基于群組層次分析法與云模型的情報(bào)保障效能評(píng)估*

黃俊華 楊 桄 張?bào)汴?楊永波

(空軍航空大學(xué) 長(zhǎng)春 130022)

?

基于群組層次分析法與云模型的情報(bào)保障效能評(píng)估*

黃俊華 楊 桄 張?bào)汴?楊永波

(空軍航空大學(xué) 長(zhǎng)春 130022)

情報(bào)保障效能評(píng)估是情報(bào)保障中一項(xiàng)重要的內(nèi)容，根據(jù)情報(bào)保障的要素與指標(biāo)建立原則，論文構(gòu)建了一個(gè)情報(bào)保障效能評(píng)估指標(biāo)體系。為了降低情報(bào)保障效能評(píng)估的主觀性與不確定性，論文提出了一種結(jié)合群組層次分析法與云模型評(píng)估的效能評(píng)估方法。最后，通過(guò)實(shí)例仿真驗(yàn)證了方法的有效性與實(shí)用性。

情報(bào)保障; 效能評(píng)估; 群組層次分析法; 云模型

Class Number E92;TJ012.4

1 引言

一體化聯(lián)合作戰(zhàn)將是未來(lái)戰(zhàn)爭(zhēng)的必然趨勢(shì)，美軍十分注重情報(bào)保障在一體化聯(lián)合作戰(zhàn)中的運(yùn)用，將情報(bào)保障視為戰(zhàn)爭(zhēng)的“力量倍增器”[1]。在情報(bào)保障工作中，美軍對(duì)于情報(bào)保障的效能評(píng)估也相當(dāng)?shù)闹匾暎瑢⑶閳?bào)保障效能評(píng)估貫穿至整個(gè)美軍情報(bào)周期中[2]，對(duì)情報(bào)保障工作及時(shí)做出評(píng)估和反饋，提高情報(bào)保障作業(yè)的效率。故對(duì)情報(bào)保障效能評(píng)估的研究具有重要的意義，通過(guò)效能評(píng)估，能夠準(zhǔn)確地了解情報(bào)保障工作的運(yùn)行情況以及對(duì)作戰(zhàn)的情報(bào)支援程度。本文從情報(bào)保障效能評(píng)估體系的建立與情報(bào)保障效能評(píng)估方法的選擇兩方面進(jìn)行研究。

2 指標(biāo)體系的建立

指標(biāo)體系的建立是效能評(píng)估工作的核心，科學(xué)合理的指標(biāo)體系是準(zhǔn)確評(píng)估的關(guān)鍵。建立情報(bào)保障指標(biāo)體系首先要滿足指標(biāo)選取的基本原則，即：完備性，科學(xué)性，可測(cè)、可控性。

在繼承效能評(píng)估指標(biāo)體系建立基本原則的基礎(chǔ)上，情報(bào)保障效能評(píng)估的選取要滿足情報(bào)保障的要素與要求。美軍對(duì)于聯(lián)合作戰(zhàn)情報(bào)保障工作以及情報(bào)產(chǎn)品提出了以下幾個(gè)標(biāo)準(zhǔn)[1]：及時(shí)性、客觀性、可用性、可供性、完整性、準(zhǔn)確性、相關(guān)性。根據(jù)這一標(biāo)準(zhǔn)本文建立情報(bào)保障效能評(píng)估指標(biāo)體系，如圖1所示。

圖1 情報(bào)保障效能評(píng)估指標(biāo)體系圖

3 情報(bào)保障效能評(píng)估方法

3.1 評(píng)估方法的選擇

情報(bào)保障效能評(píng)估的部分指標(biāo)很難用具體的數(shù)值來(lái)表示，只能用語(yǔ)言來(lái)描述。云模型評(píng)估法能夠同時(shí)有效而簡(jiǎn)便地實(shí)現(xiàn)定性與定量相互轉(zhuǎn)換，可將模糊性和隨機(jī)性結(jié)合在一起，充分實(shí)現(xiàn)精確數(shù)值與定性語(yǔ)言之間的轉(zhuǎn)換。

情報(bào)保障效能評(píng)估工作不是一人完成，每個(gè)決策者的知識(shí)水平以及個(gè)人喜好的差異都會(huì)對(duì)同一個(gè)問(wèn)題產(chǎn)生不同的觀點(diǎn)。群組層次分析法是在層次分析法的基礎(chǔ)上改進(jìn)的，能夠?qū)€(gè)人判斷綜合成較為合理的結(jié)果[3]。

本文根據(jù)上述特性，采用群組層次分析法與云模型評(píng)估法相結(jié)合的情報(bào)保障效能評(píng)估方法，其步驟為

1) 根據(jù)群組層析分析法確定指標(biāo)體系的指標(biāo)權(quán)重。

2) 求各指標(biāo)的云模型表示。

3) 用一個(gè)綜合云表示系統(tǒng)狀態(tài)。

4) 用加權(quán)偏離度來(lái)衡量綜合云重心的改變。

5) 用云模型的評(píng)語(yǔ)集實(shí)現(xiàn)效能評(píng)估。

3.2 基于群組層次分析法的指標(biāo)權(quán)重確定

3.2.1 建立判斷矩陣

確定情報(bào)保障指標(biāo)體系的權(quán)重的關(guān)鍵一步是確定同級(jí)指標(biāo)的相對(duì)重要性，不同的側(cè)重點(diǎn)會(huì)對(duì)情報(bào)保障的評(píng)估帶來(lái)不同的結(jié)果。本文采取專家法來(lái)確定各指標(biāo)的相對(duì)重要性，評(píng)估專家要以特定任務(wù)為背景，根據(jù)情報(bào)保障的要求來(lái)確定各性能指標(biāo)的重要性。

在某一指標(biāo)下，對(duì)于n個(gè)元素中的任意兩個(gè)元素a和b，通過(guò)經(jīng)驗(yàn)對(duì)比獲得a和b兩個(gè)元素的相對(duì)重要性。目前多使用9/9～9/1標(biāo)度法來(lái)為元素的重要性賦值[4]，比例標(biāo)度如表1所示。

表1 9/9～9/1標(biāo)度法

通過(guò)9/9～9/1標(biāo)度法可以分別構(gòu)建一級(jí)指標(biāo)的判斷矩陣E-B和二級(jí)指標(biāo)的判斷矩陣B1-C，B2-C和B3-C，在此以E-B為例。

判斷矩陣E-B所表示的是情報(bào)保障效能指標(biāo)、情報(bào)質(zhì)量效能指標(biāo)和戰(zhàn)場(chǎng)態(tài)勢(shì)感知效能指標(biāo)的相對(duì)重要性，表示為：

(1)

式中aij表示Bi相對(duì)Bj的相對(duì)重要性。

可同理根據(jù)式(1)構(gòu)造二級(jí)指標(biāo)的判斷矩陣B1-C，B2-C和B3-C。

判斷矩陣是一種正互反矩陣，矩陣中的各元素滿足：

(2)

當(dāng)判斷矩陣中的元素滿足傳遞性時(shí)，即：

aij·ajk=aik

(3)

可稱該矩陣為一致性矩陣[5]在根據(jù)判斷矩陣導(dǎo)出各指標(biāo)的排序權(quán)重時(shí)，一致性矩陣有重要的意義。

3.2.2 計(jì)算指標(biāo)權(quán)重

計(jì)算各級(jí)指標(biāo)的權(quán)重就是對(duì)各級(jí)指標(biāo)的判讀矩陣A進(jìn)行最大特征根λmax對(duì)應(yīng)向量W的求解[6]，表達(dá)式為

A·W=λmax·W

(4)

對(duì)W進(jìn)行歸一化處理后得到指標(biāo)Bk下各指標(biāo)元素的排序權(quán)重。

對(duì)λmax和W進(jìn)行一致性檢驗(yàn)[7]：

1) 計(jì)算一致性指標(biāo)C.I.

(5)

2) 查找相應(yīng)的平均隨機(jī)一致性指標(biāo)R.I.，如表2所示。

表2 平均隨機(jī)一致性指標(biāo)R.I.

3) 計(jì)算隨機(jī)一致性比例C.R.

(6)

當(dāng)C.R.≤0.1時(shí)，判斷矩陣的一致性是可以接受的。

3.2.3 生成群組權(quán)重向量

計(jì)算出各專家給出的判斷矩陣的權(quán)重排序向量后，為進(jìn)一步消除主觀因素，提高權(quán)重排序向量的可信性與準(zhǔn)確性，要綜合各專家指標(biāo)排序向量計(jì)算群組權(quán)重排序向量。計(jì)算群組權(quán)重排序向量的方法有加權(quán)算術(shù)平均法和加權(quán)幾何平均法兩種[8]，本文采用加權(quán)算術(shù)平均法。

各專家的排序向量的加權(quán)算術(shù)平均記為W=(w1,w2,…,wn)T，即：

wj=λ1wj1+λ2wj2+…+λswjs

(7)

(8)

式中，λk表示為第k個(gè)專家的權(quán)重，本文將專家的權(quán)重視為同等重要，即:λ1=λ2=…=λs。

3.3 基于云模型的效能評(píng)估[9]

3.3.1 指標(biāo)的云模型表示

云[10]是用語(yǔ)言值表示的某個(gè)定性概念與定量表示之間的不確定性轉(zhuǎn)換模型，它主要反映概念上的不確定性，即模糊性和隨機(jī)性。云的數(shù)字特征用3個(gè)參數(shù)來(lái)描述，即：期望值Ex，能代表定性概念的數(shù)值；熵En，為概念不確定程度的度量，熵越大，概念相對(duì)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。3個(gè)數(shù)字特征整體表征一個(gè)概念，記做CG(Ex,En,He)。

指標(biāo)體系中的指標(biāo)表示形式既有數(shù)值型的，也有用語(yǔ)言表述的。根據(jù)云理論，提取指標(biāo)體系中的n組樣本組成決策矩陣，對(duì)于數(shù)值型表示的指標(biāo)與語(yǔ)言表述型的指標(biāo)可以用兩個(gè)云模型進(jìn)行表示：

1) 數(shù)值型指標(biāo)

Ex=(Ex1+Ex2+…+Exn)/n

(9)

(10)

式中：Ex1,Ex2,…,Exn為指標(biāo)量的值。

2) 語(yǔ)言表述型指標(biāo)

(11)

En=En1+En2+…+Enn

(12)

式中Ex1,Ex2,…,Exn為指標(biāo)云模型的期望值，En1,En2,…,Enn為指標(biāo)云模型的熵。

3.3.2 生成指標(biāo)綜合云

p個(gè)指標(biāo)可以用p個(gè)云模型表示，p個(gè)云模型反映的指標(biāo)體系的狀態(tài)可以用一個(gè)p維綜合云模型表示。當(dāng)指標(biāo)體系的狀態(tài)改變時(shí)，綜合云的狀態(tài)也會(huì)隨之改變，相應(yīng)的云重心也會(huì)發(fā)生變化。綜合云的云重心T用p維向量表示，即：

T=(T1,T2,…,Tp)

(13)

Ti=ai×bi(i=1,2,…,p)

(14)

3.3.3 衡量云重心的改變

假設(shè)理想狀態(tài)下p維綜合云的重心位置向量為

(15)

云重心高度向量為

(16)

則理想狀態(tài)下的云重心向量為

(17)

某一狀態(tài)下的指標(biāo)體系的云重心為T=(T1,T2,…,Tp)。

用加權(quán)偏離度θ來(lái)衡量這兩種狀態(tài)下綜合云的重心的差異，θ值越小表示差異越不明顯，θ值越大表示差異越顯著。將綜合云的云重心向量歸一化，得到向量TG，歸一化公式如式(18)、式(19)所示：

(18)

(19)

經(jīng)歸一化后的指標(biāo)體系狀態(tài)的綜合云的重心向量均為有大小有方向的值，經(jīng)歸一化后理想狀態(tài)下的云重心量為(0,0,0,0)。

把各指標(biāo)歸一化之后的向量值乘以其權(quán)重值然后再相加即得到加權(quán)偏離度θ：

(20)

3.3.4 用云模型實(shí)現(xiàn)評(píng)測(cè)的評(píng)語(yǔ)集

根據(jù)云模型理論，本文建立由11個(gè)評(píng)語(yǔ)所組成的評(píng)語(yǔ)集V=(v1,v2,…,v11)，v1～v11分別表示極差、非常差、很差、較差、差、一般、好、較好、很好、非常好、極好等11個(gè)評(píng)語(yǔ)，將11個(gè)評(píng)語(yǔ)置于連續(xù)的語(yǔ)言值標(biāo)尺上，并且用云模型來(lái)表示每個(gè)評(píng)語(yǔ)值，建立一個(gè)定性評(píng)測(cè)的云模型評(píng)測(cè)器如圖2所示。

圖2 云模型評(píng)測(cè)器

指標(biāo)體系理想狀態(tài)視為極好，其θ=0；系統(tǒng)的θ值越小則表示系統(tǒng)在某一狀態(tài)下與理想狀態(tài)越接近，性能越好，反之亦然。

對(duì)于一個(gè)具體方案，將求得的θ值輸入評(píng)測(cè)云發(fā)生器中，可能會(huì)激活兩種情況：一是激活某個(gè)評(píng)語(yǔ)值云對(duì)象的程度要遠(yuǎn)大于其他評(píng)語(yǔ)值云對(duì)象，此時(shí)視該評(píng)語(yǔ)值為該方案的評(píng)價(jià)結(jié)果；二是激活了兩個(gè)評(píng)語(yǔ)值云對(duì)象，且激活程度相差不大，這時(shí)可以運(yùn)用綜合云生成一個(gè)新的云對(duì)象，將其期望值作為評(píng)測(cè)結(jié)果(定量結(jié)果)輸出，而此期望值對(duì)應(yīng)的定性表述可由專家或系統(tǒng)用戶另外給出[11]。

4 實(shí)例仿真

本文以模擬實(shí)例進(jìn)行仿真，選取五名專家對(duì)某次情報(bào)保障行動(dòng)進(jìn)行評(píng)估。限于篇幅，本文將對(duì)指標(biāo)B2進(jìn)行效能評(píng)估。

1) 根據(jù)群組層次分析法確定指標(biāo)B2下各指標(biāo)元素的權(quán)重值。

構(gòu)建某名專家對(duì)指標(biāo)B2下各指標(biāo)元素的判斷矩陣B2～C：

可得某專家的指標(biāo)B2下各指標(biāo)元素的權(quán)重分別是0.1044，0.1148，0.2341，0.3176，0.2292。同理可對(duì)其他四名專家的指標(biāo)B2下各指標(biāo)元素的權(quán)重進(jìn)行計(jì)算；然后進(jìn)行一致性檢驗(yàn)，不滿足的專家要進(jìn)行反饋調(diào)整，直到符合一致性檢驗(yàn)；最后利用加權(quán)平均的方法進(jìn)行群組決策計(jì)算。限于篇幅，省略詳細(xì)步驟，只給出指標(biāo)B2的群組權(quán)重排序向量，如下所示：

Wk=(0.1065,0.1179,0.2355,0.3123,0.2246)

2) 五名專家根據(jù)語(yǔ)言標(biāo)尺對(duì)某次情報(bào)保障行動(dòng)進(jìn)行評(píng)估，如表3所示。

表3 五名專家的評(píng)價(jià)值

3) 根據(jù)云理論，將5名專家的語(yǔ)言評(píng)價(jià)值用(Ex,En,He)3個(gè)數(shù)字特征進(jìn)行表述。由表3與語(yǔ)言標(biāo)尺可得決策矩陣G：

4) 根據(jù)決策矩陣G可得各指標(biāo)云模型的期望與熵，如表4所示。

表4 各指標(biāo)的期望值與熵

5) 根據(jù)云理論，計(jì)算加權(quán)偏離度。

由式(14)，可得5維加權(quán)綜合云的重心向量為(0.0788,0.0849,0.1460,0.1874,0.1348)，理想狀態(tài)的5維加權(quán)綜合云的重心向量為(0.1065,0.1179,0.2355,0.3123,0.2246)。

由式(19)歸一化分別得：(-0.2600,-0.2800,-0.3800,-0.4000,-0.4000)和(0,0,0,0,0)。

由式(20)計(jì)算得θ=-0.2751。即評(píng)估結(jié)果的偏離度距離理想狀態(tài)為-0.2751，其評(píng)估記過(guò)為0.7249，將其輸入云發(fā)生器中可激活“較好”與“很好”兩個(gè)對(duì)象，且激活程度更偏向于較好，故指標(biāo)B2的評(píng)估結(jié)果為介于“較好”與“很好”之間，且偏向于較好，最終評(píng)估值為0.7249。

5 結(jié)語(yǔ)

情報(bào)保障效能評(píng)估是個(gè)主客觀信息相結(jié)合的多元集成的復(fù)雜過(guò)程。本文在情報(bào)保障理論的基礎(chǔ)上建立了情報(bào)保障效能評(píng)估指標(biāo)體系，根據(jù)情報(bào)保障的要素與特點(diǎn)，結(jié)合群組層次分析法與云模型評(píng)估相結(jié)合的方法，將主觀影響因素綜合集成，降低評(píng)價(jià)的主觀性，將模糊性和隨機(jī)性進(jìn)行了較好的轉(zhuǎn)換，有效地解決了情報(bào)保障效能評(píng)估中的不確定性與主觀性，為情報(bào)保障效能評(píng)估的研究提供了依據(jù)。

[1] 張曉軍.美國(guó)軍事情報(bào)理論研究[M].北京:軍事科學(xué)院出版社,2007:235-236.

[2] 孫建明.戰(zhàn)后情報(bào)偵察技術(shù)發(fā)展史研究[M].北京:軍事科學(xué)院出版社,2008:290-292.

[3] 林岳崢,祝利,程曉雷.基于群組層次分析法的情報(bào)保障系統(tǒng)效能評(píng)估[J].兵工自動(dòng)化,2012,31(8):57-61.

[4] 趙全仁,邱志明,竇守健.等武器裝備論證導(dǎo)論[M].北京：兵器工業(yè)出版社,1998:96-112.

[5] 劉強(qiáng).國(guó)防系統(tǒng)分析方法:下冊(cè)[M].北京：國(guó)防工業(yè)出版社,2003:531-537.

[6] 王威,崔明明.復(fù)雜系統(tǒng)評(píng)估的綜合層次分析法[J].海軍工程大學(xué)學(xué)報(bào),2006(2):42-46.

[7] 楊智,董長(zhǎng)清.改進(jìn)層次分析法在雷達(dá)網(wǎng)探測(cè)效能評(píng)估的應(yīng)用[J].空軍雷達(dá)學(xué)院學(xué)報(bào),2007(3):14-17.

[8] 郭齊勝,揚(yáng)秀月,王杏林,等.系統(tǒng)建模[M].北京：國(guó)防工業(yè)出版社,2006:298-299.

[9] 焦利明,于偉,羅均平,等.基于云重心評(píng)判法的指揮自動(dòng)化系統(tǒng)效能評(píng)估[J].情報(bào)指揮控制系統(tǒng)與仿真技術(shù),2005,27(5):71-74.

[10] 李德毅,劉常昱,杜鶿,等.不確定性人工智能[J].軟件學(xué)報(bào),2004,15(9):1583-1594.

[11] 湯君,趙文杰,李德軍.基于云模型的戰(zhàn)場(chǎng)情報(bào)綜合效能評(píng)估[J].艦船電子工程,2012,32(6):37-40.

Information Security Effectiveness Evaluation Based on GAHP and Cloud Model

HUANG Junhua YANG Guang ZHANG Xiaohan YANG Yongbo

(Aviation University of Air Force, Changchun 130022)

Intelligence security effectiveness evaluation is an important content of information security. According to the elements of information security and the principle of index establishment, the paper constructs an index system of intelligence security effectiveness evaluation. In order to reduce the subjectivity and uncertainty of information security effectiveness evaluation, the paper proposes a method of information security effectiveness evaluation based on GAHP and cloud model. Finally, the validity and practicability of the method are verified by an example simulation.

information security, effectiveness evaluation, GAHP, cloud model

2016年5月10日,

2016年6月26日

吉林省科技發(fā)展計(jì)劃資助項(xiàng)目(編號(hào)：20140101213JC)；吉林省教育廳“十二五”科研項(xiàng)目(編號(hào)：2015448)資助。

黃俊華,男，碩士研究生，研究方向：遙感圖像解譯。楊桄,男，博士，副教授，研究方向：遙感圖像解譯與地理信息系統(tǒng)。

E92;TJ012.4

10.3969/j.issn.1672-9730.2016.11.025