系统自身战技性能与复杂战场环境等影响综合考虑[6]，对作战效能评估方法提出了较高要求。……