一種考慮作戰(zhàn)階段的目標(biāo)價值分析方法*

呂學(xué)志

（解放軍32179 部隊，北京 100021）

0 引言

在現(xiàn)代作戰(zhàn)環(huán)境中，分析評估目標(biāo)價值，得到目標(biāo)打擊清單不僅是作戰(zhàn)計劃的重要環(huán)節(jié)，也是戰(zhàn)場態(tài)勢認(rèn)知的重要內(nèi)容，直接影響著作戰(zhàn)目標(biāo)的實現(xiàn)和作戰(zhàn)效果的達(dá)成。美軍認(rèn)為，目標(biāo)價值分析是為確定軍事重要性、攻擊優(yōu)先順序和實現(xiàn)想得到的損害或傷亡程度而對潛在目標(biāo)進(jìn)行的研究［1］。本文認(rèn)為，目標(biāo)價值分析是通過研究目標(biāo)，確定目標(biāo)重要性、對敵我雙方影響，以及是否進(jìn)行實施打擊的活動。本質(zhì)上，目標(biāo)價值是用來衡量在一定條件下，對戰(zhàn)場目標(biāo)實施打擊行動必要性的一種綜合性指標(biāo)，主要描述的是目標(biāo)對戰(zhàn)場態(tài)勢影響的大小。同一戰(zhàn)場目標(biāo)，在不同作戰(zhàn)時節(jié)、不同戰(zhàn)場環(huán)境或不同作戰(zhàn)任務(wù)情況下往往具有不同的價值［2］。

目前目標(biāo)價值分析主要有4 種方法。一是基于個體屬性的目標(biāo)價值分析。這類方法根據(jù)目標(biāo)的屬性，給出量化方法和指標(biāo)，對目標(biāo)綜合指標(biāo)進(jìn)行計算和排序，適用于目標(biāo)彼此獨立時的目標(biāo)價值分析。何幼林利用TOPSIS 優(yōu)選法和灰色關(guān)聯(lián)度法對炮兵戰(zhàn)場目標(biāo)價值進(jìn)行了分析和排序［3］。張曉南提出了基于DEA 方法的坦克戰(zhàn)場目標(biāo)價值分析關(guān)鍵技術(shù)，包括坦克戰(zhàn)場目標(biāo)價值指標(biāo)分析、DEA 模型的建模、結(jié)果分析以及排序技術(shù)［4］。

二是基于復(fù)雜網(wǎng)絡(luò)的目標(biāo)價值分析。通過構(gòu)建復(fù)雜網(wǎng)絡(luò)，通過研究復(fù)雜網(wǎng)絡(luò)特征性質(zhì)來確定目標(biāo)的體系重要性已成為一個熱點。Albert 等人在復(fù)雜網(wǎng)絡(luò)的研究中，發(fā)現(xiàn)多數(shù)的網(wǎng)絡(luò)對于隨機的結(jié)點刪除都具有一定抗毀性，而刪除最大的度指標(biāo)節(jié)點卻最為脆弱［5］。張劍鋒等研究了進(jìn)行信息作戰(zhàn)目標(biāo)價值比較的不同尺度，確定了信息網(wǎng)絡(luò)中作戰(zhàn)目標(biāo)價值的量度標(biāo)準(zhǔn)并應(yīng)用圖論的方法，分別建立了節(jié)點型目標(biāo)、節(jié)點組目標(biāo)和鏈路型目標(biāo)價值的計算模型［6-7］。

三是基于概率網(wǎng)絡(luò)的目標(biāo)價值分析。這種方法主要使用貝葉斯網(wǎng)絡(luò)、影響網(wǎng)等因果網(wǎng)絡(luò)模型對具備復(fù)雜關(guān)聯(lián)的目標(biāo)體系結(jié)構(gòu)和狀態(tài)進(jìn)行建模，分析目標(biāo)對整個目標(biāo)體系狀態(tài)與效能的價值和影響。朱延廣等針對現(xiàn)有打擊目標(biāo)選擇方法，未能描述物理目標(biāo)毀傷效果與作戰(zhàn)目的實現(xiàn)之間因果影響關(guān)系，提出基于影響網(wǎng)絡(luò)的聯(lián)合火力打擊目標(biāo)選擇方法［8］。雷霆等分析了目標(biāo)體系攻防的博弈過程，使用動態(tài)貝葉斯網(wǎng)絡(luò)，描述了對抗雙方策略對博弈狀態(tài)的影響，將目標(biāo)選擇問題轉(zhuǎn)化為標(biāo)準(zhǔn)的博弈樹對策問題求解［9］。

四是基于人工智能的目標(biāo)價值分析。寧庶亮等針對聯(lián)合火力打擊中目標(biāo)價值的特點，運用BP 神經(jīng)網(wǎng)絡(luò)理論對目標(biāo)價值進(jìn)行分析，并建立了聯(lián)合火力打擊目標(biāo)價值分析指標(biāo)體系，設(shè)計了BP 神經(jīng)網(wǎng)絡(luò)模型，對目標(biāo)價值進(jìn)行分析，得到了目標(biāo)打擊序列分類［10］。陳培彬根據(jù)聯(lián)想記憶的一般模型和迭代解法，對炮兵戰(zhàn)場目標(biāo)價值進(jìn)行了分析和排序，并運用計算機進(jìn)行處理，為炮兵指揮員的決策行為提供了依據(jù)［11］。

現(xiàn)有的目標(biāo)價值分析研究還存在一些不足：一是目標(biāo)價值分析較多為戰(zhàn)術(shù)層級，較少考慮戰(zhàn)役、戰(zhàn)略層級目標(biāo)價值分析。二是缺乏對態(tài)勢變化的考慮。本文提出一種考慮作戰(zhàn)階段的戰(zhàn)役級目標(biāo)價值分析方法，在目標(biāo)體系結(jié)構(gòu)價值，目標(biāo)個體價值的基礎(chǔ)上考慮了作戰(zhàn)階段的影響，能夠更好地適應(yīng)作戰(zhàn)態(tài)勢變化，提供更合理、科學(xué)的目標(biāo)選擇清單。

1 方法框架

由于本研究旨在對敵方目標(biāo)進(jìn)行價值分析，確定出最關(guān)鍵的目標(biāo)，以便進(jìn)一步施加影響或采取行動。因此，必須通過一系列評估指標(biāo)和一套具體的評估方法來確定目標(biāo)價值，根據(jù)目標(biāo)價值進(jìn)行排序，以有效實現(xiàn)作戰(zhàn)效果，達(dá)成作戰(zhàn)目的。具體步驟如下：

Step 1：構(gòu)建目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)。對作戰(zhàn)環(huán)境中的政治、社會、經(jīng)濟、軍事設(shè)施、民用設(shè)施、信息設(shè)施分別建立網(wǎng)絡(luò)模型。重要的民用和軍用基礎(chǔ)設(shè)施，食品供應(yīng)系統(tǒng)和供水系統(tǒng)、信息基礎(chǔ)設(shè)施相對穩(wěn)定，可以用無向網(wǎng)絡(luò)進(jìn)行描述。有向網(wǎng)絡(luò)主要是由人驅(qū)動的系統(tǒng)，如政治機構(gòu)、社會部門和經(jīng)濟系統(tǒng)；這種網(wǎng)絡(luò)描述不平衡的關(guān)系，并可以用影響網(wǎng)絡(luò)來建模。

Step 2：確定作戰(zhàn)階段目標(biāo)體系權(quán)重。根據(jù)作戰(zhàn)條令，對作戰(zhàn)階段進(jìn)行區(qū)分，并確定每一作戰(zhàn)階段各類型目標(biāo)體系的權(quán)重。

Step 3：確定目標(biāo)網(wǎng)絡(luò)價值。針對作戰(zhàn)目標(biāo)，各類型目標(biāo)體系特點，靈活選擇中心性度量指標(biāo)，并進(jìn)行計算，得到目標(biāo)網(wǎng)絡(luò)價值。

Step 4：確定目標(biāo)自身價值。根據(jù)目標(biāo)屬性對目標(biāo)自身價值進(jìn)行評分。

Step 5：生成目標(biāo)列表。根據(jù)各作戰(zhàn)階段各類型目標(biāo)體系權(quán)重、目標(biāo)網(wǎng)絡(luò)價值、目標(biāo)自身價值，綜合得到目標(biāo)價值分值，按照目標(biāo)價值分值對目標(biāo)進(jìn)行排序，得到目標(biāo)列表。

Step 6：目標(biāo)分配與打擊。根據(jù)可用的作戰(zhàn)手段，分配目標(biāo)，并實施打擊或影響。

Step 7：效果評估。對作戰(zhàn)效果進(jìn)行評估，根據(jù)評估結(jié)果重新進(jìn)行新的目標(biāo)選擇與打擊周期，在新的周期中可調(diào)整目標(biāo)價值分析模型算法，如調(diào)整當(dāng)前作戰(zhàn)階段各類型目標(biāo)權(quán)重。

運用此方法生成目標(biāo)清單后，需要注意兩個問題：一是該目標(biāo)清單提供了什么信息？二是目標(biāo)清單的作用是什么？實際上，該方法就是建立一個描述真實目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)模型，通過綜合考慮作戰(zhàn)階段、復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)、目標(biāo)自身價值等因素得到加權(quán)目標(biāo)清單。該方法解決了使用有限資源，并最大化對敵作戰(zhàn)效果的問題。有了這樣一個最終目標(biāo)清單，決策者都可以有效、高效地將目標(biāo)打擊任務(wù)下達(dá)給所屬部隊。此外，目標(biāo)選擇、打擊和效果評估是一個迭代過程。這個過程的關(guān)鍵是圖1 中的評估和調(diào)整循環(huán)。一旦完成目標(biāo)價值分析，己方打擊行動作用于敵方目標(biāo)體系中的某些目標(biāo)，目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)就會作出反應(yīng)。因此，必須重新構(gòu)建復(fù)雜網(wǎng)絡(luò)模型，不僅有助于目標(biāo)的更新迭代，而且有助于評估上一次行動中所取得的作戰(zhàn)效果。只有這樣，決策者才能獲得所需的態(tài)勢理解，以確定是否取得作戰(zhàn)成功，評估作戰(zhàn)階段的任何態(tài)勢變化，或重新評估當(dāng)前作戰(zhàn)階段各類型目標(biāo)體系的權(quán)重。

圖1 方法框架Fig.1 Method framework

圖2 各類目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)Fig.2 Complex network of all kinds of target systems

2 構(gòu)建目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)

本文所提方法的第1 步是構(gòu)建敵方目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)。由于打擊手段的豐富發(fā)展和打擊精度的日益提高，打擊目標(biāo)已經(jīng)不再局限于軍事目標(biāo)，政治中心、經(jīng)濟設(shè)施等眾多目標(biāo)類型也被納入了打擊范圍。因此，需要將敵方的政治、經(jīng)濟、軍事、社會、基礎(chǔ)設(shè)施、信息（PMESII）等目標(biāo)體系建立相應(yīng)的復(fù)雜網(wǎng)絡(luò)模型。復(fù)雜網(wǎng)絡(luò)包括兩種類型：一是“硬目標(biāo)”網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以表示為無向網(wǎng)絡(luò)，邊表示是否存在關(guān)系。這些網(wǎng)絡(luò)是“基礎(chǔ)網(wǎng)絡(luò)”，代表物理基礎(chǔ)設(shè)施，如電信節(jié)點、電網(wǎng)、供水、食品供應(yīng)和應(yīng)急服務(wù)系統(tǒng)?？紤]到特定軍事目標(biāo)和信息系統(tǒng)，基礎(chǔ)網(wǎng)絡(luò)包含敵方軍事設(shè)施、基礎(chǔ)設(shè)施和信息設(shè)施?；A(chǔ)網(wǎng)絡(luò)的另一個判別標(biāo)準(zhǔn)，除了描述節(jié)點之間的關(guān)系之外，這些網(wǎng)絡(luò)中的系統(tǒng)不會隨時間快速變化。

二是“軟目標(biāo)”網(wǎng)絡(luò)。政治、經(jīng)濟和社會目標(biāo)的復(fù)雜網(wǎng)絡(luò)依賴于節(jié)點之間的相互影響力，可以歸為“影響網(wǎng)絡(luò)”。對于描述政治、社會和經(jīng)濟的影響網(wǎng)絡(luò)與基礎(chǔ)網(wǎng)絡(luò)是有區(qū)別的：1）基礎(chǔ)網(wǎng)絡(luò)是無向的，影響網(wǎng)絡(luò)是有向的；2）基礎(chǔ)網(wǎng)絡(luò)的連接要么有，要么沒有，是二元的；影響網(wǎng)絡(luò)的連接是介于［0，1］之間的概率。例如，在政治網(wǎng)絡(luò)中，概率將描述政治實體與其他人員之間的影響。

3 基于作戰(zhàn)階段的目標(biāo)體系權(quán)重分析

3.1 作戰(zhàn)階段

作戰(zhàn)階段是按照作戰(zhàn)進(jìn)程中任務(wù)要求或行動性質(zhì)的不同，對作戰(zhàn)全過程的劃分，通常劃分為作戰(zhàn)準(zhǔn)備、作戰(zhàn)實施和作戰(zhàn)結(jié)束3 個階段。作戰(zhàn)實施階段，還可根據(jù)作戰(zhàn)可能的進(jìn)程和發(fā)展變化，按任務(wù)、打擊目標(biāo)或主要作戰(zhàn)行動，進(jìn)一步劃分為若干具體階段或時節(jié)。

例如，美軍聯(lián)合出版物JP 3-0 簡要描述了戰(zhàn)役階段及其任務(wù)類型，如圖3 所示［12］。

圖3 美軍對戰(zhàn)役作戰(zhàn)階段的劃分Fig.3 The campaign combat phase division of US army

圖4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Neural network structure

3.2 確定權(quán)重

對于大多數(shù)決策分析方法，從決策者獲取權(quán)重是分析人員最重要的任務(wù)之一。因為這些權(quán)重在數(shù)學(xué)上代表了決策者的偏好，正確地從決策者獲取權(quán)重至關(guān)重要。令wlm表示第l 個作戰(zhàn)階段第m 類目標(biāo)體系權(quán)重，其中，l=1，...，|L|代表第l 個作戰(zhàn)階段，m={P，M，E，S，infra，info}代表政治、軍事、經(jīng)濟、社會、基礎(chǔ)設(shè)施、信息等類別目標(biāo)體系。權(quán)重wlm將構(gòu)成一個矩陣，從決策者視角描述各個作戰(zhàn)階段各類目標(biāo)體系的重要程度，從而反映了不同作戰(zhàn)階段各類目標(biāo)體系的整體價值。目前分析人員可以通過多種方法獲得這些值，例如德爾菲法、環(huán)比值法、層次分析法。

4 基于復(fù)雜網(wǎng)絡(luò)的目標(biāo)網(wǎng)絡(luò)價值分析

為了獲得目標(biāo)在系統(tǒng)網(wǎng)絡(luò)中的相對重要性，需要根據(jù)不同的作戰(zhàn)目的為不同網(wǎng)絡(luò)系統(tǒng)選擇不同的中心度指標(biāo)，對其中的目標(biāo)進(jìn)行“打分”。文中主要使用了4 種中心度指標(biāo)（但實際上，目前有幾十種中心度指標(biāo)），分析人員可以利用這些中心度來描述作戰(zhàn)目的和決策者意圖中的細(xì)微差別。表1 給出了中心度指標(biāo)特性和可應(yīng)用的系統(tǒng)。

表1 中心度指標(biāo)特性和可應(yīng)用系統(tǒng)Table1 Centrality index features and applicable systems

5 基于BP 神經(jīng)網(wǎng)絡(luò)的目標(biāo)自身價值分析

本文將利用MSHARPP 或CARVER 這兩個工具來確定目標(biāo)體系的評估指標(biāo)，CARVER 適合軍事目標(biāo)價值分析，MSHARPP 適合政治、經(jīng)濟、社會、基礎(chǔ)設(shè)施、信息等目標(biāo)價值分析。之后，給出利用BP神經(jīng)網(wǎng)絡(luò)輔助分析的思路。

5.1 MSHARPP

MSHARPP 是美國國防部開發(fā)的一種目標(biāo)選擇決策支持工具，用來分析敵、我雙方目標(biāo)的重要性，其主要包括任務(wù)、象征、歷史、易接近性、易識別性、民眾和鄰近性（MSHARPP）等指標(biāo)項的評估。由于其評估指標(biāo)中考慮了民眾、附帶損傷等內(nèi)容，適合評估民事目標(biāo)［13-14］。

MSHARPP 主要考慮以下因素：1）任務(wù)。任務(wù)主要集中于目標(biāo)遭到攻擊后的態(tài)勢、活動、能力和資源。通過評估以下內(nèi)容來確定對目標(biāo)的攻擊是否會導(dǎo)致降級：①重要性。從功能、固有性質(zhì)和經(jīng)濟價值考慮，衡量目標(biāo)的價值重要性。②效果。從心理、經(jīng)濟、社會學(xué)和軍事上的影響來衡量攻擊行動的后果。③恢復(fù)力。從資源、零件、專業(yè)技術(shù)和人力以及冗余方面考慮，衡量目標(biāo)恢復(fù)功能所需的時間。2）象征。主要考慮目標(biāo)的象征意義，例如，代表軍隊、宗教、政府。3）歷史。判斷是否有攻擊這類目標(biāo)的歷史。4）易接近性。當(dāng)一方用足夠的人員和裝備到達(dá)目標(biāo)完成任務(wù)時，目標(biāo)具有易接近性。該指標(biāo)評估需要確定和研究為實現(xiàn)其目標(biāo)所必須采取的關(guān)鍵路徑，并考慮那些有助于或阻礙接近的事物。5）易識別性。目標(biāo)的易識別性是指在不同的條件下，作戰(zhàn)力量或情報收集和偵察力量能夠識別目標(biāo)的程度。天氣對能見度有明顯而顯著的影響（己方和敵人）。雨、雪和霧可能增加觀察難度。為在植被稀疏和鄰近高地上道路段的觀測提供了良好的條件。必須考慮距離、光線和季節(jié)。其他影響識別能力的因素包括目標(biāo)的大小和復(fù)雜性、有獨特的目標(biāo)特征、掩蔽或偽裝以及敵人的技術(shù)含量和訓(xùn)練。6）民眾。主要考慮是否會給民眾帶來附帶損傷。7）鄰接性。目標(biāo)是否靠近其他人員、設(shè)施或資源等目標(biāo)，這些附近目標(biāo)由于其內(nèi)在價值、“受保護(hù)”狀態(tài)、對附帶損傷的恐懼而提供某種形式的保護(hù)，例如，在國家紀(jì)念碑附近，高度受保護(hù)的宗教文化場所。表2 給出了評估標(biāo)準(zhǔn)示例。

表2 MSHARPP 評估標(biāo)準(zhǔn)示例Table 2 Assessment standard examples of MSHARPP

5.2 CARVER

CARVER 是美國陸軍特種作戰(zhàn)部隊開發(fā)的一種用于分析敵方基礎(chǔ)設(shè)施重要性的決策支持工具，其主要包括重要性、易接近性、修復(fù)性、脆弱性、影響效果和易識別性（CARVER）等指標(biāo)項的評估。該方法也適合從敵方視角分析己方目標(biāo)的脆弱性，在本文中用來分析敵方軍事目標(biāo)自身價值［15］。

CARVER 主要考慮以下因素：1）重要性。對敵目標(biāo)的打擊，對于敵方上級、組織或系統(tǒng)整體功能的發(fā)揮的影響如何？重要性取決于以下幾個因素：①目標(biāo)破壞的影響對單位本質(zhì)功能的影響有多快？②目標(biāo)損壞削減產(chǎn)出和基本功能的百分比？③是否存在輸出產(chǎn)品或服務(wù)的替代品？④目標(biāo)的數(shù)量及其在系統(tǒng)或復(fù)雜系統(tǒng)中的位置。⑤目標(biāo)對任務(wù)完成來說有多重要。2）易接近性。目標(biāo)能否受到我方的精確打擊，還是防衛(wèi)能力很強而難以實施攻擊？在評估易接近性時，應(yīng)始終考慮使用防區(qū)外精確打擊武器。攻擊者的生存能力通常與目標(biāo)的易接近性有關(guān)。3）恢復(fù)力?？焖?、有效地從損壞或破壞中恢復(fù)能力如何？對目標(biāo)造成的破壞或損害進(jìn)行替換、修理或橋接需要多長時間？修復(fù)能力隨目標(biāo)部件的來源和年齡以及備件的供應(yīng)情況而變化。經(jīng)濟封鎖和可用技術(shù)資源將會影響恢復(fù)能力?；謴?fù)性關(guān)注修理或更換資產(chǎn)需要的時間。4）易毀性?？植婪肿永矛F(xiàn)有資產(chǎn)（人員和裝備）破壞目標(biāo)的能力的度量。脆弱性取決于：①目標(biāo)的性質(zhì)。②可用的資產(chǎn)（人力、交通、武器、爆炸物和設(shè)備）以保護(hù)資產(chǎn)。③目標(biāo)是否進(jìn)行加固，還是進(jìn)行了防衛(wèi)？是否已采取措施減輕威脅？5）影響效果。按計劃對目標(biāo)實施打擊后，對整體作戰(zhàn)目的全局的影響程度如何？由于所采取的行動而對民眾產(chǎn)生的積極或消極的影響。效果不僅考慮目標(biāo)附近的公眾反應(yīng)，而且也考慮國內(nèi)和國際反應(yīng)。對友軍的報復(fù)會有結(jié)果嗎？心理戰(zhàn)行動是否會被消弱或強化？敵方民眾是否會與政府疏遠(yuǎn)，還是會成為政府的支持者？在戰(zhàn)術(shù)層面上，效果通常是中性的。6）可識別性。目標(biāo)的容易辨認(rèn)的難易程度如何（如與周圍的節(jié)點的區(qū)別明顯嗎）？傳感器的能力、部隊運用的條件（天氣等）以及可以利用時間窗口對于行動實施的可行性如何？表3 給出了評估標(biāo)準(zhǔn)示例。

表3 CARVER 評估標(biāo)準(zhǔn)示例Table 3 Assessment standard examples of CARVER

5.3 基于BP 神經(jīng)網(wǎng)絡(luò)輔助分析

BP 神經(jīng)網(wǎng)絡(luò)（back propagation network）是目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。它是由魯姆哈特（Rumelhant）和麥克利蘭（McClelland）于1986年提出的，是一種多層網(wǎng)絡(luò)的“逆推”學(xué)習(xí)算法。其基本思想是：學(xué)習(xí)過程由信號的正向轉(zhuǎn)播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層傳入，經(jīng)隱層逐層處理后傳向輸出層。若輸出層的實際輸出與期望輸出不符，則轉(zhuǎn)向誤差的反向傳播階段。誤差的反向傳播是將輸出誤差以某種形式通過隱層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號，此信號即作為修正各單元權(quán)值的依據(jù)。這種信號正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。此過程一直進(jìn)行到輸入的誤差減少到可以接受的程度，或達(dá)到預(yù)先設(shè)置的學(xué)習(xí)次數(shù)為止。

5.3.1 設(shè)計階段

設(shè)計階段主要包括輸入、輸出數(shù)據(jù)的準(zhǔn)備和設(shè)計神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高模型的精度，需要6 種目標(biāo)類型分別設(shè)計神經(jīng)網(wǎng)絡(luò)。為了提高模型的智能水平，本文認(rèn)為需要將目標(biāo)的靜態(tài)屬性、動態(tài)屬性、環(huán)境條件等作為輸入數(shù)據(jù)，而將最終目標(biāo)價值評分作為輸出數(shù)據(jù)。人的主觀評分和目標(biāo)自身的屬性有著密切的關(guān)系，有些關(guān)系是可以描述的，有些關(guān)系是隱含的，通過神經(jīng)網(wǎng)絡(luò)可以有效對其中內(nèi)在的關(guān)系進(jìn)行描述。其帶來的好處是可以快速、高效、智能地確定目標(biāo)價值。必須在確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之前準(zhǔn)備完畢。輸入數(shù)據(jù)決定了神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點個數(shù)，輸出數(shù)據(jù)決定了神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點個數(shù)，隱層節(jié)點個數(shù)可以按照輸入層節(jié)點個數(shù)的2 倍進(jìn)行確定。此外，非常重要的是根據(jù)輸入數(shù)據(jù)、輸出數(shù)據(jù)準(zhǔn)備與神經(jīng)網(wǎng)絡(luò)節(jié)點規(guī)模匹配的訓(xùn)練數(shù)據(jù)集，用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

5.3.2 訓(xùn)練階段

當(dāng)準(zhǔn)備好訓(xùn)練數(shù)據(jù)集，并且構(gòu)建了基于BP 神經(jīng)網(wǎng)絡(luò)的目標(biāo)價值分析模型的時候，就可以對其進(jìn)行訓(xùn)練了。神經(jīng)網(wǎng)絡(luò)使用一組反映各種不同情況下決策者偏好的數(shù)據(jù)進(jìn)行訓(xùn)練，以學(xué)習(xí)決策者的行為，這種訓(xùn)練稱為監(jiān)督訓(xùn)練。如果沒有足夠的訓(xùn)練數(shù)據(jù)進(jìn)行充分學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)也不能收斂。理想的情況，應(yīng)該有足夠的訓(xùn)練數(shù)據(jù)，這樣其中一些數(shù)據(jù)就可以作為測試數(shù)據(jù)了。如果沒有充足有效的數(shù)據(jù)，設(shè)計者必須調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了精確地訓(xùn)練模型，在訓(xùn)練數(shù)據(jù)集中應(yīng)該包含一些極端的值（最大值與最小值）。訓(xùn)練數(shù)據(jù)集合應(yīng)該占全部數(shù)據(jù)的80%。在訓(xùn)練階段，也可根據(jù)模型性能，調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)或者訓(xùn)練數(shù)據(jù)集，直到可以滿足需求為止。

5.3.3 應(yīng)用階段

一旦確定了神經(jīng)網(wǎng)絡(luò)模型，就可以利用該模型對目標(biāo)價值進(jìn)行分析了。

6 生成目標(biāo)清單

本章主要用數(shù)學(xué)模型，對本文的方法進(jìn)行描述。首先，構(gòu)建第m 類目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)Gm（V，E）。然后，確定第l 個作戰(zhàn)階段第m 類目標(biāo)體系權(quán)重wlm，其中l(wèi)=1，...，|L|代表第l 個作戰(zhàn)階段，m={P，M，E，S，infra，info}代表政治、軍事、經(jīng)濟、社會、基礎(chǔ)設(shè)施、信息等類別目標(biāo)體系。權(quán)重wlm將構(gòu)成一個矩陣，從決策者視角描述各個作戰(zhàn)階段各類目標(biāo)體系的重要程度，滿足式（1）：

根據(jù)作戰(zhàn)目標(biāo)，為第m 類目標(biāo)體系選擇第t 種中心度指標(biāo)，并進(jìn)行中心度指標(biāo)計算，得到第m 類目標(biāo)體系中所有節(jié)點中心度指標(biāo)集合Cm。集合Ctm中第im個節(jié)點中心度指標(biāo)為Ctm（im），im=1，...，|Im|代表第m 類目標(biāo)體系中第im個節(jié)點，t= {D，C，B，E}分別代表度指標(biāo)、緊密度指標(biāo)、介數(shù)指標(biāo)、特征向量指標(biāo)。并用式（2）對中心度指標(biāo)歸一化。歸一化方法的目的是在保持內(nèi)部順序和得分之間相對比例的同時，防止可能以整數(shù)（如度中心度）打分的中心度指標(biāo)，不適合價值模型。

通過機器學(xué)習(xí)算法可以得到第m 類目標(biāo)體系中第im個節(jié)點的自身價值Vm（im）。

然后，在第l 個作戰(zhàn)階段，對于第m 類目標(biāo)體系，加權(quán)的節(jié)點中心度指標(biāo)值與自身價值的乘積將組合在一個集合中，即Ol，m：

其中，節(jié)點中心度指標(biāo)值、自身價值分別對應(yīng)目標(biāo)網(wǎng)絡(luò)價值、目標(biāo)自身價值。這里用乘法來綜合權(quán)重、網(wǎng)絡(luò)價值和自身價值，是因為權(quán)重、網(wǎng)絡(luò)價值、自身價值都介于0 與1 之間，采用乘積的形式可以描述目標(biāo)價值與權(quán)重、網(wǎng)絡(luò)價值、自身價值的關(guān)系，不需要引入額外的權(quán)重因子，是一種最簡單的形式。當(dāng)然還可以采取其他模型來描述它們之間關(guān)系，例如權(quán)重×（網(wǎng)絡(luò)價值+ 自身價值），但這種模型隱含了網(wǎng)絡(luò)價值與自身價值同等重要的信息。無論采取何種形式，這些模型最終都需要得到?jīng)Q策者的認(rèn)可。

在第l 個作戰(zhàn)階段，將所有類型目標(biāo)體系價值集合Ol，m合并，得到目標(biāo)體系價值集合Ol：

對目標(biāo)體系價值集合Ol中所有節(jié)點價值進(jìn)行排序，選擇價值最大的若干目標(biāo)節(jié)點作為打擊目標(biāo)，即實現(xiàn)目標(biāo)價值分析的目的。

7 示例

為了說明本文提出的方法，隨機生成6 種目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)，各類型目標(biāo)體系復(fù)雜網(wǎng)絡(luò)的屬性如表4 所示。

表4 示例網(wǎng)絡(luò)特征屬性Table 4 The example network feature attribute

在該示例中，只考慮一個階段，假設(shè)政治、軍事、經(jīng)濟、社會、基礎(chǔ)設(shè)施、信息目標(biāo)的權(quán)重分別為：0.35、0.2、0.12、0.05、0.1、0.18。根據(jù)選擇的中心度指標(biāo)，進(jìn)行計算。對各類型目標(biāo)體系的中心度指標(biāo)值采用2-范數(shù)進(jìn)行標(biāo)準(zhǔn)化，取前中心度指標(biāo)值最大20 個目標(biāo)得到如表5 所示。

表5 目標(biāo)網(wǎng)絡(luò)價值Table 5 Value of target networks

利用神經(jīng)網(wǎng)絡(luò)模型對各類目標(biāo)體系中的節(jié)點（單個目標(biāo)）進(jìn)行評估，得到目標(biāo)自身價值列表，取目標(biāo)自身價值最大的20 個目標(biāo)得到如表6 所示。

表6 目標(biāo)自身價值Table 6 Self-worth of targets

綜合作戰(zhàn)階段目標(biāo)體系權(quán)重、目標(biāo)網(wǎng)絡(luò)價值、目標(biāo)自身價值，得到最終目標(biāo)清單，如下頁表7 所示。從中可見，目標(biāo)體系權(quán)重對于目標(biāo)價值有很大的影響，政治目標(biāo)的權(quán)重較大，所以，最終目標(biāo)清單中前3 位目標(biāo)都是政治目標(biāo)。

表7 最終目標(biāo)清單Table 7 Table final target lists

8 結(jié)論

目標(biāo)價值分析是制定作戰(zhàn)計劃的重要內(nèi)容，也是情報分析的重要工作，對于作戰(zhàn)行動具有重要意義。本文提出了一種考慮作戰(zhàn)階段的目標(biāo)選擇方法。介紹了考慮作戰(zhàn)階段的目標(biāo)選擇方法的框架；給出了基于作戰(zhàn)階段的目標(biāo)體系權(quán)重確定方法；針對目標(biāo)特點和作戰(zhàn)目標(biāo)利用復(fù)雜網(wǎng)絡(luò)中心度指標(biāo)分析了目標(biāo)網(wǎng)絡(luò)價值；利用BP 神經(jīng)網(wǎng)絡(luò)對各類目標(biāo)自身價值進(jìn)行了評估；最終將目標(biāo)體系權(quán)重、目標(biāo)網(wǎng)絡(luò)價值、目標(biāo)自身價值綜合形成目標(biāo)價值，作為目標(biāo)選擇依據(jù)。最后，在示例中運用了該方法，驗證了方法的可行性與有效性。該方法適合戰(zhàn)役、戰(zhàn)略目標(biāo)的價值分析，不僅考慮了作戰(zhàn)階段對目標(biāo)選擇的影響，而且還綜合考慮了目標(biāo)網(wǎng)絡(luò)價值和自身價值，可以更好地適應(yīng)作戰(zhàn)態(tài)勢變化。今后，可以從以下兩個方面進(jìn)行深化研究：一是自動構(gòu)建目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)。目前構(gòu)建目標(biāo)的復(fù)雜網(wǎng)絡(luò)還需要大量的人工，今后可以充分利用人工智能的優(yōu)勢，輔助人類分析決策人員更快構(gòu)建目標(biāo)體系的復(fù)雜網(wǎng)絡(luò)。二是對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化。通過定性分析和定量分析（主成分分析法等）識別對目標(biāo)自身價值分析具有較大影響的因素，通過實驗測試合理確定隱層節(jié)點數(shù)量，擴充訓(xùn)練數(shù)據(jù)集，進(jìn)一步優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，更好地描述目標(biāo)客觀因素與主觀價值之間的聯(lián)系。