基于多智能體系統的合成部隊彈藥保障模式選擇

中圖分類號：E246 文獻標志碼：A DOI：10.3969/j.issn.1673-3819.2025.05.012

Abstract：Theselectionofammunition support modes forcombined forces during wartimeisacriticalfactorafecting supporteffciencyandresourcealocation.Existingstudiesinadequatelyconsiderdynamicfactorsanddemonstrate limitedieligence.Thisstudyconstructsatree-levelagentarchitecturebasedonamulti-agentsystem，defines thefunctionsandcolaborativeprocesses ofeachagent，andestablishesanevaluationindex system fordecision-makingproblems basedonsupport objectives.Usingtheintuitionistic fuzzyentropy-VIKOR method，amulti-atributedecision-makingmodel was developedto standardizeevaluation information，anddetermine indicator weightsanddecision-makers weights.Acase studyverifies the method'sefectiveness，applicability，and stability.Sensitivityanalysisdemonstratesthatadjusting thecompromisecoefficientenablesdecision-makingresultstoco-evolvewithdecision-makers’preferences，therebyenhancingtheinteligence，scientific rigor，and standardization of the decision-making process.

KeyWords：wartimeammunitionsupport；multi-agentsystem；intuitionisticfuzzyentropy-VIKORmethod;suport mode selection

隨著時代的發展和軍隊作戰樣式的不斷變化，戰場上的彈藥保障模式也在一直改進[1。在籌劃戰時彈藥保障行動的過程中，合成部隊指揮員需審慎考量所采用的保障模式。彈藥保障模式選擇，不僅關乎彈藥保障力量的編成結構與任務執行能力，更對彈藥保障的整體效能發揮以及保障資源的合理分布2起著關鍵的制約作用。由此可見，彈藥保障模式選擇是合成部隊戰時彈藥保障決策流程中的一個重要環節。在特定作戰背景條件下，可選用的彈藥保障模式很多，同時，影響保障模式選擇的因素十分繁雜[3]。因此，如何從眾多保障模式中做出最優決策就是一個典型的多目標優化決策問題。構建客觀高效的彈藥保障模式選擇評價體系和擇優方法是實現科學決策的關鍵，其對于維持戰時彈藥保障鏈路的穩定性和保持部隊戰斗力具有重要意義。

國內外關于戰時彈藥保障模式的研究主要集中在模式構建、趨勢預測、補給決策和手段創新等方面，袁野[4]等認為直達配送型裝備物流保障模式能夠滿足未來作戰持續、高效、穩定的彈藥保障需求；王榮輝[5]等分析了信息化作戰裝備保障的主要特征，提出基于智能化保障手段的精確保障模式；劉鐵林[等分析了基于信息系統體系作戰裝備保障方式變革問題，強調在戰術層彈藥保障模式正由逐級投送保障向立體直達保障轉變;馮芊力[等采用AHP-理想點法，構建了含時間維度等六個影響因素的彈藥補給決策模型；AndrejicD M^[8] 等引入軍事裝備一體化后勤保障模式，通過ILP尋找可靠性與系統性能間的最佳平衡；Bai Y^[9] 等對比傳統需求拉動型彈藥保障模式，介紹了一種基于大數據的預測驅動型保障模式。

上述研究在優化彈藥保障體系結構和提升保障效能方面具有很高的應用價值，但是對于戰時彈藥保障動態性因素的考慮不足，智能化程度不高，沒有將決策者及決策機構自主學習、協調配合以及其行為受到自身認知和外部環境因素影響等納人評價體系范圍。分析戰時彈藥保障整體流程可知，對彈藥保障模式選擇有最終決定權的是指揮員[10]，而發揮關鍵作用的則是包括作戰籌劃、后勤保障、裝備保障等指揮分系統在內的指揮機構。因此，本文針對決策者和決策機構具有較強的自主性、學習性、交互性的特點，基于多智能體系統建立戰時彈藥保障模式選擇體系架構，同時針對決策過程中影響因素繁雜以及評價指標難以量化的特點，運用直覺模糊熵-VIKOR方法構建多屬性決策模型，將含有不確定性的評價及自然語言轉化為直覺模糊數，為戰時彈藥保障模式選擇提供了更加科學合理

的決策路徑。

1基于多智能體系統的彈藥保障模式選擇 體系架構

多智能體系統（Multi-AgentSystem，MAS）是由多個具備自主決策能力的智能體（Agent）組成的協同工作網絡。每個智能體作為獨立實體，可由軟件程序、機器人或智能終端構成，具備環境感知、自主運行、協同交互等基本功能[]，多智能體系統通過分布式架構將復雜保障任務分解為多個子任務，各智能體在保持獨立性的同時，通過動態協作實現全局目標。

彈藥保障決策體系結構設計，針對戰時彈藥保障模式選擇需求，基于多智能體系統構建彈藥保障模式選擇體系，形成3級智能體架構，如圖1所示。

圖1基于多智能體系統的戰時彈藥保障模式選擇決策體系架構 Fig.1Decision-making systemarchitecture for the selection of wartime ammunition supportmode based onmulti-agent system

決策者智能體（Decision-MakerAgent）是多智能體系統的決策中樞，具備任務需求解析、方案評估、最終決策等功能，其知識庫包含歷更保障案例庫與行動規則庫等。中間智能體（Mid-levelAgent）是多智能體系統的信息處理與協調中心，擁有推理引擎（基于約束條件的模式匹配）、協商策略（多目標優化時的沖突解決）、數據挖掘（歷史案例的關聯分析）等單元模塊，當現有模式無法滿足需求時，觸發新模式生成機制。決策機構智能體（StaffAgent）集成了保障模式庫與指令端口，支持預設模式的快速調用、混合模式的動態重構、實時保障數據更新等動態特性。

各智能體均集成標準化功能模塊，形成可擴展的智能架構：知識檢索模塊，進行基于語義分析快速知識匹配，支持線上知識庫數據檢索；環境感知模塊，進行多源異構數據融合處理，實現戰場態勢的實時三維建模；協同決策模塊，使用改進的多目標優化算法，支持動態約束條件下的最優解生成；通信安全模塊，采用數字加密與分布式驗證技術，確保跨域協同的通信安全。

多智能體系統選擇最優彈藥保障模式的協同工作流程分為以下4個階段：（1）任務認知階段，決策者解析裝備保障任務特征，構建包含供應時效、戰場環境等維度的評價指標體系；（2）模式篩選階段，中間智能體啟動歷史案例檢索，若存在匹配模式則直接推送，否則進入關鍵指標對比篩選環節；（3）協同優化階段，決策機構智能體提供實時數據支持，動態生成保障模式備選方案，通過交互協議實現群體協同優化；（4）決策執行階段，決策模塊對多模態指標信息進行模糊綜合評價，從而優選出適合的彈藥保障模式，聯動觸發指令端□響應。多智能體系統選擇最優彈藥保障模式的協同工作流程如圖2所示。

圖2多智能體系統協同工作流程圖

上述三級智能體架構為彈藥保障模式選擇提供了分布式決策支持平臺，但應用中仍需解決3個關鍵問題，即動態戰場環境下資源匹配識別、主客觀決策因素的量化融合，以及非結構化評價信息的標準化處理。因此，需系統描述保障模式選擇決策問題，構建指標評價體系，建立多屬性決策模型，確保智能體決策既具備自主性，又符合彈藥保障的特殊要求。

2彈藥保障模式選擇決策問題描述

2.1決策問題及方法設計

作戰模式的變化引領裝備保障模式的轉變[12]戰時彈藥保障模式是指合成部隊在作戰過程中所采取的保障方式，是建立彈藥保障體系，確定彈藥儲備、保障布局和供應方式的基礎。彈藥保障模式選擇是在作戰任務明確后，對有限的彈藥保障資源使用模式進行優選的過程。彈藥保障模式有多種，可以從資源維度、空間維度、時間維度、控制維度等進行劃分，如圖3所示。

參考目前的研究成果，按照彈藥保障實體在保障行動中的位置動態變化及其與保障對象間的關系，主要區分4種典型保障模式：定點式保障、機動式保障、調劑式保障、伴隨式保障[13]，在確定彈藥保障模式時，針對不同的保障目標和保障對象，需要根據任務部署選擇與之相適應的彈藥保障模式，以達到保障效果。

彈藥保障模式選擇智能化決策，可以理解為以合成部隊指揮員或指揮機構為決策主體，以彈藥保障資源為決策對象，以某一類型或者某個作戰分隊為保障對象，運用智能化的方法手段，在眾多的彈藥保障模式預選方案中篩選最佳方案的過程。以下選取一種多屬性群決策方法對該問題進行求解，基本流程是，引入決策者主觀決策意向和影響決策目標的客觀因素，融合智能算法適合復雜運算與人類思維發散式決策優勢，并且在決策過程中可以通過調整相關決策系數，使決策結果更加貼近決策需求。

圖3彈藥保障模式分類

Fig.3Classification of ammunition support modes

2.2彈藥保障模式選擇評價指標

面向保障對象構建彈藥保障實體是確定彈藥保障模式需要首先關注的問題，根據保障對象的裝備種類、作戰部署和戰場機動等情況，只有采取與之相適應的保障模式，才能滿足作戰任務需要，同時為保障力量的劃分和配置提供依據。彈藥保障實體是保障模式運行的實施者，合成部隊戰時彈藥保障主要依托彈藥保障專業力量構建彈藥保障編組，實施彈藥保障行動，針對彈藥保障實體建立基于保障對象的彈藥保障模式選擇評價指標，主要包含指揮控制、存儲、機動運輸、裝卸載和防衛5項能力指標。

（1）指揮控制能力。戰時彈藥保障決策的高效執行要求保障實體始終保持與指揮機構及保障對象間順暢的通聯[14]，通過增加通信手段數量，建立保底通信措施等確保決策指令的傳遞。保障模式和編組構成的不同，一定程度影響了對決策指令的反應是否敏捷。

（2）存儲能力。彈藥儲存能力是彈藥保障實體履行保障任務的基礎[15]。足量的彈藥儲備雖然可以有效滿足保障對象的消耗需求，但也會加重保障系統運行的負擔，適度性就顯得尤為重要。確定彈藥保障模式時不僅要考慮存儲彈藥的種類數量，還應針對性做好不同類型彈藥的儲存環境條件控制管理，保證彈藥使用性能。

（3）機動運輸能力。由于陸戰場的廣域性和作戰區域的不確定性，彈藥保障任務將面臨復雜地形和通道條件的制約[16]，對運輸工具的載重量、容積以及通過性等能力都提出了一定程度的要求。另外還要考慮彈藥保障時效性與保障對象間的距離、再補給的周期、補給線的維持等，這些都直接影響能否在規定時間內

完成保障任務。

（4）裝卸載能力。彈藥裝卸載能力是由彈藥保障實體所屬的自動/非自動化機械設備以及執行搬運的人員數量所決定的。美陸軍彈藥保障力量專業化程度較高，其編制的專業分隊編制固定，裝備配套，彈藥裝卸載基本上實現了標準化、集裝化包裝和托盤化、機械化作業[]，保障效率大幅提高。通常情況下，前線部署的彈藥儲存點，例如野戰彈藥庫、彈藥所等，機具設備配置較為完備，人力充足，裝卸載能力較強，而在伴隨式保障模式下，采取以車代庫運載彈藥，可以不考慮裝載問題，但會受到現場環境和作業工具的限制，大幅增加卸載所花費的時間。

（5）防衛能力。這里主要考慮彈藥保障實體在實施保障行動時依托自身進行偽裝防護和警戒防衛的能力，表現為不被敵人發現和摧毀的能力[18]。相較于定點式保障而言，伴隨式保障在犧牲了彈藥庫存大容量多樣性的條件下，擁有了小型化的機動體量，更加便于在復雜的戰場環境中保存自己。同時伴隨式保障通常不具備單獨編組的警戒防衛力量，需要依賴保障對象提供協同防衛。

根據上述分析，建立面向保障對象的合成部隊戰時彈藥保障模式選擇評價指標體系，如表1所示。

表1戰時彈藥保障模式選擇評價指標體系

Tab.1Evaluation indicator system for the selection of wartime ammunition support mode

觀察表1中的各評價指標可以發現，指標體系中的定性與定量指標占比均衡且以定量為主，相關參數依托現有數據庫和工作規范容易獲取、便于記錄和傳遞。但是由于數據來源的非單一性以及數據本身的時變性，導致同一指標項的數值可能會在一定范圍內波動。為了確保決策結果的準確性，需要采取一種能夠保持信息完整性的決策方法。

3基于直覺模糊熵-VIKOR方法的彈藥保障模式選擇模型

針對屬性與決策者權重未知且方案屬性值為直覺模糊數的多屬性決策問題，直覺模糊熵-VIKOR方法運用直覺模糊距離計算VIKOR法中的群體效用和個體遺憾值進而得到決策結果[19]，在獲取更為準確的直覺模糊距離測度的同時，實現對多屬性決策問題的合理

有效分析。

3.1構建決策者決策矩陣

對于直覺模糊環境下的彈藥保障模式選擇決策問題，設 D={D₁，…，D_k，…，D_p} 是由來自 p 個相關決策要素的決策者組成的決策者集合， A={A₁，…，A_i，… A_m 是由 ?_m 個已納入考查范圍的彈藥保障模式組成的備選方案集合， O={o₁，…，o_j，…，o_n} 是由 n 個指標組成的評價指標集合。每名決策者通過數據收集和經驗判斷對各備選方案進行評估， λ^k 為決策者 D_k 的權重，w_j^k 為決策者 D_k 對指標 o_j 的權重， a_ij^k 為決策者 D_k 對備選方案 A_i 在評價指標 o_j 下的評價值， R^k 為由決策者 D_k 構建的決策矩陣。

3.2 模型求解步驟

基于直覺模糊熵-VIKOR方法的彈藥保障模式選擇具體步驟如下：

步驟1利用評價信息標準化方法，整合決策者的異質評價信息，對決策矩陣內的元素進行歸一化處理，獲得規范化直覺模糊決策矩陣

評價信息標準化方法指的是，在彈藥保障模式選擇決策中，由于不同決策要素的決策者所關注決策要點的差異性和對關鍵決策信息需求的非對稱性，可能會影響采集到的評價信息的精確程度，鑒于此，通常使用語言變量、直覺模糊數、區間數等形式來描述信息的不確定性。各指標對應的評價信息類型如表2所示。

表2指標對應評價信息類型

Tab.2Evaluation information type corresponding to indicator

針對語言變量、直覺模糊數、區間數3種類型評價信息，下面提出相應的標準化處理方法。

首先給出直覺模糊集的基本定義[20]。設 X 為給定的論域，則 為 X 上的一個直覺模糊集。在此 _，μA（x） X?[0，1] 和 υ_?A（x） ：X?[0，1] 分別表示 A 的隸屬度和非隸屬度函數，且滿足條件 進一步，稱π_A（x）=1-μ_A（x）-ν_A（x） 為 A 中元素 x 的猶豫度或直覺模糊指標。若 X 中只有一個元素，則將直覺模糊數簡記為 A=（μ_?A，υ_?A）^[21] 0

在群決策中，不同粒度的語言變量是決策者依據特定語言評價集所表達的多層次偏好信息。為便于量化分析，通常將定性的語言信息轉化為直覺模糊數。在決策矩陣中，語言變量 a_ij^k（j=1，4，5，6） 可分為效益型和成本型兩類，這些指標在映射至直覺模糊數時，核心區別在于語義的方向性處理。其中，效益型指標為正向映射，即數值越大越好，而成本型指標為反向映射，即數值越小越好。本文采用9粒度語言評價集[22]來描述語言變量評價信息，效益型指標 a_ij^k（j=1，4，6） 對應的直覺模糊數如表3所示。

表3語言變量指標（效益型）與直覺模糊數對應關系

Tab.3Correspondence between linguisticvariable indicators （benefit type）and intuitionistic fuzzy numbers

成本型指標 a_ij^k（j=5） ）需要將語言變量的語義反轉后再映射，具體方法為，評價為“一般／中等”時，隸屬度與非隸屬度反轉，由（0.5，0.4）變更為（0.4，0.5），評價為其他語言變量時，以“一般／中等”為軸反轉，例如，成本型指標的“好／高”對應效益型指標的“差／低”，映射的直覺模糊數為（0.25，0.65），成本型指標 r_ij^k（j=5） ）對應的直覺模糊數如表4所示。

直覺模糊數采取補集轉換法，效益型指標 a_ij^k（j= 2，9）保持原值，直接用于后續計算。對成本型指標的直覺模糊數取補集，將其轉換為效益型指標，即交換隸屬度與非隸屬度，猶豫度保持不變，原直覺模糊數 A= （μ_A（x），ν_A（x））^? ），補集為 A^c=（ν_A（x），μ_A（x）） 。該方法具有良好的邏輯一致性，轉換后，原低成本（高效益）的非隸屬度成為隸屬度，符合效益型指標的方向要求，并且猶豫度 π_A（x）=1-μ_A（x）-ν_A（x） 保持不變，確保了信息的完整性。

表4語言變量指標（成本型）與直覺模糊數對應關系 Tab.4Correspondence between linguisticvariable indicators（costtype）andintuitionistic fuzzynumbers

區間數是表征決策過程中定量數據不確定性的重要工具，在決策矩陣中可表示為 3，7，8，10）， a_ij^kL，a_ij^kU 分別表示區間數的下限和上限。為消除量綱影響，本文采用比重變換法對區間數評價信息進行歸一化處理，使得評價信息取值范圍均在[0，1］區間內。具體轉化過程如下：

對于效益型指標 a_ij^k（j=3） ，采用式（2）進行轉化。

對于成本型指標 a_ij^k（j=7，8，10） ，采用式（3）進行轉化。

通過上述標準化方法，對決策者的異構評價信息進行預處理，將原始評價值映射為直覺模糊數， 為構建得到的決策者 D_k 的標準化決策矩陣。

式中， 為直覺模糊數。

步驟2利用考慮隸屬度、非隸屬度和猶豫度信息的指標權重確定方法，計算不同決策者指標權重和綜合指標權重。

在指標權重確定方法中，直覺模糊熵是衡量直覺模糊集模糊程度的重要指標。具體而言，評價指標的直覺模糊熵越大，表明該指標提供的判斷信息越模糊，應賦予較小權重；反之，則應賦予較大權重。為全面反映模糊程度，需要同時考慮直覺模糊熵的3個維度，即不確定程度、未知程度、綜合信息。不確定程度通過隸屬度與非隸屬度的偏差來反映，未知程度通過猶豫度反映，綜合信息則能夠有效解決當隸屬度和非隸屬度偏差相等時，直覺模糊熵無法有效區分這一問題。因此，采用綜合考慮不確定程度、未知程度、綜合信息3維度信息的直覺模糊熵為

式中， B={Φi，μ_B（x_i），ν_B（x_i）gt;|x_i∈X，i=1，2，…， |n 為直覺模糊集。可以看出， E（B） 既反映了隸屬度μ_B（x_i） 與非隸屬度 υ_B（x_i） 的偏差，又整合了猶豫度π_B（x_i） 的信息。

根據式（5），令 則決策者 D_k 對評價指標 o_j 的直覺模糊熵可以表示為 由此，決策者 D_k 評價信息確定的指標權重為

引入指標權重協調系數對 w_j^k（j=1，2，…，n） 進行集結，得到綜合指標權重為

式中 為指標權重協調系數。

指標權重協調系數的確定依據各指標權重值與權重區間中點值的接近程度計算，其接近程度的數學表達式為

則指標權重協調系數為

步驟3利用決策者權重確定方法，采用雙目標權重量化策略，綜合模糊熵和距離測度信息計算決策者綜合權重。

在決策者權重確定方法中，各決策者的權重分配與其提供信息的可信度及確定性水平密切相關。當決策者給出的判斷信息模糊度較高時，表明其對決策對象的認知相對有限，相應降低權重值；對于確定性較強的判斷信息，則適當提高權重占比。通過直覺模糊熵可以量化評估決策矩陣所蘊含的信息模糊特性，依據熵權法基本思想，由決策矩陣直覺模糊熵確定的決策者權重為

式中， 為加權直覺模糊熵，表示決策者 D_k 提供信息的模糊度。

由矩陣間距離測度信息確定的決策者權重為

式中， 為決策矩陣 和 之間的距離測度; 為直覺模糊數 和 的歐氏距離。

利用決策者權重協調系數對 λ₁^k 和 λ₂^k 進行集結，得到決策者綜合權重為

式中 Δ，β 為決策者權重協調系數， 0lt;βlt;1 。

步驟4利用群體決策矩陣聚合方法，對各彈藥保障模式備選方案在不同指標下的評價信息進行集結。

在群體決策矩陣聚合方法中，通過引人直覺模糊加權平均算子[23]，整合各決策者關于彈藥保障模式備選方案 A_i 在指標 o_j 下的評價信息，形成決策群體決策矩陣 G 其中，

步驟5根據決策群體決策矩陣，取同一評價屬性下各個備選方案中評價指標的最大值和最小值，確定彈藥保障模式備選方案的正理想解 G_j^* 和負理想解 G_j^- 。

步驟6在直覺模糊語言信息框架下對VIKOR方法進行拓展運用，計算彈藥保障模式備選方案的群體效用值 S（A_i） 、個體遺憾值 R（A_i） 和折中評價值 Q（A_i） 。

式中 min_i{R（A_i）} R^-=max_i{R（A_i）}_ov 是折中系數，也稱決策機制系數， v∈[0，1] ，該閾值體現了決策過程中群體利益與個體利益的權衡關系[24]。當 vgt;0.5 時，決策優先考慮群體效用最大化；當 vlt;0.5 時，傾向于最小化個體遺憾進行決策；當 v=0.5 時，尋求均衡折中的帕累托最優決策方式。

步驟7對彈藥保障模式備選方案進行折中排序，依據排序值篩選最優解。將備選方案分別按照 S_i 、Q_i?R_i 數值大小升序排列，數值越小方案越優。對于 Q_i 值排序第一的備選方案，若同時滿足以下兩個條件，則可判定為最佳彈藥保障模式[25]

（1）優勢接受性條件

式中， A^（1） 和 A^（2） 分別代表 Q_i 值排序第一和第二的備選方案， m 為備選方案總數。

（2）決策穩定性條件

若備選方案 A^（1） 在 S_i 值和 R_i 值的排序中也排在首位，表明 A^（1） 在決策中具有穩定性。

不能同時滿足上述兩個條件時，說明最佳方案有多個。當只滿足優勢接受性條件時， A^（2） 和 A^（1） 均為有效解；當只滿足決策穩定性條件時，得到一組由排序中前后相連的備選方案組成的方案集 A={A^（1），A^（2），… ，式中 H 滿足 方案集 A 中的備選方案均為最優。

4彈藥保障模式選擇實例分析

4.1 實例背景

某合成旅執行登陸作戰任務，為滿足部隊彈藥保障需要，經過戰場環境勘察、彈藥消耗預計、保障能力分析等，裝備保障部門提出了4個彈藥保障模式備選方案 A_i（i=1，2，3，4） ，指揮員要求由作戰計劃、運輸投送、彈藥供應3個決策要素 D_k（k=1，2，3） 組成決策群體，優選最佳保障模式。決策群體結合表1評價體系中給出的10項指標 o_j（j=1，2，…，10） ，利用戰例數據挖掘、實時態勢監測、作戰仿真推演等方式獲取基礎信息，各決策要素專家對所有指標項進行直覺模糊評價，得到初始決策矩陣 R^k（k=1，2，3） ，通過排序確定最優方案。

3個決策要素的初始決策矩陣 R^k 如表 5～ 表7所示。

表5作戰計劃要素初始決策矩陣 R¹

Tab.5Operational planning stuff initial decision matrix R¹

表6運輸投送要素初始決策矩陣 R²

表7彈藥供應要素初始決策矩陣 R³

4.2 決策模型應用

運用直覺模糊熵-VIKOR方法分步驟完成彈藥保障模式的評估和選擇，具體如下：

步驟1對初始決策矩陣中的語言變量、區間數型評價信息進行標準化處理，轉化為直覺模糊數型評價信息，得到標準化后的直覺模糊決策矩陣 如表 8～ 表10所示。

表8標準化直覺模糊決策矩陣R1

表9標準化直覺模糊決策矩陣R2

表11決策群體決策矩陣 G

表12彈藥保障模式備選方案排序結果

Tab.12Ranking results ofalternative options forammunition supportmodes

計算可知，彈藥保障模式備選方案 A₄ 滿足 Q（A₂） -Q（A₄）=0.433 6?1/3 ，且 A₄ 在 S（A_i） 和 R（A_i） 值的排序中均列首位。因此，當 v=0.5 時，彈藥保障模式備選方案 A₄ 為最優方案。

4.3 靈敏度分析

為了考察折中系數變化對彈藥保障模式選擇排序的影響程度，利用MATLAB編程運算，通過調整 v 的取值，得到不同折中系數下彈藥保障模式備選方案排序結果如表13所示。

表13不同折中系數彈藥保障模式備選方案排序結果

Tab.13Ranking results of alternative options for ammunition support modes with differentcompromise coeficients

由靈敏度分析結果可知，根據決策群體主觀偏好的不同機制進行決策，通過調整折中系數 v 的大小，得到的 Q（A_i） 升序不同，當 v?0.5 時，排序為 A₄gt;A₂gt; A₃gt;A₁ ；當 vgt;0.5 時，排序為 A₄gt;A₃gt;A₂gt;A₁ 。因此，該決策方法通過參數 v 的動態調節，實現了決策結果與決策者偏好的協同演化，提高了決策系統的適應能力。此外，當 v?0.5 時，彈藥保障模式備選方案 A₄ 滿足 Q（A₂）-Q（A₄）?1/3 ；當 vgt;0.5 時，彈藥保障模式備選方案 A₄ 滿足 Q（A₃）-Q（A₄）?1/3 ，且 A₄ 在S（A_i） 和 R（A_i） 排序中均為最小值。因此，彈藥保障模式備選方案 A₄ 在決策過程中是穩定的，同時也證明了本文決策模型的有效性。

5 結束語

本文基于多智能體系統建立了彈藥保障模式選擇決策體系架構，三級智能體協同工作，可實現對保障模式的實時篩選優化，其模塊化設計具備良好的可拓展性，針對決策系統中決策者評價信息為多類型信息的特點，提出了一種基于直覺模糊熵-VIKOR方法的戰時彈藥保障模式選擇多屬性群決策方法，引入直覺模糊集理論處理多種異質評價信息，避免了傳統決策方法中的信息丟失，可以有效解決指標權重、決策者權重均未知的多準則群決策問題。實例驗證和靈敏度分析結果表明，該決策方法有效性、適用性和穩定性較好，用于戰時彈藥保障模式選擇操作性強，可以有效提升決策過程的智能化、科學化、規范化水平。

參考文獻：

[1］關繼成，李良春．信息化條件下彈藥保障需求分析[J].兵工自動化，2017，36（8）：47-50.GUAN J C， LI L C. Demand analysis of ammunition sup-port under information condition[J].Ordnance IndustryAutomation，2017，36（8）：47-50.

[2] 王長友.淺談未來作戰裝備保障方式[J]．科技信息，2010（35）：63.WANG C Y. Discussion on the support mode of futurecombatequipment［J].Scienceamp; TechnologyInforma-tion，2010（35）：63.

[3］孫璐璐，馬亮，孫婧.新形勢下聯合作戰裝備保障問題研究[J].艦船電子工程，2018，38（7）：1-3，10.SUNLL，MAL，SUN J.Analysis of equipment supportin joint operation under the new situation[J].Ship Elec-tronicEngineering，2018，38（7）：1-3，10.

[4] 袁野，古平，曾巍．信息化戰爭通用裝備物流保障模式淺析[J].物流技術，2005，24（12）：70-72.YUANY，GUP，ZENGW.Logistics support mode of u-niversal equipment in informatized war[J].LogisticsTechnology，2005，24（12）：70-72.

[5] 王榮輝，金麗亞，袁義.關于信息化作戰裝備保障的思考[J].裝甲兵工程學院學報，2010，24（4）：20-24.WANGRH， JIN L Y，YUAN Y. Thinking about equip-ment support for information warfare[J].Journal of Acad-emy of Armored Force Engineering，20l0， 24（4） ：20-24.

[6］劉鐵林，張成，楊剛．基于信息系統體系作戰裝備保障方式變革探析[J]．裝甲兵工程學院學報，2012，26（2）：9-13.LIU T L， ZHANG C， YANG G. Study on equipment sup-port mode innovation of systematic batle based on infor-mation system[J].Journal of Academy of Armored ForceEngineering，2012，26（2）：9-13.

［7］馮芊力，史憲銘，吳早貴，等．基于AHP-理想點法的戰時彈藥補給方式決策研究［J]．指揮控制與仿真，2024，46（4） ： 113-116.FENGQL，SHIXM，WU ZG，et al.Research on deci-sion-making of wartime ammunition replenishment modebased on AHP-Ideal point method[J].Command Controlamp; Simulation，2024，46（4）：113-116.

[8]AndrejicD M， Sokolovic S V.Integral logistic supportmeans of armament and military equipment[J].Vojnoteh-nicki Glasnik，2009，57（1）2-53.

[9]BAI Y， QIN X， ZHANG J. Preliminary study on predic-tion-driven munitions supply mode based on big data[C]//AEIC Academic Exchange Information Center（Chi-na），2020：227-231.

[10］帥元，徐輝，孫奇龍.陸軍合成部隊戰時彈藥供應保障效能評估分析[J].裝甲兵學報，2022，1（5）：70-73，79.SHUAI Y， XU H， SUN Q L. Effectiveness evaluation andanalysis of ammunition supply support for army combinedforces in wartime[J]. Journal of Armored Forces，2022，1（5） ：70-73，79.

[11］閆金金．基于多智能體的租賃住房市場供給結構建模與仿真研究[D]．沈陽：沈陽建筑大學，2019.YANJJ. Modeling and simulation of supply structure ofrental housing market based on multi-agent[D]. Sheny-ang：Shenyang Jianzhu University，2019.

［12］曲君偉．基于“三階段”劃分視角下的后勤保障模式研究[D]．長春：吉林大學，2009.QUJW. Research on logistics support mode from the per-spective of“three stages”[D]. Changchun： Jilin Univer-sity，2009.

[13］劉昊邦，史憲銘，華斌，等．基于DoDAF的彈藥供應保障體系構建與效能評估[J]．兵器裝備工程學報，2023，44（1）：80-85，174.LIU H B， SHI X M，HUA B，et al. Construction and ef-fectiveness evaluation of the ammunition supply guaranteesystem based on DoDAF[J]. Journal of Ordnance Equip-ment Engineering，2023，44（1）：80-85，174.

［14］李雄，韓戰寧，樊延平，等．面向目標中心戰的自適應裝備保障指揮方式研究[J]．指揮與控制學報，2018，4（2）：130-135.LI X，HAN ZN，FANYP，et al. Target-centricwarfareoriented adaptive equipment support command mode[J].Journal of Command and Control，2018，4（2）：130-135.

[15］朱曦，姚愷，郭愛強，等.基于多目標的彈藥儲備與調運聯合優化[J].陸軍工程大學學報，2024，3（6）：46-53.ZHU X， YAO K， GUO A Q， et al. Multi-objective jointoptimization of ammunition reserve and scheduling[J].Journal of Army Engineering University of PLA，2024，3（6） ：46-53.

［16］龍瀟宇.高原山地部隊彈藥保障路徑優化[J].艦船電子工程，2025，45（1）：123-126.LONG X Y. Optimization of ammunition support path forplateau mountain troops[J]. Ship Electronic Engineering，2025，45（1） ：123-126.

[17］路軍，馬振書，羅磊，等．美陸軍彈藥保障力量研究[J]．物流科技，2009，32（4）：81-84.LU J，MA Z S，LUO L，et al. Research on U. S armyammunition conveyance force[J]. Logistics Sci-Tech，2009，32（4） ： 81-84.

［18］李凱，劉鐵林，張亮，等．基于ISM的彈藥精確保障能力影響因素分析［J]．指揮控制與仿真，2022，44（4） ： 84-88.LI K，LIU TL， ZHANG L， et al. Analysis of influencingfactors of ammunition precision support capability based onISM[J]. Command Control amp; Simulation， 2022，44（4）：84-88.

［19］汪汝根，李為民，羅驍，等．基于新距離測度的直覺模糊VIKOR多屬性決策方法［J]．系統工程與電子技術，2019，41（11）：2 524-2 532.WANGRG，LIWM，LUOX，et al．ExtendedVIKORmethod of multi-atribute decision making under intuition-istic fuzzy environment based on a new distance measure[J]．Systems Engineering and Electronics，2019，41（11）：2 524-2 532.

[20］劉滿鳳，任海平.基于一類新的直覺模糊熵的多屬性決策方法研究［J]．系統工程理論與實踐，2015，35（11） ： 2 909-2 916.LIUMF，RENHP.A study ofmulti-attribute decisionmaking based on a new intuitionistic fuzzy entropy measure[J].Systems Engineering-Theory amp; Practice，2015，35（11）：2 909-2 916.

[21] XU Z，YAGER R R. Some geometric aggregation operatorsbased on intuitionistic fuzzy sets[J]. International Journalof General Systems，2006，35（4）：417-433.

［22］張亮，王堅浩，鄭東良，等．基于直覺模糊熵和VIKOR的裝備器材供應商選優決策［J]．系統工程與電子技術，2019，41（7）：1 568-1 575.ZHANG L， WANG JH， ZHENG D L，et al. Equipmentmaterial supplier selection decision-makingbased on intu-itionistic fuzzy entropy and VIKOR[J].SystemsEngi-neeringandElectronics，2019，41（7）：1568-1575.

[23]楊山亮，王鵬，李革，等.基于直覺模糊VIKOR方法的裝備優選群決策模型［J].系統仿真學報，2015，27（9）：2169-2175.YANGSL，WANGP，LIG，etal.Groupdecisionmak-ing model for weapon selection using extended VIKORmethod under intuitionistic fuzzy environment[J]. JournalofSystem Simulation，2015，27（9）：2 169-2175.

[24］王亮，郭瑞鴻，王應明.考慮決策者偏好的D-VIKORSort方法[J/OL].系統科學與數學，1-15[2025-05-20].ht-tp：//kns.cnki.net/kcms/detail/11.2019.o1.20240607.1119.002. html.

WANGL，GUO R H，WANG Y M. A D-VIKORSort method consideringdecision makerspreferences[J].Journal ofSystemsScienceand Mathematical Sciences，1-15 [2025-05-20]. http：//kns.cnki.net/kcms/detail/11. 2019.01.20240607.1119.002.html. [25]于博文，呂明，張捷.基于多準則決策方法的作戰方案 優選方法［J].南京理工大學學報，2024，48（5）： 626-634. YUBW，LV M，ZHANG J. Optimum operation scheme selection based on multi-criteria decision making method [J].Journal of Nanjing University of Science and Technology，2024，48（5）：626-634.

（責任編輯：許韋韋）