基于云模型-AHP 的運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估

朱 亮，張武軍，田 海

(1.蚌埠汽車士官學(xué)校 訓(xùn)練部，安徽 蚌埠233011;2.蚌埠汽車士官學(xué)校運(yùn)輸勤務(wù)系，安徽 蚌埠233011)

訓(xùn)練一直是部隊(duì)的熱點(diǎn)問(wèn)題，尤其是習(xí)主席 提出“能打仗、打勝仗”的強(qiáng)軍目標(biāo)后，部隊(duì)訓(xùn)練逐步向?qū)崙?zhàn)化聚焦，部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練問(wèn)題亦是如此。針對(duì)部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)普遍存在場(chǎng)地設(shè)施不足、訓(xùn)練器材缺少、訓(xùn)練內(nèi)容陳舊等問(wèn)題，總部加大投入，制定并落實(shí)“十二五”期間部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)建設(shè)規(guī)劃，進(jìn)一步加強(qiáng)部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練基地化、現(xiàn)代化的目標(biāo)，不斷提高部隊(duì)軍交運(yùn)輸專業(yè)訓(xùn)練的質(zhì)量和效益，各部隊(duì)都加強(qiáng)了汽車運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)的建設(shè)［1］。在建設(shè)投入使用后，對(duì)各個(gè)訓(xùn)練場(chǎng)的總體評(píng)價(jià)以及各個(gè)訓(xùn)練場(chǎng)之間的評(píng)比就變成總部迫切需要解決的問(wèn)題。傳統(tǒng)意義上的評(píng)價(jià)，一般采用總部選派專家，專家依照一定的標(biāo)準(zhǔn)進(jìn)行現(xiàn)地評(píng)價(jià)，總體上是一種人為的、主觀上的一種評(píng)價(jià)方式，受人為影響因素較大，科學(xué)性明顯不高。

運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)涉及場(chǎng)地、車輛、保障設(shè)施等眾多要素，難以建立一套純定量的方式來(lái)進(jìn)行評(píng)估。效能評(píng)估是對(duì)某種事物或系統(tǒng)執(zhí)行某一項(xiàng)任務(wù)結(jié)果或者進(jìn)程的質(zhì)量好壞、作用大小、自身狀態(tài)等效率指標(biāo)的量化計(jì)算或結(jié)論性評(píng)價(jià)，廣泛用于軍事、科研、制造行業(yè)，也可用于評(píng)估某種計(jì)劃、工程。因此，筆者設(shè)想用效能評(píng)估對(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)進(jìn)行評(píng)價(jià)，提出運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估，從運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障功能、過(guò)程、效果等方面進(jìn)行評(píng)價(jià)。本文從運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能入手，提出基于云模型-AHP 的運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估，給出詳細(xì)算法，最后進(jìn)行實(shí)例分析。驗(yàn)證結(jié)果表明，基于云模型-AHP 進(jìn)行運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估可行、有效。

1 運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估

1.1 基本概念

運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)，是為了滿足部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練而設(shè)置的場(chǎng)地，一般包括鐵路輸送訓(xùn)練場(chǎng)地、水路輸送訓(xùn)練場(chǎng)地、配置展開(kāi)訓(xùn)練場(chǎng)地、障礙路段訓(xùn)練場(chǎng)地等等。運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障能力是指其保障部隊(duì)訓(xùn)練數(shù)量、質(zhì)量等相關(guān)方面的能力，如運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)一定時(shí)間內(nèi)能保障多少部隊(duì)同時(shí)訓(xùn)練、能保障部隊(duì)訓(xùn)練多少課目等方面的能力。對(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能進(jìn)行評(píng)估，就是運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估。

1.2 評(píng)估方法分析

運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估涉及的要素比較多，很難準(zhǔn)確地對(duì)其進(jìn)行有效的評(píng)估，需要一種評(píng)估方法，能夠充分考慮到評(píng)估過(guò)程中出現(xiàn)的模型，同時(shí)又能夠有效而簡(jiǎn)便地實(shí)現(xiàn)定性與定量相互轉(zhuǎn)換。層次分析法(AHP)是20 世紀(jì)中期提出的多準(zhǔn)則決策方法。它把一個(gè)復(fù)雜的問(wèn)題表示為一個(gè)有序的遞階層次結(jié)構(gòu)，通過(guò)構(gòu)造兩兩比較矩陣計(jì)算各子指標(biāo)層的相對(duì)權(quán)重，從而得出系統(tǒng)的效能值。該方法將定性和定量分析相結(jié)合，是分析、評(píng)估多目標(biāo)、多準(zhǔn)則的復(fù)雜系統(tǒng)的有力工具，具有思路清晰、方法簡(jiǎn)便、適用面廣、系統(tǒng)性強(qiáng)等優(yōu)點(diǎn)，但其屬于主觀評(píng)估法，由專家打分的方式獲得判斷矩陣，所以評(píng)估結(jié)果有較強(qiáng)的主觀性［2］。模糊綜合評(píng)判法是在模糊集理論的基礎(chǔ)上，應(yīng)用模糊關(guān)系合成原理，對(duì)被評(píng)判對(duì)象隸屬等級(jí)狀況進(jìn)行綜合評(píng)判的一種方法［3］。其優(yōu)點(diǎn)是可以較好地解決包含難以精確定量表達(dá)的評(píng)價(jià)因素的評(píng)估問(wèn)題，其缺點(diǎn)是不能給出具有明確物理意義的定量評(píng)估結(jié)果，并且隸屬函數(shù)的建立在很大程度上依靠經(jīng)驗(yàn)，需要在實(shí)踐中反復(fù)修正，才能得出適合具體問(wèn)題的隸屬函數(shù)。Lanchester 方程法就是基于蘭切斯特戰(zhàn)斗理論的一種效能評(píng)估方法。它在一些簡(jiǎn)化的假設(shè)前提下，建立了一系列描述交戰(zhàn)過(guò)程中雙方兵力變化數(shù)量關(guān)系的微分方程組，通過(guò)戰(zhàn)斗效能比和交換比等指標(biāo)的計(jì)算得出效能評(píng)估結(jié)果［4］。隨著信息技術(shù)的發(fā)展，李德毅院士提出一種定性定量互換模型——云模型，它作為不確定性人工智能的重要理論和工具，把空間實(shí)體的模糊性和隨機(jī)性集成到一起，在一定程度上克服了以上方法的局限性，能較好地處理定性定量信息的互相轉(zhuǎn)換，盡最大程度地減少人工干預(yù)，為定性定量相結(jié)合的信息處理提供有力工具，可以有效地實(shí)現(xiàn)系統(tǒng)效能評(píng)估［5］。綜合以上評(píng)估方法，本文提出用層次分析法建立評(píng)估指標(biāo)和權(quán)重，用云模型來(lái)進(jìn)行運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估。

1.3 評(píng)估指標(biāo)體系及權(quán)重

指標(biāo)體系采用層次分析法。首先分析軍車交通安全風(fēng)險(xiǎn)構(gòu)成要素，建立樹(shù)狀的關(guān)系結(jié)構(gòu)，運(yùn)用目標(biāo)層次分類展開(kāi)法，將目標(biāo)按邏輯分類向下展開(kāi)為若干目標(biāo)，再把各目標(biāo)分別向下展開(kāi)成分目標(biāo)和準(zhǔn)則，以此類推，直到可以定量或可進(jìn)行定性分析為止，從而建立一套初步的指標(biāo)結(jié)構(gòu)體系。然后利用德?tīng)柗品▽?duì)初步的指標(biāo)體系進(jìn)行完善與確定。德?tīng)柗品ǖ幕静襟E為:一是選擇咨詢專家組，不少于10 人;二是設(shè)計(jì)調(diào)查表，進(jìn)行專家組問(wèn)卷調(diào)查;三是回收調(diào)查表并進(jìn)行統(tǒng)計(jì)處理，以此統(tǒng)計(jì)結(jié)果為依據(jù)，制作第二輪調(diào)查表，這樣循環(huán)往復(fù)直至調(diào)查數(shù)據(jù)趨于一致;四是統(tǒng)計(jì)數(shù)據(jù)，整理最終的調(diào)查報(bào)告，得出最終的評(píng)價(jià)指標(biāo)體系。

在建立層次結(jié)構(gòu)體系后，由于各層次元素的權(quán)重界定比較困難，所以在上層的評(píng)定標(biāo)準(zhǔn)下，對(duì)本層次元素互相的重要性進(jìn)行兩兩比較，取1→9值對(duì)各自的重要性進(jìn)行賦值，進(jìn)行量化從而可以構(gòu)造各層次的指標(biāo)判斷矩陣A=［aij］:

式中n為對(duì)進(jìn)行判斷的相鄰下一層的指標(biāo)因素?cái)?shù)。

(1)判斷矩陣A的最大特征向量:

最大特征值對(duì)應(yīng)的最大特征向量為

(2)計(jì)算A的最大特征值:

(3)一致性檢驗(yàn)。進(jìn)行一致性檢驗(yàn)后得到各指標(biāo)的相對(duì)權(quán)重。

依照上述方法，建立部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練保障效能指標(biāo)體系及權(quán)重表(見(jiàn)表1)。

2 建立基于云模型-AHP 的評(píng)估數(shù)學(xué)模型

2.1 云及隸屬云的基本理論

云是用自然語(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，具有直觀性和普遍性。它主要反映概念上的不確定性，即模糊性(邊界上的亦此亦彼性)和隨機(jī)性(發(fā)生的概率)［6］。云的數(shù)字特征用3 個(gè)參數(shù)來(lái)描述，即期望值Ex、熵En和超熵He，3 個(gè)數(shù)字特征整體表征一個(gè)概念，記CG(Ex，En，He)。其中期望值Ex為概念上的原型值(中心值、標(biāo)準(zhǔn)值)，最能代表這個(gè)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。當(dāng)所研究的問(wèn)題是純隨機(jī)問(wèn)題時(shí)，Em→∞n，為純模糊問(wèn)題時(shí)，En=0。

表1 部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能指標(biāo)體系及權(quán)重

2.2 云重心評(píng)估法

云重心可以表示為T=a×b。a表示云重心的位置，b表示云重心的高度。期望值反映了相應(yīng)的模糊概念的信息中心值，即云重心的位置。當(dāng)期望值發(fā)生變化時(shí)，它所代表的信息中心值發(fā)生變化，云中心的位置也相應(yīng)改變。在一般情況下，云重心的高度通常取常值(0.371)，期望值相同的云可以通過(guò)比較云重心高度的不同來(lái)區(qū)別它們的重要性，即云重心高度反映了云的重要性。

其具體評(píng)估步驟如下:

(1)各指標(biāo)的云模型表示。在給出的指標(biāo)體系中，提取n組樣本組成決策矩陣，其云模型為式中En=［max(Ex1+Ex2+… +Exn)-min(Ex1+

同時(shí)，每個(gè)語(yǔ)言值的指標(biāo)都可以用云模型表示，那么n個(gè)語(yǔ)言值的表示方法為

式中En=En1+En2+… +Enn。當(dāng)指標(biāo)為精確數(shù)值型時(shí)，“Ex1-Exn”為各指標(biāo)量的值;當(dāng)指標(biāo)為語(yǔ)言值時(shí)，“Ex1-Exn”為指標(biāo)云模型的期望，即指標(biāo)云模型的熵。

(2)系統(tǒng)狀態(tài)的表示。n個(gè)性能指標(biāo)可用n個(gè)云模型來(lái)刻畫(huà)，n個(gè)指標(biāo)所反映的系統(tǒng)狀態(tài)可用n維綜合云表示。對(duì)于n維綜合云的重心T用一個(gè)n維向量表示，即

式中Ti=ai×bi，i=1，2，…，n。當(dāng)系統(tǒng)發(fā)生變化時(shí)，其重心變化為T'=(T'1，T'2，…，T'n)。

(3)確定各指標(biāo)體系的權(quán)重wi。

(4)加權(quán)偏離度的計(jì)算。理想狀態(tài)下，n維綜合云重心的位置向量，高度為b=(bi)1×n，其中bi=wi×0.371。云重心的向量T0=a×bT=(T0i)1×n。同理可得，一定狀態(tài)下系統(tǒng)n維綜合云重心的向量T=(Ti)i×n，進(jìn)行歸一化，可得

經(jīng)過(guò)歸一化，表征系統(tǒng)狀態(tài)的綜合云重心向量均為有大小、有方向，無(wú)量綱的值，把各指標(biāo)歸一化之后的向量值乘以其權(quán)重值，再相加，取平均值后得到加權(quán)偏離值θ(0≤|θ|≤1)的值為

(5)評(píng)估模型語(yǔ)集的確定。評(píng)語(yǔ)集V= (極差，非常差，很差，差，較差，一般，較好，好，很好，非常好，極好)構(gòu)成一個(gè)定性評(píng)測(cè)的云發(fā)生器。

3 實(shí)例分析

以某部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)為實(shí)例，以其訓(xùn)練場(chǎng)地建設(shè)為研究對(duì)象，運(yùn)用云模型對(duì)其進(jìn)行效能評(píng)估，其余的效能評(píng)估類似。訓(xùn)練場(chǎng)地建設(shè)指標(biāo)有車隊(duì)出發(fā)訓(xùn)練場(chǎng)地、鐵路輸送訓(xùn)練場(chǎng)地、水路輸送訓(xùn)練場(chǎng)地、配置展開(kāi)訓(xùn)練場(chǎng)地、障礙路段訓(xùn)練場(chǎng)地和裝卸載訓(xùn)練場(chǎng)地，以4 名專家進(jìn)行定性檢查的結(jié)果情況進(jìn)行評(píng)估分析，結(jié)果見(jiàn)表2。

表2 指標(biāo)狀態(tài)

利用云模型把語(yǔ)言值用相應(yīng)的3 個(gè)特征值(Ex，En，He)來(lái)表征，即用一個(gè)云對(duì)象來(lái)表示，并由此組成決策矩陣:

由B求得各個(gè)指標(biāo)云模型的Ex，En(見(jiàn)表3)。

6 個(gè)指標(biāo)的權(quán)重值wj=(0.1，0.3，0.12，0.1，0.3，0.08)，則該六維加權(quán)綜合云重心向量T=(0.047 5，0.202 5，0.045，0.055，0.195，0.032)，理想狀態(tài)下加權(quán)綜合云重心向量T0=(0.1，0.3，0.12，0.1，0.3，0.08)，歸 一 化 后 得 到TG=(0.525，0.325，0.625，0.45，0.35，0.6)，加權(quán)離散度θ=0.423，距離理想狀態(tài)下的加權(quán)偏離度為0.423，即最終評(píng)價(jià)結(jié)果為0.577，對(duì)應(yīng)評(píng)價(jià)結(jié)果介于“一般”與“很好”中間，傾向于“很好”。同理，可以依此方法對(duì)所建立的評(píng)估體系的其他指標(biāo)進(jìn)行評(píng)估，給出最終評(píng)價(jià)結(jié)果。

表3 各指標(biāo)云模型的期望值和熵

4 結(jié) 語(yǔ)

對(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估是一個(gè)復(fù)雜的過(guò)程，既有主觀上的評(píng)價(jià)，又需要有可行的評(píng)估模型和方法。本文提出的基于云模型-AHP 的運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估方法，較好地解決了評(píng)估的模糊性和隨機(jī)性，很好地結(jié)合了定性的評(píng)估結(jié)果和定量的評(píng)估模型和方法，去除了系統(tǒng)的不確定性，為下一步總部開(kāi)展運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)建設(shè)考核，改進(jìn)部隊(duì)運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)保障效能評(píng)估有一定的參考價(jià)值。

［1］ 周和平，單忠年.淺談運(yùn)輸勤務(wù)訓(xùn)練場(chǎng)建設(shè)現(xiàn)狀與對(duì)策［J］.國(guó)防交通，2012(4):53-54.

［2］ 段維清.基于層次分析法的微格教學(xué)評(píng)價(jià)模型的構(gòu)建［J］.太原師范學(xué)院學(xué)報(bào):自然科學(xué)版，2012，26(3):34-36.

［3］ 李伯虎，柴旭東，李潭.復(fù)雜系統(tǒng)高效能仿真技術(shù)研究［J］.中國(guó)電子科學(xué)研究院學(xué)報(bào)，2012，7(3):55-58.

［4］ 陳向勇，井元偉，李春吉. 基于Lanchester 方程的作戰(zhàn)混合動(dòng)態(tài)系統(tǒng)最優(yōu)變招控制［J］. 控制理論與應(yīng)用，2012，29(6):28-31.

［5］ 張磊，李曉霞，艾伶俐，等.基于模糊綜合評(píng)判法的營(yíng)運(yùn)車輛使用可靠性評(píng)價(jià)［J］. 山東交通學(xué)院學(xué)報(bào)，2012，20(3):22-25.

［6］ 李存斌，周小萌，杜哲. 基于云模型的風(fēng)險(xiǎn)智能預(yù)測(cè)方法［J］.科技與管理，2012(6):46-49.