一種基于模糊層次分析的多Agent 電子對(duì)抗裝備狀態(tài)智能評(píng)判方法

張仲敏，李俊山，宋憑，嚴(yán)其飛

(1.第二炮兵工程大學(xué) 信息工程系，陜西 西安710025;2.解放軍西安通信學(xué)院，陜西 西安710106)

0 引言

電子對(duì)抗(ECM)裝備具有技術(shù)先進(jìn)、系統(tǒng)復(fù)雜、造價(jià)高昂、部件種類繁多等特點(diǎn)，日常維護(hù)和作戰(zhàn)訓(xùn)練搶修任務(wù)技術(shù)要求較高、涉及資金額度較大。由于目前基層裝備使用單位暫無(wú)條件提供精確可靠的裝備運(yùn)行數(shù)據(jù)，一定程度上限制了上級(jí)裝備保障部門(mén)決策計(jì)劃的科學(xué)準(zhǔn)確制訂。

裝備服役狀態(tài)的智能準(zhǔn)確判定可為裝備保障部門(mén)決策計(jì)劃的分析與制訂提供客觀數(shù)據(jù)支撐［1-2］。此處服役狀態(tài)區(qū)別于表征裝備某刻物理完好程度的健康程度概念，指的是裝備現(xiàn)在以至未來(lái)一段時(shí)間能夠正常工作的可能度，一定程度上可以指導(dǎo)該型裝備(部件)下一保障周期的維修、采購(gòu)及庫(kù)存等保障策略。

目前，該領(lǐng)域研究主要集中在基于歷史數(shù)據(jù)的特定模型方面，如時(shí)間序列模型、灰色模型及神經(jīng)網(wǎng)絡(luò)模型等［3］，其缺點(diǎn)在于對(duì)歷史數(shù)據(jù)依賴度較高，且數(shù)據(jù)自身精確度對(duì)預(yù)測(cè)精度也會(huì)有較大影響。ECM 裝備實(shí)際訓(xùn)練作戰(zhàn)生命周期內(nèi)，尚無(wú)裝備使用時(shí)間的有效準(zhǔn)確記錄方式，從而極大制約了以上理論和模型的應(yīng)用，故此本文提出一種基于模糊層次分析(FAHP)的多Agent 智能狀態(tài)評(píng)判方法。根據(jù)專家經(jīng)驗(yàn)建立裝備服役狀態(tài)的影響因素層次指標(biāo)體系，基于FAHP 方法進(jìn)行因素分析和狀態(tài)判定，結(jié)合多Agent 技術(shù)構(gòu)建具有自學(xué)習(xí)、自修正能力的智能狀態(tài)評(píng)判系統(tǒng)，將主觀判斷和邏輯推理相聯(lián)系、定性推導(dǎo)和定量分析相結(jié)合，實(shí)現(xiàn)服役狀態(tài)的決策判定和系統(tǒng)的自我完善。

1 服役狀態(tài)影響因素分析

通過(guò)實(shí)地調(diào)研和走訪，本著全面、客觀、獨(dú)立、系統(tǒng)兼顧效益和可行性的原則［4］，在深入了解ECM 裝備工作運(yùn)行規(guī)律的基礎(chǔ)上，整理綜合相關(guān)領(lǐng)域?qū)＜易勝Y料與調(diào)查問(wèn)卷，分析裝備服役狀態(tài)的影響因素，建立了體系層次模型，如圖1 所示。

1.1 關(guān)鍵程度

由某部件在所屬裝備中的地位、影響程度及所屬裝備在整個(gè)系統(tǒng)中地位、對(duì)系統(tǒng)性能的影響程度決定，與失效概率、補(bǔ)貨時(shí)間、供應(yīng)商數(shù)目等指標(biāo)相關(guān)［5］。實(shí)地調(diào)研發(fā)現(xiàn)，部件關(guān)鍵程度越高，其狀態(tài)變化對(duì)周邊部件的影響就越大，甚至微小變化都可能引起系統(tǒng)整體運(yùn)行情況的較大改變。量化分析時(shí)主要從部件缺少引發(fā)后果的可接受程度、缺件時(shí)對(duì)補(bǔ)貨時(shí)間要求的嚴(yán)酷程度、訂貨與存儲(chǔ)過(guò)程中對(duì)風(fēng)險(xiǎn)的容忍程度等方面進(jìn)行考慮。

圖1 服役狀態(tài)影響因素層次指標(biāo)體系Fig.1 The hierarchical structure model of criteria that affect service status of ECM equipment

1.2 故障頻次

故障頻次指裝備部件服役以來(lái)累計(jì)故障狀況，是相對(duì)其他裝備部件的故障發(fā)生頻次程度，由領(lǐng)域?qū)＜一蜓b備運(yùn)維人員根據(jù)其運(yùn)行情況給出相對(duì)模糊測(cè)度，表征其體質(zhì)情況，可一定程度上反映裝備的服役健康狀況。

1.3 新舊程度

指裝備部件服役至今的新舊狀態(tài)，一定程度上反映了其在裝備生命周期內(nèi)的累計(jì)工作時(shí)間。因?yàn)閷?shí)際訓(xùn)練作戰(zhàn)當(dāng)中尚無(wú)裝備使用時(shí)間有效準(zhǔn)確記錄方式，故這里為工作時(shí)長(zhǎng)的相對(duì)模糊測(cè)度，如可參考累計(jì)工作時(shí)長(zhǎng)與該型平均工作時(shí)長(zhǎng)比率等形式，由裝備運(yùn)維人員按照實(shí)際情況進(jìn)行確定。

1.4 工作強(qiáng)度

反映裝備的使用強(qiáng)度狀況，具體分為戰(zhàn)斗狀態(tài)和非戰(zhàn)斗狀態(tài)2 種情況［4］。其中:戰(zhàn)斗狀態(tài)下的工作強(qiáng)度與作戰(zhàn)樣式、作戰(zhàn)條件、裝備類型等因素有關(guān)，產(chǎn)生的損耗有戰(zhàn)斗損耗、嚴(yán)酷使用損耗和正常使用消耗;非戰(zhàn)斗狀態(tài)下工作強(qiáng)度又分為正常戰(zhàn)備值班和集中高強(qiáng)度訓(xùn)練2 種，前者產(chǎn)生正常使用消耗，后者產(chǎn)生嚴(yán)酷使用損耗。

1.5 敏感程度

指裝備部件對(duì)工作環(huán)境的敏感性，如嚴(yán)寒酷暑、干燥潮濕、電磁環(huán)境、風(fēng)力風(fēng)向、雨雪、灰塵等不同工作條件對(duì)其造成的干擾、損耗程度。調(diào)研表明:敏感程度越高，其服役狀態(tài)受工作環(huán)境的影響越大，可靠性越差。

2 基于FAHP 的模糊綜合評(píng)判建模

基于圖1 的層次指標(biāo)體系，建立模糊綜合評(píng)判模型，對(duì)裝備服役狀態(tài)進(jìn)行評(píng)判。

2.1 確定因素集和評(píng)價(jià)集

因素集U={μ1，μ2，μ3，μ4，μ5}={關(guān)鍵程度，故障頻次，新舊程度，工作強(qiáng)度，敏感程度};評(píng)價(jià)集V={v1，v2，v3，v4，v5}={很好，較好，一般，較差，很差}. 其中:“很好”表示裝備服役狀態(tài)正常，無(wú)需考慮其更換或采購(gòu)問(wèn)題;“較好”表示裝備可以正常服役，且其更換或采購(gòu)需求優(yōu)先級(jí)較低;“一般”表示裝備能正常服役，但需適當(dāng)考慮其更換或采購(gòu)需求;“較差”表示裝備服役狀態(tài)無(wú)法保證，需盡快更換或采購(gòu);“很差”表示裝備瀕臨報(bào)廢，急需更換。這里壽命周期針對(duì)不同類型裝備，以額定工作時(shí)間或次數(shù)等指標(biāo)來(lái)度量。

2.2 建立三角模糊數(shù)互補(bǔ)判斷矩陣

多因素綜合決策中權(quán)重作用舉足輕重，層次分析(AHP)法是確定指標(biāo)權(quán)重的一種行之有效的方法［6］。AHP 假定系統(tǒng)內(nèi)同層次因素間彼此獨(dú)立、不存在相互反饋和影響，這樣的理想化處理必然會(huì)引起失真［7］。此外，服役狀態(tài)影響因素權(quán)重為模糊概念標(biāo)度，故文中在AHP 兩兩比較因素重要性且對(duì)其賦值時(shí)引入三角模糊數(shù)(有大小、有方向的三維數(shù)組向量)表示專家判斷信息，采用基于模糊理論和決策理論的FAHP 權(quán)重量化方法，以模擬人類對(duì)不確定事件的主觀思維方式。

式中:x∈R;l、u 分別為上下界。u -l 表示模糊程度，值越大模糊程度越強(qiáng)。

判斷矩陣是層次分析的基本工具，其作用是在上層某因素約束條件下，對(duì)同層次因素間的相對(duì)重要性兩兩進(jìn)行比較。本文采用模糊德?tīng)柗品ǐ@得基于三角模糊數(shù)的互補(bǔ)判斷矩陣，矩陣元素表示因素i 與因素j 的重要性比較。取0.5 表示兩因素同等重要大于0.5 表示因素i 比因素j 重要(如重要度稍大、很大、特別大、最大)小于0.5 表示因素i 沒(méi)有因素j 重要(同前)。綜合所有專家的偏好信息，求其加權(quán)平均值，得到模糊判斷矩陣

設(shè)因素集權(quán)重評(píng)估有T 個(gè)專家參與，專家各自的權(quán)重為γ(k)，則判斷矩陣元素值

2.3 計(jì)算單層因素模糊權(quán)重

計(jì)算單個(gè)因素模糊綜合權(quán)重并歸一化，得到某層相關(guān)因素相對(duì)于上一層特定因素的相對(duì)權(quán)重向量。設(shè)相對(duì)上一層特定因素的因素?cái)?shù)為n，其三角模糊數(shù)權(quán)重向量

2.4 建立可能度矩陣

某層相關(guān)因素相對(duì)于上一層特定因素的相對(duì)權(quán)重，可通過(guò)對(duì)三角模糊數(shù)互補(bǔ)判斷矩陣進(jìn)行權(quán)值層次單排序得到。然而，上文得到的權(quán)重向量為三角模糊數(shù)形式，權(quán)重信息并非完全確知［10］，為此運(yùn)用可能度方法對(duì)三角模糊數(shù)形式的因素權(quán)重向量進(jìn)行排序。

式中:λ∈［0，1］為風(fēng)險(xiǎn)系數(shù)。λ 大于0.5 為決策者追求風(fēng)險(xiǎn);λ 小于0.5 為厭惡風(fēng)險(xiǎn);λ 取0.5 為中性風(fēng)險(xiǎn)，本文取中性風(fēng)險(xiǎn)值。

可能度方法提供了對(duì)信息非完全確知的三角模糊數(shù)進(jìn)行排序的途徑，可對(duì)上文求得的三角模糊數(shù)權(quán)重向量進(jìn)行兩兩比較求其可能度，記為pij=則確定可能度矩陣P =(pij)n×n.利用(4)式所示可能度排序公式

可以求得可能度矩陣的排序向量，ω =(ω1，ω2，…，ωn)T，即三角模糊數(shù)權(quán)重向量 ~wi的排序結(jié)果。

2.5 因素層次總排序

之前單排序得到的是某層相關(guān)因素相對(duì)于其上一層特定因素的相對(duì)權(quán)重，如果因素集為多層次結(jié)構(gòu)，則在此基礎(chǔ)上還需要計(jì)算因素相對(duì)于目標(biāo)層(最高層)的組合權(quán)重，即為因素的層次總排序。

假定上一層級(jí)A 包含m 個(gè)因素A1，A2，…，Am，其層次總排序權(quán)重分別為a1，a2，…，am，其下一層級(jí)B 包含n 個(gè)因素B1，B2，…，Bn，關(guān)于Aj的層次單排序權(quán)重分別為b1j，b2j，…，bnj(若Bi與Aj無(wú)關(guān)，則bij=0)，則B 層各因素關(guān)于目標(biāo)層的層次總權(quán)重向量為

2.6 模糊綜合評(píng)判

對(duì)某型裝備，選取評(píng)判專家S 名，根據(jù)因素集、評(píng)價(jià)集，給出因素μi對(duì)評(píng)語(yǔ)vj的隸屬度rij，得到評(píng)判矩陣R(k)，k∈［1，S］，則

式中:ω 為該型裝備服役狀態(tài)影響因素的層次總權(quán)重;?為模糊算子。常用的模糊算子有M(∨，∧)、M(·，∨)、M(·，⊕)等算法，∨，∧運(yùn)算存在信息淹沒(méi)現(xiàn)象，而M(·，⊕)算子能均衡權(quán)信息，保證權(quán)信息的完整性，這對(duì)綜合評(píng)價(jià)非常重要，故選取M(·，⊕)作為模糊算子。

最后由評(píng)判專家自身權(quán)重σ(k)計(jì)算出綜合評(píng)判矩陣

由評(píng)判矩陣B，根據(jù)最大隸屬度法則確定對(duì)象的評(píng)判結(jié)果，取最大評(píng)判指標(biāo)相對(duì)的評(píng)價(jià)元素作為評(píng)判結(jié)果。

根據(jù)上述分析，可將模型評(píng)判結(jié)果輸出給裝備保障人員，既能為裝備下一階段作戰(zhàn)訓(xùn)練任務(wù)的完成提供參考指標(biāo)，又能為裝備保障方案的制訂提供決策支持。

3 實(shí)例分析

以某ECM 裝備上某型接口卡部件為例對(duì)裝備狀態(tài)評(píng)判進(jìn)行分析。

根據(jù)ECM 裝備保障現(xiàn)狀，通過(guò)模糊德?tīng)柗品ㄟM(jìn)行專家評(píng)分，建立包含3 位領(lǐng)域?qū)＜业膶＜医ME ={E1，E2，E3}，為簡(jiǎn)便計(jì)，設(shè)各專家權(quán)重相同。指標(biāo)集中T1為工作強(qiáng)度，T2為新舊程度，T3為故障頻次，T4為關(guān)鍵程度，T5為敏感程度。按照?qǐng)D1 所示指標(biāo)體系以三角模糊數(shù)的形式對(duì)該接口卡進(jìn)行量化分析，分析標(biāo)度及含義見(jiàn)2.2 節(jié)內(nèi)容，量化分析及結(jié)果如表1 ～表3 所示。

表1 模糊德?tīng)柗圃u(píng)分表Tab.1 Fuzzy Delphi score

表2 三角模糊數(shù)權(quán)重向量表Tab.2 Criteria weights of triangular fuzzy number

表3 可能度矩陣及排序向量Tab.3 Possibility degree matrix and order of criteria

如表1 所示，將專家評(píng)分原始數(shù)據(jù)結(jié)合專家權(quán)重加權(quán)集結(jié)，得到專家偏好信息的三角模糊數(shù)互補(bǔ)判斷矩陣。表2 為按照(2)式計(jì)算得到各指標(biāo)因素的三角模糊數(shù)權(quán)重向量，其權(quán)重信息并非完全確知，故通過(guò)可能度方法對(duì)其進(jìn)行排序。按(3)式定義對(duì)向量?jī)蓛杀容^求其可能度n，則確定可能度矩陣P =(pij)n×n，再由(4)式進(jìn)行層次排序，如表3 所示。由表3 中的ωi值可知，指標(biāo)權(quán)重排序結(jié)果為T(mén)4＞T1＞T2＞T3＞T5. 由于本例中評(píng)估的因素指標(biāo)均位于同一層，故此排序結(jié)果即為最終總排序。根據(jù)上述分析，關(guān)鍵程度指標(biāo)權(quán)重最大，是裝備服役狀態(tài)評(píng)判時(shí)需要考慮的首要因素，之后再依次考慮工作強(qiáng)度、新舊程度、故障頻次、敏感程度因素。據(jù)此可建立關(guān)鍵核心部件壽命周期檔案，對(duì)其出入庫(kù)、運(yùn)行、維修、報(bào)廢等全部環(huán)節(jié)進(jìn)行精確跟蹤管理，同時(shí)也為相關(guān)保障決策部門(mén)提供關(guān)鍵核心部件的精確完整歷史數(shù)據(jù)。

根據(jù)以上計(jì)算結(jié)果，對(duì)該型接口卡部件進(jìn)行模糊綜合評(píng)判。選取評(píng)判專家3 名，根據(jù)因素集、評(píng)價(jià)集，給出因素對(duì)評(píng)語(yǔ)的隸屬度，得到評(píng)判矩陣R(k):

則由(6)式可得:

假定評(píng)判專家自身權(quán)重σ(k)分別為0.9、0.7、0.8，由(7)式計(jì)算得到綜合評(píng)判矩陣B =(0.309，0.234，0.203，0.249，0.005). 矩陣B 的各元素中，，根據(jù)隸屬度最大原則，該接口卡部件服役狀態(tài)為很好，可保證在一個(gè)完整的壽命周期內(nèi)正常服役，裝備保障部門(mén)短期內(nèi)不需要考慮該型備件更換與采購(gòu)問(wèn)題。

4 多Agent 狀態(tài)評(píng)判系統(tǒng)設(shè)計(jì)

4.1 多Agent 系統(tǒng)適用性分析

多Agent 系統(tǒng)(MAS)研究起步于20 世紀(jì)80 年代，是由多個(gè)可計(jì)算的Agent 組成的松散耦合網(wǎng)絡(luò)，Agent 間通過(guò)合作、協(xié)調(diào)和管理來(lái)實(shí)現(xiàn)感知、問(wèn)題求解和外界通信等能力。MAS 中各Agent 可以異構(gòu)，從而為復(fù)雜系統(tǒng)提供了統(tǒng)一的模型和框架，通過(guò)模擬人類專家思維方式來(lái)求解問(wèn)題、感知環(huán)境［11-12］。基于MAS 的智能決策具有動(dòng)態(tài)、分布、柔性等特點(diǎn)，適合于:決策者和決策對(duì)象的分布性環(huán)境;單個(gè)決策者由于知識(shí)和能力限制而無(wú)法勝任的復(fù)雜性、規(guī)模性決策任務(wù)等。

ECM 裝備系統(tǒng)復(fù)雜，在裝備運(yùn)行壽命周期內(nèi)，其服役狀態(tài)各影響因素的權(quán)值具有動(dòng)態(tài)性特點(diǎn)，決策任務(wù)為復(fù)雜過(guò)程，服役狀態(tài)難以準(zhǔn)確度量。此外，不同作戰(zhàn)分隊(duì)與各決策專家具有分布性，因此考慮依據(jù)不同位置、運(yùn)行環(huán)境變化等情況實(shí)時(shí)調(diào)整服役狀態(tài)影響因素權(quán)值，使?fàn)顟B(tài)評(píng)判結(jié)果更加準(zhǔn)確。為此，利用多Agent 技術(shù)構(gòu)建網(wǎng)絡(luò)環(huán)境下的智能狀態(tài)評(píng)判系統(tǒng)，通過(guò)多Agent 搜集裝備工作信息樣本、分析狀態(tài)變化數(shù)據(jù)，對(duì)服役狀態(tài)評(píng)判過(guò)程進(jìn)行學(xué)習(xí)和修正，參考不同工作條件、工作強(qiáng)度等情況，合理調(diào)整服役狀態(tài)因素權(quán)值，并反饋至狀態(tài)評(píng)判系統(tǒng)。

4.2 狀態(tài)智能評(píng)判系統(tǒng)模型設(shè)計(jì)

根據(jù)系統(tǒng)優(yōu)化設(shè)計(jì)的觀點(diǎn)［13］，多Agent 狀態(tài)智能評(píng)判系統(tǒng)結(jié)構(gòu)如圖2 所示。

圖2 多Agent 狀態(tài)智能評(píng)判系統(tǒng)Fig.2 The multi-agent intelligent decision support system for service status

系統(tǒng)框架總體上由上至下分為3 層:用戶接口層、管理協(xié)作層、決策資源層。其中:用戶接口層包含GUI Agent;管理協(xié)作層包含管理協(xié)作Agent;決策資源層由模型管理Agent、模型執(zhí)行Agent、權(quán)重管理Agent、知識(shí)管理Agent 組成。GUI Agent 負(fù)責(zé)為用戶提供界面友好的人機(jī)交互功能，在人機(jī)共存環(huán)境中主動(dòng)、友好地將決策信息展示給頂層用戶;管理協(xié)作Agent 負(fù)責(zé)接收并處理客戶端提交的狀態(tài)評(píng)判請(qǐng)求，并協(xié)調(diào)其余Agent 進(jìn)行系統(tǒng)維護(hù)和管理工作。此外，作為Agent 間的通信接口，定義了協(xié)作過(guò)程中的通信協(xié)議，負(fù)責(zé)上下層Agent 及底層Agent 間通信請(qǐng)求的接收、處理與響應(yīng)，協(xié)同各Agent 以完成決策功能。構(gòu)建獨(dú)立的Agent 完成協(xié)作任務(wù)可以降低Agent 自身復(fù)雜性，使協(xié)作更加靈活和易于操作;資源決策層中的模型管理Agent 負(fù)責(zé)模型庫(kù)的管理維護(hù)等工作，模型執(zhí)行Agent 具體負(fù)責(zé)調(diào)用相應(yīng)算法程序?qū)θ蝿?wù)進(jìn)行計(jì)算和決策，權(quán)重管理Agent 存儲(chǔ)計(jì)算得到的權(quán)值數(shù)據(jù)并在必要時(shí)進(jìn)行更新，知識(shí)管理Agent 負(fù)責(zé)知識(shí)庫(kù)的管理維護(hù)及知識(shí)推理等工作。

系統(tǒng)工作流程如下:初始階段由專家訪問(wèn)服務(wù)器端的模型管理Agent，建立由影響裝備服役狀態(tài)的因素評(píng)估值構(gòu)成的層次模型;當(dāng)裝備保障人員發(fā)出確定裝備服役狀態(tài)請(qǐng)求時(shí)，管理協(xié)作Agent 對(duì)任務(wù)進(jìn)行分解，由模型執(zhí)行Agent 調(diào)用算法庫(kù)中前文構(gòu)建的FAHP 模型算法程序執(zhí)行計(jì)算，完成服役狀態(tài)的評(píng)判，管理協(xié)作Agent 將FAHP 方法所得因素權(quán)值計(jì)算結(jié)果存入權(quán)值庫(kù)，同時(shí)將狀態(tài)評(píng)判結(jié)果提交給請(qǐng)求者;裝備保障人員根據(jù)獲得的裝備服役狀態(tài)信息執(zhí)行相應(yīng)的保障策略。裝備運(yùn)維人員在裝備運(yùn)行過(guò)程中根據(jù)實(shí)際情況將信息反饋到知識(shí)庫(kù)，生成新的裝備部件狀態(tài)信息樣本和知識(shí)，知識(shí)管理Agent完成知識(shí)的獲取、處理和維護(hù)，根據(jù)實(shí)際情況調(diào)整影響裝備服役狀態(tài)因素的權(quán)值，進(jìn)行知識(shí)學(xué)習(xí)，使?fàn)顟B(tài)評(píng)判系統(tǒng)得到逐步完善。

在整個(gè)評(píng)判系統(tǒng)流程中，F(xiàn)AHP 控制決策信息的抽取和評(píng)判選擇，Agent 方法通過(guò)對(duì)各類決策資源進(jìn)行操作和管理，描述一個(gè)完整的評(píng)判決策過(guò)程，完成智能狀態(tài)評(píng)判。

系統(tǒng)開(kāi)發(fā)基于Windows XP 操作系統(tǒng)和C ++Builder 6.0 集成開(kāi)發(fā)環(huán)境，用SQL SERVER 2005 存儲(chǔ)模型庫(kù)、算法庫(kù)、權(quán)值庫(kù)和知識(shí)庫(kù)等各類決策資源，利用COM/DCOM 組件技術(shù)實(shí)現(xiàn)Agent 間異步通信、方法調(diào)用等問(wèn)題。將各Agent 設(shè)計(jì)為COM 組件對(duì)象的形式存儲(chǔ)在Server 端，Client 端發(fā)出組件創(chuàng)建請(qǐng)求后，Server 端響應(yīng)并創(chuàng)建組件對(duì)象實(shí)例予以返回，使Client 能調(diào)用該Agent 的所有資源。用消息傳遞的方式實(shí)現(xiàn)Agent 間的通信。

5 結(jié)論

針對(duì)ECM 裝備保障現(xiàn)狀，提出了一種基于FAHP 的多Agent 狀態(tài)智能決策方法。建立ECM 裝備服役狀態(tài)影響因素的層次模型，基于三角模糊數(shù)對(duì)因素權(quán)重進(jìn)行FAHP，利用最大隸屬度原則綜合評(píng)判裝備服役狀態(tài)。在此基礎(chǔ)上，研究了狀態(tài)評(píng)判系統(tǒng)中引入Agent 技術(shù)的適用性，結(jié)合多Agent 機(jī)制設(shè)計(jì)狀態(tài)智能評(píng)判系統(tǒng)，通過(guò)模塊間協(xié)作，將專家知識(shí)和裝備運(yùn)維人員的反饋信息進(jìn)行綜合、修正，實(shí)現(xiàn)知識(shí)的逐步更新，提高系統(tǒng)的判定能力。方法借助模糊理論充分發(fā)揮領(lǐng)域?qū)＜业淖饔?，改善了裝備運(yùn)行數(shù)據(jù)缺乏導(dǎo)致保障計(jì)劃制訂困難的問(wèn)題。下一步研究工作將結(jié)合殘缺裝備運(yùn)行數(shù)據(jù)，對(duì)領(lǐng)域?qū)＜业娜航M決策一致性進(jìn)行深入分析，進(jìn)一步降低主觀隨意性對(duì)狀態(tài)評(píng)判結(jié)果的影響。

References)

［1］Moon S，Simpson A，Hicks C. The development of a classification model for predicting the performance of forecasting methods for naval spare parts demand［J］. International Journal of Production Economics，2013，143(2):449 -454.

［2］Bacchetti A，Saccani N. Spare parts classification and demand forecasting for stock control:Investigating the gap between research and practice［J］. Omega，2012，40(6):722 -737.

［3］翁華明.基于Agent 的裝備維修保障決策研究［D］.長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué)，2005.WENG Hua-ming. Research on Agent-based equipment maintenance support decision［D］. Changsha:National University of Defense Technology，2005. (in Chinese)

［4］宋建社，曹小平，曹耀欽，等.裝備維修信息化工程［M］.北京:國(guó)防工業(yè)出版社，2005.SONG Jian-she，CAO Xiao-ping，CAO Yao-qin，et al. Equipment maintenance information engineering ［M］. Beijing:National Defense Industry Press，2005. (in Chinese)

［5］Molenaers A，Baets H，Pintelon L，et al. Criticality classification of spare parts:a case study［J］. International Journal of Production Economics，2012，140(2):570 -578.

［6］陳希祥，邱靜，劉冠軍. 基于層次分析法與模糊綜合評(píng)判的測(cè)試設(shè)備選擇方法研究［J］.兵工學(xué)報(bào)，2010，31(1):68 -73.CHEN Xi-xiang，QIU Jing，LIU Guan-jun. Research on the method of test-equipment selection based on analytic hierarchy process and fuzzy comprehensive assessment ［J］. Acta Armamentarii，2010，31(1):68 -73. (in Chinese)

［7］Subramanian N，Ramanathan R. A review of applications of analytic hierarchy process in operations management ［J］.International Journal of Production Economics，2012，138(2):215 -241.

［8］司書(shū)賓，孫樹(shù)棟，韓光臣，等.基于三角模糊數(shù)的綜合保障評(píng)價(jià)指標(biāo)權(quán)重分析［J］. 西北工業(yè)大學(xué)學(xué)報(bào)，2004，22(6):689 -693.SI Shu-bin，SUN Shu-dong，HAN Guang-chen，et al. A weighted analysis of an integrated logistics support based on triangular fuzzy number［J］. Journal of Northwestern Polytechnical University，2004，22(6):689 -693. (in Chinese)

［9］蔣蘋(píng)，何清華，王奕.基于模糊層次分析的柴油機(jī)智能故障診斷［J］.中國(guó)工程機(jī)械學(xué)報(bào)，2009，7(1):86 -91.JIANG Ping，HE Qing-hua，WANG Yi. Fuzzy AHP-based intelligent fault diagnosis for diesel engine［J］. Chinese Journal of Construction Machinery，2009，7(1):86 -91. (in Chinese)

［10］龔艷冰，陳森發(fā).三角模糊數(shù)互補(bǔ)判斷矩陣的一種排序方法［J］.模糊系統(tǒng)與數(shù)學(xué)，2008，22(1):127 -131.GONG Yan-bing，CHEN Sen-fa. A method for priority of triangular fuzzy number complementary judgment matrix ［J］.Fuzzy System and Mathematics，2008，22(1):127 - 131. (in Chinese)

［11］陳迎春.基于多Agent 的智能決策支持系統(tǒng)［J］. 合肥工業(yè)大學(xué)學(xué)報(bào)，2003，17(6):174 -178.CHEN Ying-chun. Intelligent decision support system based on multi-Agent ［J］. Journal of Hefei University of Technology，2003，17(6):174 -178. (in Chinese)

［12］曾慶華，傅凝.基于多Agent 的智能決策生成系統(tǒng)研究［J］.系統(tǒng)仿真學(xué)報(bào)，2005，17(11):2818 -2836.ZENG Qing-hua，F(xiàn)U Ning. Research onintelligent decision making system based on multi-Agent systems ［J］. Journal of System Simulation，2005，17(11):2818 -2836. (in Chinese)

［13］MAI Lyu-bo. Design method of weapon optimum development based on standardization theory［J］. Defence Technology，2013，9(3):140 -145.