崔 棟,李宏偉,陸 鳴,曾楊智
(陸軍工程大學野戰工程學院,南京 210007)
經典的無人機運輸效能評估方法主要有專家經驗方法[5]、數學解析方法[6]、模擬仿真方法[7]和機器學習方法[8]等。專家經驗方法能夠充分發揮專家的經驗和知識優勢,但存在主觀判斷偏差的局限;數學解析方法比較適用于簡單明確的系統,當評估對象比較復雜時,模型公式的建立比較困難;模擬仿真方法是對現實場景的模擬,更加貼近應用背景,但是由于評估對象的復雜性和不確定性,許多因素不易量化,使得仿真試驗存在“組合爆炸”問題;機器學習方法能夠根據數據樣本擬合效能評估模型,并作出合理的回歸預測,但由于標記樣本收集困難,模型訓練易出現過擬合或欠擬合情況。而數據包絡分析(data envelopment analysis,DEA)方法是適用于多輸入、多產出系統的數據驅動型評估方法,能夠有效克服情景模擬困難、主觀判斷存在偏差、標記樣本缺乏等困難。DEA 模型把單輸入、單輸出的工程效率概念推廣到多輸入、多輸出的同類型決策單元(decision making unit,DMU)的有效性評價中,其理論和方法在管理科學、經濟評價、效能評估等領域廣泛應用。在效能評估領域,冉景祿等[9]采用DEA 方法和風險評估模型相結合的方式,提出了旨在降低評估風險的裝備效能穩健評估方法。吳坤鴻等[10]采用DEA 方法和逼近理想排序法相結合,在聯合火力打擊的目標選擇和排序優化方面取得了較好的效果。以上研究主要是將DEA 作為一種數據處理方法,但對評估對象各評價指標的制約關系和內部結構缺乏描述?!?br>