基于ABMS的网络化装备保障方案决策分析方法

蒲 玮， 李 雄， 刘中晅

(1. 装甲兵工程学院装备指挥与管理系， 北京 100072； 2. 装甲兵工程学院信息工程系， 北京 100072)

基于ABMS的网络化装备保障方案决策分析方法

蒲 玮1， 李 雄1， 刘中晅2

(1. 装甲兵工程学院装备指挥与管理系， 北京 100072； 2. 装甲兵工程学院信息工程系， 北京 100072)

针对网络化装备保障体系复杂自适应系统特性，提出了一种基于Agent建模与仿真(Agent-Based Modeling and Simulation，ABMS)的网络化装备保障方案决策分析方法。对装备保障方案决策分析进行了形式化定义，构建了其分析方法的总体框架；基于装备保障方案决策准则，从保障效益、保障代价和保障效率3个角度，构建了可动态仿真实测的决策分析指标体系；基于装备保障方案变量分析，构建了由编成编组结构模型、通信网络结构模型、指挥交互规则模型和状态行为规则模型构成的多Agent保障模型体系。以3种典型的网络化装备保障方案的决策分析为示例，验证了方法的可行性与有效性。

网络化装备保障； 装备保障方案； 决策分析； ABMS

装备保障方案是指装备保障指挥员及其指挥机关依据作战任务，对装备保障力量体系结构、组织运用过程和保障资源配置等装备保障工作做出的基本安排和总体构想[1]，是装备保障指挥决策的核心内容，决定着装备保障效能的发挥，为保持和恢复部队战斗力提供基本的物质支撑[2]。网络化装备保障[3]是以复杂性科学和复杂网络理论为指导[4]，以指挥信息系统为支撑，以战场态势共享为基础，各种保障要素、保障单元和保障系统形成一个有机整体[5]，广泛采取自组织、自适应和自同步的协同方式，按照部署分散、效能聚焦的总体要求，以及“需求驱动、实时感知、自主协同、规则约束、整体联动、精确高效”的运用原则，进行整体联动保障[6]。网络化装备保障方案的决策分析就是针对网络化装备保障的复杂自适应系统特性，按照一定的评价准则，利用某种技术或方法建立网络化装备保障方案评价模型，对2个或2个以上的装备保障备选方案的效能进行评估，形成综合评价结果，从而优选出装备保障方案，为装备保障指挥员最后定下决心提供决策依据。

目前，装备保障方案决策分析方法主要有主观判断法、统计分析法、数学解析法和仿真模拟法。1)主观判断法，是指根据指挥员及其参谋人员的主观经验进行判断分析的方法。其优点是操作简便，对实际数据和工具平台的要求较低，便于快速形成评价结论，是传统战争条件下广泛采用的决策分析方法；缺点是决策分析结果易受主观因素的影响。2)统计分析法，是指通过对以往积累的装备保障方案执行结果数据的统计分析，并根据概率统计规律形成方案与结果的概率映射关系，对装备保障方案的执行预期进行判断的方法。其优点是可信度高、说服力强；缺点是由于我军长期以来缺乏战争实践，对实战过程中的装备保障数据积累不多，因此限制了该方法的应用。3)数学解析法，是指通过建立保障方案评价指标与给定条件之间的解析表达式(函数关系)，进而综合分析保障方案的方法，主要包括马尔科夫随机过程、层次分析法、模糊评判法、数据包络分析法、神经网络和云模型等方法[7-9]。其优点是定量精确、逻辑严密、可信度高，适于解决保障数据较为充分的局部具体的保障问题；缺点是对复杂保障系统构建解析表达式较为困难，且假设约束较多。4)仿真模拟法，是指充分利用计算机仿真推演技术，通过构建反映装备保障方案随机变量和保障过程的模型体系，在实际作战前进行超实时的仿真推演，利用收集的仿真结果数据进行保障方案的决策分析的方法[10]。其优点是能较好地表述装备保障过程中大量存在的随机因素，较完整地描述保障行动过程，方便与作战任务相结合，且可作为辅助决策手段嵌入到指挥信息系统中构建仿真实验平台；缺点是传统的建模与仿真方法已难以适应基于信息系统体系作战的特性，难以有效地描述作战实体之间基于规则的自组织和自同步关系。

近年来，基于Agent的建模与仿真(Agent-Based Modeling and Simulation，ABMS)方法已成为解决复杂系统建模与仿真分析应用较为广泛的方法学[11-16]。其中：由美国海军分析中心、海军陆战队作战实验室等单位发起，相关国家的科研院所参与，针对作战仿真实际需要，基于多Agent建模方法和理论，相继开发的EINSTein等作战建模与仿真系统[17]最有代表性，该系统能完成包括网络中心战在内的复杂自适应作战系统的建模与仿真分析，已在作战效能评估[18]等领域得到了广泛应用。

为此，笔者借鉴吸收ABMS方法在作战方案评估优选、装备体系效能评估等领域成功应用的经验，探索研究网络化装备保障方案决策分析方法，充分利用ABMS方法对复杂自适应系统的描述能力，基于网络化装备保障决策的军事需求分析，对网络化装备保障方案决策分析进行形式化定义，提出并设计分析方法的总体框架和网络化装备保障方案决策准则，构建装备保障方案决策分析指标体系；基于网络化装备保障方案变量分析，构建网络化装备保障方案的多Agent模型体系，形成了一套较为完整的基于ABMS的网络化装备保障方案决策分析方法，以期为装备保障指挥员进行网络化装备保障方案的决策分析提供有效手段，为进行网络化装备保障方案决策分析辅助决策系统的开发奠定良好的理论基础。

1 网络化装备保障方案决策分析的定义和总体框架设计

1.1 形式化定义

网络化装备保障方案决策分析(Decision Analysis，DA)可以定义为一个3元组：DA={SESS，FDAM，SDAR}。其中：SESS={Si}，为需要进行决策分析的保障方案集，Si为第i个保障方案，i=1,2, …,n；FDAM=FDAM(Si)，为保障方案决策分析模型；SDAR={Ri}，为保障方案决策分析结果集，Ri=FDAM(Si)，为第i个保障方案的决策分析结果。

由此可见：网络化装备保障方案的决策分析过程可视为一个以不同保障方案为自变量、以决策分析模型为函数、以决策分析结果为因变量的函数映射过程。笔者提出的基于ABMS的网络化装备保障方案决策分析方法就是这样一个决策分析函数。

1.2 决策分析方法的总体框架设计

根据网络化装备保障方案决策分析的定义，设计了决策分析方法的总体框架，如图1所示。具体决策分析过程如下：

1)网络化装备保障方案决策过程的需求分析。即按照网络化装备保障方案决策的关键影响因素，确立网络化装备保障方案决策的准则；并根据网络化装备保障方案的内容，确定网络化装备保障方案的参数变量，为构建决策分析指标体系和多Agent模型体系奠定基础。

2)以网络化装备保障决策准则为依据，构建装备保障方案决策分析指标体系，并确保末级指标均可通过仿真推演数据进行直接计算。

3)根据军事需求分析中确定的网络化装备保障方案的参数变量以及决策分析末级指标的计算要求，确定Agent模型分辨率，并针对不同变量分别构建多Agent模型，形成网络化装备保障方案的Agent仿真模型体系。

4)在确定决策分析指标体系和网络化装备保障Agent模型体系的基础上，基于Agent装备保障仿真实验平台，按照待决策分析保障方案的内容，设置保障Agent模型，并对保障Agent进行任务部署；然后，根据待决策分析保障方案将应用的作战方案，设置作战想定，并根据指标体系设置仿真数据统计需求；最后，当完成所有仿真条件设置后，即进行仿真推演，并迭代修正仿真模型和指标体系模型。

5)按照决策分析指标要求收集整理仿真推演的过程和结果数据，并依据指标体系进行决策分析，形成综合评价结果和优选方案。

图1 网络化装备保障方案决策分析方法总体框架

2 网络化装备保障方案决策准则与决策分析指标体系构建

2.1 决策准则

决策准则是评价装备保障方案优劣的基本标准，也是构建装备保障决策分析指标体系的基本依据。根据装备保障指挥的基本要求，网络化装备保障方案决策分析应遵循如下3个基本准则：

1)提高装备保障效益，更好地服务作战需要。装备保障的目的是为保持和恢复部队作战能力提供装备维修、弹药补给等保障。衡量装备保障方案的出发点和落脚点，就是按照该方案所实施的装备保障活动为整个作战体系所提供的装备保障服务是否满足要求，以及满足要求的程度。因此，提高保障效益是网络化装备保障方案决策的首要准则。

2)提高装备保障效率，降低装备保障代价。在判断保障方案的优劣时，还应考虑装备保障效率(如装备修复效率、弹药补给效率等)和装备保障代价(如保障装备的战损、弹药和器材的损失等)。一般而言，保障效率越高越好，保障代价越小越好。

3)整体性效果(体系效能涌现)。“动态、整体、对抗”是复杂系统的重要特性，网络化装备保障决策分析必须体现其整体性效果或体系效能涌现特性。进行网络化装备保障方案决策分析应根据复杂系统的特点，从整体上动态、对抗地进行网络化装备保障方案决策分析，以提高决策的科学性和准确性。

2.2 决策分析指标体系构建

网络化装备保障方案决策分析在本质上是一个方案寻优的过程，即依据决策准则确立的基本原则，构建定量可测的决策分析指标体系，确定保障方案的优劣。

构建传统的基于能力[19-20]决策分析或效能评估指标体系时，首先，将保障能力分解为信息系统支撑能力、指挥控制能力、抢救能力、抢修能力、弹药补给能力和器材补给能力等；然后，分别构建各级指标。这种构建方法构建的指标体系层级多、指标多，且需要进行加权平均，才能对方案的总体情况进行评价，而加权平均可能会丢失对决策起关键作用的数据或信息。因此，该方法较适合于静态的分项能力评估。对于网络化装备保障方案决策分析，由于其具有复杂自适应系统特性，需要进行动态综合评估。笔者根据所确立的网络化装备保障方案决策准则，从保障整体性效果的角度来构建其决策分析指标体系，如图2所示，即从保障效益、保障代价和保障效率3个方面对保障方案进行衡量[21]，尽可能地减少指标层次和指标数据。

图2 装备保障方案决策分析指标体系

2.3 指标分析

2.3.1 保障效益类指标

装备保障效益类指标包括装备参战率、弹药携行率和装备修复率3个二级指标。

1)装备参战率(P11)

该指标可有效反映保障方案的总体内容对保持和恢复部队战斗力的有效程度。

2)弹药携行率(P12)

该指标可有效反映弹药储供力量对参战装备的弹药保障情况。

3)装备修复率(P13)

该指标可有效反映装备抢修、抢救工作的有效性。

2.3.2 保障代价类指标

装备保障代价类指标包括保障装备损失率、器材损失率和弹药损失率3个二级指标。

1)保障装备损失率(P21)

该指标反映了装备保障过程中由于保障力量部署和运用等原因造成的保障装备损失情况。

2)器材损失率(P22)

该指标反映了装备保障过程中由于器材储供力量部署和运用等原因造成的维修器材非使用性损耗。

3)弹药损失率(P23)

该指标反映了装备保障过程中，由于弹药储供力量部署和运用等原因造成的弹药非使用性损耗。

2.3.3 保障效率类指标

装备保障效率类指标包括装备平均恢复时间和弹药平均补给时间2个二级指标。

1)装备平均恢复时间(P31)

该指标可有效反映装备抢救、抢修分队对待救、待修装备实施抢救、抢修的效率高低。

2)弹药平均补给时间(P32)

该指标可有效反映弹药保障分队对弹药保障需求的响应速度。

3 网络化装备保障方案变量分析与多Agent模型构建

3.1 变量分析

网络化装备保障方案的变量分析旨在使所构建的网络化装备保障多Agent模型体系能反映待决策保障方案的不同内容，从而在仿真推演数据中反映不同保障方案的保障效果，为保障决策提供依据。

根据网络化装备保障方案决策过程的需求分析，网络化装备保障方案的主要内容包括：对现有装备保障力量及资源的分配、通信网络的构建、网络化装备保障力量的战场部署、保障指挥交互关系和保障受控与自主行动规则。据此，提出的网络化装备保障方案的主要变量如表1所示。根据保障方案的定义，其集合形式为Si={Gi,Ni,Pi,CRi,ARi}，网络化装备保障方案的多Agent模型必须具备能够反映出保障方案变量对决策分析结果产生影响的基本功能。

3.2 编成编组结构建模

Agent编成编组结构建模的主要目的是对网络化装备保障方案中的编成编组(G)进行描述，对装备保障系统中各保障Agent及它们之间的指挥控制关系与组织单元进行描述，为其他模型提供组织结构知识。编成编组结构模型主要包括保障Agent、保障Agent组织单元和指挥控制关系3个模型要素，某作战部队编成编组结构模型如图3所示。

表1 网络化装备保障方案的主要变量

图3 某作战部队编成编组结构模型

该模型为一个典型的网络化装备保障编成编组模式，按照要素合成方式组建了上装抢修、底盘抢修、弹药储供、器材储供和抢救保障单元，各单元在作战部队装备保障指挥Agent的统一指挥下行动。

3.3 通信网络结构建模

Agent通信网络结构建模的主要目的是对网络化装备保障方案中的通信网络(N)进行描述。通过通信网络结构建模可对组织结构模型确定的保障Agent内部的信道设备及其通信组网关系进行描述，为保障仿真推演过程中保障Agent间交互通信提供信息可达性判断。通信网络结构模型主要包括保障Agent、保障指挥信道设备、保障指挥通信网络和保障指挥通信信道4个模型要素，如图4所示。该模型描述了网络化装备保障方案中确定的指挥信息系统网络规划，即依托保障Agent所具备的信道设备，构建部队级保障指挥网和各保障单元内部的单元指挥网，以及技术侦察要素与部队保障指挥要素间的保障情报网，通过Agent内部的不同信道设备实现信息共享，所有网络内的保障要素Agent均实现了信息互联互通，为实现网络化装备保障提供信息基础环境。

3.4 指挥交互规则建模

Agent指挥交互规则建模的主要目的是对网络化装备保障方案中的保障指挥规则变量(CR)进行描述。通过指挥交互规则建模可对装备保障Agent之间的指挥控制和协同交互等规则进行描述，为保障多Agent之间根据保障任务目标需要进行的交互行为提供协议支撑。指挥交互规则模型主要包括Agent保障角色、保障指挥交互动作、保障指挥决策动作、保障交互关系、保障分支交互关系和保障内部执行过程6个模型要素，如图5所示。该模型描述了在网络化装备保障过程中，当某保障要素Agent根据保障需求情况判断无法独立完成任务时，即主动向上级指挥Agent发出支援请求，并在获得批准后，协同和控制支援Agent共同完成保障任务的交互关系。

图4 通信网络结构模型

图5 指挥交互规则模型

3.5 状态行为规则建模

Agent状态行为规则建模的主要目的是对网络化装备保障方案中的保障行动规则(AR)和战场部署(P)中的任务区域、保障对象的动态调整分量进行描述。通过状态行为规则建模,可对装备保障单个Agent在不同装备保障需求信息驱动和自身状态情况判断下的行为方式进行描述，为保障Agent的智能决策提供决策规则支撑。状态行为规则模型主要包括保障工作状态、初始状态转移、状态转移、初始执行流程、执行流程、并行状态、详细状态、动作执行和动作分支9个模型要素，如图6所示。该模型描述了一个装备抢修要素Agent的状态行为规则，主要包括了等待命令/自主决策、机动、展开、维修和撤收5个1级状态及其转移规则关系，以及多个2级状态。其中：等待命令/自主决策状态包括接收命令和自主决策2个并行状态；机动执行状态包括详细状态描述，在详细状态描述中可对该状态下的具体动作执行过程进行模型描述。

图6 状态行为规则模型

4 示例分析

4.1 仿真实验条件

4.1.1 仿真实验作战想定

为仿真验证基于ABMS的网络化装备保障方案决策分析方法的可行性与有效性，构设了“某数字化机步旅对机动防御之敌进攻战斗”的仿真实验作战想定，主要内容如下：

1)战场环境为中等起伏丘陵地；

2)作战阶段划分为机动接敌、立体突破、纵深战斗和转入防御4个阶段；

3)作战兵力规模红方为1个数字化机步旅，蓝方为1个数字化战车营特遣队；

4)信息通联情况为红、蓝双方分别组建战术互联网；

5)仿真粒度为单装平台级。

4.1.2 装备保障方案设计

根据数字化机步旅装备保障力量体系、保障能力和网络化装备保障的运行特点与要求，设计3个方案对决策分析方法的实际应用效果进行验证。

方案1：保障力量集中部署。主要内容为：将机步旅的本级保障力量按照编制序列集中使用，集中配置于后方保障地域，战斗分队依托各自保障力量进行伴随保障；当出现保障需求后，旅本级根据情况临时组合保障力量，前出执行保障任务。

方案2：要素模块分散部署。主要内容为：将机步旅的本级保障力量人员、装备、器材等按照专业属性编组为上装修理、底盘修理、器材补给、弹药补给和保障指挥等要素模块，根据作战任务分散部署在整个作战任务区域内，根据保障需求自适应地进行现地抢救、抢修和补给等保障任务。

方案3：单元模块逐级部署。主要内容为：在上一个要素模块分散部署方案的基础上，将编组的要素单元进一步抽组为较为稳定的基本保障单元、前进保障单元和指挥单元等保障组织单元，分别部署于旅本级后方保障地域、各作战分队的后方保障地域，形成前后衔接的力量部署方式，并依托保障规则，实现集中统一指挥与自主协同行动的统一。

4.1.3 仿真实验结束条件

仿真推演的结束时刻为数字化机步旅完成作战任务时间点。由于作战过程的动态性与不确定性，作战任务完成时间往往难以确定，因此笔者从如下3个条件来确定战斗结束时间。在仿真过程中，只要满足其中任一条件，则仿真结束。

1)数字化机步旅主要装备战损率达到50%，已不能有效地组织进攻作战；

2)数字化机步旅实现了预定作战目标，占领了预定地域；

3)蓝军主要装备战损率达到65%，已不能有效地组织防御。

4.1.4 仿真实验平台系统

利用笔者所在实验室自主开发的“通用装备保障编组智能推演系统”(软件著作权登记号为2014SR201727)进行仿真实验。该实验平台的体系结构如图7所示，主要包括6个功能模块和2个工具，可完成作战想定输入、保障力量输入、保障方案输入、仿真推演、显示控制和仿真数据统计显示等主要功能。

图7 仿真实验平台体系结构

4.2 仿真实验过程

仿真实验主要包括作战想定设置、保障力量设置、保障方案设置和仿真推演4个阶段。

4.2.1 作战想定设置

通过战场环境数据编辑工具和作战任务数据编辑工具对仿真实验想定进行编辑，生成想定数据文件。然后利用系统的作战想定读取模块加载作战想定数据，为保障方案的推演提供作战背景和装备保障需求来源。

4.2.2 保障力量设置

保障力量设置包括人员编制设置、装备编配设置、器材储备设置和弹药储备设置，分别对装备保障方案中使用的人员类型与数量、装备种类与数量、器材种类与数量、弹药种类与数量进行设置。

4.2.3 保障方案设置

保障方案设置是仿真条件设置的核心。首先，确定需要决策分析的多个保障方案；其次，对每一个保障方案的装备保障力量编成编组、保障力量到Agent的映射关系、保障Agent的任务和部署以及保障Agent的仿真模型进行设置，保障方案中保障Agent的初始态势部署设置如图8所示。

图8 保障Agent初始态势部署设置

4.2.4 仿真推演

启动仿真运行，仿真系统会按照预先指定的作战方案和装备保障方案，在一定的规则驱动下进行自动智能推演。仿真运行态势及其实时Agent交互监控界面如图9所示。

图9 仿真运行态势及实时Agent交互监控界面

4.3 仿真结果及决策分析

在相同作战背景下，对每个保障方案进行10次仿真实验，以尽可能地减少仿真实验中随机性和不确定性问题的影响。仿真结果取10次仿真实验结果的算术平均值。

4.3.1 仿真结果数据

根据仿真结果，按照决策分析指标的计算公式，得到各指标值按作战阶段时间的分布情况，如图10所示。将各指标作战阶段的时间分布值求平均，得到各决策分析指标作战全过程的平均值，如表2所示。

图10 决策分析指标值的作战阶段时间分布

表2 决策分析指标的平均值

保障方案决策分析指标 P11/%P12/%P13/%P21/%P22/%P23/%P31/minP32/min170．972．525．910．110．320．9130．8951．64279．880．134．229．920．535．187．1225．73386．284．340．117．85．815．159．1819．26

4.3.2 保障方案的决策分析

为增强保障方案决策分析的客观性，减少主观因素的干扰，采用逼近理想解排序法对保障方案进行综合排序，并采用熵值法确定决策分析指标的权重[22]。

1)对指标数据进行归一化处理，构建标准矩阵

根据表2，对各指标的数据进行归一化处理，构建标准矩阵

式中：行为指标；列为方案。

2)基于熵值法确定指标权重，构建加权矩阵

熵值法确定指标权重的基本原理是根据指标值的分散程度来确定指标的价值(权重)，指标值越分散，指标价值越大；熵值越大，指标值越分散。指标熵值及其权重的计算公式为

式中：ei为第i个指标的熵值；n为保障方案数；yij为第j个保障方案的第i个指标的值；hi为第i个指标的信息效用价值；m为指标数；wi为第i个指标的权重。

则各指标的权重向量为

W= (0.03，0.02，0.08，0.18，0.22，

0.15，0.14，0.18)。

对标准矩阵Y进行加权，可得到加权标准矩阵V为

3)正负指标理想值向量与正负距离向量计算

根据逼近理想解排序法的基本原理，确定指标矩阵的正、负指标理想值向量分别为

根据确定的正、负指标理想值向量，可计算出各保障方案指标值与理想值的欧式距离，得到正、负距离向量为

S+=(0.184 7，0.225 4，0.025 2)；

S-=(0.120 8，0.080 1，0.280 3)。

4)相对接近度计算及保障方案优选

C=(0.395，0.262，0.918)。

由此可见：保障方案3为最优保障方案。在具体的保障决策中，可在保障方案3的基础上，结合其他2个方案的优点进行充实完善，形成最终的保障方案。

5 结论

网络化装备保障具有典型的复杂自适应系统特性，传统的静态能力评估方法已难以适应网络化装备保障方案决策分析的需要。笔者针对网络化装备保障方案缺乏整体、动态、对抗性的决策分析方法的问题，首先，在网络化装备保障方案决策分析形式化定义的基础上，设计了基于ABMS的网络化装备保障方案决策分析方法的总体框架，针对该方法框架的主要内容和实施步骤，基于需求分析结果，从保障效益、保障代价和保障效率3个方面，构建了可动态仿真实测的决策分析指标体系。然后，基于保障方案变量分析，构建了网络化装备保障多Agent保障模型体系，形成了一套较为完整的基于ABMS的网络化装备保障方案决策分析方法。最后，构设了一个数字化机步旅进攻战斗的作战想定，基于通用装备保障编组智能推演系统，对保障力量集中部署、要素模块分散部署和单元模块逐级部署3个保障方案进行了决策分析，验证了方法的可行性与有效性。下一步，一方面，将加强网络化装备保障方案决策分析专用平台的建设，进一步提高仿真模型的精度；另一方面，将开展基于分析结果的最优方案充实完善方法的研究，为装备保障指挥机构提供科学可靠的决策辅助手段。

[1] 毛德军, 李庆民, 张志华. 以装备可用度为中心的保障方案优化方法[J]. 兵工学报, 2011, 32(5): 636-640.

[2] 毛德军, 李庆民, 阮旻智, 等. 编队防空系统任务可用度评估与保障方案优化[J]. 系统工程理论与实践, 2011, 31(7): 1394-1402.

[3] 刘亚东, 张爱民. 网络化装备保障体系构建问题研究[J]. 陆军军官学院学报, 2015, 35(5): 56-58.

[4] 张勇, 孙栋, 刘亚东, 等. 基于复杂网络的装备保障网络结构脆弱性分析[J]. 火力与指挥控制, 2015, 40(1): 92-95.

[5] 张勇, 杨宏伟, 杨学强, 等. 基于复杂网络理论的装备保障网络模型研究[J]. 上海理工大学学报, 2012, 34(5): 429-434.

[6] 周芬, 丁建江, 张翼. 以耗散结构理论指导装备保障网络化发展[J]. 装备指挥技术学院学报,2011,22(1):49-52.

[7] 周伟祝, 宦婧, 孙媛, 等. 一种基于神经网络的装备保障方案评估模型[J]. 计算机仿真, 2013, 30(2): 303-307.

[8] 徐永成, 宋昆, 杨拥民. 基于改进型随机Petri网的维修保障方案评估方法[J]. 系统仿真学报, 2010, 22(6): 1516-1519.

[9] 徐延学, 余仁波, 魏勇. Vague集的飞航导弹保障方案早期评价[J]. 火力与指挥控制, 2011, 36(12): 202-204.

[10] 何国良, 蒲玮, 樊延平, 等. 基于效能仿真的数字化部队装备保障方案多层次评价[J]. 装甲兵工程学院学报, 2016, 30(1): 14-20.

[11] 史忠植. 智能主体及其应用[M]. 北京: 科学出版社, 2000: 2-3.

[12] Kuiper D M, Wenkstern R Z. Agent Vision in Multi-agent Based Simulation Systems[J]. Autonomous Agents and Multi-Agent Systems, 2015, 29(2): 161-191.

[13] Li X, Dong Z M. Platform-level Distributed Warfare Model Based on Multi-Agent System Framework[J].Defence Science Journal, 2012, 62(3): 180-186.

[14] 李雄, 高世峰, 崔巅博, 等. 复杂战争系统建模与仿真需求及ABMS方法[J]. 装甲兵工程学院学报, 2008, 22(6): 33-38.

[15] Chen D, Wang L Z, Albert Y, et al. Parallel Simulation of Complex Evacuation Scenarious with Adaptive Agent Models[J]. Para-llel and Distributed Systems, 2015, 26(3): 847-857.

[16] Pablo W, Michel Q F, Diana F A, et al. Multi-Agent-Based Simulation of Mycobacterium Tuberculosis Growth[J]. Lecture Notes in Computer Science, 2014, 8235(1): 131-142.

[17] 李雄. 基于Agent的作战建模[M]. 北京: 国防工业出版社, 2013: 132-133 .

[18] 黄建新, 李群, 贾全, 等. 基于ABMS的体系效能评估框架研究[J]. 系统工程与电子技术, 2011, 33(8): 1794-1798.

[19] 衣冠琛, 李军亮, 李楠, 等. 基于AHP和模糊综合评判的飞行保障方案评估[J]. 船舶电子工程， 2014, 34(12): 136-139.

[20] 彭绍雄, 王海涛, 邹强. 潜空导弹武器系统作战效能评估模型[J]. 系统工程理论与实践, 2015, 35(1): 267-272.

[21] 罗小明, 朱延雷, 何榕. 基于SEM的武器装备作战体系贡献度评估方法[J]．装备学院学报,2015, 26(5): 1-6．

[22] 胡军, 余文芳, 陈云南. 基于TOPSIS理论的企业供应商选择应用[J]. 统计与信息论坛, 2008, 23(11): 65-70.

(责任编辑: 王生凤)

Method of Networked Equipment Support Scheme Decision Analysis Based on ABMS

PU Wei1, LI Xiong1, LIU Zhong-xuan2

(1. Department of Equipment Command and Administration, Academy of Armored Force Engineering, Beijing 100072, China; 2. Department of Information Engineering, Academy of Armored Force Engineering, Beijing 100072,China)

Aiming at complex adaptive system character of networked equipment support system, the method of networked equipment support scheme decision analysis based on ABMS (Agent-Based Modeling and Simulation) is proposed. Networked equipment support scheme decision analysis is defined formally, and the overall method framework is constructed. The decision analysis index system which can be dynamically simulated and tested is built from three angles of support effect, support cost and support efficiency based on equipment support scheme decision criterion. The multi-Agent model system is built that includes group structure model, communication net structure model, command interaction rule model and state action rule model based on analysis of equipment support scheme variable. Finally, an instance of decision analysis of three typical networked equipment support schemes is used to verify the feasibility and effectiveness of the method.

networked equipment support; equipment support scheme; decision analysis; Agent-Based Modeling and Simulation (ABMS)

1672-1497(2016)05-0005-11

2016-04-25

国家自然科学基金资助项目(61473311)； 北京市自然科学基金资助项目(9142017)； 军队科研计划项目

蒲 玮(1983-)，男，讲师，博士研究生。

TP391.9； E23

A

10.3969/j.issn.1672-1497.2016.05.002