一种武器装备体系的脆性风险分析方法及装置

摘要

本申请提供了一种武器装备体系的脆性风险分析方法及装置，该方法包括构建武器装备体系对应的有向网络，并根据有向网络中各节点间的权重，构建出网络邻接矩阵，基于网络邻接矩阵，可以准确地确定每个节点的入强度，并通过每个节点的入强度和聚类系数，即可确定每个节点的脆性风险熵，然后，可以将脆性风险熵满足设定条件的节点确定为关键节点，该关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析。如此，该方案通过针对该关键节点对应的武器装备具有的脆性因子进行分析和控制，可以有效地降低武器装备体系的脆性风险，也即是能够有效地避免武器装备体系崩溃，以此确保武器装备体系的稳定性。

说明书

技术领域

本申请涉及武器装备体系安全风险评估技术领域，尤其涉及一种武器装备体系的脆性风险分析方法及装置。

背景技术

不同时期，武器装备都会具有不同的特点。在现代战争中，武器装备的最明显特征就是形成体系，即形成武器装备体系。而武器装备体系的复杂不仅仅体现在构成复杂，同时体现在任务复杂和实施复杂。其中，复杂的武器装备体系包含数量较多的武器装备，形成该系统的武器装备就必然会存在彼此关联，因而武器装备间错综复杂的关联方式与组合，就会形成复杂的网络。

现阶段，武器装备体系形成的网络的稳定性通常会受到网络拓扑结构的影响，例如，如果武器装备体系中某一武器装备(即网络中的某一节点)发生脆性事件(即可能导致装备崩溃的风险事件)，就可能会导致该武器装备发生故障，而且这种故障可能会在网络中不断传递与扩大，从而导致整个武器装备体系崩溃。

综上，目前亟需一种武器装备体系的脆性风险分析方法，有效地降低装备系统的脆性风险。

发明内容

本申请示例性的实施方式中提供了一种武器装备体系的脆性风险分析方法及装置，有效地降低装备系统的脆性风险。

第一方面，本申请示例性的实施方式中提供了一种武器装备体系的脆性风险分析方法，包括：

构建武器装备体系对应的有向网络，并根据所述有向网络中各节点间的权重，构建出网络邻接矩阵；所述有向网络中的各节点分别表征所述武器装备体系中的各武器装备；所述有向网络中的各节点间存在连接指向关系；所述权重用于指示具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量；

基于所述网络邻接矩阵，确定每个节点的入强度，并通过每个节点的入强度和聚类系数，确定每个节点的脆性风险熵；所述每个节点的入强度用于表征指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度；所述聚类系数用于表征所述有向网络中该节点的聚集程度；

将脆性风险熵满足设定条件的节点确定为关键节点；所述关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析。

上述技术方案中，本申请中的技术方案通过在建立武器装备体系对应的有向网络后，即可根据该武器装备体系中各武器装备具有的能力数量，准确地确定有向网络中各武器装备对应的各节点间的权重，从而能够形成有向加权网络，该有向加权网络能够更加直观地体现出各武器装备在武器装备体系中的关联性。再基于该有向加权网络，针对每个节点，即可准确地计算出该节点的入强度，并通过该节点的入强度以及该节点的聚类系数，可以准确地计算出该节点的脆性风险熵。然后，通过将各节点的脆性风险熵进行比较，即可确定出满足设定条件的脆性风险熵，并将该满足设定条件的脆性风险熵对应的节点(即关键节点)所对应的武器装备作为对武器装备体系的稳定性有很大可能会产生较大影响(即针对武器装备体系产生大的脆性风险)的关键武器装备，进而通过对该关键武器装备具有的脆性因子进行分析和控制，即可有效地降低武器装备体系的脆性风险，也即是能够有效地避免武器装备体系崩溃，以此确保武器装备体系的稳定性。

在一些示例性的实施方式中，所述基于所述网络邻接矩阵，确定每个节点的入强度，包括：

针对任一节点，确定所述有向网络中指向所述节点的各具有连接关系的相邻节点，并从所述网络邻接矩阵中确定出所述各具有连接关系的相邻节点分别与所述节点之间的各权重；

通过所述各权重，确定所述节点的入强度。

上述技术方案中，一个节点的入强度能够反映指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度(即连接能力，也即是至少一个节点对应的相邻武器装备与该节点对应的武器装备之间的能力配合状况)，也即是能够反映该节点对应的武器装备对武器装备体系的影响能力，从而能够为确定该节点对应的武器装备发生故障时对武器装备体系的稳定性影响大小提供支持。其中，由于具有连接关系的节点间所设置的权重用于指示具有指向特性的节点对应的武器装备具有的能力数量，而能力是作为评价武器装备体系的合理性的重要指标，因此基于武器装备间的配合关联关系(即各武器装备间的能力配合关系)，针对任一节点，即可通过指向该节点的各具有连接关系的相邻节点(相当于各相邻节点会将各自具有的相关信息(比如能力相关信息)汇聚到该节点)与该节点之间的权重就能够反映该节点对应的武器装备对武器装备体系的影响能力。

在一些示例性的实施方式中，所述通过每个节点的入强度和聚类系数，确定每个节点的脆性风险熵，包括：

针对任一节点，基于所述节点的入强度，确定所述节点对应的测度函数值；

根据所述节点的聚类系数以及所述各节点的聚类系数，确定所述节点对应的影响系数；所述影响系数用于表征所述节点对应的武器装备在发生故障时对所述武器装备体系的影响程度；

基于所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点的脆性风险熵。

上述技术方案中，通过计算出的某一节点的入强度，能够计算出用于表征该节点对应的武器装备在发生故障时针对武器装备体系的稳定性影响的测度函数值，并通过该节点对应的测度函数值以及该节点对应的影响系数(即该节点对应的武器装备在发生故障时对武器装备体系的影响程度)，即可准确地计算出该节点的脆性风险熵，从而通过分析武器装备体系中各武器装备的脆性风险熵，即可准确地找出影响武器装备体系的稳定性的薄弱环节。

在一些示例性的实施方式中，通过下述方式确定每个节点的聚类系数：

针对任一节点，从所述有向网络中确定出与所述节点具有连接关系的至少一个相邻节点，并从所述网络邻接矩阵中确定出所述至少一个相邻节点分别与所述节点之间的权重；

通过至少一个权重，确定所述节点的总强度；所述总强度用于表征与所述节点具有连接关系的至少一个相邻节点与所述节点的关联程度；

基于所述节点的总强度以及与所述节点具有连接关系的至少一个相邻节点的数量，确定所述节点的聚类系数。

上述技术方案中，由于某一节点对应的影响系数反映了该节点对应的武器装备在发生故障时对武器装备体系的稳定性影响的重要程度，这与复杂网络理论中的聚类系数类似，因此将该节点的聚类系数进行归一化处理，即可得到该节点对应的影响系数。其中，基于聚类系数的定义，节点的聚类系数是由该节点的总强度以及与该节点具有连接关系的至少一个相邻节点的数量进行确定的。

在一些示例性的实施方式中，所述基于所述节点的入强度，确定所述节点对应的测度函数值，包括：

根据各节点的入强度，确定出总入强度，并根据所述节点的入强度以及所述总入强度，确定所述节点的负载率；

基于所述节点具有的各脆性事件的发生概率，确定所述节点的第一失效概率；

根据所述节点的负载率和所述节点的第一失效概率，确定所述节点对应的测度函数值。

上述技术方案中，一个节点对应的测度函数值是由该节点对应的武器装备的负载率以及该节点对应的武器装备的第一失效概率确定的，该节点对应的测度函数值能够用于确定该节点的脆性风险熵，如此，通过分析武器装备体系中各武器装备的脆性风险熵，即可准确地找出影响武器装备体系的稳定性的薄弱环节。其中，该节点对应的武器装备的负载率是该节点的入强度以及有向网络中各节点形成的总入强度确定的；该节点对应的武器装备的第一失效概率是由该节点对应的武器装备具有的各脆性事件的发生概率(比如各风险行为事件的发生可能性，也即是各故障对象的发生可能性)确定的。

在一些示例性的实施方式中，所述基于所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点的脆性风险熵，包括：

根据所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点对应的第一数值；

根据所述节点对应的第一数值以及各节点对应的第一数值，确定所述节点对应的效用系数；

通过所述节点对应的测度函数值以及所述节点对应的效用系数，确定所述节点的脆性风险熵。

上述技术方案中，由于某一节点对应的影响系数反映了该节点对应的武器装备在发生故障时对武器装备体系的稳定性影响的重要程度，以及该节点对应的测度函数值反映了该节点对应的武器装备在发生故障时对武器装备体系的稳定性的影响，因此通过将该节点对应的影响系数和测度函数值进行综合并归一化处理后，即可得到用于确定该节点的脆性风险熵的效用系数，然后，通过该节点对应的测度函数值以及该节点对应的效用系数，就能够准确地计算出该节点的脆性风险熵。

在一些示例性的实施方式中，所述基于所述节点具有的各脆性事件的发生概率，确定所述节点的第一失效概率，包括：

针对所述节点具有的任一脆性事件，确定所述脆性事件的发生概率，并确定所述脆性事件引发所述节点对应的武器装备失效的第二失效概率；

根据各脆性事件的发生概率以及所述脆性事件对应的第二失效概率，确定所述节点的第一失效概率；

所述根据所述节点的负载率和所述节点的第一失效概率，确定所述节点对应的测度函数值，包括：

设置所述节点的负载率的第一系数值，并设置所述节点的第一失效概率的第二系数值；

根据所述节点的负载率、所述第一系数值、所述节点的第一失效概率以及所述第二系数值，确定所述节点对应的测度函数值。

上述技术方案中，为了能够准确地计算出某一节点对应的测度函数值，且为了能够使得所计算出的测度函数值更加贴合实际场景，更加符合该节点对应的武器装备的实际状况，因此通过分别为该节点的负载率以及该节点的第一失效概率设置各自相匹配的系数值，即可能够计算出更加准确且更加符合实际状况的测度函数值。

在一些示例性的实施方式中，将脆性风险熵满足设定条件的节点确定为关键节点，包括：

将所述各节点的脆性风险熵中最大的脆性风险熵对应的节点确定为所述关键节点；

所述关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析，包括：

通过对所述关键节点对应的武器装备具有的各脆性因子进行分析，确定出所述武器装备的主脆性因子，并将所述主脆性因子作为降低所述武器装备体系的脆性风险的主控制因子。

上述技术方案中，通过将各节点的脆性风险熵进行比较，或者将各节点的脆性风险熵按照从大到小的顺序进行排序，即可准确地确定出最大的脆性风险熵，并将该最大的脆性风险熵对应的节点确定为关键节点(即对武器装备体系的稳定性的影响大的节点)，从而通过针对该关键节点对应的武器装备具有的各脆性因子进行分析，即可准确地确定出该关键节点对应的武器装备的主脆性因子(即很大可能会导致该关键节点对应的武器装备发生故障或崩溃的脆性因子)，进而通过针对该关键节点对应的武器装备的主脆性因子加以有效地控制，即可能够有效地降低武器装备体系的脆性风险。

第二方面，本申请示例性的实施方式中提供了一种武器装备体系的脆性风险分析装置，包括：

构建单元，用于构建武器装备体系对应的有向网络，并根据所述有向网络中各节点间的权重，构建出网络邻接矩阵；所述有向网络中的各节点分别表征所述武器装备体系中的各武器装备；所述有向网络中的各节点间存在连接指向关系；所述权重用于指示具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量；

处理单元，用于基于所述网络邻接矩阵，确定每个节点的入强度，并通过每个节点的入强度和聚类系数，确定每个节点的脆性风险熵；所述每个节点的入强度用于表征指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度；所述聚类系数用于表征所述有向网络中该节点的聚集程度；将脆性风险熵满足设定条件的节点确定为关键节点；所述关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析。

在一些示例性的实施方式中，所述处理单元具体用于：

针对任一节点，确定所述有向网络中指向所述节点的各具有连接关系的相邻节点，并从所述网络邻接矩阵中确定出所述各具有连接关系的相邻节点分别与所述节点之间的各权重；

通过所述各权重，确定所述节点的入强度。

在一些示例性的实施方式中，所述处理单元具体用于：

针对任一节点，基于所述节点的入强度，确定所述节点对应的测度函数值；

根据所述节点的聚类系数以及所述各节点的聚类系数，确定所述节点对应的影响系数；所述影响系数用于表征所述节点对应的武器装备在发生故障时对所述武器装备体系的影响程度；

基于所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点的脆性风险熵。

在一些示例性的实施方式中，所述处理单元具体用于：

针对任一节点，从所述有向网络中确定出与所述节点具有连接关系的至少一个相邻节点，并从所述网络邻接矩阵中确定出所述至少一个相邻节点分别与所述节点之间的权重；

通过至少一个权重，确定所述节点的总强度；所述总强度用于表征与所述节点具有连接关系的至少一个相邻节点与所述节点的关联程度；

基于所述节点的总强度以及与所述节点具有连接关系的至少一个相邻节点的数量，确定所述节点的聚类系数。

在一些示例性的实施方式中，所述处理单元具体用于：

根据各节点的入强度，确定出总入强度，并根据所述节点的入强度以及所述总入强度，确定所述节点的负载率；

基于所述节点具有的各脆性事件的发生概率，确定所述节点的第一失效概率；

根据所述节点的负载率和所述节点的第一失效概率，确定所述节点对应的测度函数值。

在一些示例性的实施方式中，所述处理单元具体用于：

根据所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点对应的第一数值；

根据所述节点对应的第一数值以及各节点对应的第一数值，确定所述节点对应的效用系数；

通过所述节点对应的测度函数值以及所述节点对应的效用系数，确定所述节点的脆性风险熵。

在一些示例性的实施方式中，所述处理单元具体用于：

针对所述节点具有的任一脆性事件，确定所述脆性事件的发生概率，并确定所述脆性事件引发所述节点对应的武器装备失效的第二失效概率；

根据各脆性事件的发生概率以及所述脆性事件对应的第二失效概率，确定所述节点的第一失效概率；

所述处理单元具体用于：

设置所述节点的负载率的第一系数值，并设置所述节点的第一失效概率的第二系数值；

根据所述节点的负载率、所述第一系数值、所述节点的第一失效概率以及所述第二系数值，确定所述节点对应的测度函数值。

在一些示例性的实施方式中，所述处理单元具体用于：

将所述各节点的脆性风险熵中最大的脆性风险熵对应的节点确定为所述关键节点；

所述处理单元具体用于：

通过对所述关键节点对应的武器装备具有的各脆性因子进行分析，确定出所述武器装备的主脆性因子，并将所述主脆性因子作为降低所述武器装备体系的脆性风险的主控制因子。

第三方面，本申请实施例提供一种计算设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任意所述的武器装备体系的脆性风险分析方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述第一方面任意所述的武器装备体系的脆性风险分析方法。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一些实施例提供的一种武器装备体系的脆性风险分析方法的流程示意图；

图2为本申请一些实施例提供的一种有向加权网络的示意图；

图3为本申请一些实施例提供的一种武器装备体系的脆性风险分析装置的结构示意图；

图4为本申请一些实施例提供的一种计算设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

图1示例性的示出了本申请实施例提供的一种武器装备体系的脆性风险分析方法的流程，该流程可以由武器装备体系的脆性风险分析装置执行。其中，武器装备体系的脆性风险分析装置可以是服务器或者也可以是能够支持服务器实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备。

如图1所示，该流程具体包括：

步骤101，构建武器装备体系对应的有向网络，并根据所述有向网络中各节点间的权重，构建出网络邻接矩阵。

本申请实施例中，针对任一武器装备体系，该武器装备体系中可以包括一个或多个武器装备，该多个武器装备可以是相同类型的装备，也可以是不同类型的装备，或者，也可以是一部分武器装备属于相同类型的装备，一部分武器装备属于另外类型的装备，一部分武器装备属于其它类型的装备等。可以基于加权网络方法，构建该武器装备体系的有向网络，再根据各武器装备的能力数量得到各武器装备间的权重，从而构建出有向加权网络，也即是，将武器装备体系中的各武器装备映射为网络中的节点(即在网络中创建各武器装备对应的节点)，将各武器装备间的配合关联关系映射为网络中各对应节点之间的有向边(即具有配合关联关系的两节点间用有向边进行连接，该具有方向性的边可以表示具有配合关联关系的两节点中一个节点对应的武器装备的相关信息是流向与该节点相连的另一节点对应的武器装备，也即是往与该节点相连的另一节点对应的武器装备进行汇聚)，从而构建出有向网络。然后，确定有向网络中各节点间的权重(即通过具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量进行表示该两节点间的权重)，也即是，将具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量映射为两节点间的权重，进而可以构建出有向加权网络。其中，有向网络中的各节点分别表征武器装备体系中的各武器装备；有向网络中的各节点间存在连接指向关系(即具有连接关系的两节点中具有指向特性的节点对应的武器装备的相关信息流向与该节点相连的另一节点对应的武器装备所形成的两节点间的连接指向关系)；网络邻接矩阵中包括有向网络中各节点间的权重；权重用于指示具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量，比如针对某一武器装备，该武器装备具有的能力可以包括防御能力、攻击能力、侦察能力、导航能力等。其中，有向网络中的节点可以用V表示，节点间的有向边用E{Ei,j丨Ei,j＝(0,1)}表示，i，j＝0,1,2,…,n，Ei,j表示节点Vi对应的武器装备到节点Vj对应的武器装备的配合关联关系，具有连接关系的两节点间形成的有向边为连通边，即Ei,j＝1，i＞j；如果两节点间不连通时，Ei,j＝＝0；所构建出的网络邻接矩阵可以用W表示，比如W＝[w

步骤102，基于所述网络邻接矩阵，确定每个节点的入强度，并通过每个节点的入强度和聚类系数，确定每个节点的脆性风险熵。

本申请实施例中，每个节点的入强度用于表征指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度；每个节点的聚类系数用于表征有向网络中该节点的聚集程度(也即是按照图形理论，聚集系数是表示一个图形中节点聚集程度的系数，比如在某一网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系，例如节点V11连接于节点V12，节点V12连接于节点V13，那么节点V13很可能与V11相连接，这种现象体现了部分节点间存在的密集连接性质)。

具体地，针对任一节点，从有向网络中确定出指向该节点的各具有连接关系的相邻节点，并从网络邻接矩阵中选择出各具有连接关系的相邻节点分别与该节点之间的各权重，然后，通过该各权重，即可计算出该节点的入强度，比如，可以将该各权重进行加和处理，将加和处理后的结果确定为该节点的入强度；或者，可以按照各具有连接关系的相邻节点对应的武器装备的重要程度为各权重设置相应的系数，再采用加权平均的方式，将各权重分别与各自相对应的系数进行乘法处理，并将各乘法处理后的结果进行加和处理后所得到的总结果与各系数总和的比值确定为该节点的入强度，或者，可以直接将各乘法处理后的结果进行加和处理后所得到的总结果作为该节点的入强度；或者可以采用其它方式针对各权重进行相应的处理以便得到该节点的入强度，本申请实施例对此并不作限定。其中，该节点的入强度能够反映指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度(即连接能力，也即是至少一个节点对应的相邻武器装备与该节点对应的武器装备之间的能力配合状况)，也即是能够反映该节点对应的武器装备对武器装备体系的影响能力。示例性地，以将该各权重进行加和处理得到节点的入强度为例进行描述，比如有向网络中某一节点Vj，该节点Vj的入强度S

其中，γ表示有向网络中指向节点Vj的各具有连接关系的相邻节点的集合，w

然后，基于该节点的入强度，确定该节点对应的测度函数值，再根据该节点的聚类系数以及各节点的聚类系数，即可确定该节点对应的影响系数，也即是，通过各节点的聚类系数，计算出总聚类系数，并将该节点的聚类系数与总聚类系数的比值作为该节点对应的影响系数，该影响系数用于表征该节点对应的武器装备在发生故障时对武器装备体系的影响程度。之后，基于该节点对应的测度函数值和该节点对应的影响系数，即可确定出该节点的脆性风险熵。其中，一个节点对应的测度函数值是由该节点对应的武器装备的负载率以及该节点对应的武器装备的第一失效概率确定的，因此在确定该节点对应的测度函数值时可以采用下述具体方式，即：首先根据各节点的入强度，即可确定出总入强度，并根据该节点的入强度以及总入强度，即可确定出该节点的负载率，比如针对有向网络中某一节点Vj，该节点Vj的负载率LR

同时，可以采用下述方式确定每个节点的聚类系数，即：针对任一节点，从有向网络中确定出与该节点具有连接关系的至少一个相邻节点，并从网络邻接矩阵中确定出至少一个相邻节点分别与该节点之间的权重。再通过至少一个权重，即可确定该节点的总强度。然后，基于该节点的总强度以及与该节点具有连接关系的至少一个相邻节点的数量，即可确定出该节点的聚类系数。其中，总强度用于表征与该节点具有连接关系的至少一个相邻节点与该节点的关联程度。也即是，比如，有向网络中某一节点Vj，该节点Vj的聚类系数c

其中，c

此外，可以采用下述方式确定每个节点的脆性风险熵，即：可以根据该节点对应的测度函数值和该节点对应的影响系数，确定该节点对应的第一数值，并根据该节点对应的第一数值以及各节点对应的第一数值，即可确定该节点对应的效用系数，比如，针对有向网络中某一节点Vj，将该节点Vj的聚类系数进行归一化处理，即可确定该节点Vj对应的影响系数ξ

步骤103，将脆性风险熵满足设定条件的节点确定为关键节点。

本申请实施例中，该关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析。具体地，将各节点的脆性风险熵中最大的脆性风险熵对应的节点确定为关键节点，例如，通过将各节点的脆性风险熵进行比较，可以准确地确定出最大的脆性风险熵，或者，将各节点的脆性风险熵按照从大到小的顺序进行排序，即可准确地确定出最大的脆性风险熵，也即是最大的脆性风险熵H(Vk)＝maxH(vj)，并将该最大的脆性风险熵对应的节点确定为关键节点(即对武器装备体系的稳定性的影响大的节点)。然后，通过针对该关键节点对应的武器装备具有的各脆性因子进行分析，即可准确地确定出该关键节点对应的武器装备的主脆性因子(即很大可能会导致该关键节点对应的武器装备发生故障或崩溃的脆性因子)，进而通过针对该关键节点对应的武器装备的主脆性因子(即为用于降低武器装备体系的脆性风险的主控制因子)加以有效地控制，即可能够有效地降低武器装备体系的脆性风险。

示例性地，针对某一武器装备体系，假设该武器装备体系中包括6个武器装备，并假设针对武器装备体系中的6个武器装备所构建出的网络邻接矩阵为

表1

通过上述计算节点的负载率LR

表2

基于上述表2，通过将上述表2中6个节点的脆性风险熵进行比较，可以准确地确定出最大的脆性风险熵，或者，将6个节点的脆性风险熵按照从大到小的顺序进行排序，也可以准确地确定出最大的脆性风险熵，也即是最大的脆性风险熵H(Vk)＝max{H(V1),H(V2),H(V3),H(V4),H(V5),H(V6)}＝max{0.1265,0.0654,0.1548,0.1014,0.0843,0.1593}＝0.1593，该最大的脆性风险熵0.1593对应的节点为节点V6，也即是作为关键节点。然后，通过针对节点V6具有的各脆性因子进行分析处理，即可确定出该节点V6的主脆性因子(比如节点的脆性风险熵主要与节点的入强度以及聚类系数有关，那么在确定主脆性因子时，也即是从影响节点的入强度以及聚类系数的相关影响因子中选择)，并将该节点V6的主脆性因子作为降低该节点V6所对应的武器装备体系的脆性风险的主控制因子，从而通过针对该主控因子加以有效地控制，即可能够有效地避免武器装备体系崩溃，以此确保武器装备体系的稳定性。

上述实施例表明，本申请中的技术方案通过在建立武器装备体系对应的有向网络后，即可根据该武器装备体系中各武器装备具有的能力数量，准确地确定有向网络中各武器装备对应的各节点间的权重，从而能够形成有向加权网络，该有向加权网络能够更加直观地体现出各武器装备在武器装备体系中的关联性。再基于该有向加权网络，针对每个节点，即可准确地计算出该节点的入强度，并通过该节点的入强度以及该节点的聚类系数，可以准确地计算出该节点的脆性风险熵。然后，通过将各节点的脆性风险熵进行比较，即可确定出满足设定条件的脆性风险熵，并将该满足设定条件的脆性风险熵对应的节点(即关键节点)所对应的武器装备作为对武器装备体系的稳定性有很大可能会产生较大影响(即针对武器装备体系产生大的脆性风险)的关键武器装备，进而通过对该关键武器装备具有的脆性因子进行分析和控制，即可有效地降低武器装备体系的脆性风险，也即是能够有效地避免武器装备体系崩溃，以此确保武器装备体系的稳定性。

基于相同的技术构思，图3示例性的示出了本申请实施例提供的一种武器装备体系的脆性风险分析装置，该装置可以执行武器装备体系的脆性风险分析方法的流程。其中，武器装备体系的脆性风险分析装置可以是服务器或者也可以是能够支持服务器实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备。

如图3所示，该装置包括：

构建单元301，用于构建武器装备体系对应的有向网络，并根据所述有向网络中各节点间的权重，构建出网络邻接矩阵；所述有向网络中的各节点分别表征所述武器装备体系中的各武器装备；所述有向网络中的各节点间存在连接指向关系；所述权重用于指示具有连接关系的两节点中具有指向特性的节点对应的武器装备具有的能力数量；

处理单元302，用于基于所述网络邻接矩阵，确定每个节点的入强度，并通过每个节点的入强度和聚类系数，确定每个节点的脆性风险熵；所述每个节点的入强度用于表征指向该节点的至少一个具有连接关系的相邻节点与该节点的关联程度；所述聚类系数用于表征所述有向网络中该节点的聚集程度；将脆性风险熵满足设定条件的节点确定为关键节点；所述关键节点对应的武器装备具有的脆性因子用于进行所述武器装备体系的脆性风险的分析。

在一些示例性的实施方式中，所述处理单元302具体用于：

针对任一节点，确定所述有向网络中指向所述节点的各具有连接关系的相邻节点，并从所述网络邻接矩阵中确定出所述各具有连接关系的相邻节点分别与所述节点之间的各权重；

通过所述各权重，确定所述节点的入强度。

在一些示例性的实施方式中，所述处理单元302具体用于：

针对任一节点，基于所述节点的入强度，确定所述节点对应的测度函数值；

根据所述节点的聚类系数以及所述各节点的聚类系数，确定所述节点对应的影响系数；所述影响系数用于表征所述节点对应的武器装备在发生故障时对所述武器装备体系的影响程度；

基于所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点的脆性风险熵。

在一些示例性的实施方式中，所述处理单元302具体用于：

针对任一节点，从所述有向网络中确定出与所述节点具有连接关系的至少一个相邻节点，并从所述网络邻接矩阵中确定出所述至少一个相邻节点分别与所述节点之间的权重；

通过至少一个权重，确定所述节点的总强度；所述总强度用于表征与所述节点具有连接关系的至少一个相邻节点与所述节点的关联程度；

基于所述节点的总强度以及与所述节点具有连接关系的至少一个相邻节点的数量，确定所述节点的聚类系数。

在一些示例性的实施方式中，所述处理单元302具体用于：

根据各节点的入强度，确定出总入强度，并根据所述节点的入强度以及所述总入强度，确定所述节点的负载率；

基于所述节点具有的各脆性事件的发生概率，确定所述节点的第一失效概率；

根据所述节点的负载率和所述节点的第一失效概率，确定所述节点对应的测度函数值。

在一些示例性的实施方式中，所述处理单元302具体用于：

根据所述节点对应的测度函数值和所述节点对应的影响系数，确定所述节点对应的第一数值；

根据所述节点对应的第一数值以及各节点对应的第一数值，确定所述节点对应的效用系数；

通过所述节点对应的测度函数值以及所述节点对应的效用系数，确定所述节点的脆性风险熵。

在一些示例性的实施方式中，所述处理单元302具体用于：

针对所述节点具有的任一脆性事件，确定所述脆性事件的发生概率，并确定所述脆性事件引发所述节点对应的武器装备失效的第二失效概率；

根据各脆性事件的发生概率以及所述脆性事件对应的第二失效概率，确定所述节点的第一失效概率；

所述处理单元302具体用于：

设置所述节点的负载率的第一系数值，并设置所述节点的第一失效概率的第二系数值；

根据所述节点的负载率、所述第一系数值、所述节点的第一失效概率以及所述第二系数值，确定所述节点对应的测度函数值。

在一些示例性的实施方式中，所述处理单元302具体用于：

将所述各节点的脆性风险熵中最大的脆性风险熵对应的节点确定为所述关键节点；

所述处理单元302具体用于：

通过对所述关键节点对应的武器装备具有的各脆性因子进行分析，确定出所述武器装备的主脆性因子，并将所述主脆性因子作为降低所述武器装备体系的脆性风险的主控制因子。

基于相同的技术构思，本申请实施例还提供了一种计算设备，如图4所示，包括至少一个处理器401，以及与至少一个处理器连接的存储器402，本申请实施例中不限定处理器401与存储器402之间的具体连接介质，图4中处理器401和存储器402之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。

在本申请实施例中，存储器402存储有可被至少一个处理器401执行的指令，至少一个处理器401通过执行存储器402存储的指令，可以执行前述的武器装备体系的脆性风险分析方法中所包括的步骤。

其中，处理器401是计算设备的控制中心，可以利用各种接口和线路连接计算设备的各个部分，通过运行或执行存储在存储器402内的指令以及调用存储在存储器402内的数据，从而实现数据处理。可选的，处理器401可包括一个或多个处理单元，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。在一些实施例中，处理器401和存储器402可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器401可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合武器装备体系的脆性风险分析方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器402可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器402是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器402还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述武器装备体系的脆性风险分析方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。