基于灰色層次分析法-BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)鏈系統(tǒng)效能評(píng)估*

陳 強(qiáng),陳長(zhǎng)興,陳 婷,程蒙江川

(1 空軍工程大學(xué)理學(xué)院,西安 710051;2 西安郵電大學(xué),西安 710051)

?

基于灰色層次分析法-BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)鏈系統(tǒng)效能評(píng)估*

陳 強(qiáng)1,陳長(zhǎng)興1,陳 婷2,程蒙江川1

(1 空軍工程大學(xué)理學(xué)院,西安 710051;2 西安郵電大學(xué),西安 710051)

為進(jìn)一步提高效能評(píng)估的可信性及智能化水平,提出了一種基于灰色AHP理論的數(shù)據(jù)鏈系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)效能評(píng)估模型。從數(shù)據(jù)鏈系統(tǒng)性能結(jié)構(gòu)出發(fā),針對(duì)數(shù)據(jù)鏈信息優(yōu)勢(shì)的特點(diǎn),建立了數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估指標(biāo)體系。通過(guò)專(zhuān)家組依據(jù)標(biāo)準(zhǔn)打分的方式,采用AHP確定指標(biāo)的權(quán)重向量,考慮借助灰色理論白化指標(biāo),最后與不同灰類(lèi)分效能值聚合生成綜合效能評(píng)價(jià)值從而建立了效能輸出模型。構(gòu)造三層BP神經(jīng)網(wǎng)絡(luò)模型,以專(zhuān)家的知識(shí)與經(jīng)驗(yàn)作為輸入,以灰色AHP綜合效能評(píng)價(jià)值作為輸出訓(xùn)練網(wǎng)絡(luò)。最后通過(guò)實(shí)例驗(yàn)證,由于該模型運(yùn)用BP神經(jīng)網(wǎng)絡(luò)非線(xiàn)性擬合的優(yōu)勢(shì)繼承并有效聚合了專(zhuān)家的知識(shí)與經(jīng)驗(yàn),結(jié)果與專(zhuān)家評(píng)定一致,從而論證了模型的有效性及可靠性,為數(shù)據(jù)鏈系統(tǒng)效能評(píng)估提供了智能化的算子,在數(shù)據(jù)鏈的發(fā)展和應(yīng)用中發(fā)揮重要作用。

數(shù)據(jù)鏈系統(tǒng);指標(biāo)體系;灰色系統(tǒng)理論;層次分析法;BP神經(jīng)網(wǎng)絡(luò)

0 引言

數(shù)據(jù)鏈系統(tǒng)是指一種能夠按照統(tǒng)一的數(shù)據(jù)格式和約定的通信協(xié)議,通過(guò)有線(xiàn)或者無(wú)線(xiàn)信道(以無(wú)線(xiàn)信道為主)對(duì)格式化信息進(jìn)行實(shí)時(shí)、可靠、安全、保密傳輸?shù)臄?shù)據(jù)通信與處理系統(tǒng)[1]。數(shù)據(jù)鏈系統(tǒng)的應(yīng)用,使獨(dú)立的作戰(zhàn)單元相互“鉸鏈”、“耦合”,各作戰(zhàn)單元彼此構(gòu)成一個(gè)數(shù)據(jù)通信網(wǎng)絡(luò),同時(shí)還可以對(duì)接收到的各種有效信息(本作戰(zhàn)單元的傳感器信息及目標(biāo)威脅信息以及從其他作戰(zhàn)單元接收的信息)進(jìn)行(融合)處理,在一定程度上實(shí)現(xiàn)大量信息共享、高效實(shí)時(shí)的戰(zhàn)場(chǎng)指揮、實(shí)時(shí)精確的武器協(xié)同、態(tài)勢(shì)共享等功能[1-2]。數(shù)據(jù)鏈系統(tǒng)在現(xiàn)代信息化條件下的戰(zhàn)場(chǎng)上扮演了愈發(fā)重要的角色,是現(xiàn)代信息戰(zhàn)爭(zhēng)的“倍增器”,

因此研究數(shù)據(jù)鏈系統(tǒng)的效能評(píng)估將對(duì)數(shù)據(jù)鏈裝備的發(fā)展和應(yīng)用起到極大的推進(jìn)作用。

灰色系統(tǒng)理論實(shí)現(xiàn)了不確定性系統(tǒng)在信息貧乏條件下由“灰”生成“白”,從而很好的提高系統(tǒng)指標(biāo)量化的準(zhǔn)確性和可信度。而層次分析法通過(guò)定量分析與定性分析相結(jié)合的方式解決了層級(jí)之間、指標(biāo)之間權(quán)重問(wèn)題。二者的結(jié)合為效能評(píng)估提供了新思路,同時(shí)克服了專(zhuān)家主觀性及最大限度的利用專(zhuān)家的評(píng)判結(jié)果,使評(píng)估結(jié)果更為準(zhǔn)確和可信。

現(xiàn)有文獻(xiàn)中,大多集中在利用評(píng)估理論和方法支撐指標(biāo)到效能的數(shù)據(jù)對(duì)應(yīng)關(guān)系,造成評(píng)估過(guò)程繁瑣結(jié)果缺乏可信性。在文獻(xiàn)[3]倚靠BP(back propagation)神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性擬合能力很好的解決了評(píng)估指標(biāo)到效能值的映射問(wèn)題,但網(wǎng)絡(luò)訓(xùn)練以“灰色”貧樣本的專(zhuān)家打分值作為輸出值其結(jié)果顯然缺乏可信度和準(zhǔn)確性。文獻(xiàn)[4]從系統(tǒng)內(nèi)部權(quán)重因子耦合出發(fā),引用經(jīng)典理論分層分析法(analytic hierarchy process,AHP)來(lái)構(gòu)造BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本,有一定的借鑒意義。文獻(xiàn)[5]吸收灰色系統(tǒng)理論指標(biāo)評(píng)判“漂白”的優(yōu)點(diǎn),評(píng)價(jià)值具有一定的可信性和準(zhǔn)確性。文獻(xiàn)[6]聚合灰色理論的“漂白”功效及AHP的權(quán)重耦合特性,具有理論借鑒意義,但文中過(guò)程較為復(fù)雜,亟待在繼承專(zhuān)家經(jīng)驗(yàn)和知識(shí)的基礎(chǔ)上簡(jiǎn)化指標(biāo)到效能的映射過(guò)程。

文中在灰色層析分析法的基礎(chǔ)上利用BP神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性擬合能力,以白化的專(zhuān)家評(píng)判值作為輸入,以灰色AHP評(píng)估結(jié)果作為輸出,從而合理的繼承了專(zhuān)家的知識(shí)與經(jīng)驗(yàn),為數(shù)據(jù)鏈系統(tǒng)評(píng)估提供了算子化的思路。

1 基本思路

1)建立系統(tǒng)指標(biāo)體系H遞階層次結(jié)構(gòu);

2)利用層次分析法確定指標(biāo)權(quán)重ω及ωi,再運(yùn)用灰色系統(tǒng)理論白化指標(biāo)向量進(jìn)而求解最大限度地包含專(zhuān)家水平與經(jīng)驗(yàn)的評(píng)判值;

3)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型結(jié)構(gòu);

4)選取經(jīng)過(guò)白化的專(zhuān)家評(píng)分輸入樣本及灰色AHP評(píng)估結(jié)果輸出樣本,訓(xùn)練網(wǎng)絡(luò)直至滿(mǎn)足精度。

具體流程如圖1所示。

圖1 灰色AHP-BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型

2 數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估指標(biāo)體系

數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估指標(biāo)體系的構(gòu)建必須遵循系統(tǒng)性原則、可比性原則、定性和定量相結(jié)合原則、獨(dú)立性原則、層次性原則和客觀性原則,同時(shí)又要考慮到影響數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)能力影響因素比較多的特點(diǎn)[5]。在分析數(shù)據(jù)鏈系統(tǒng)功能、結(jié)構(gòu)和特點(diǎn)的基礎(chǔ)上,根據(jù)數(shù)據(jù)鏈信息傳遞的實(shí)時(shí)性、信息處理的可靠性、安全保密及交互戰(zhàn)術(shù)信息的要求,文中從信息處理能力、信息傳輸能力、網(wǎng)絡(luò)管理能力、信息安全防護(hù)能力、可用性及可信性六個(gè)方面來(lái)分析數(shù)據(jù)鏈系統(tǒng)的效能,建立了如圖2所示的數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估指標(biāo)體系[6]。

圖2 數(shù)據(jù)鏈系統(tǒng)效能評(píng)估指標(biāo)體系

3 灰色AHP模型的建立

3.1 評(píng)價(jià)指標(biāo)權(quán)重的確定

依據(jù)層次分析法的基本原理,在已構(gòu)建的指標(biāo)體系的基礎(chǔ)上,選取相關(guān)領(lǐng)域?qū)＜覅⒄?-9標(biāo)度針對(duì)各層元素關(guān)于準(zhǔn)則層的重要性進(jìn)行兩兩比較從而形成判斷矩陣。這里采用和積法來(lái)計(jì)算生成的判斷矩陣A的最大特征值λmax及特征向量ωi,即為指標(biāo)層評(píng)價(jià)指標(biāo)hij的相對(duì)權(quán)重并同樣記為ωi,其中一級(jí)指標(biāo)相對(duì)權(quán)重記為W,具體運(yùn)算步驟如下:

1)將矩陣A中元素按列分別歸一化,即求得:

(1)

2)將歸一化矩陣按行分別相加,即:

(2)

3)將wij按列歸一化即得權(quán)重向量,即:

(3)

4)計(jì)算矩陣A的最大特征根,記為:

(4)

表1 系統(tǒng)效能H1的判斷矩陣及權(quán)重向量ω1

3.2 構(gòu)造評(píng)價(jià)指標(biāo)樣本矩陣

將指標(biāo)評(píng)分等級(jí)劃分為4類(lèi),分別對(duì)應(yīng)優(yōu)、良、中、差4個(gè)評(píng)分標(biāo)準(zhǔn),對(duì)應(yīng)分值分別為4、3、2、1分,考慮到評(píng)判過(guò)程中出現(xiàn)的模糊類(lèi)別,細(xì)化增加了3個(gè)中間等級(jí)標(biāo)準(zhǔn),賦值分別為3.5、2.5、1.5分。

依據(jù)以上評(píng)分標(biāo)準(zhǔn),遴選了n位專(zhuān)家分別對(duì)某型數(shù)據(jù)鏈系統(tǒng)各評(píng)價(jià)指標(biāo)評(píng)判打分,制作了如表1所示的按遞階層次結(jié)構(gòu)給出的評(píng)分表,依據(jù)指標(biāo)優(yōu)劣分別在發(fā)放的評(píng)分表中給出對(duì)應(yīng)分值。

綜合n位專(zhuān)家的評(píng)分結(jié)果得到某型數(shù)據(jù)鏈系統(tǒng)的評(píng)估樣本矩陣:

其中:i=4,j=25,hijl表示第l位專(zhuān)家對(duì)指標(biāo)hij的評(píng)分值。

3.3 確定評(píng)估灰類(lèi)

評(píng)估灰類(lèi)涉及的3個(gè)重要屬性分別是評(píng)估灰類(lèi)的等級(jí)數(shù)、灰類(lèi)的灰數(shù)及灰類(lèi)的白化權(quán)函數(shù)[6],三者的確定是關(guān)鍵。根據(jù)指標(biāo)評(píng)分等級(jí)標(biāo)準(zhǔn)設(shè)定4個(gè)評(píng)估灰類(lèi),即e=1,2,3,4,分別對(duì)應(yīng)優(yōu)、良、中、差4個(gè)等級(jí),相應(yīng)的白化權(quán)函數(shù)依次為:

1)第一灰類(lèi)“優(yōu)”(e=1),灰數(shù)設(shè)定為?∈[4,+∞),其對(duì)應(yīng)的白化權(quán)函數(shù)為f1,如圖3所示;

2)第二灰類(lèi)“良”(e=2),灰數(shù)設(shè)定為?∈[0,3,6),其對(duì)應(yīng)的白化權(quán)函數(shù)為f2,如圖4所示;

3)第三灰類(lèi)“中”(e=3),灰數(shù)設(shè)定為?∈[0,2,4),其對(duì)應(yīng)的白化權(quán)函數(shù)為f3,如圖5所示;

4)第四灰類(lèi)“差”(e=4),灰數(shù)設(shè)定為?∈[4,∞),其對(duì)應(yīng)的白化權(quán)函數(shù)為f4,如圖6所示。

圖3 第一灰類(lèi)

圖4 第二灰類(lèi)

圖5 第三灰類(lèi)

圖6 第四灰類(lèi)

3.4 計(jì)算灰色評(píng)價(jià)權(quán)重及構(gòu)造灰色評(píng)價(jià)矩陣

對(duì)于數(shù)據(jù)鏈系統(tǒng)指標(biāo)Hi對(duì)應(yīng)的二級(jí)指標(biāo)層評(píng)價(jià)指標(biāo)hij,將n位專(zhuān)家評(píng)判打分值依次代入e(e=1,2,3,4)灰類(lèi)相應(yīng)的白化權(quán)函數(shù)得e灰類(lèi)灰色評(píng)估系數(shù),記為xije,總評(píng)估系數(shù)記為xij,具體數(shù)學(xué)表達(dá)式為:

則e灰類(lèi)的灰色評(píng)價(jià)權(quán)系數(shù)為:

rije=Qije/Qij

由以上關(guān)系,容易得出數(shù)據(jù)鏈系統(tǒng)底層指標(biāo)hij對(duì)于4個(gè)等級(jí)灰類(lèi)的灰色評(píng)價(jià)矩陣Ri為:

3.5 計(jì)算數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能的綜合評(píng)估值

1)將灰色評(píng)估權(quán)矩陣Ri與數(shù)據(jù)鏈系統(tǒng)評(píng)價(jià)指標(biāo)Hi對(duì)應(yīng)二級(jí)指標(biāo)hij的相對(duì)權(quán)重結(jié)合,得到綜合效能評(píng)估值,記為Di,即:

2)由評(píng)價(jià)指標(biāo)Hi的綜合評(píng)估效能值Di聚合得到系統(tǒng)一級(jí)指標(biāo)H總的灰色評(píng)估矩陣R。

據(jù)此可以求出數(shù)據(jù)鏈系統(tǒng)總的灰色評(píng)估結(jié)果D為:

D=ωT·R=[d1,d2,…,d5]

3)將四灰類(lèi)依據(jù)等級(jí)標(biāo)準(zhǔn)賦予不同的分效能值,其組成的分效能向量設(shè)定為C=[9,7,5,3],以此對(duì)總的灰色評(píng)估矩陣進(jìn)行歸一化處理,得到數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估值E為:

E=D·CT=[d1,d2,…,d5]·[9,7,5,3]T

數(shù)據(jù)鏈系統(tǒng)綜合評(píng)估效能值即為所求。

依據(jù)上述理論及計(jì)算方法,考慮各指標(biāo)等級(jí)劃分及對(duì)應(yīng)量化賦值不同,可將綜合評(píng)價(jià)值按標(biāo)準(zhǔn)劃分為4個(gè)檔次。當(dāng)專(zhuān)家對(duì)指標(biāo)Hij一致評(píng)定為4分時(shí),得到的綜合評(píng)價(jià)值為E=8.200;評(píng)定一致為3.5分時(shí)E=7.638 3;評(píng)定一致為3分時(shí)E=7.222;評(píng)定一致為2.5分時(shí)E=6.886 8;評(píng)定一致為2分時(shí)E=6.538 3;評(píng)定一致為1分時(shí)E=4.840。從而根據(jù)綜合評(píng)價(jià)值區(qū)間等級(jí)分類(lèi)如表2所示。

表2 5個(gè)分類(lèi)等級(jí)評(píng)估值區(qū)間

4 灰色AHP-BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型的實(shí)現(xiàn)

BP神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性逼近能力對(duì)于解決數(shù)據(jù)鏈系統(tǒng)效能評(píng)估問(wèn)題提供了一個(gè)新的思路[4,6],為系統(tǒng)效能評(píng)估設(shè)計(jì)了算子化的模型。文中采用典型的三層BP神經(jīng)網(wǎng)絡(luò)模型,即包含輸入層、隱含層及輸出層[3]。具體結(jié)構(gòu)如圖7所示。其中輸入層神經(jīng)元節(jié)

圖7 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

其中隱含層激活函數(shù)f設(shè)置為S型函數(shù):

4.1 選取訓(xùn)練樣本

訓(xùn)練樣本的選取對(duì)網(wǎng)絡(luò)的性能至關(guān)重要,關(guān)系著效能評(píng)估的可信性和準(zhǔn)確性。文中從這兩點(diǎn)出發(fā),選取10位專(zhuān)家分別依次對(duì)各指標(biāo)評(píng)判打分,抽取灰色層次分析法白化指標(biāo)作為輸入值,灰色層次分析法評(píng)估值作為輸出值作為原始訓(xùn)練樣本。具體數(shù)據(jù)如表3所示(由于篇幅限制僅截取部分樣本值)。

表3 專(zhuān)家評(píng)判打分及綜合評(píng)估值

4.2 網(wǎng)絡(luò)訓(xùn)練及仿真學(xué)習(xí)

將上述樣本值用于對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,直到滿(mǎn)足設(shè)定的精度要求才結(jié)束。部分網(wǎng)絡(luò)性能參數(shù)設(shè)置如下:

net.trainParam.epochs=7 000;

%設(shè)置網(wǎng)絡(luò)訓(xùn)練次數(shù)

net.trainParam.show=100;

%設(shè)置顯示間隔的訓(xùn)練次數(shù)

net.trainParam.mc=0.09;

%設(shè)置附加動(dòng)量常數(shù)

net.trainParam.goal=1e-50;

%設(shè)置允許誤差范圍

net.trainParam.lr=0.15;

%設(shè)置網(wǎng)絡(luò)學(xué)習(xí)速率

網(wǎng)絡(luò)訓(xùn)練的誤差曲線(xiàn)如圖8所示,當(dāng)學(xué)習(xí)到100次時(shí)訓(xùn)練結(jié)束,表明網(wǎng)絡(luò)已經(jīng)滿(mǎn)足了誤差精度要求,此時(shí)BP神經(jīng)網(wǎng)絡(luò)已建立了從專(zhuān)家評(píng)價(jià)到系統(tǒng)效能等級(jí)評(píng)價(jià)的映射。

為了驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型的準(zhǔn)確性及實(shí)用性,以某型數(shù)據(jù)鏈系統(tǒng)為例,以專(zhuān)家依據(jù)等級(jí)評(píng)價(jià)作為輸入送到訓(xùn)練好的網(wǎng)絡(luò)中,輸出結(jié)果與專(zhuān)家總體評(píng)價(jià)進(jìn)行對(duì)比分析。結(jié)果如表4所示。顯然從表4中容易得到神經(jīng)網(wǎng)絡(luò)輸出值與專(zhuān)家總體評(píng)價(jià)吻合,同時(shí)結(jié)合灰色層次分析法結(jié)果進(jìn)行對(duì)照分析結(jié)論一致,從上述結(jié)果可以得出BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)鏈系統(tǒng)評(píng)估模型結(jié)構(gòu)合理,結(jié)果比較理想,可以用于數(shù)據(jù)鏈系統(tǒng)的效能評(píng)估,進(jìn)一步為數(shù)據(jù)鏈系統(tǒng)的應(yīng)用提供了理論參考及智能化的評(píng)估,具有一定的應(yīng)用價(jià)值,也為評(píng)估方法和理論開(kāi)辟了一個(gè)新的方向和創(chuàng)新點(diǎn)。

表4 仿真結(jié)果對(duì)照分析表

圖8 誤差曲線(xiàn)圖

5 結(jié)束語(yǔ)

針對(duì)數(shù)據(jù)鏈性能特點(diǎn)及信息優(yōu)勢(shì)建立數(shù)據(jù)鏈系統(tǒng)效能評(píng)估指標(biāo)體系,并采用基于灰色AHP-BP神經(jīng)網(wǎng)絡(luò)的評(píng)估方法。首先構(gòu)建灰色AHP模型建立從專(zhuān)家評(píng)判值到效能評(píng)價(jià)值的輸出模型,以此采集網(wǎng)絡(luò)輸入輸出樣本,接下來(lái)采用BP神經(jīng)網(wǎng)絡(luò)非線(xiàn)性擬合能力把體現(xiàn)專(zhuān)家知識(shí)與經(jīng)驗(yàn)的等級(jí)評(píng)分值映射到系統(tǒng)效能,最后通過(guò)實(shí)例分析結(jié)果理想可靠,為評(píng)估理論指明了一個(gè)新的方向。文中也只是在貧樣本環(huán)境下訓(xùn)練網(wǎng)絡(luò),下一步將結(jié)合其他優(yōu)化算法進(jìn)行探索研究,考慮擬和能力更強(qiáng)的優(yōu)化算法在大樣本訓(xùn)練條件下評(píng)估的準(zhǔn)確性。

[1] 潘寒盡, 張德和, 邱學(xué)軍. 基于模糊灰色理論的數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估 [J]. 現(xiàn)代防御技術(shù), 2001, 39(4): 60-64.

[2] 呂娜. 數(shù)據(jù)鏈理論與系統(tǒng) [M]. 電子工業(yè)出版社, 2011: 36-40.

[3] 周燕, 陳烺中, 李為民. 基于BP神經(jīng)網(wǎng)絡(luò)的彈炮結(jié)合系統(tǒng)作戰(zhàn)效能評(píng)估 [J]. 系統(tǒng)工程與電子技術(shù), 2005, 27(1): 84-86.

[4] 陳佳昀, 武斌, 唐唐. AHP和BP神經(jīng)網(wǎng)絡(luò)在通信效能評(píng)估中的應(yīng)用 [J]. 現(xiàn)代電子技術(shù), 2009, 25(7): 65-67.

[5] 潘寒盡, 張德和, 邱學(xué)軍. 基于模糊灰色理論的數(shù)據(jù)鏈系統(tǒng)作戰(zhàn)效能評(píng)估 [J]. 現(xiàn)代防御技術(shù), 2011, 39(4): 60-64.

[6] 陳士濤, 張志峰, 歸建洲. 基于灰色理論的電子維修車(chē)保障效能綜合評(píng)估 [J]. 系統(tǒng)工程與電子技術(shù), 2009, 31(4): 994-996.

[7] 李志猛, 徐培德, 冉承新. 武器系統(tǒng)效能評(píng)估理論及應(yīng)用 [M]. 北京: 國(guó)防工業(yè)出版社, 2013: 50-56.

[8] 王銳, 張安, 史兆偉. 基于冪指數(shù)法和AHP的先進(jìn)戰(zhàn)斗機(jī)效能評(píng)估 [J]. 火力與指揮控制, 2008, 33(11): 73-76.

[9] 孫繼銀, 付光遠(yuǎn). 戰(zhàn)術(shù)數(shù)據(jù)鏈技術(shù)與系統(tǒng) [M]. 北京: 國(guó)防工業(yè)出版社, 2009: 80-95.

[10] 韓曉明, 張金哲, 張君. 基于指數(shù)法的航空裝備對(duì)比優(yōu)勢(shì)評(píng)估模型 [J]. 系統(tǒng)工程與電子技術(shù), 2009, 31(6): 1409-1414.

[11] 軒永波, 黃長(zhǎng)強(qiáng), 王勇. 基于灰色層次分析法的空間武器作戰(zhàn)效能評(píng)估 [J]. 空軍工程大學(xué)學(xué)報(bào), 2011, 12(2): 32-37.

[12] LEE B R, JUNG E K, CHOE S. Link-16 simulator design over jamming environments and Link-16 performance analysis with or without time synchronization [J]. Telecom Reviewm, 2013, 23(2): 261-275.

Efficiency Evaluation of Data Link System Based on Gray AHP-BP Neural Network

CHEN Qiang1,CHEN Changxing1,CHEN Ting2,CHENG Mengjiangchuan1

(1 Science College, Air Force Engineering University, Xi’an 710051, China;2 Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In order to improve the level of credibility and intelligence of efficiency evaluation, a BP neural network effectiveness evaluation frame of data link system on the basis of gray AHP theory was proposed. Considering performance and structure of data link system, according to the characteristics of advantage of data link information, the operational effectiveness assessment index system of data link was established. Through expert marking by standard, using AHP to determine the weight vectors of index, considering to use the albino indicators index of gray theory aggregate with different gray class efficiency value to generate comprehensive efficiency evaluation so that the output efficiency model was established. A three-layer BP neural network model was structured with the expert’s knowledge and experience as input, and the grey AHP comprehensive efficiency evaluation value as the output of the training network. Finally, the experiment validated that the result was consistent with the expert evaluation. Since the model uses the advantage of nonlinear fitting inheritance of BP neural network and aggregates the expert’s knowledge and experience effectively, therefore, it demonstrates validity and reliability of the model and provides intelligent operator for the data link system effectiveness evaluation. The model plays an important role in development and application of the data link.

data link system; index system; gray system model; analytic hierarchy process; BP neural network

2015-07-10

陜西省自然科學(xué)基礎(chǔ)研究項(xiàng)目(2014JM8344)資助

陳強(qiáng)(1989-),男,江西南昌人,碩士研究生,研究方向:數(shù)據(jù)鏈系統(tǒng)效能評(píng)估及影響分析。

TN919

A