基于云模型-AHP 的運輸勤務(wù)訓(xùn)練場保障效能評估

朱 亮，張武軍，田 海

(1.蚌埠汽車士官學(xué)校 訓(xùn)練部，安徽 蚌埠233011;2.蚌埠汽車士官學(xué)校運輸勤務(wù)系，安徽 蚌埠233011)

訓(xùn)練一直是部隊的熱點問題，尤其是習(xí)主席 提出“能打仗、打勝仗”的強軍目標后，部隊訓(xùn)練逐步向?qū)崙?zhàn)化聚焦，部隊運輸勤務(wù)訓(xùn)練問題亦是如此。針對部隊運輸勤務(wù)訓(xùn)練場普遍存在場地設(shè)施不足、訓(xùn)練器材缺少、訓(xùn)練內(nèi)容陳舊等問題，總部加大投入，制定并落實“十二五”期間部隊運輸勤務(wù)訓(xùn)練場建設(shè)規(guī)劃，進一步加強部隊運輸勤務(wù)訓(xùn)練基地化、現(xiàn)代化的目標，不斷提高部隊軍交運輸專業(yè)訓(xùn)練的質(zhì)量和效益，各部隊都加強了汽車運輸勤務(wù)訓(xùn)練場的建設(shè)［1］。在建設(shè)投入使用后，對各個訓(xùn)練場的總體評價以及各個訓(xùn)練場之間的評比就變成總部迫切需要解決的問題。傳統(tǒng)意義上的評價，一般采用總部選派專家，專家依照一定的標準進行現(xiàn)地評價，總體上是一種人為的、主觀上的一種評價方式，受人為影響因素較大，科學(xué)性明顯不高。

運輸勤務(wù)訓(xùn)練場涉及場地、車輛、保障設(shè)施等眾多要素，難以建立一套純定量的方式來進行評估。效能評估是對某種事物或系統(tǒng)執(zhí)行某一項任務(wù)結(jié)果或者進程的質(zhì)量好壞、作用大小、自身狀態(tài)等效率指標的量化計算或結(jié)論性評價，廣泛用于軍事、科研、制造行業(yè)，也可用于評估某種計劃、工程。因此，筆者設(shè)想用效能評估對運輸勤務(wù)訓(xùn)練場進行評價，提出運輸勤務(wù)訓(xùn)練場保障效能評估，從運輸勤務(wù)訓(xùn)練場保障功能、過程、效果等方面進行評價。本文從運輸勤務(wù)訓(xùn)練場保障效能入手，提出基于云模型-AHP 的運輸勤務(wù)訓(xùn)練場保障效能評估，給出詳細算法，最后進行實例分析。驗證結(jié)果表明，基于云模型-AHP 進行運輸勤務(wù)訓(xùn)練場保障效能評估可行、有效。

1 運輸勤務(wù)訓(xùn)練場保障效能評估

1.1 基本概念

運輸勤務(wù)訓(xùn)練場，是為了滿足部隊運輸勤務(wù)訓(xùn)練而設(shè)置的場地，一般包括鐵路輸送訓(xùn)練場地、水路輸送訓(xùn)練場地、配置展開訓(xùn)練場地、障礙路段訓(xùn)練場地等等。運輸勤務(wù)訓(xùn)練場保障能力是指其保障部隊訓(xùn)練數(shù)量、質(zhì)量等相關(guān)方面的能力，如運輸勤務(wù)訓(xùn)練場一定時間內(nèi)能保障多少部隊同時訓(xùn)練、能保障部隊訓(xùn)練多少課目等方面的能力。對運輸勤務(wù)訓(xùn)練場保障效能進行評估，就是運輸勤務(wù)訓(xùn)練場保障效能評估。

1.2 評估方法分析

運輸勤務(wù)訓(xùn)練場保障效能評估涉及的要素比較多，很難準確地對其進行有效的評估，需要一種評估方法，能夠充分考慮到評估過程中出現(xiàn)的模型，同時又能夠有效而簡便地實現(xiàn)定性與定量相互轉(zhuǎn)換。層次分析法(AHP)是20 世紀中期提出的多準則決策方法。它把一個復(fù)雜的問題表示為一個有序的遞階層次結(jié)構(gòu)，通過構(gòu)造兩兩比較矩陣計算各子指標層的相對權(quán)重，從而得出系統(tǒng)的效能值。該方法將定性和定量分析相結(jié)合，是分析、評估多目標、多準則的復(fù)雜系統(tǒng)的有力工具，具有思路清晰、方法簡便、適用面廣、系統(tǒng)性強等優(yōu)點，但其屬于主觀評估法，由專家打分的方式獲得判斷矩陣，所以評估結(jié)果有較強的主觀性［2］。模糊綜合評判法是在模糊集理論的基礎(chǔ)上，應(yīng)用模糊關(guān)系合成原理，對被評判對象隸屬等級狀況進行綜合評判的一種方法［3］。其優(yōu)點是可以較好地解決包含難以精確定量表達的評價因素的評估問題，其缺點是不能給出具有明確物理意義的定量評估結(jié)果，并且隸屬函數(shù)的建立在很大程度上依靠經(jīng)驗，需要在實踐中反復(fù)修正，才能得出適合具體問題的隸屬函數(shù)。Lanchester 方程法就是基于蘭切斯特戰(zhàn)斗理論的一種效能評估方法。它在一些簡化的假設(shè)前提下，建立了一系列描述交戰(zhàn)過程中雙方兵力變化數(shù)量關(guān)系的微分方程組，通過戰(zhàn)斗效能比和交換比等指標的計算得出效能評估結(jié)果［4］。隨著信息技術(shù)的發(fā)展，李德毅院士提出一種定性定量互換模型——云模型，它作為不確定性人工智能的重要理論和工具，把空間實體的模糊性和隨機性集成到一起，在一定程度上克服了以上方法的局限性，能較好地處理定性定量信息的互相轉(zhuǎn)換，盡最大程度地減少人工干預(yù)，為定性定量相結(jié)合的信息處理提供有力工具，可以有效地實現(xiàn)系統(tǒng)效能評估［5］。綜合以上評估方法，本文提出用層次分析法建立評估指標和權(quán)重，用云模型來進行運輸勤務(wù)訓(xùn)練場保障效能評估。

1.3 評估指標體系及權(quán)重

指標體系采用層次分析法。首先分析軍車交通安全風(fēng)險構(gòu)成要素，建立樹狀的關(guān)系結(jié)構(gòu)，運用目標層次分類展開法，將目標按邏輯分類向下展開為若干目標，再把各目標分別向下展開成分目標和準則，以此類推，直到可以定量或可進行定性分析為止，從而建立一套初步的指標結(jié)構(gòu)體系。然后利用德爾菲法對初步的指標體系進行完善與確定。德爾菲法的基本步驟為:一是選擇咨詢專家組，不少于10 人;二是設(shè)計調(diào)查表，進行專家組問卷調(diào)查;三是回收調(diào)查表并進行統(tǒng)計處理，以此統(tǒng)計結(jié)果為依據(jù)，制作第二輪調(diào)查表，這樣循環(huán)往復(fù)直至調(diào)查數(shù)據(jù)趨于一致;四是統(tǒng)計數(shù)據(jù)，整理最終的調(diào)查報告，得出最終的評價指標體系。

在建立層次結(jié)構(gòu)體系后，由于各層次元素的權(quán)重界定比較困難，所以在上層的評定標準下，對本層次元素互相的重要性進行兩兩比較，取1→9值對各自的重要性進行賦值，進行量化從而可以構(gòu)造各層次的指標判斷矩陣A=［aij］:

式中n為對進行判斷的相鄰下一層的指標因素數(shù)。

(1)判斷矩陣A的最大特征向量:

最大特征值對應(yīng)的最大特征向量為

(2)計算A的最大特征值:

(3)一致性檢驗。進行一致性檢驗后得到各指標的相對權(quán)重。

依照上述方法，建立部隊運輸勤務(wù)訓(xùn)練保障效能指標體系及權(quán)重表(見表1)。

2 建立基于云模型-AHP 的評估數(shù)學(xué)模型

2.1 云及隸屬云的基本理論

云是用自然語言值表示的某個定性概念與定量表示之間的不確定性轉(zhuǎn)換模型，具有直觀性和普遍性。它主要反映概念上的不確定性，即模糊性(邊界上的亦此亦彼性)和隨機性(發(fā)生的概率)［6］。云的數(shù)字特征用3 個參數(shù)來描述，即期望值Ex、熵En和超熵He，3 個數(shù)字特征整體表征一個概念，記CG(Ex，En，He)。其中期望值Ex為概念上的原型值(中心值、標準值)，最能代表這個定性概念的數(shù)值;熵En為概念不確定程度的度量，熵越大，概念相對越模糊;超熵He為熵的不確定程度的度量，即熵的熵，反映了云的離散程度。當所研究的問題是純隨機問題時，Em→∞n，為純模糊問題時，En=0。

表1 部隊運輸勤務(wù)訓(xùn)練場保障效能指標體系及權(quán)重

2.2 云重心評估法

云重心可以表示為T=a×b。a表示云重心的位置，b表示云重心的高度。期望值反映了相應(yīng)的模糊概念的信息中心值，即云重心的位置。當期望值發(fā)生變化時，它所代表的信息中心值發(fā)生變化，云中心的位置也相應(yīng)改變。在一般情況下，云重心的高度通常取常值(0.371)，期望值相同的云可以通過比較云重心高度的不同來區(qū)別它們的重要性，即云重心高度反映了云的重要性。

其具體評估步驟如下:

(1)各指標的云模型表示。在給出的指標體系中，提取n組樣本組成決策矩陣，其云模型為式中En=［max(Ex1+Ex2+… +Exn)-min(Ex1+

同時，每個語言值的指標都可以用云模型表示，那么n個語言值的表示方法為

式中En=En1+En2+… +Enn。當指標為精確數(shù)值型時，“Ex1-Exn”為各指標量的值;當指標為語言值時，“Ex1-Exn”為指標云模型的期望，即指標云模型的熵。

(2)系統(tǒng)狀態(tài)的表示。n個性能指標可用n個云模型來刻畫，n個指標所反映的系統(tǒng)狀態(tài)可用n維綜合云表示。對于n維綜合云的重心T用一個n維向量表示，即

式中Ti=ai×bi，i=1，2，…，n。當系統(tǒng)發(fā)生變化時，其重心變化為T'=(T'1，T'2，…，T'n)。

(3)確定各指標體系的權(quán)重wi。

(4)加權(quán)偏離度的計算。理想狀態(tài)下，n維綜合云重心的位置向量，高度為b=(bi)1×n，其中bi=wi×0.371。云重心的向量T0=a×bT=(T0i)1×n。同理可得，一定狀態(tài)下系統(tǒng)n維綜合云重心的向量T=(Ti)i×n，進行歸一化，可得

經(jīng)過歸一化，表征系統(tǒng)狀態(tài)的綜合云重心向量均為有大小、有方向，無量綱的值，把各指標歸一化之后的向量值乘以其權(quán)重值，再相加，取平均值后得到加權(quán)偏離值θ(0≤|θ|≤1)的值為

(5)評估模型語集的確定。評語集V= (極差，非常差，很差，差，較差，一般，較好，好，很好，非常好，極好)構(gòu)成一個定性評測的云發(fā)生器。

3 實例分析

以某部隊運輸勤務(wù)訓(xùn)練場為實例，以其訓(xùn)練場地建設(shè)為研究對象，運用云模型對其進行效能評估，其余的效能評估類似。訓(xùn)練場地建設(shè)指標有車隊出發(fā)訓(xùn)練場地、鐵路輸送訓(xùn)練場地、水路輸送訓(xùn)練場地、配置展開訓(xùn)練場地、障礙路段訓(xùn)練場地和裝卸載訓(xùn)練場地，以4 名專家進行定性檢查的結(jié)果情況進行評估分析，結(jié)果見表2。

表2 指標狀態(tài)

利用云模型把語言值用相應(yīng)的3 個特征值(Ex，En，He)來表征，即用一個云對象來表示，并由此組成決策矩陣:

由B求得各個指標云模型的Ex，En(見表3)。

6 個指標的權(quán)重值wj=(0.1，0.3，0.12，0.1，0.3，0.08)，則該六維加權(quán)綜合云重心向量T=(0.047 5，0.202 5，0.045，0.055，0.195，0.032)，理想狀態(tài)下加權(quán)綜合云重心向量T0=(0.1，0.3，0.12，0.1，0.3，0.08)，歸 一 化 后 得 到TG=(0.525，0.325，0.625，0.45，0.35，0.6)，加權(quán)離散度θ=0.423，距離理想狀態(tài)下的加權(quán)偏離度為0.423，即最終評價結(jié)果為0.577，對應(yīng)評價結(jié)果介于“一般”與“很好”中間，傾向于“很好”。同理，可以依此方法對所建立的評估體系的其他指標進行評估，給出最終評價結(jié)果。

表3 各指標云模型的期望值和熵

4 結(jié) 語

對運輸勤務(wù)訓(xùn)練場保障效能評估是一個復(fù)雜的過程，既有主觀上的評價，又需要有可行的評估模型和方法。本文提出的基于云模型-AHP 的運輸勤務(wù)訓(xùn)練場保障效能評估方法，較好地解決了評估的模糊性和隨機性，很好地結(jié)合了定性的評估結(jié)果和定量的評估模型和方法，去除了系統(tǒng)的不確定性，為下一步總部開展運輸勤務(wù)訓(xùn)練場建設(shè)考核，改進部隊運輸勤務(wù)訓(xùn)練場保障效能評估有一定的參考價值。

［1］ 周和平，單忠年.淺談運輸勤務(wù)訓(xùn)練場建設(shè)現(xiàn)狀與對策［J］.國防交通，2012(4):53-54.

［2］ 段維清.基于層次分析法的微格教學(xué)評價模型的構(gòu)建［J］.太原師范學(xué)院學(xué)報:自然科學(xué)版，2012，26(3):34-36.

［3］ 李伯虎，柴旭東，李潭.復(fù)雜系統(tǒng)高效能仿真技術(shù)研究［J］.中國電子科學(xué)研究院學(xué)報，2012，7(3):55-58.

［4］ 陳向勇，井元偉，李春吉. 基于Lanchester 方程的作戰(zhàn)混合動態(tài)系統(tǒng)最優(yōu)變招控制［J］. 控制理論與應(yīng)用，2012，29(6):28-31.

［5］ 張磊，李曉霞，艾伶俐，等.基于模糊綜合評判法的營運車輛使用可靠性評價［J］. 山東交通學(xué)院學(xué)報，2012，20(3):22-25.

［6］ 李存斌，周小萌，杜哲. 基于云模型的風(fēng)險智能預(yù)測方法［J］.科技與管理，2012(6):46-49.