基于Dynamic Entropy Method的戰術互聯網效能評估*

李 峰,朱 巍,劉 波

(國防科技大學信息通信學院,湖北 武漢 430000)

戰術互聯網是構成未來聯合作戰不可或缺的“末端神經網絡”,是戰場信息獲取、指揮控制和信息服務的傳輸紐帶[1],是信息化條件下“信息主導”、“體系支撐”、“聯合制勝”的重要武器系統。如何科學、準確、有效地對戰術互聯網效能進行評估,已經成為戰術互聯網研究中的一個重要課題。

戰術互聯網效能評估缺乏系統的評估理論、合理的效能評估機制和實用的評估支持系統,使得戰術互聯網效能評估存在諸多困難。傳統的評估模式大多采用基于專家打分[2]、AHP[3]和模糊綜合評價[4]等具有很強主觀因素的方式進行模型構建,由于專家知識、經驗和閱歷的不同以及不同專家對評估問題認知的差異,其所構建的模型易受質疑且評估方法往往缺乏一定的合理性和嚴謹性。

1 戰術互聯網效能評估特點

戰術互聯網由于裝備體系多樣,組織實施靈活，戰技術性復雜,所以擁有復雜系統所擁有的共性特點,即:不確定性[5]、涌現性[6]、非線性等。而戰術互聯網作為我軍陸上機動作戰信息通信系統的重要組成部分,它又擁有“立體組網,隨遇接入”、“業務綜合、帶寬高效”、“適應環境、抗擾抗毀”、“組織靈活、運用方便”、“多重防護、可信可靠”[7]等特點。針對這些共性和個性特點,戰術互聯網效能評估具有模糊性、動態性和綜合性等特點。

1.1 模糊性

由于影響戰術互聯網效能的指標類型和數量較多,且指標體系構建具有不確定性,各指標因素有的可定量描述，有的難以定量描述,甚至有些指標連定性描述都比較困難,這些指標自身描述的不確定性會導致效能評估的模糊性，而且各指標參數數據來源具有多源性,更加導致了效能評估的模糊性。

1.2 動態性

信息化條件下作戰節奏加快,戰場態勢瞬息萬變,對于戰術互聯網靈活組網、抗毀抗擾提出了更高的要求,而網絡拓撲、裝備運用的不斷變化,作戰保障任務的階段不斷變化,勢必導致效能評估存在動態性。

1.3 綜合性

戰術互聯網效能評估不是各個子系統或要素通信能力的簡單疊加,而是通過信息力的主導作用和網系融合作用凝聚成的綜合效能,以整體性、非線性的方式呈現。戰術互聯網效能評估既不是一個單純的方法問題,也不是一個簡單的技術問題,而是涉及范圍廣、影響因素多、復雜程度高的綜合性問題。

2 戰術互聯網效能評估模型構建

2.1 指標體系構建

戰術互聯網效能評估指標體系是由影響戰術互聯網效能發揮的一系列相互聯系、相互制約的因素所構成的有機整體,是開展戰術互聯網效能評估的基本依據,其科學性與否直接影響評估結果的合理性和有效性。傳統方法[8-10]一般是從目標層、屬性層、方案層3個層面構建效能指標體系。該指標體系簡單、快捷,但自適應性和反饋機制較差,不適應大型復雜系統的效能評估。本文主要采用“通用性”加“特殊性”的評估框架結構體系進行戰術互聯網整體效能綜合評價,其中,通用性是指一般軍事通信網絡的普遍性指標集,特殊性是指針對戰術互聯網軍事特點的評價指標集。為了簡化指標數量和驗證指標體系的合理性,采用了基于Elman神經網絡數據挖掘[11]的方法最大限度地從大量預測指標中分析挖掘出對效能評估具有顯著影響的特性因素集,其指標體系如圖1所示。

圖1 戰術互聯網效能評估指標體系

其中，軍事通信通用性指標為:數據傳輸、可靠性、抗干擾性和安全性。戰術互聯網特殊性指標為:態勢感知、指揮決策和機動性。

2.2 指標權重處理

指標權重是各指標因素對目標客體評估貢獻的大小,確定指標權重就是對各評估指標進行賦權,其科學與否將直接影響評估結果的正確性。目前指標權重確定方法有主觀賦權法、客觀賦權法和綜合賦權法[12-14]。

本文根據戰術互聯網網絡結構特性采用基于Entropy Method的方法來確定戰術互聯網各指標的權重。并在此基礎上,針對戰場態勢和保障任務的不斷變化,為提升整體評估系統的魯棒性和精確性,將Dynamic權值修正方法加入戰術互聯網效能評估中。

Entropy Method[15]是根據同一指標觀測值的差異程度來計算權重的方法。一般來說,指標值的離散程度越大,熵值就越小,說明該指標包含的信息量較大,對評估對象的分辨能力強[16]其權重也就越大。當評估對象的某項指標值完全相同時,熵值達到最大,這意味著該指標無有用信息,可以從指標體系中剔除。利用Entropy Method算法和Dynamic權值修正對權重進行處理,其方法步驟如下:

第1步:計算每個指標的熵值ei,計算公式如下

(1)

其中,k=1/(lnm),k是一個與樣本方案數量m有關的常數。yij是經過數據標準化后的指標參數集。

第2步:計算評估指標的差異系數gi,差異系數體現的是某項指標的信息效用價值。

gi=1-ei

(2)

第3步:利用熵值法計算指標權重,其核心思想是計算該指標的差異系數,差異系數越大,該指標的重要性就越高,其權重也越大。其權重計算公式為

(3)

第4步:戰場態勢瞬息萬變,隨著作戰時節和作戰階段的改變，戰術互聯網的某一項評估指標如果急劇惡化,超出該指標的閾值范圍時,那么整個系統網絡的性能也會受其影響出現大幅度地下降，甚至造成網絡系統癱瘓。而在對網絡效能評估過程中,可能由于影響其網絡效能的指標因素眾多,當某個指標數值急劇惡化并且超出該指標的閾值范圍,而該指標在整個網絡系統中所占權重較小且其他影響網絡效能因素的指標仍然在正常范圍內,得到的評估結果很有可能體現不了整個網絡系統性能的惡化。根據戰場情況對各指標權重wi進行Dynamic修正。其修正公式為

(4)

其中，wi0表示初始的權重值,xi表示指標評價集∈[0,1],1表示指標評價正常,0表示指標評價惡化。若單個指標超出該指標的閾值范圍[u1,u2],則可判定其指標評價數值xi為0；如果單個指標未超出閾值范圍,則可判定其指標評價數值xi為1。由式(4)可以看出，當某個指標因素的評價值趨近于0,而其他指標因素評價值正常時,該指標因素的權重則趨近于1,而此時整個網絡系統的效能值卻為0,這分析結果與網絡上某個重要影響因素被癱瘓時,網絡系統性能整體上也處于癱瘓狀態的事實符合。

3 戰術互聯網效能評估模型實現

3.1 指標參數數據采集

指標參數的數據采集是戰術互聯網效能評估的關鍵性問題,數據來源的真實性直接影響評估結果的合理性和科學性。可將指標影響因素參數分為4種類型對其數據采集,如表1所示。

表1 指標參數類型劃分

第一種為可直接測量得出或求出的指標參數，如:節點數量、誤碼率、信噪比。第二種為通過一定的算法求出的指標參數，如:網絡覆蓋范圍、網絡容量、抗毀性等。第三種需要進行實裝檢驗或者仿真得到的指標參數度量值，如:態勢更新時間、傳輸速率、傳輸時延等。第四種為只能進行定性描述的指標，如:機動性、安全性等定性指標。這類指標可通過特定算法量化。

由于類型1指標參數獲取較為簡單,類型3指標參數采集需要依據實裝檢驗或者仿真軟件獲取數據,類型4指標參數數據來源需要定性和定量描述,這里不在贅述。下面主要對類型2指標參數獲取度量的算法進行闡述。

1)網絡覆蓋范圍

網絡覆蓋范圍是指所有通信節點覆蓋的總面積與作戰區域總面積的比值,是通信網絡區域覆蓋范圍程度的一個量度。

(5)

其中，P代表網絡的覆蓋程度;Ai表示第i個節點實際通信覆蓋面積;N代表通信節點的數量;A表示整個作戰區域的面積。

2)網絡容量

網絡容量表示網絡中每條鏈路信道的容量之和。

(6)

3)抗毀性能

抗毀性能表示戰術互聯網在突然遭遇敵方火力打擊情況下,部分通信節點被摧毀且無法搶修時,而整個通信網絡依舊可以保持信息通信的能力。

(7)

(8)

其中，Ii表示節點的重要度,S表示通信網絡的抗毀度。α代表通信網絡效率,其值等于網絡內所有節點路徑距離倒數之和。M表示網絡內的通信鏈路數量。α′和M′代表網絡中某一節點被打擊破壞后的網絡效率和鏈路數量。N代表通信節點數量。依據通信網絡中節點重要度越平均,通信網絡抗毀傷能力就越強的評估思路,推理得出:當S越小,則通信網絡的抗毀性能也越高。這也符合為了提高抗毀性能,戰術互聯網通常采用柵格化結構的組網模式。

3.2 數據標準化處理

指標參數的度量按類型可以分為定量型數據和定性型數據。對于定量型評估指標參數,采用隸屬度函數進行無量綱和歸一化處理,可得出定量指標數據集。這類評估指標可以分為效應型指標、成本型指標、居中型指標和區間型指標[17]。對于定性型評估指標參數,可以按照先定性,再分類,最后打分等級量化的方式進行描述,然后對其量化描述的數據進行標準化處理從而得到定性指標的量化數據集。

1)定量指標標準化處理

①效益型指標是指評估值越大越好的指標,其處理方法為

(9)

②成本型指標是指評估值越小越好的指標,其處理方法為

(10)

③居中型指標是指評估值越靠近中心越好的指標,其處理方法為

(11)

④區間型指標是指評估值落在某一固定區間內為最佳的指標,其處理方法為

(12)

2)定性指標標準化處理

(13)

(14)

(15)

3.3 評估模型的程序實現

基于上述模型構建思想,建立戰術互聯網效能評估分析系統。其系統流程為：

STEP1:針對構建的戰術互聯網效能評估指標體系和指標參數度量的數據采集構造原始數據矩陣。設有m個評估方案,n個評估指標,構造評估指標的原始數據X=[xij]m*n,其中xij表示第i個方案的第j項指標。

STEP2: 構造標準化矩陣Y=[yij]m*n,其中yij就是依據本文標準化處理的數據。

STEP3:計算每個評估指標的熵值ei。

STEP4:根據熵值ei獲取每個評估指標的差異系數gi。

STEP5:利用每個指標的差異系數gi計算得到指標權重集wi。

STEP6:根據戰場態勢和網絡結構變化,對指標權重集wi進行Dynamic修正。

系統程序實現流程如圖2所示。

圖2 戰術互聯網效能評估模型的程序實現流程

4 仿真驗證

依據本文建立的模型,利用Matlab對其進行仿真驗證。首先根據建立的指標體系和指標參數數據采集的方法,構建戰術互聯網指標參數訓練集,依據Entropy Method算法和優化的Dynamic Entropy Method算法分別獲取戰術互聯網效能評估指標權重集。利用評估模型的實現,比較 Entropy Method和 Dynamic Entropy Method的2種算法在戰術互聯網效能評估中的實際效能函數值。仿真結果如圖3、4所示。

從圖3和圖4的仿真結果來看,優化過的Dynamic Entropy Method算法更貼切戰術互聯網效能評估的特點。上述兩種結果表明由于受戰場態勢不斷變化的影響,其評估指標度量值隨著作戰時節不斷變化,其評估指標的權重和網絡效能值也呈現非線性變化。對于戰術互聯網效能進行評估是一個多尺度、多指標、動態的復雜過程,戰術互聯網效能在一定程度上是個多目標決策的過程,單目標和單時節的評估都不能對戰術互聯網效能進行客觀準確評估,只有對整個戰場態勢進行全方位、全時節的客觀評估才能夠更加全面準確地反映整個網絡效能,這也是本文基于Dynamic Entropy Method的戰術互聯網進行網絡效能評估的優勢所在。

圖3 Entropy Method算法中指標參數、權重與網絡效能的關系

圖4 Dynamic Entropy Method算法中指標參數、權重與網絡效能的關系

5 結束語

本文圍繞戰術互聯網效能評估這一目標,深入分析了戰術互聯網效能評估的特點,構建了戰術互聯網效能評估指標體系。根據不斷變化的戰場態勢對戰術互聯網效能評估帶來的挑戰,提出了一種基于Dynamic Entropy Method算法,并構建了戰術互聯網效能評估模型,最后對其模型進行了仿真驗證,實驗證明該方法的有效性和合理性。