装备作战效能的灰靶综合靶心度评估方法及设备

摘要

本发明公开了一种装备作战效能的灰靶综合靶心度评估方法及设备，所述灰靶综合靶心度评估方法包括以下步骤：根据优质性能参考指标信息构建基于灰靶理论的正向靶心；生成实际性能指标信息对应的作战效能指标矩阵；将作战效能指标矩阵与正向靶心的灰色关联度，作为灰靶理论的正向靶心度；根据劣质性能参考指标信息构建虚拟负向靶心，并将作战效能指标矩阵与虚拟负向靶心的灰色关联度，作为虚拟负向靶心度；依据正向靶心度和虚拟负向靶心度，计算得到综合靶心度评估装备作战效能。本发明还公开了一种系统、设备及计算机可读存储介质。本发明提高了对装备作战效能评估的可靠性和客观性。

说明书

技术领域

本发明涉及装备作战效能评估领域，尤其涉及一种装备作战效能的灰靶综合靶心度评估方法及设备。

背景技术

武器装备作战效能是指装备在规定作战阶段和作战环境下，满足一组预期作战任务要求程度的功能性能及作战能力,作战效能的评估实质就是衡量与评价作战效能指标数据序列对作战任务需求数据序列的满足程度，通常通过多维度数据的描述、统计、分析等来实现。由于评估数据的少量、缺失等特征，使得灰靶理论在装备作战效能评估领域占有了一席之地。

灰靶理论的模型依据是灰色关联分析方法，基于灰靶理论的作战效能评估基本思想是针对装备作战效能或综合能力评估指标体系中某一个指标值序列，在进行指标值的无量钢化处理后，构成与各装备所对应的参考数据模式，即标准模式，灰靶理论认为标准模式是灰靶的靶心，远离靶心的模式称之为靶边，向上远离者称之为上靶边，向下远离者称之为下靶边；每个灰关联差异信息空间中的模式与靶心的灰关联度称为靶心接近度，简称靶心度。最终基于靶心度就可以对各评估对象进行作战效能的评估与排序。显然，代表各装备作战效能的数据模式越接近标准模式，则该模式所代表的装备作战效能就越优。所以，只要求得各模式靶心度，便能对各模式所代表的装备进行作战效能评估和排序优选。

目前应用灰靶理论时，一般选择作战任务正向需求数据序列作为参考序列，但是该方法并不能直接反映各种功能性能及作战能力对作战效能的真实贡献程度。因为实际的武器装备作战运用环境中，各种功能性能及作战能力并不是越接近标准模式或靶心，装备就能取得越好的作战效果。随着战场环境的变化，为了取得较好的作战运用效果，还希望武器装备种功能性能及作战能力远离那些不利的影响因素。也就是说，为了更好地指导武器装备的作战运用问题，我们除了需要评价装备对作战任务需求的满足程度，大多数情况下还需要了解对作战任务需求的不满足程度，也就是对作战任务负向需求的满足程度，提高对装备作战效能评估的可靠性和客观性。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种装备作战效能的灰靶综合靶心度评估方法及设备，旨在提高对装备作战效能评估的可靠性和客观性。

为实现上述目的，本发明提供一种装备作战效能的灰靶综合靶心度评估方法，所述灰靶综合靶心度评估方法包括以下步骤：

获取待评估装备的优质性能参考指标信息，根据所述优质性能参考指标信息构建基于灰靶理论的正向靶心；

获取待评估装备的实际性能指标信息，根据所述待评估装备对应的预设作战效能指标体系对所述实际性能指标信息进行转换，生成所述实际性能指标信息对应的作战效能指标矩阵；

将所述作战效能指标矩阵与所述正向靶心的灰色关联度，作为灰靶理论的正向靶心度；

获取待评估装备的劣质性能参考指标信息，根据所述劣质性能参考指标信息构建虚拟负向靶心，并将所述作战效能指标矩阵与所述虚拟负向靶心的灰色关联度，作为虚拟负向靶心度；

依据所述正向靶心度和所述虚拟负向靶心度，计算得到综合靶心度，并根据所述综合靶心度评估装备作战效能。

可选地，所述实际性能指标信息为待评估装备的多属性指标矩阵，所述根据所述待评估装备对应的预设作战效能指标体系对所述实际性能指标信息进行转换，生成所述实际性能指标信息对应的作战效能指标矩阵的步骤包括：

根据所述待评估装备对应的预设作战效能指标体系，对所述多属性指标矩阵进行等极性化处理，得到等极性化矩阵；

对所述等极性化矩阵进行无量纲化处理，得到所述等极性化矩阵对应的作战效能指标矩阵。

可选地，所述根据所述待评估装备对应的预设作战效能指标体系，对所述多属性指标矩阵进行等极性化处理，得到等极性化矩阵的步骤包括：

根据所述待评估装备对应的预设作战效能指标体系，确定所述多属性指标矩阵中行为表现参数值的固有属性，并获取所述多属性指标矩阵中的最大值和最小值；

若行为表现参数值的固有属性为极大值属性，则将行为表现参数值与所述最大值之间的商值，作为行为表现参数值对应的等极性值；

若行为表现参数值的固有属性为极小值属性，则将行为表现参数值与所述最小值之间的商值，作为行为表现参数值对应的等极性值；

若行为表现参数值的固有属性为适中值属性，则获取行为表现参数值对应的适中值，并根据所述适中值计算行为表现参数值对应的等极性值；

基于所述等极性值构建等极性化矩阵。

可选地，所述对所述等极性化矩阵进行无量纲化处理，得到所述等极性化矩阵对应的作战效能指标矩阵的步骤包括：

计算所述等极性化矩阵对应的样本均值和样本方差；

根据所述样本均值和所述样本方差，将所述等极性化矩阵转换为所述等极性化矩阵对应的作战效能指标矩阵。

可选地，所述将所述作战效能指标矩阵与所述正向靶心的灰色关联度，作为灰靶理论的正向靶心度的步骤包括：

确定所述正向靶心对应的第一参考指标值矩阵；

将所述作战效能指标矩阵和第一参考指标值矩阵进行差值化处理，得到第一指标值差异矩阵；

根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

可选地，所述根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度的步骤之前包括：

根据所述第一指标值差异矩阵的样本均值和样本方差，计算加权离差平方和；

基于所述加权离差平方和计算性能指标数据权重；

所述根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度的步骤包括：

根据所述第一指标值差异矩阵和所述性能指标数据权重，计算得到正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

可选地，所述将所述作战效能指标矩阵与所述虚拟负向靶心的灰色关联度，作为虚拟负向靶心度的步骤包括：

确定所述虚拟负向靶心对应的第二参考指标值矩阵；

将所述作战效能指标矩阵和第二参考指标值矩阵进行差异化处理，得到第二指标值差异矩阵；

根据所述第二指标值差异矩阵和所述性能指标数据权重，计算得到负向作战效能评估值，将所述负向作战效能评估值作为虚拟负向靶心度。

此外，为实现上述目的，本发明还提供一种装备作战效能的灰靶综合靶心度评估设备，所述装备作战效能的灰靶综合靶心度评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的灰靶综合靶心度评估程序，所述灰靶综合靶心度评估程序被所述处理器执行时实现如上任一项所述的灰靶综合靶心度评估方法的步骤。

由于选取的武器装备作战效能评估的常规标准模式或正向靶心，并不能直接反映各种功能性能及作战能力对作战效能的真实贡献程度。因为实际的武器装备作战运用环境中，各种功能性能及作战能力并不是越接近常规标准模式或正向靶心，装备就能取得越好的作战效果。随着战场环境的变化，为了取得较好的作战运用效果，还希望武器装备种功能性能及作战能力远离那些不利的影响因素。基于上述原因和TOPSIS方法理念，如果我们能同时确定最优的、最劣的标准模式或靶心，针对两个靶心分别求取最优靶心度(即正向靶心度)和最劣靶心度(即虚拟负向靶心度)，对两个靶心度进行聚合得到基于灰靶理论的综合靶心度，从而基于综合靶心度对不同武器装备作战效能进行评估和排序优选，进而为武器装备作战运用提供更多的参考信息，提高对装备作战效能评估的可靠性和客观性。本发明通过在构建标准模式时综合利用原始评估数据参数的最优和最劣信息，评估机理既考虑装备完成作战任务正向需求的参考价值，又考虑装备完成作战任务负向需求的参考价值，进而提高了对装备作战效能评估的可靠性和客观性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明灰靶综合靶心度评估方法第一实施例的流程示意图；

图2为本发明实施例中基于TOPSIS方式的灰靶理论的靶心改进示意图；

图3为本发明实施例中灰靶理论改进的模型流程示意图；

图4为本发明灰靶综合靶心度评估方法中预设作战效能指标体系的一示例图；

图5为本发明灰靶综合靶心度评估方法第二实施例的流程示意图；

图6为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，在本实施例中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。

应当理解，尽管在本实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者，如同在本实施例中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。例如，“包括以下至少一个：A、B、C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”，再如，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

应该理解的是，虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本实施例中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

需要说明的是，在本实施例中，采用了诸如S100、S200等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行S200后执行S100等，但这些均应在本申请的保护范围之内。

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。

目前应用灰靶理论时，一般选择作战任务正向需求数据序列作为参考序列，但是该方法并不能直接反映各种功能性能及作战能力对作战效能的真实贡献程度。因为实际的武器装备作战运用环境中，各种功能性能及作战能力并不是越接近标准模式或靶心，装备就能取得越好的作战效果。随着战场环境的变化，为了取得较好的作战运用效果，还希望武器装备种功能性能及作战能力远离那些不利的影响因素。也就是说，为了更好地指导武器装备的作战运用问题，我们除了需要评价装备对作战任务需求的满足程度，大多数情况下还需要了解对作战任务需求的不满足程度，也就是对作战任务负向需求的满足程度，提高对装备作战效能评估的可靠性和客观性。

基于此，本发明第一实施例提供一种装备作战效能的灰靶综合靶心度评估方法，请参照图1，所述灰靶综合靶心度评估方法包括以下步骤：

步骤S100，获取待评估装备的优质性能参考指标信息，根据所述优质性能参考指标信息构建基于灰靶理论的正向靶心；

首先先介绍灰靶理论，本领域技术人员可以理解的是，灰靶理论的模型依据是灰色关联分析方法，基于灰靶理论的作战效能评估基本思想是针对装备作战效能或综合能力评估指标体系中某一个指标值序列，在进行指标值的无量纲化处理后，构成与各装备所对应的参考数据模式或标准模式(即本实施例所称的正向靶心)，各模式和标准模式共同构成了一个灰靶，然后进行分析。即首先设定基于灰靶理论的正向靶心(也就是灰色关联分析中的参考数据列，由于效能评估问题中评估指标最优值通常难以直接给出，所以常规灰靶理论一般基于所有评估对象的指标最大值构建靶心)，然后计算各评估对象指标值序列与靶心的灰色关联系数和灰色靶心度。

灰靶理论认为标准模式是灰靶的靶心(即本实施例中的正向靶心)，远离靶心的模式称之为靶边，向上远离者称之为上靶边，向下远离者称之为下靶边；每个灰关联差异信息空间中的模式与靶心的灰关联度称为靶心接近度，简称正向靶心度。最终基于正向靶心度就可以对各评估对象进行正向作战效能的评估与排序。显然，代表各装备作战效能的数据模式越接近标准模式，则该模式所代表的装备作战效能就越优。所以，只要求得各模式的正向靶心度，便能对各模式所代表的装备进行正向作战效能评估和排序优选。

具体地，优质性能参考指标信息是指装备在规定作战环境下满足预期一系列作战任务优质指标要求程度的信息，作为评估装备优劣最关键、最重要的综合性指标，其评估问题普遍存在于装备论证、装备试验、装备运用等领域生活中。本实施例中，所述优质性能参考指标信息可以包括待评估装备的各项优质性能指标信息。

在本实施例中，根据所述优质性能参考指标信息构建基于灰靶理论的正向靶心，也就是说建立基于灰靶理论的标准模式，具体地：

假设xi是第i个武器装备的作战效能评估数据模式，x(k)是武器装备第k个作战效能评估指标序列，对于x

在进行灰靶计算前需要对不同极性的作战效能评估指标进行选择并确定正向作战效能的参考数据列，评估指标存在极大值极性、极小值极性和适中值极性3种，通常按下列方法进行选择。

1、极大值极性选择算法

极大值极性就是指目标值越大越好的指标特性，即POLx(k)＝POLx(max)，一般着眼于衡量指标效果偏离最大值的程度，其选择算法为：

2、极小值极性选择算法

极小值极性就是指目标值越小越好的指标特性，即POLx(k)＝POLx(min)，一般着眼于衡量指标效果偏离最小值的程度，其选择算法为：

3、适中值极性选择算法

适中值极性就是指目标值要求适中的指标特性，即POLx(k)＝POLx(mem)，一般着眼于衡量指标效果偏离适中值或指定值的程度，其选择算法为：

则称序列x

步骤S200，获取待评估装备的实际性能指标信息，根据所述待评估装备对应的预设作战效能指标体系对所述实际性能指标信息进行转换，生成所述实际性能指标信息对应的作战效能指标矩阵；

在本实施例中，为了提高对装备评估的灵活性，装备完成规定的作战任务通常需要具备一系列的作战能力，而作战能力通常又通过若干个装备功能或性能属性来体现，因此，可参照树状分析法基于待评估装备的任务阶段和关键作战问题进行层层分解，从而构建所述待评估装备对应的层次性的预设作战效能指标体系，以使所述预设作战效能指标体系可以从上至下通过作战效能指标、任务能力、功能或性能指标进行表征，底层功能或性能指标数据从下至上进行聚合即可得到待评估装备的作战效能信息。

可以理解的是，还可以对装备的整个作战过程各作战阶段建立对应的预设作战效能指标体系，从而可以根据不同的用户需求，选取其中一个或者多个预设作战效能指标体系结合在一起构建出符合不同用户需求的预设作战效能体系。假设装备的整个作战过程可以分解为t

在本实施例中，所述实际性能指标信息包括多属性指标矩阵，可以获取所述待评估装备的实际性能指标信息，所述实际性能指标信息可以包括但不限于所述待评估装备对应的预设作战效能指标体系中的各项性能指标的评估值，然后可以根据所述待评估装备对应的预设作战效能指标体系对所述实际性能指标信息进行定性定量转化和极性转换后，生成所述实际性能指标信息对应的作战效能指标矩阵。假设共有M个同类型待评估装备作战效能进行评估比较，则可将第j(j＝1,2……J)个任务阶段及第q(q＝1,2……Q)个任务能力下第m(m＝1,2……M)个装备第i(i＝1,2……I)个性能指标描述为

基于上述性能表现矩阵，则可以构建装备作战效能评估多阶段多能力数据的作战效能指标矩阵(即待评估装备的性能指标信息对应的作战效能指标矩阵)为：

该作战效能指标矩阵表达了第j个任务阶段第q个任务能力下各评估对象的多属性功能或性能的评估指标值，该作战效能指标矩阵中每一行对应于某一个装备的全部功能或性能指标的表现参数值，每一列对应于某一个功能或性能指标的所有装备的表现参数值。而该作战效能指标矩阵通常被称为常规作战任务剖面下装备作战效能评估与优选的决策矩阵，同样也是本申请中优选的作战效能指标矩阵。本实施例中的上述作战效能指标矩阵

如图4所示，图4为本发明灰靶综合靶心度评估方法中预设作战效能指标体系的一示例图，以某型超短波地面通信对抗系统为例，某型超短波地面通信对抗系统的作战使命是对某作战地域内敌方超短波通信系统进行电磁威慑和电磁封锁，对敌军超短波话音和数据通信等实施支援干扰。超短波地面通信对抗系统的作战任务全过程可以分为战前侦察、战前重点侦察等多个任务阶段，则可以根据选取某一任务阶段的需求，构建所述某型超短波地面通信对抗系统对应的预设作战效能指标体系，其中，超短波地面通信对抗系统的作战效能可以包括侦察能力、测向能力、干扰能力以及指控能力这4项能力。然后再对着4项能力分别进行拆分，侦察能力可以包括侦察目标覆盖率、最大侦察距离、侦察概率、侦察及时性以及参数测量能力这6项性能指标；测向能力可以包括测向距离、测向时间、测向误差以及定位精度这4项性能指标；干扰能力可以包括干扰覆盖空域、等效辐射功率、干扰反应时间以及目标被干扰概率这4项性能指标；指控能力可以包括信息传输正确率、信息传输及时性、情报处理能力、指挥与控制能力以及情报收发能力这5项性能指标。例如，可以选择6部同类型的超短波地面通信对抗系统(以下简称为系统Ⅰ、系统Ⅱ、系统Ⅲ、系统Ⅳ、系统Ⅴ、系统Ⅵ)对应的实际性能指标信息经过定性定量转化和极性转换处理后获得对应的作战效能指标矩阵如下,

上述矩阵的每一行对应于6部同类型待评估的超短波地面通信对抗系统，每一列分别表示不同作战能力中的各性能指标对应的评估值。

步骤S300，将所述作战效能指标矩阵与所述正向靶心的灰色关联度，作为灰靶理论的正向靶心度；

步骤S400，获取待评估装备的劣质性能参考指标信息，根据所述劣质性能参考指标信息构建虚拟负向靶心，并将所述作战效能指标矩阵与所述虚拟负向靶心的灰色关联度，作为虚拟负向靶心度；

具体地，劣质性能参考指标信息是指装备在规定作战环境下满足预期一系列作战任务劣质指标要求程度的信息。本实施例中，所述劣质性能参考指标信息可以包括待评估装备的各项劣质性能指标信息。

步骤S500，依据所述正向靶心度和所述虚拟负向靶心度，计算得到综合靶心度，并根据所述综合靶心度评估装备作战效能。

由于选取的武器装备作战效能评估的常规标准模式或正向靶心，并不能直接反映各种功能性能及作战能力对作战效能的真实贡献程度。因为实际的武器装备作战运用环境中，各种功能性能及作战能力并不是越接近常规标准模式或正向靶心，装备就能取得越好的作战效果。随着战场环境的变化，为了取得较好的作战运用效果，还希望武器装备种功能性能及作战能力远离那些不利的影响因素。基于上述原因和TOPSIS方法理念，如果我们能同时确定最优的、最劣的标准模式或靶心，针对两个靶心分别求取最优靶心度(即正向靶心度)和最劣靶心度(即虚拟负向靶心度)，对两个靶心度进行聚合得到基于灰靶理论的综合靶心度，从而基于综合靶心度对不同武器装备作战效能进行评估和排序优选，进而为武器装备作战运用提供更多的参考信息，提高对装备作战效能评估的可靠性和客观性。本实施例通过在构建标准模式时综合利用原始评估数据参数的最优和最劣信息，评估机理既考虑装备完成作战任务正向需求的参考价值，又考虑装备完成作战任务负向需求的参考价值，进而提高了对装备作战效能评估的可靠性和客观性。

为了助于理解本申请，进行进一步的介绍，由于TOPSIS方法的核心缺陷，即当待评估装备的性能指标位于正负理想解连线的中垂线上时，TOPSIS方法依据评估结果无法对待评估装备的作战效能进行优劣区分，基于TOPSIS方法的灰靶理论运用也会存在这个问题，如图3所示，特别是当待评估装备的性能指标位于正负理想解连线的某一个垂线上时，还会带来对待评估装备的作战效能优劣的错误区分。本申请通过构造虚拟最劣标准模式或负向靶心，求取常规的正向灰靶靶心度，以及虚拟负向灰靶靶心度，从而聚合得到最终的灰靶综合靶心度。

本实施例通过提出一种基于综合靶心度的灰靶综合靶心度评估方法，其基本思路是除了考虑常规的正向灰靶靶心度计算外，还同时借鉴TOPSIS理念考虑作战运用需求的不满足程度，并克服TOPSIS方法存在的核心缺陷而构造虚拟负向靶心，并计算相应的负向灰色靶心度，对正向灰色靶心度和负向灰色靶心度进行综合而得到综合靶心度，从而基于综合靶心度对各评估对象进行作战效能的评估与排序，进而提高对装备作战效能评估的可靠性和客观性。

进一步地，请参照图5，所述实际性能指标信息为待评估装备的多属性指标矩阵，所述步骤S200，获取待评估装备的实际性能指标信息，根据所述待评估装备对应的预设作战效能指标体系对所述实际性能指标信息进行转换，生成所述实际性能指标信息对应的作战效能指标矩阵的步骤包括：

步骤S210，获取待评估装备的多属性指标矩阵；

步骤S220，根据所述待评估装备对应的预设作战效能指标体系，对所述多属性指标矩阵进行等极性化处理，得到等极性化矩阵；

步骤S230，对所述等极性化矩阵进行无量纲化处理，得到所述等极性化矩阵对应的作战效能指标矩阵。

本实施例中，在针对不同任务阶段下的不同任务能力，评估各装备的各项功能或性能指标以得到不同的行为表现参数值之后，基于这些不同的行为表现参数值构建许多个表征同一任务阶段下同一项任务能力的，不同装备不同功能或性能指标的多属性指标矩阵。在基于各行为表现参数值生成多个多属性指标矩阵之后，由于这些多属性指标矩阵的极性和量纲均不相同，因此无法对这些多属性指标矩阵直接进行比较。为了统一这些多属性指标矩阵的极性和量纲，首先根据待评估装备对应的预设作战效能指标体系，对这些多属性指标矩阵进行等极性化处理，以得到多属性指标矩阵对应的等极性化矩阵，然后将等极性化矩阵进行无量纲化处理，以得到多属性指标矩阵对应的作战效能指标矩阵。

在一种可能的实施方式中，步骤S220，根据所述待评估装备对应的预设作战效能指标体系，对所述多属性指标矩阵进行等极性化处理，得到等极性化矩阵的步骤包括：

步骤A10，根据所述待评估装备对应的预设作战效能指标体系，确定所述多属性指标矩阵中行为表现参数值的固有属性，并获取所述多属性指标矩阵中的最大值和最小值；

步骤A20，若行为表现参数值的固有属性为极大值属性，则将行为表现参数值与所述最大值之间的商值，作为行为表现参数值对应的等极性值；

步骤A30，若行为表现参数值的固有属性为极小值属性，则将行为表现参数值与所述最小值之间的商值，作为行为表现参数值对应的等极性值；

步骤A40，若行为表现参数值的固有属性为适中值属性，则获取行为表现参数值对应的适中值，并根据所述适中值计算行为表现参数值对应的等极性值；

步骤A50，基于所述等极性值构建等极性化矩阵。

在本实施例中，由于多属性指标矩阵中各行为表现参数值其评估指标的极性并不相同，为了统一评估指标的极性，需要对多属性指标矩阵中的各元素进行等极性化处理。在本实施例中，采用灰色极性效果处理方法对各多属性指标矩阵进行等极性化处理，以得到等极性化矩阵。具体地，以一个多属性指标矩阵的等极性化处理过程为例，灰色极性效果处理方法为首先计算多属性指标矩阵中的最大值和最小值，并根据待评估装备对应的预设作战效能指标体系，依次确定多属性指标矩阵中行为表现参数值的固有属性；若行为表现参数值具有极大值属性，则计算该行为表现参数值与最大值的商值作为该行为表现参数值对应的等极性值；若行为表现参数值具有极小值属性，则计算最小值与该行为表现参数值的商值作为该行为表现参数值对应的等极性值；若行为表现参数值既具有适中值属性，则将预先设定的预设值设置为该行为表现参数值对应的适中值，或计算该多属性指标矩阵中所有行为表现参数值的平均值，并将该平均值设置为行为表现参数值对应的适中值，然后根据该适中值计算该行为表现参数值对应的等极性值。

在将多属性指标矩阵中所有的行为表现参数值均转换为对应的等极性值之后，即可得到多属性指标矩阵对应的等极性化矩阵。其中，预设值由本领域技术人员根据具体需求提前设置，并可实时进行调整。

在一种可能的实施方式中，所述步骤S230，对所述等极性化矩阵进行无量纲化处理，得到所述等极性化矩阵对应的作战效能指标矩阵的步骤包括：

步骤B10，计算所述等极性化矩阵对应的样本均值和样本方差；

步骤B20，根据所述样本均值和所述样本方差，将所述等极性化矩阵转换为所述等极性化矩阵对应的作战效能指标矩阵。

在本实施例中，在将多属性矩阵转换为对应的等极性化矩阵之后，相比多属性矩阵，等极性化矩阵的极性一致，但其量纲并不一致。因而还需要对该等极性化矩阵进行无量纲化处理。无量纲化处理方法主要包括标准化处理方法、极值处理法、线性比例法、向量规范法和功效系数法等。本实施例中，采用标准化处理方法对等极性化矩阵进行处理。具体地，首先计算出一个等极性化矩阵中所有等极性值的平均值作为样本均值，并根据样本均值计算出该等极性化矩阵中的样本方差。继而根据样本均值和样本方差将等极性化矩阵中的等极性值转换为对应的标准值，相应的等极性化矩阵也就转换为作战效能指标矩阵。

在一种可能的实施方式中，所述步骤S300，将所述作战效能指标矩阵与所述正向靶心的灰色关联度，作为灰靶理论的正向靶心度的步骤包括：

步骤C10，确定所述正向靶心对应的第一参考指标值矩阵；

步骤C20，将所述作战效能指标矩阵和第一参考指标值矩阵进行差值化处理，得到第一指标值差异矩阵；

步骤C30，根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

在一实施例中，关于正向靶心度的算法，具体地，计算第i(i＝1,2,…,m)个装备第个指标元素与对应靶心差值的绝对值，即

Δ

且将极大距离环境参数Δ

然后计算第i个待评估装备第k个性能指标的靶心系数，即：

上式中ξ∈(0,1)为分辨系数，通常取ξ＝0.5。可称r(x

r(x

其中，需要说明的是，基于靶心度对不同武器装备作战效能进行评估和排序优选。按照r(x

在一种可能的实施方式中，所述步骤C30，根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度的步骤之前包括：

步骤D10，根据所述第一指标值差异矩阵的样本均值和样本方差，计算加权离差平方和；

步骤D20，基于所述加权离差平方和计算性能指标数据权重；

所述步骤C30，根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度的步骤包括：

步骤D30，根据所述第一指标值差异矩阵和所述性能指标数据权重，计算得到正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

在本实施例中，性能指标数据权重的计算过程为根据作战效能指标矩阵的样本均值和样本方差计算加权离差平方和，然后基于加权离差平方和计算性能指标数据权重。

本实施例中，具体地，在计算得到第一指标值差异矩阵中各性能指标值对应的性能指标数据权重之后，计算各性能指标值和其对应的性能指标数据权重的乘积之和，即可得到正向作战效能评估值。其中，性能指标数据权重用于影响某个具体任务阶段下，某个装备在执行某一任务能力的评估结果，正向作战效能评估值用于表征某个具体任务阶段下，某个装备在执行某一任务能力的正向作战效能。

面向武器装备的作战运用问题，在计算其基于灰靶的作战效能综合靶心度时，因为不同功能性能及作战能力对装备作战运用的重要性是不相同的，故考察各种功能性能及作战能力对作战效能贡献的相对重要性是极其重要的。因此本实施例通过引入第一指标值差异矩阵中各性能指标值对应的性能指标数据权重，通过计算各性能指标值和其对应的性能指标数据权重的乘积之和，得到正向作战效能评估值，从而提高了对正向作战效能进行评估的可靠性和客观性。

在一种可能的实施方式中，在所述步骤S400中，将所述作战效能指标矩阵与所述虚拟负向靶心的灰色关联度，作为虚拟负向靶心度的步骤包括：

步骤E10，确定所述虚拟负向靶心对应的第二参考指标值矩阵；

步骤E20，将所述作战效能指标矩阵和第二参考指标值矩阵进行差异化处理，得到第二指标值差异矩阵；

步骤E30，根据所述第二指标值差异矩阵和所述性能指标数据权重，计算得到负向作战效能评估值，将所述负向作战效能评估值作为虚拟负向靶心度。

本实施例中，具体地，在计算得到第二指标值差异矩阵中各性能指标值对应的性能指标数据权重之后，计算各性能指标值和其对应的性能指标数据权重的乘积之和，即可得到负向作战效能评估值。其中，性能指标数据权重用于影响某个具体任务阶段下，某个装备在执行某一任务能力的评估结果，负向作战效能评估值用于表征某个具体任务阶段下，某个装备在执行某一任务能力的负向作战效能。

面向武器装备的作战运用问题，在计算其基于灰靶的作战效能综合靶心度时，因为不同功能性能及作战能力对装备作战运用的重要性是不相同的，故考察各种功能性能及作战能力对作战效能贡献的相对重要性是极其重要的。因此本实施例通过引入第二指标值差异矩阵中各性能指标值对应的性能指标数据权重，通过计算各性能指标值和其对应的性能指标数据权重的乘积之和，得到负向作战效能评估值，从而提高了对负向作战效能进行评估的可靠性和客观性。

在一实施例中，在构建正向标准模式或正向靶心的基础上构建虚拟负向标准模式或负向靶心。类似于常规标准模式或正向靶心的构建方法，针对评估指标的极大值、极小值和适中值等3种极性特征，对应在进行灰靶计算前需要对不同极性的作战效能评估指标进行选择并确定负向作战效能的参考数据列，常按下列方法进行选择负向靶心。

对于极大值极性指标，其选择算法为：

对于极小值极性指标，其选择算法为：

对于适中值极性指标，假设适中值为xmem＝u0或

则称序列x′

最后构建虚拟负向标准模式或靶心:

在一种可能的实施方式中，采用基于灰色自关联矩阵的指标权重确定方法，直接利用武器装备的作战效能评估数据信息。根据评估数据x

然后通过下式计算矩阵R

R

式中λ为特征值，X为对应于λ的特征向量。

接着按下式计算最大特征值对应的特征向量，

最后计算性能指标数据权重，对

在一种可能的实施方式中,依据所述正向靶心度和所述虚拟负向靶心度，计算得到综合靶心度算法具体如下，

对于常规靶心x

则可以计算第i个武器装备基于灰靶的作战效能综合靶心度为：

由于综合靶心度

为了进一步助于理解本申请，在一实施例中，提出一种基于综合靶心度的作战效能评估算例。请参照图4，此处建立4个同类型超短波地面通信对抗系统(假设为系统Ⅰ、系统Ⅱ、系统Ⅲ、系统Ⅳ)的作战效能评估指标体系利用基于灰靶的综合靶心度模型对4部装备作战效能进行评估与排序，以验证本实施例方法的合理性和有效性。在进行本实施例算法验证前首先进行定性定量转化和极性转换处理，得到4个系统的评估数据矩阵。

其中，首先根据评估数据矩阵A构造侦察能力、测向能力、干扰能力和指控能力评估数据矩阵A

其常规靶心(即正向靶心)为

负向靶心为

从而得到侦察能力下属5个指标的权重向量(即性能指标数据权重)为：

W

继而计算得到4个系统的正向灰色靶心度向量和虚拟负向灰色靶心度向量分别为:

r

从而计算得到4个系统基于灰靶的侦察能力综合靶心度向量为:

类似地可以针对测向能力评估数据矩阵

假设侦察能力、测向能力、干扰能力和指控能力之间的权重向量(即性能指标数据权重)为W＝(0.3,0.2,0.3,0.2)，则有4个系统基于灰靶的作战效能综合靶心度向量为：

根据上述计算结果，可以得出包括但不限于下述结论：

结论一，根据综合靶心度向量

结论二，根据综合靶心度向量

结论三，根据前述计算还可构造系统Ⅰ侦察能力、测向能力、干扰能力和指控能力的综合靶心度向量为

在本实施例的作战效能评估算例中，根据其分量大小，对系统Ⅰ作战效能的贡献程度顺序分别为干扰能力、指控能力、侦察能力和测向能力，这是系统Ⅰ在作战运用过程中必须引起重视的，必须注意其不利因素。类似地，可以对系统Ⅱ、系统Ⅲ和系统Ⅳ进行同样的分析。

如图6所示，图6是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图6所示，所述装备作战效能的灰靶综合靶心度评估设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括作为显示单元的显示屏(Display)，还可以包括作为输入单元的键盘(Keyboard)或者除了作为显示单元外还可以作为输入单元的触摸屏(Touch Panel)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口(如USB接口)、无线接口(如蓝牙接口、WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，该设备还可以包括RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块、蓝牙模块等等。本领域技术人员可以理解，图6中示出的设备结构并不构成对所述装备作战效能的灰靶综合靶心度评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及装备作战效能评估应用程序。

在图6所示的设备中，处理器1001可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

确定所述虚拟负向靶心对应的第二参考指标值矩阵；

将所述作战效能指标矩阵和第二参考指标值矩阵进行差异化处理，得到第二指标值差异矩阵；

根据所述第二指标值差异矩阵和所述性能指标数据权重，计算得到负向作战效能评估值，将所述负向作战效能评估值作为虚拟负向靶心度。

更进一步地，所述实际性能指标信息为待评估装备的多属性指标矩阵，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

根据所述待评估装备对应的预设作战效能指标体系，对所述多属性指标矩阵进行等极性化处理，得到等极性化矩阵；

对所述等极性化矩阵进行无量纲化处理，得到所述等极性化矩阵对应的作战效能指标矩阵。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

若存在超过预设临界值的等级相关系数，则判定所述超过预设临界值的等级相关系数对应所述预选评估方法的相关性信息为显著相关。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

根据所述待评估装备对应的预设作战效能指标体系，确定所述多属性指标矩阵中行为表现参数值的固有属性，并获取所述多属性指标矩阵中的最大值和最小值；

若行为表现参数值的固有属性为极大值属性，则将行为表现参数值与所述最大值之间的商值，作为行为表现参数值对应的等极性值；

若行为表现参数值的固有属性为极小值属性，则将行为表现参数值与所述最小值之间的商值，作为行为表现参数值对应的等极性值；

若行为表现参数值的固有属性为适中值属性，则获取行为表现参数值对应的适中值，并根据所述适中值计算行为表现参数值对应的等极性值；

基于所述等极性值构建等极性化矩阵。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

计算所述等极性化矩阵对应的样本均值和样本方差；

根据所述样本均值和所述样本方差，将所述等极性化矩阵转换为所述等极性化矩阵对应的作战效能指标矩阵。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

确定所述正向靶心对应的第一参考指标值矩阵；

将所述作战效能指标矩阵和第一参考指标值矩阵进行差值化处理，得到第一指标值差异矩阵；

根据所述第一指标值差异矩阵计算正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

根据所述第一指标值差异矩阵的样本均值和样本方差，计算加权离差平方和；

基于所述加权离差平方和计算性能指标数据权重；

根据所述第一指标值差异矩阵和所述性能指标数据权重，计算得到正向作战效能评估值，将所述正向作战效能评估值作为灰靶理论的正向靶心度。

更进一步地，处理器1001还可以用于调用存储器1005中存储的灰靶综合靶心度评估程序，并执行以下操作：

确定所述虚拟负向靶心对应的第二参考指标值矩阵；

将所述作战效能指标矩阵和第二参考指标值矩阵进行差异化处理，得到第二指标值差异矩阵；

根据所述第二指标值差异矩阵和所述性能指标数据权重，计算得到负向作战效能评估值，将所述负向作战效能评估值作为虚拟负向靶心度。

此外，本发明实施例还提出一种计算机存储介质。

所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的所述灰靶综合靶心度评估方法中的操作，具体的实施步骤可参照上述实施例，此处不再过多赘述。

可以理解，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请实施例设备中的单元可以根据实际需要进行合并、划分和删减。

在本申请中，对于相同或相似的术语概念、技术方案和/或应用场景描述，一般只在第一次出现时进行详细描述，后面再重复出现时，为了简洁，一般未再重复阐述，在理解本申请技术方案等内容时，对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等，可以参考其之前的相关详细描述。

在本申请中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本申请技术方案的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络，或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、存储盘、磁带)、光介质(例如，DVD)，或者半导体介质(例如固态存储盘Solid State Disk(SSD))等。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。