基于遺傳神經(jīng)網(wǎng)絡(luò)的作戰(zhàn)部隊指揮信息系統(tǒng)效能評估

羅 光，肖衛(wèi)東，賀 平

(1.國防科學(xué)技術(shù)大學(xué)，長沙 410073； 2. 73115部隊，福建 廈門 361100)

【后勤保障與裝備管理】

基于遺傳神經(jīng)網(wǎng)絡(luò)的作戰(zhàn)部隊指揮信息系統(tǒng)效能評估

羅 光1,2，肖衛(wèi)東1，賀 平2

(1.國防科學(xué)技術(shù)大學(xué)，長沙 410073； 2. 73115部隊，福建 廈門 361100)

遺傳神經(jīng)網(wǎng)絡(luò)是對不確性問題進(jìn)行建模分析的有效工具。基于遺傳神經(jīng)網(wǎng)絡(luò)，研究了作戰(zhàn)部隊指揮信息系統(tǒng)效能評估問題。仿真分析結(jié)果表明，采用遺傳神經(jīng)網(wǎng)絡(luò)能夠合理評估作戰(zhàn)部隊指揮信息系統(tǒng)效能。與其他方法相比，基于遺傳神經(jīng)網(wǎng)絡(luò)建立的指揮信息系統(tǒng)效能評估模型通過累積歷史經(jīng)驗數(shù)據(jù)知識，得出的評估結(jié)果與真實情況更相符合。同時，基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估方法也可用于其他評估中，具有較好的適用性。

遺傳神經(jīng)網(wǎng)絡(luò)；指揮信息系統(tǒng)；效能評估；評估模型

效能評估是檢驗作戰(zhàn)部隊指揮信息系統(tǒng)訓(xùn)練、演練和作戰(zhàn)運用質(zhì)量與效益，提高作戰(zhàn)部隊指揮效能的重要手段。由于指揮信息系統(tǒng)是作戰(zhàn)部隊體系作戰(zhàn)能力形成的重要支撐，其運用過程和結(jié)果存在高度的復(fù)雜性和不確定性，通過對指揮信息系統(tǒng)構(gòu)成要素進(jìn)行分解、量化建模來評估其效能較為困難，且存在模型可信度不高、結(jié)果難以應(yīng)用等問題。遺傳算法與人工神經(jīng)網(wǎng)絡(luò)是在仿生學(xué)領(lǐng)域發(fā)展而來的科學(xué)研究方法，具有非線性映射、自適應(yīng)、并行處理和容錯性等優(yōu)點，目前已廣泛應(yīng)用于自動控制、模式識別、信號處理、優(yōu)化組合、效能評估等領(lǐng)域[1]。本文將遺傳算法和人工神經(jīng)網(wǎng)絡(luò)運用于作戰(zhàn)部隊指揮信息系統(tǒng)效能評估研究中，以克服考核評估或建模仿真分析方法的不足，較為客觀、準(zhǔn)確地對作戰(zhàn)部隊指揮信息系統(tǒng)效能進(jìn)行評估，能夠為作戰(zhàn)部隊指揮信息系統(tǒng)訓(xùn)練、演練和作戰(zhàn)運用的決策與實踐提供參考與借鑒。

1 遺傳神經(jīng)網(wǎng)絡(luò)理論概述

遺傳神經(jīng)網(wǎng)絡(luò)是遺傳算法和人工神經(jīng)網(wǎng)絡(luò)相互混合的一種神經(jīng)網(wǎng)絡(luò)模型[1]。由于遺傳算法和人工神經(jīng)網(wǎng)絡(luò)在處理問題上的差異性和互補(bǔ)性，近年來人們嘗試將兩者相融合，以充分利用彼此的長處，增強(qiáng)解決問題的能力?？傮w看來，人工神經(jīng)網(wǎng)絡(luò)是從數(shù)學(xué)、物理和信息處理的角度對生物神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象并建立起的一種處理復(fù)雜問題的簡化模型，具有很強(qiáng)的信息綜合能力，能同時處理定量和定性的信息，能很好地協(xié)調(diào)多種輸入信息關(guān)系，適用于處理復(fù)雜非線性和不確定效能評估問題。在文獻(xiàn)[2、3]中，對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了較為詳細(xì)的論述。而遺傳算法是一種借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來的高度并行、隨機(jī)、自適應(yīng)搜索算法，在模擬自然進(jìn)化過程搜索最優(yōu)解時，它具有全局性搜索、不易陷入局部最小值和目標(biāo)函數(shù)不要求連續(xù)性的特點，容易得到全局最優(yōu)解或性能很好的次優(yōu)解，在文獻(xiàn)[4]中，對遺傳算法進(jìn)行了較為詳細(xì)的論述。

遺傳神經(jīng)網(wǎng)絡(luò)中遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合主要表現(xiàn)在2個方面：一是，利用遺傳算法對樣本數(shù)據(jù)進(jìn)行預(yù)處理，然后用人工神經(jīng)網(wǎng)絡(luò)解決問題；二是，通過遺傳算法和神經(jīng)網(wǎng)絡(luò)共同求解問題，一種方式是固定網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的情況下，利用遺傳算法確定連接權(quán)重，另一種方式是直接利用遺傳算法優(yōu)選神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，然后用BP算法訓(xùn)練網(wǎng)絡(luò)。2種方法相結(jié)合的方式如圖1所示。

圖1 遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合示意圖

2 基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估

2.1 效能評估分析過程

基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估的分析過程，實質(zhì)上就是利用遺傳算法和神經(jīng)網(wǎng)絡(luò)共同求解問題的過程。通過遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)效能評估模型網(wǎng)絡(luò)結(jié)構(gòu)及權(quán)值參數(shù)，提高神經(jīng)網(wǎng)絡(luò)建模與樣本數(shù)據(jù)訓(xùn)練的效果和速度，可以為作戰(zhàn)部隊指揮信息系統(tǒng)效能評估建模與分析提供有效手段?；谶z傳神經(jīng)網(wǎng)絡(luò)的效能評估分析過程主要包括7個步驟，如圖2所示。

1) 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)。建立系統(tǒng)效能評估指標(biāo)，依據(jù)評估指標(biāo)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，初步確定BP神經(jīng)初始網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)。

2) 獲取模型權(quán)值和閾值。產(chǎn)生一組隨機(jī)分布，對模型中的每個權(quán)值和閾值運用編碼方案進(jìn)行編碼，構(gòu)造出相對應(yīng)的編碼鏈，依據(jù)編碼鏈確定出對應(yīng)權(quán)值、閾值取特定值的神經(jīng)網(wǎng)絡(luò)。

3) 確定樣本數(shù)據(jù)。對系統(tǒng)效能評估樣本進(jìn)行處理，確定BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練、測試樣本數(shù)據(jù)。

4) 通過遺傳算法修改模型權(quán)值和閾值。首先，計算神經(jīng)網(wǎng)絡(luò)的誤差函數(shù)，確定該神經(jīng)網(wǎng)絡(luò)的適應(yīng)度函數(shù)，如果誤差越大，網(wǎng)絡(luò)的適應(yīng)度越?。黄浯?，依據(jù)確定的適應(yīng)度函數(shù)值，選擇若干函數(shù)值最大的個體，將其遺傳給下一代；再次，對當(dāng)前一代種群，分別進(jìn)行選擇、交叉和變異等遺傳操作處理，以產(chǎn)生下一代種群；最后，判斷遺傳進(jìn)化代數(shù)是否完成，若操作完成則轉(zhuǎn)向下一環(huán)節(jié)，若沒有完成則重新繼續(xù)進(jìn)行遺傳操作。

5) 得到遺傳神經(jīng)網(wǎng)絡(luò)模型。用遺傳算法計算得到的優(yōu)化值作為神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值，采用BP算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至滿足預(yù)定精度。

6) 遺傳神經(jīng)網(wǎng)絡(luò)模型驗證。對建立的評估模型輸入樣本進(jìn)行測試，若不滿足預(yù)定精度要求則繼續(xù)訓(xùn)練，若滿足預(yù)定精度要求則完成模型構(gòu)建。

7) 效能評估分析。利用得到的遺傳神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行系統(tǒng)效能評估分析。

圖2 基于遺傳神經(jīng)網(wǎng)絡(luò)的效能分析過程

2.2 評估分析關(guān)鍵內(nèi)容

采用遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行指揮信息系統(tǒng)效能評估分析，主要涉及人工神經(jīng)網(wǎng)絡(luò)建模、樣本數(shù)據(jù)獲取與處理、遺傳算法設(shè)計和模型校驗等內(nèi)容。關(guān)鍵算法主要包括獲取樣本數(shù)據(jù)、選擇人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和設(shè)計遺傳算法編碼等。

1) 獲取訓(xùn)練和測試樣本數(shù)據(jù)

獲取訓(xùn)練和測試樣本數(shù)據(jù)是運用遺傳神經(jīng)網(wǎng)絡(luò)對效能評估問題進(jìn)行建模與研究的前提和基礎(chǔ)。通過樣本數(shù)據(jù)可以確定網(wǎng)絡(luò)神經(jīng)元的自由參數(shù)(權(quán)值或閾值)的具體取值。樣本數(shù)據(jù)可以是已有的相關(guān)數(shù)據(jù)，或利用仿真系統(tǒng)進(jìn)行仿真實驗獲得，或通過作戰(zhàn)部隊訓(xùn)練、演練數(shù)據(jù)采集獲取。

遺傳神經(jīng)網(wǎng)絡(luò)包含多個參數(shù)，輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的函數(shù)關(guān)系大多是高度非線性關(guān)系，受客觀因素限制，往往難以進(jìn)行全面實驗以獲取充分的樣本數(shù)據(jù)進(jìn)行訓(xùn)練和測試。一是，樣本數(shù)據(jù)所需數(shù)量與實際可獲取數(shù)據(jù)數(shù)量間的矛盾；二是，實際獲取或采集到的數(shù)據(jù)與全面反映模型輸入/輸出函數(shù)關(guān)系之間的矛盾。為此，在樣本數(shù)據(jù)獲取過程中必須合理安排數(shù)據(jù)獲取方案，通過盡可能少的實驗次數(shù)獲取最多的網(wǎng)絡(luò)特征信息，以最好地反映效能影響因素與評估結(jié)果間的關(guān)系。通常可采用的樣本數(shù)據(jù)采集方法有3種，① 中心組合方案設(shè)計；② 正交方案設(shè)計；③ 隨機(jī)組合方案設(shè)計。不同設(shè)計方案其應(yīng)用的范圍也不相同，詳細(xì)內(nèi)容可參見文獻(xiàn)[1]，此處不作過多論述。

2) 確定遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

如何選擇遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)，確保網(wǎng)絡(luò)的泛化能力是效能評估分析中需要解決的關(guān)鍵問題。泛化能力是遺傳神經(jīng)網(wǎng)絡(luò)的重要性能指標(biāo)，主要指網(wǎng)絡(luò)經(jīng)過樣本訓(xùn)練后對新的樣本數(shù)據(jù)做出正確反應(yīng)的能力。影響網(wǎng)絡(luò)模型泛化能力的因素很多，如訓(xùn)練樣本的質(zhì)量和數(shù)量、網(wǎng)絡(luò)模型結(jié)構(gòu)、需解決問題自身的復(fù)雜程度等。由于需解決問題的復(fù)雜程度不可控制，而訓(xùn)練樣本相對固定，網(wǎng)絡(luò)模型泛化能力與網(wǎng)絡(luò)模型結(jié)構(gòu)密切相關(guān)。

遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)選擇，主要包括輸入層和輸出層節(jié)點數(shù)選擇、網(wǎng)絡(luò)隱層數(shù)選擇和隱層神經(jīng)元數(shù)選擇等內(nèi)容。① 輸入層和輸出層節(jié)點數(shù)選擇主要由問題要求決定，輸入層節(jié)點數(shù)一般為訓(xùn)練樣本矢量維數(shù)，也可是樣本數(shù)據(jù)維數(shù)或提出的特征組數(shù)；輸出層節(jié)點數(shù)為需解決問題結(jié)果的維數(shù)，在分析中可以只設(shè)一個輸出節(jié)點。② 網(wǎng)絡(luò)隱層數(shù)選擇需綜合精度和復(fù)雜性2個方面，由于具有偏差和至少一個S形隱含層加上一個線性輸入層的網(wǎng)絡(luò)可逼近擬合任何有理函數(shù)，增加網(wǎng)絡(luò)隱層數(shù)在進(jìn)一步降低誤差、提高精度的同時，也使網(wǎng)絡(luò)復(fù)雜化。對于非線性問題，依據(jù)Kosmogorov定理，如果輸入變量的個數(shù)為n，則隱層節(jié)點數(shù)可取2n+1個[5]。③ 隱層神經(jīng)元數(shù)選擇，網(wǎng)絡(luò)模型訓(xùn)練精度也可通過采用一個隱層而增加其神經(jīng)元的方法提高，這比增加更多隱層更為簡單，隱層神經(jīng)元數(shù)選擇可以在解決問題的前提下，增加1～2個神經(jīng)元以加快誤差下降速度。綜合來看，網(wǎng)絡(luò)隱層數(shù)和隱節(jié)點數(shù)決定了網(wǎng)絡(luò)的規(guī)模，而網(wǎng)絡(luò)的規(guī)模與其性能密切相關(guān)，運用神經(jīng)網(wǎng)絡(luò)解決現(xiàn)實問題時，當(dāng)網(wǎng)絡(luò)規(guī)模過小時，神經(jīng)網(wǎng)絡(luò)逼近能力不足，容易導(dǎo)致問題分析精度不足；而網(wǎng)絡(luò)規(guī)模過大時，神經(jīng)網(wǎng)絡(luò)逼近能力過度。

3) 設(shè)計遺傳算法編碼方案

采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)重時，如何設(shè)計網(wǎng)絡(luò)連接權(quán)重的遺傳算法編碼方案至關(guān)重要?？傮w說來，遺傳算法編碼方案設(shè)計有3種方法。① 直接編碼方法。該編碼方法直接用二進(jìn)制串或?qū)崝?shù)串表示神經(jīng)網(wǎng)絡(luò)連接權(quán)重，染色體與神經(jīng)網(wǎng)絡(luò)連接權(quán)重之間是直接映射關(guān)系，直接編碼方法僅對神經(jīng)元數(shù)目較少的小型網(wǎng)絡(luò)的優(yōu)化快速有效，且要求網(wǎng)絡(luò)模型的神經(jīng)元數(shù)目預(yù)先固定的，這限制了它的使用。② 參數(shù)化編碼方法。該編碼方法的優(yōu)點是網(wǎng)絡(luò)連接權(quán)重的編碼比較簡潔緊湊，通過僅對網(wǎng)絡(luò)連接權(quán)重中的最主要特征進(jìn)行編碼可以有效減少染色體長度，每個連接的細(xì)節(jié)可在染色體解碼中由一些生長規(guī)則提供。③ 繁衍生長方法。該編碼方法最大不同是它并不在染色體中直接編碼神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，而是將一些簡單的生長規(guī)則編碼在染色體中，通過規(guī)則的不斷改寫，確定適合解決問題的神經(jīng)網(wǎng)絡(luò)連接權(quán)重。遺傳算法編碼設(shè)計詳細(xì)內(nèi)容可參見文獻(xiàn)[6]，此處不作過多論述。

3 基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估案例研究

3.1 指揮信息系統(tǒng)效能及評估指標(biāo)構(gòu)建

效能是一個相對、定量的值，需要考慮特定的使用環(huán)境和特定的任務(wù)目標(biāo)。指揮信息系統(tǒng)效能定義的幾種典型觀點可參見文獻(xiàn)[7-10]。

綜合來看，指揮信息系統(tǒng)效能是指在特定條件下指揮信息系統(tǒng)自身和基于指揮信息系統(tǒng)的作戰(zhàn)體系執(zhí)行規(guī)定任務(wù)所能達(dá)到預(yù)期可能目標(biāo)的程度，其效能包括固有效能和使用效能2個方面。固有效能是對指揮信息系統(tǒng)自身固有能力的反映，可分為單項效能和系統(tǒng)效能，單項效能是對指揮信息系統(tǒng)單項或單個方面戰(zhàn)技術(shù)性能或能力指標(biāo)的評估和度量，系統(tǒng)效能是針對指揮信息系統(tǒng)整體能力的綜合性評估；使用效能是對指揮信息系統(tǒng)對作戰(zhàn)部隊潛在戰(zhàn)斗力轉(zhuǎn)化為現(xiàn)實戰(zhàn)斗力的影響程度的評估，即基于指揮信息系統(tǒng)的作戰(zhàn)體系在特定的作戰(zhàn)環(huán)境下的作戰(zhàn)效能。指揮信息系統(tǒng)效能分類如圖3所示。

圖3 指揮信息系統(tǒng)效能分類

一般而言，指揮信息系統(tǒng)單項技術(shù)性能或能力越好，其系統(tǒng)固有性能或效能就越好，進(jìn)而對基于指揮信息系統(tǒng)的作戰(zhàn)體系執(zhí)行規(guī)定任務(wù)達(dá)到預(yù)期可能目標(biāo)的影響程度就越大，但三者之間絕非簡單的線性關(guān)系，其耦合一般是高度非線性的。由于使用效能評估涉及部隊作戰(zhàn)體系、武器裝備運用和戰(zhàn)術(shù)戰(zhàn)法等復(fù)雜因素，本文主要從系統(tǒng)效能角度構(gòu)建指揮信息系統(tǒng)效能評估指標(biāo)。

系統(tǒng)效能反映了指揮信息系統(tǒng)自身所蘊(yùn)涵的固有能力和本領(lǐng)，屬于相對靜態(tài)的效能。依據(jù)作戰(zhàn)部隊指揮信息系統(tǒng)作戰(zhàn)運用要求，指揮信息系統(tǒng)系統(tǒng)效能可劃分為信息網(wǎng)絡(luò)、情報綜合、指揮控制、火力打擊支撐、后裝保障支撐、基礎(chǔ)服務(wù)和信息安全等7項效能指標(biāo)。其中，信息網(wǎng)絡(luò)是構(gòu)成指揮信息系統(tǒng)組成的神經(jīng)，具有基礎(chǔ)性、滲透性和支撐性，是指揮信息系統(tǒng)系統(tǒng)效能發(fā)揮的重要基礎(chǔ)。情報綜合通過引接、處理和融合各類情報信息，為作戰(zhàn)部隊奪取主動，加快作戰(zhàn)進(jìn)程，提供必要的戰(zhàn)場態(tài)勢感知能力；指揮控制提供新的指揮工具和指揮手段，確保作戰(zhàn)指揮員及指揮機(jī)關(guān)對所屬部隊作戰(zhàn)行動組織的運籌和調(diào)度的順利完成；火力打擊支撐對作戰(zhàn)部隊?wèi)?zhàn)役戰(zhàn)術(shù)導(dǎo)彈、各類火炮、攻擊直升機(jī)和對空打擊等火力打擊力量綜合運用籌劃、組織、實施順利完成提供的各類支持和保障；后裝保障支撐依托指揮信息系統(tǒng)良好的融合能力、快速的計算能力、端到端的互通能力、高效的動態(tài)管理能力，提高物資請領(lǐng)、運輸、接收、儲存和發(fā)放諸環(huán)節(jié)的速度和準(zhǔn)確性；基礎(chǔ)服務(wù)圍繞作戰(zhàn)部隊體系作戰(zhàn)要求，提供定位授時、名錄管理、文書處理、數(shù)據(jù)庫檢索等服務(wù)等能力；信息安全主要指為遏制敵方信息攻擊，保障己方信息系統(tǒng)安全而采取的防御性措施和行動的能力。指揮信息系統(tǒng)系統(tǒng)效能評估指標(biāo)如圖4所示。

圖4 指揮信息系統(tǒng)系統(tǒng)效能評估指標(biāo)

3.2 效能評估網(wǎng)絡(luò)模型

依據(jù)指揮信息系統(tǒng)效能評估指標(biāo)，基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估模型分為輸入層、隱含層和輸出層3個層次。輸入層包括7個節(jié)點，分別表示指揮信息系統(tǒng)系統(tǒng)效能的7項指標(biāo)；隱含層節(jié)點數(shù)設(shè)為12個；輸出層表示效能期望輸出值，由1個節(jié)點表示。遺傳神經(jīng)網(wǎng)絡(luò)評估模型的網(wǎng)絡(luò)結(jié)構(gòu)為7-12-1。模型參數(shù)設(shè)置包括2個方面，一是輸入層到隱含層的傳遞函數(shù)，設(shè)為雙曲正切S型函數(shù)，二是隱含層到輸出層，設(shè)為對數(shù)S型傳遞函數(shù)；三是訓(xùn)練函數(shù)，設(shè)為訓(xùn)練誤差目標(biāo)0.001、最大訓(xùn)練代數(shù)為500的梯度遞減traingdx函數(shù)。優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的遺傳算法參數(shù)設(shè)置，初始種群規(guī)模為150，最大遺傳代數(shù)為200。遺傳神經(jīng)網(wǎng)絡(luò)評估模型結(jié)構(gòu)見圖5所示。

圖5 遺傳神經(jīng)網(wǎng)絡(luò)評估模型結(jié)構(gòu)

3.3 訓(xùn)練樣本數(shù)據(jù)處理

遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)獲取較為困難，需要歷史和經(jīng)驗數(shù)據(jù)的積累，本文樣本數(shù)據(jù)來源主要是部隊平時指揮信息系統(tǒng)運用的仿真和實裝訓(xùn)練演練數(shù)據(jù)，同時查閱了一些裝備試驗數(shù)據(jù)和文獻(xiàn)資料得到的。理論上講，如果歷史和經(jīng)驗積累的數(shù)據(jù)足夠的話，更多情況下的期望值樣本數(shù)據(jù)也是可以通過分析得到的，但由于每一個樣本數(shù)據(jù)的獲取都較為繁雜，涉及的因素復(fù)雜，且需進(jìn)行仿真測試，在實際操作上存在較大困難。

BP神經(jīng)網(wǎng)絡(luò)要求輸入層輸入數(shù)據(jù)保證在0～1之間，而指揮信息系統(tǒng)系統(tǒng)效能評估指標(biāo)數(shù)值是介于0～1之間，符合神經(jīng)網(wǎng)絡(luò)模型參數(shù)輸入的要求。根據(jù)已有訓(xùn)練和仿真數(shù)據(jù)計算結(jié)果，結(jié)合專家經(jīng)驗得到15組樣本數(shù)據(jù)，隨機(jī)選擇12組作為訓(xùn)練樣本數(shù)據(jù)，其余3組作為測試樣本數(shù)據(jù)。得到的15組樣本見表1所示。

表1 遺傳神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù)表

數(shù)據(jù)9數(shù)據(jù)10數(shù)據(jù)11數(shù)據(jù)12數(shù)據(jù)13數(shù)據(jù)14數(shù)據(jù)15信息網(wǎng)絡(luò)效能0.89790.54290.84810.67420.86370.59660.7473情報綜合效能0.90470.53840.85570.49260.71960.60750.6982指揮控制效能0.83040.57460.88060.57340.80490.60200.7049火力打擊支撐效能0.80880.58920.86990.68550.71290.61710.6530后裝保障支撐效能0.74330.60230.75230.61590.90050.58940.6225信息安全效能0.89010.48050.87360.60360.81140.59280.8016基礎(chǔ)服務(wù)效能0.79430.57170.89730.56870.80850.61830.7094系統(tǒng)效能期望值0.82740.58490.77420.65640.81980.56780.7327

3.4 遺傳神經(jīng)網(wǎng)絡(luò)模型驗證

基于Matlab 7.1工具軟件構(gòu)建指揮信息系統(tǒng)系統(tǒng)效能遺傳神經(jīng)網(wǎng)絡(luò)評估模型。利用Matlab 7.1內(nèi)嵌的Gaot遺傳算法優(yōu)化工具箱對建立的網(wǎng)絡(luò)評估模型進(jìn)行優(yōu)化，并對遺傳算法性能進(jìn)行了分析。遺傳算法性能曲線圖表明，遺傳算法誤差隨著遺傳進(jìn)化代數(shù)的增加不斷下降，而適應(yīng)度函數(shù)值則不斷增加，算法收斂性逐漸提高。算法誤差范圍在種群進(jìn)化到120代左右時降到期望以內(nèi)，在種群進(jìn)化到164代左右時，平均適應(yīng)度基本上與最佳適應(yīng)度保持一致。算法誤差收斂隨著遺傳種群進(jìn)化代數(shù)增加曲線見圖6所示。

采用表1中的樣本數(shù)據(jù)對系統(tǒng)效能遺傳神經(jīng)網(wǎng)絡(luò)評估模型進(jìn)行訓(xùn)練分析，評估模型訓(xùn)練過程及其誤差變化見圖7、圖8所示。

圖6 遺傳算法誤差與適應(yīng)度曲線

圖7 遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程

圖8 遺傳神經(jīng)網(wǎng)絡(luò)誤差變化曲線

在遺傳神經(jīng)網(wǎng)絡(luò)誤差變化曲線圖8中，以遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)為橫坐標(biāo)，誤差值為縱坐標(biāo)。誤差變化曲線表明，神經(jīng)網(wǎng)絡(luò)的誤差隨著訓(xùn)練次數(shù)的增加而逐漸減小，在進(jìn)行到第314次訓(xùn)練左右時，網(wǎng)絡(luò)模型誤差滿足預(yù)定目標(biāo)值要求，模型訓(xùn)練結(jié)束。此時，樣本數(shù)據(jù)表1的訓(xùn)練結(jié)果輸出與訓(xùn)練期望值的回歸分析曲線見圖9所示。

對建立的遺傳神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練后，得到的網(wǎng)絡(luò)模型誤差值滿足設(shè)定允許的范圍要求。通過訓(xùn)練后的網(wǎng)絡(luò)模型對訓(xùn)練樣本進(jìn)行仿真，得到輸出結(jié)果見表2所示。

表2 訓(xùn)練樣本仿真輸出結(jié)果表

圖9 輸出結(jié)果回歸分析曲線

由表2可知，網(wǎng)絡(luò)模型對訓(xùn)練樣本的仿真輸出結(jié)果與期望值的絕對誤差，最大值為0.051 7，而最小絕對誤差僅為0.000 8。以輸出誤差小于0.05為標(biāo)準(zhǔn)進(jìn)行評價，可知訓(xùn)練樣本數(shù)據(jù)集的評價準(zhǔn)確率大于93%。結(jié)合樣本數(shù)據(jù)表中其余3組樣本數(shù)據(jù)對優(yōu)化后的評估網(wǎng)絡(luò)模型進(jìn)行測試驗證，輸出結(jié)果見表3所示。

表3 樣本數(shù)據(jù)仿真測試結(jié)果表

由表3樣本數(shù)據(jù)仿真測試結(jié)果表中，可知其絕對值誤差均不大于0.05，最后測試合格，建立的基于遺傳神經(jīng)網(wǎng)絡(luò)的評估模型能夠型滿足指揮信息系統(tǒng)系統(tǒng)效能評估要求。

3.5 效能評估結(jié)果分析

以陸軍作戰(zhàn)部隊某次防空作戰(zhàn)綜合演練為例，通過對演練數(shù)據(jù)的采集與分析得到指揮信息系統(tǒng)效能指標(biāo)：通信網(wǎng)絡(luò)、情報綜合、指揮控制、火力打擊支撐、后裝保障支撐、基礎(chǔ)服務(wù)、信息安全的評估值分別為{0.744、0.710, 0.709, 0.698, 0.677, 0.895, 0.748}。依據(jù)建立的系統(tǒng)效能評估遺傳神經(jīng)網(wǎng)絡(luò)模型，將系統(tǒng)效能指標(biāo)度量數(shù)值作為遺傳神經(jīng)網(wǎng)絡(luò)模型輸入數(shù)據(jù)，即可得到陸軍作戰(zhàn)部隊防空作戰(zhàn)演練中指揮信息系統(tǒng)效能評估值。相關(guān)數(shù)據(jù)和結(jié)果如表4所示。

從表4中可以看出，采用遺傳神經(jīng)網(wǎng)絡(luò)方法最終評估結(jié)果為0.685 9，而常用的加權(quán)平均法得到的評估值為0.740 1。遺傳神經(jīng)網(wǎng)絡(luò)法得到的結(jié)果小于加權(quán)平均法的評估值，這與火力打擊支撐、后裝保障支撐兩項指標(biāo)值較低也是密切關(guān)聯(lián)的。評估結(jié)果表明遺傳神經(jīng)網(wǎng)絡(luò)模型通過樣本訓(xùn)練后積累了指揮信息系統(tǒng)效能的歷史經(jīng)驗數(shù)據(jù)，從而能夠更好地反映評估指標(biāo)值與效能值之間的關(guān)系。

表4 系統(tǒng)效能評估結(jié)果表

4 結(jié)論

遺傳算法與人工神經(jīng)網(wǎng)絡(luò)是從仿生學(xué)領(lǐng)域發(fā)展而來的科學(xué)研究方法，具有較強(qiáng)的解決不確定條件下復(fù)雜推理問題的能力。本文在概述遺傳算法與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，探討了基于遺傳神經(jīng)網(wǎng)絡(luò)開展效能評估分析的一般過程和關(guān)鍵內(nèi)容，并以作戰(zhàn)部隊指揮信息系統(tǒng)效能評估為例，開展了作戰(zhàn)部隊指揮信息系統(tǒng)效能評估建模與案例分析。評估結(jié)果表明，運用遺傳神經(jīng)網(wǎng)絡(luò)能夠?qū)ψ鲬?zhàn)部隊指揮信息系統(tǒng)效能進(jìn)行較為合理的評估。與加權(quán)平均法相對比，基于遺傳神經(jīng)網(wǎng)絡(luò)建立的指揮信息系統(tǒng)效能評估模型由于累積了歷史經(jīng)驗數(shù)據(jù)知識，評估結(jié)果與真實情況更相符合，也更為科學(xué)有效。同時，基于遺傳神經(jīng)網(wǎng)絡(luò)的效能評估方法也可用于其他評估中，具有較好的適用性。

[1] 田雨波.混合神經(jīng)網(wǎng)絡(luò)技術(shù)[M].北京:科學(xué)出版社,2009.

[2] 田景文,高美娟.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M].北京:北京理工大學(xué)出版社,2006.

[3] 馬銳.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京:機(jī)械工業(yè)出版社,2010.

[4] 李敏強(qiáng).遺傳算法的基本原理與應(yīng)用[M].北京:科學(xué)出版社,2002.

[5] 錢敏平,龔光魯.隨機(jī)過程論[M].北京:北京大學(xué)出版社,2000.

[6] 孫曉燕,鞏敦衛(wèi),徐瑞東.高級交互式遺傳算法理論與應(yīng)用[M].北京:科學(xué)出版社,2012.

[7] 張最良,李長生.軍事運籌學(xué)[M].北京:軍事科學(xué)出版社,1999.

[8] 郭齊勝,郅志剛.裝備效能評估概論[M].北京:國防工業(yè)出版社,2005.

[9] 程啟月.基于信息系統(tǒng)的指揮效能評估與風(fēng)險[M].北京:國防大學(xué)出版社,2011.

[10]肖兵,金宏斌.C4ISR系統(tǒng)分析、設(shè)計與評估[M].武漢:武漢大學(xué)出版社,2010.

(責(zé)任編輯 楊繼森)

Study on Effectiveness Assessment of Combat Forces Command Information System Based on Genetic Neural Networks

LUO Guang1, 2, XIAO Wei-dong1, HE Ping2

(1.National University of Defense Technology, Changsha 410073, China;2.The No. 73115thTroop of PLA, Xiamen 361100, China)

Genetic neural networks are a powerful tool for modeling and analysis of the uncertainty nature random process. Based on the genetic neural network, we discussed the effectiveness evaluation of combat forces command information system. The simulation results show that genetic neural network can reasonably assess the effectiveness of combat forces command information system. Compared with other methods, the results that command information system genetic neural network effectiveness assessment model assessed based on historical data by accumulating knowledge is more consistent with the real situation. Meanwhile effectiveness evaluation method based on genetic neural network can also be used in other assessments, and it has better applicability.

genetic neural networks; command information system; effectiveness assessment; assessment model

2015-03-02

國防基金項目(2014008)

羅光(1978—)，碩士，主要從事系統(tǒng)工程研究。

10.11809/scbgxb2015.08.018

羅光，肖衛(wèi)東，賀平.基于遺傳神經(jīng)網(wǎng)絡(luò)的作戰(zhàn)部隊指揮信息系統(tǒng)效能評估[J].四川兵工學(xué)報，2015(8):72-77.

format:LUO Guang, XIAO Wei-dong, HE Ping.Study on Effectiveness Assessment of Combat Forces Command Information System Based on Genetic Neural Networks[J].Journal of Sichuan Ordnance,2015(8):72-77.

E911

A

1006-0707(2015)08-0072-07