多目标智能加权灰靶决策模型在军事运输方式选择中的应用

谢　伟,刘宝新

(1.军事交通学院 研究生管理大队，天津300161; 2.军事交通学院 联合投送系,天津300161)



● 军事运输Military Transportation

多目标智能加权灰靶决策模型在军事运输方式选择中的应用

谢伟1,刘宝新2

(1.军事交通学院 研究生管理大队，天津300161; 2.军事交通学院 联合投送系,天津300161)

军事运输方式的合理性直接影响军事运输的效能发挥。为科学合理地决策军事运输方式，针对各种运输方式评价指标量纲不同且模糊性较大，在灰色决策的基础上引入多目标智能加权灰靶决策模型，通过建立灰靶和目标效果临界值，比较各运输方式的综合效果测度。通过实例应用可以看出，该决策模型含义清晰、计算量小，与实际情况比较吻合，能很好地解决军事运输方式选择问题。

军事运输;运输方式选择;决策模型

现代战争的实践已证实，军事运输作为战略投送的重要手段，在军队机动和后勤保障中具有突出的地位和作用。只有正确地选择好合适的军事运输方式，才能顺利地完成军事运输保障任务，进而确保各项军事意图的圆满实现。目前军事运输方式的选择方法很多，除了按照军交运输规章规定的要求选择以外，有关人员还研究提出了直观判断法、总成本最小法、灰色评价理论法、层次分析法及博弈论等方法[1]。直观判断法虽然简单，但主观性太强且误差大；总成本最小法主要考虑运输成本，不能兼顾运输时间、安全性、便捷性、可靠性等重要指标；单一地使用层次分析法过于依赖专家打分，而博弈论法计算常常过于复杂。多目标智能加权灰靶决策模型运用灰色决策理念的思想，计算量小且能兼顾多个评价指标，可将不同量纲、不同性质的决策目标转化成一个综合效果测度，把实际问题中较难相互比较的指标进行量化，不仅物理含义清晰，而且综合效果测度的分辨率也比单一的灰色决策模型提高了很多。因此，通过多目标智能加权灰靶模型，能较好地解决军事运输方式的选择问题。

1　运输方式决策模型的构建

1.1军事运输需考虑的因素

军事运输关乎部队作战效能的发挥，是确保军事目的和国家安全目标实现的关键环节，除了考虑技术经济因素外，还需要遵循军事规律以适应战争和军事行动的要求，因此，军事运输对时效性、可靠性、安全性以及保密性的要求更高。影响军事运输方式选择的因素很多而且十分复杂，为科学决策，应从运输费用、运输时间、运量能力以及运输的准时性、可靠性、安全性、可操作性等多方面进行考查，综合当地交通环境条件进行科学合理的决策。为简化模型，只考虑影响运输效能的关键因素，即费用、时间、时效、安全性、可靠性和便捷性，对于运量不能满足运输要求的运输方式在决策前就予以去除。

1.2模型构建过程

(1)建立运输事件集、对策集和局势集。将运输方式选择问题抽象为运输决策事件集A={ai,i=1,2,…,n}，ai为第i个运输区段的运输事件。若整个运输任务中，各运输方式的评价指标属性值一致性较好，则可将事件集简化成单个运输决策事件，即A={a1}。将可供选择的铁、公、水、空以及这4种方式相互组合的联运方式作为对策集B={bj,j=1,2,…,n}，bj为使用第j种运输方式。由运输事件集A和对策集B构建相应的局势集S={sij=(ai,bj)|ai∈A，bj∈B，i=1,2,…，n;j=1,2,…，n}，sij为运输事件ai采用第j种运输方式的局势。

(2)确定运输决策子目标及权重。根据军事运输任务的要求确定评价指标并确定相应的决策子目标，建立决策目标评价体系，通过查阅资料、实地调研及专家评议等方式确定各种运输方式的指标参数的取值。将运输方式的各评价指标抽象为运输决策的子目标，并根据运输任务对运输费用、时限、安全性、可靠性等要求的侧重程度确立相应子目标的决策权重。

(3)建立运输目标效果样本向量。根据各运输方案的效果样本值，将同一子目标下不同运输方式的效果值转化为效果样本向量。例如，在运输费用这一子目标下，将铁、公、水、空等运输方式的运输费用归为一类并转化成运输费用子目标下的效果样本向量，用于后续计算。

(5)求解一致性效果测度向量。通过目标效果样本向量及临界值求解各种运输方式的一致效果测度，将同一子目标下的不同运输方式的一致效果测度转化为效果测度向量。例如，在运输费用这一子目标下，将铁、公、水、空等运输方式的运输费用的效果测度求解后转换成向量的形式，得到该子目标下的一致性效果测度向量。

(6)求解综合效果测度向量。根据运输任务对各项子目标的偏重程度，确定各子目标的决策权重。将决策权重乘以一致效果测度向量，获得各种运输方式的综合效果测度向量。

(7)决策。根据求解的综合效果测度向量，分析各运输方式的中靶情况。若综合效果测度向量的某一分量结果大于零，则该分量对应的运输方式中靶，反之则脱靶。中靶的运输方式都是可接受的，其中的最大值即为最优解。根据最优解选出最符合实际运输任务要求的运输方式。

2　决策模型求解

在运用多目标智能加权灰靶决策模型进行运输方式选择时，其求解过程如下。

(1)定义目标决策灰靶和目标效果测度。将影响运输方式选择的各项评价指标抽象为子目标，并分别定义为决策目标k(k=1,2,…,n)，如果k是效益型目标，即目标效果样本对应的属性值越大越好。例如，对于部队运输，安全性、可靠性、便捷性等都是效益型目标，即运输的安全性越大越好，可靠性越强越好，运输工作越便捷越好等。定义k目标下的决策灰靶为

(1)

效益目标测度为

(2)

如果k是成本型目标，即目标效果样本的值越小越好。例如，运输费用越低越好，则可将运输费用定义为成本型目标。定义k目标下的决策灰靶为

(3)

成本目标测度为

(4)

如果k是适中型目标，即目标效果样本的值越接近适中值A越好，如规定送达时间为某一时刻A，则可将时间定义为适中型目标，即实际送达的时刻越接近时刻A越好。定义k目标下的决策灰靶为

(5)

(6)

适中型上限效果测度和下限效果测度都用于衡量子目标效果样本值偏离适中值A的程度。

(2)根据运输任务的决策目标k确定目标类型，并确定相应的权重w。其中，权重的确定可以采用查阅资料法、专家打分法、AHP法等。

(7)由综合效果测度向量分析各运输方式决策的中靶情况，当rij>0时为中靶，相应的局势集sij是有利的，即对策集中的运输方式bj是可行的。最后从所有的可行方案中选出综合效果测度最大者确定为最优决策方案。

3　实例应用

假设某部队需要在150 min内运达一批军用物资，要求送达的时间误差不超过30 min，运输费用最好控制在5 000元以内，可选用的运输方式包括铁路、公路、铁水联运、铁公联运以及铁空联运5种方式，选取运输费用、运输时间、运输可靠性、运输准时性、运输安全性、运输便捷性6个属性构成运输方案的属性集[4]，并对其中定性的属性进行量化。各种运输方式的运输费用、时间等指标参数采用文献[3]的数据(见表1)。

表1　运输方案属性评价值

注：用1-9表示运输方案的准时性、安全性和便捷性，数值越大，说明准时性、安全性和便捷性越好。

3.1建立事件集、对策集和局势集

将该部队运输选择运输方式作为事件a1，事件集A={a1}。选择铁路、公路、铁水联运、铁公联运以及铁空联运等运输方式作为对策b1、b2、b3、b4、b5，对策集B={ b1，b2，b3，b4，b5}。由事件集A和对策集B构造运输的局势集S={sij=(a1，bj)|ai∈A，bj∈B，i=1;j=1，2，3，4，5}={s11，s12，s13，s14，s15}。

3.2确定决策目标

3.3确定各子目标的决策权重

采用基于模糊评价矩阵的AHP方法确定各子目标的决策权重。分析运输任务要素集合及相关关系，用结构分析法建立系统的层次结构模型(如图1所示)。

图1　用结构分析法建立的运输层次结构模型

用w1、w2、w3、w4、w5、w6依次表示费用、时间、可靠性、准时性、安全性以及便捷性的相应权重，则可以建立准则层6项子目标的模糊评价矩阵：

w1w2w3w4w5w6

通过AHP方法计算得准则层各子目标的决策权重依次为w1=0.196，w2=0.076，w3=0.191，w4=0.103，w5=0.387，w6=0.047。

3.4求解各子目标的效果样本向量及一致效果测度向量

3.5计算综合效果测度向量

3.6实例结果分析

(1)淘汰脱靶的运输方式。本实例中r12<0，r15<0已脱靶，说明公路和铁空联运方案不能考虑。公路运输的时效性好，可实现“门到门”运输，但是运量有限、运费高，且长距离运输时安全性也随之降低，所以路程较短时可以使用公路运输,但运输经费有限时则不宜考虑。在本例中，淘汰单一的公路运输方案主要是由于其运价较高，超出了适中值的84%，因而脱靶，而且在时效方面，虽然在本案例中公路运输最快，但是为速度而付出的成本高了，而且节约的时间超出适中值40%，已远远超出了要求的时间容忍度，造成了资源极大的浪费。铁空联运综合了铁路运费低和空运速度快的优点，但是在短途运输中，这种联运方式的优势并不显著。本例中铁空联运的价格也超出了适中值的22%，时间超出适中值的26.7%。即公路、铁空联运虽然运输速度快，但是在本例中，一方面过早地送达货物并不能起到效益且会造成等待；另一方面，为了实现高速的运达，造成了运输费用的增加，因此，这两种方式都不选用。

(2)分析、比较中靶的运输方式，从中选择最优方案。r11>0，r13>0，r14>0说明铁路、铁水联运以及铁公联运这3种运输方式中靶，即在本例中，采用这3种运输方式都认为是合理的。铁路运量大，运价低廉且运输的持续性较好，安全性比公路运输高，这些优点在中远程距离的运输中更为显著。本例中铁路和铁公联运两个方案的费用、时间目标效果值都较接近灰靶，但由于涉及两种运输方式的转换和衔接，在短距离运输中，铁公联运的优势并不比单一的铁路运输显著，在本例中，只是可靠性比铁路运输高。铁水联运的综合效果测度值最高，说明本案例选择此方案最优。水路运输价格低，运量大且考虑到在本例中铁水联运便捷性较其他运输方式高，可靠性、准时性及安全性也能保证，因此该方案最优。

(3)发挥联运优势，结合实际情况选择运输方式。对实例结果分析可知，在中靶的3种运输方式中，有两种都是联运方式。单一的运输方式在总体上不如多种运输方式联合使用的效果，即多式联运的优势是单一运输方式不能比拟的，多式联运可以将多种运输方式的优点融合，适应不同的运输要求，并在一定程度上解决运力不足的问题。在实际问题中还需根据实际问题具体分析，如本例中铁水联运的便捷性最高，但实际情况可能会遇到水路运输转运不便、航速有限不能保证时效以及天气原因水运受限等因素，那么其便捷性需要重新打分，而且运输费用和运输时间会因运输物资的品类及距离发生变化，即各种运输方式的评价属性取值需要依据当地的运输资源分布情况、运输任务的特点以及费用预算、时限等进行相应的调整后再进行计算并决策。

4　结　语

利用多目标智能加权灰靶决策模型，能将运输任务所涉及的各项评价指标进行综合考评，从而选择出最优的运输方式。通过实例应用可以看出，该决策模型含义清晰、计算量小，与实际情况比较吻合，能很好地解决军事运输方式选择问题，比较适合中短程运输任务。当运输距离较长且各种运输方式在不同区段的属性评价值不同时，可将运输任务根据实际分成多个区段，对每段运输线路分别采用此模型进行分析评价，并将多种运输方式的衔接成本纳入考虑后再进行决策。

[1]曾已泷，李若蕾.基于数据包络分析的军事运输方式选择研究[J].国防交通工程与技术，2012(6)：43.

[2]刘思峰，党耀国，方志耕，等.灰色系统理论及其应用[M].北京：科学出版社，2010：275-278.

[3]巫云波，陈庚立，余贻荣.铁路军事运输联接运方案决策模型分析[J].军事交通学院学报，2015，17(3)：24.

[4]张家应，冯坚，胡军帅.多式军事联运系统运输方式优化组合研究[J].国防交通工程与技术，2010(6)：40-45.

(编辑：闫晓枫)

Application of Multi-attribute Intelligent Weight Grey Target Decision Model in Military Transportation Mode Selection

XIE Wei1,LIU Baoxin2

(1.Postgraduate Training Brigade,Military Transportation University,Tianjin 300161,China; 2.Joint Projection Department,Military Transportation University,Tianjin 300161,China)

Selecting military transportation mode properly directly affects the efficiency of transportation.Considering the different dimension and fuzziness in evaluating various transportation modes,the paper introduces multi-attribute intelligent weight grey target decision model based on grey decision model.With this model,it can establish grey target and its critical value for comparing the comprehensive effect measurement of each transportation mode.The application in a real case shows that this decision model is clear and has less calculation which coincides with practical situation,and it can solve the problem of selecting military transportation mode.

military transportation; transportation mode selection; decision model

2015-06-25；

2015-09-18.

谢伟(1987—)，男，硕士研究生；

刘宝新(1966—)，男，教授，硕士研究生导师.

10.16807/j.cnki.12-1372/e.2016.01.004

E234

A

1674-2192(2016)01- 0015- 05