基于ANP 的网络信息体系能力相关性模型研究

禹明刚 倪金盾 权冀川 董经纬

网络信息体系是近年来我军提出的一个新概念.从信息化建设角度,它是指以信息时代的指挥与控制理论和体系工程(System-of-Systems Engineering)方法[1]指导我军新一代指挥信息系统建设,突出以网络为中心、信息为主导、体系为支撑的指挥控制方式和系统建设特点,将我军各军兵种指挥控制核心要素连成一个整体,以支撑信息化条件下的联合作战指挥和军队管理,实现我军信息化建设跨越式发展[2].如何探索网络信息体系的本质特点与规律,取得关键问题上的突破,最终为体系的科学规划与顶层设计提供决策支持,是目前网络信息体系研究领域亟待解决的问题.

能力是指为完成特定的使命任务体系必须具备的功能、技能或本领.对网络信息体系能力的评估是近年来一个非常热门的研究领域.国防大学[3−4]、军事科学院[5−6]、国防科技大学[7−8]及各军种院校[9−10]都开展了理论、方法、应用等一系列研究.其思路是首先建立评估指标体系,然后借助于层次分析、灰色聚类、模糊综合评判等经典系统评估方法实现对体系能力的计算,其大前提是基于指标及层次的独立性假设.

然而,网络信息体系是一种典型的包含人–机–资源的多要素、动态复杂巨系统,其能力的生成不是简单的指标值的线性叠加,而是指标间按照一定规则相互制约、相互依存、相互转换而成.这种错综复杂的相互作用既体现在不同的指标层次间,还体现在同层指标间的内部循环及相互支配.目前的成果对能力指标间的依存、反馈等关联性研究不够充分,弱化了交织成网的指标间的关联性对能力生成的作用,从而使得所建指标体系不足以刻画网络信息体系能力指标内部的复杂关系.因此,本研究将复杂系统决策方法—网络分析法(Analytic Network Process,ANP)[11−14]引入网络信息体系能力评估领域,提出了一种网络信息体系能力相关性模型.

ANP是以经典层次分析法(Analytic Hierarchy Process,AHP)为基础,通过扩展优化产生的一种多目标决策方法.ANP在解决指标间存在反馈、依存关系的评估问题时存在明显优势,它能够准确、合理地刻画指标间错综复杂的关联关系,确保评估的客观性、准确性.

1 网络信息体系能力构成

体系能力并不是单个系统或单个作战单元能力的简单累加,而是围绕作战使命和任务需求,按照信息赋能、网络增能、体系聚能的要求,将各种作战力量、作战单元、系统资源有机融合,从而达成的“1+1>2”的体系层面的联合作战能力.

联合作战体系由武器装备体系、作战力量体系、战场设施体系和保障体系几大体系构成,而网络信息体系将武器装备、作战力量、战场和保障各要素粘合铰链以形成最大作战效能,如图1所示.因此,网络信息体系对联合作战体系的形成和效能的发挥起着全局性、基础性的支撑作用[2].

为有效应对信息化条件下的联合作战,网络信息体系依托于信息栅格网,在其之上构建战场感知、指挥决策、武器控制、综合保障等网络,形成1个基础网加4个作战网的信息网络格局;基于通信系统,铰链情报侦察监视、指挥控制、武器、综合保障等系统,形成涵盖5系统的一体化信息系统[15].因此,可将网络信息体系归结为“五网五系统”的基本架构.

根据网络信息体系在联合作战体系中的地位和作用,参考“五网五系统”基本架构,构建如图2所示的网络信息体系能力指标体系.

本研究将网络信息体系能力指标体系定义为四级结构,其中,一级能力为网络信息体系能力本身;对一级能力进行分解,得到信息力、感知力、保障力、指挥力、行动力等5个二级能力指标;同样,分别对5个二级能力进行分解,得到信息获取能力、信息传输能力、信息处理能力等19个三级能力指标;依次对三级能力进行分解得到49个四级能力.为方便后文表述,分别用B、C1−C5、D1−D19、e1−e49指代4个层级的能力指标.

2 能力相关性分析

网络信息体系是一个具有复杂系统结构和行为的复杂系统,因此,对其能力进行评估需要首先厘清能力指标间的相互依存、反馈关系.

网络信息体系能力指标体系反映了能力之间的层次、聚合、包含、结构等关系,同级及不同层级能力之间还存在着诸如信息共享、彼此依赖和相互渗透等较为密切的作用关系,是一个互为支撑、融合匹配、交织成网、联动聚能的有机整体.如第一层中,信息力直接影响感知力,同时也是形成保障力、指挥力和行动力的基础支撑;作战、装备、后勤等保障力水平影响信息力、感知力、指挥力和行动力的形成;指挥力、行动力反映出信息、感知、保障能力的高低,决定其发展方向.第二层中,信息获取能力直接影响目标发现、目标定位质量;信息处理能力大小对目标识别、预警、跟踪等产生影响;组织计划、筹划决策能力对行动力的体系适应度产生影响,同时对各类保障能力产生间接影响.在层次反馈方面,信息互联互通互操作能力对信息处理产生反馈影响;目标发现的概率、速率等对目标预警能力产生反馈影响.限于篇幅,能力间的支配、反馈等关系不再一一列举.

由此可见,网络信息体系的能力形成绝不是传统的逐层计算、向上聚合,而是能力指标间交织成网后的联动共享,其能力生成过程表现出明显的非线性、开放性和动态性的特点.ANP在应对要素间存在依赖和反馈特点的决策问题时,关注于要素间的双向影响—不仅关注要素施加于其他要素的影响,同时将其他要素施加于本要素的影响考虑在内,全维综合描述优势明显,是网络信息体系能力相关性建模行之有效的手段.

3 基于ANP网络信息体系能力相关性建模

根据ANP基本原理,以图2所示的网络信息体系能力指标体系为依据,构建网络信息体系能力评估指标网络模型.不失一般性,网络信息体系能力评估指标网络模型划分为两层:控制层和网络层.控制层中网络信息体系“能力大小R”作为唯一的准则;与图2“网络信息体系能力指标体系”相对应,网络层包含5个能力元素组:信息力、感知力、保障力、指挥力及行动力,每个元素组分别又包含对应的四级能力.基于ANP的网络信息体系能力评估指标网络模型如图3所示.

图中控制层“能力大小R”受制于网络层各能力元素组,同时,网络层各能力指标又在“能力大小R”控制下产生相互作用.

3.1 构建加权矩阵

分别以控制层元素R、网络层元素组Ci为准则和次准则,对网络层中各元素组相比于Ci的重要程度进行两两比较,得到准则(R,Ci)下,网络层中诸元素组的重要性判断矩阵A(R,Ci).接着获取A(R,Ci)的特征向量并归一化.依次对信息力C1、感知力C2、保障力C3、指挥力C4和行动力C5做上述运算,由于5个元素组之间均存在关联,所以在每个次准则Ci下均要进行5个元素组间的两两比较,最终获得加权矩阵A.表1、表2分别以C1、C2为例给出判断矩阵A(R,C1)和A(R,C2).

表1 以C1为次准则的判断矩阵

归一化特征向量:

a1=(0.491,0.232,0.092,0.138,0.046)T

表2 以C2为次准则的判断矩阵

归一化特征向量:

a2=(0.215,0.410,0.235,0.038,0.102)T

同理,分别得出A(R,C3)A(R,C4)A(R,C5)及a3a4a5得出加权矩阵A.

3.2 构建初始超矩阵

分别以控制层元素R、网络层元素组Cj中元素Cjl(l=1,2,3,···,k)为准则和次准则,对Ci中元素Cim(m=1,2,3,···,f) 相比于Cjl(l=1,2,3,···,k)的重要性做出判断,得到准则(R,Cjl)下,关于元素组Ci的判断矩阵接着计算的特征向量并归一化,得准则(R,Cjl)下Ci中元素的权重向量.同理可得在准则R、不同次准则下元素组Ci中各元素的权重向量,多个权重向量最终构成权重向量矩阵wij.

wij中列向量表示元素组Ci中元素Cim(m=1,2,3,···,f)相对于元素组Cj中元素Cjl(l=1,2,3,···,k)的重要性权重向量.

将所有网络层元素权重向量矩阵进行组合,构建准则R下的超矩阵,记为W.

基于ANP的网络信息体系能力评估指标网络模型中共5个元素组,而网络信息体系能力指标体系中共49个四级能力指标,因此,W中共有25个矩阵块,共计49行49列.其中,对角线上的wij表示同一元素组内部元素间的权重关系.

3.3 加权超矩阵及极限运算

将3.1节所得加权矩阵A与3.2节得到的超矩阵W做乘积运算,得加权后的超矩阵W.

其中,=aij·wij.描述了元素组、元素自身之间及两者之间的依存、制约、反馈等关联关系.

在数学意义上刻画了元素i对元素j的一步优势度,依次计算23,当计算到W的t次幂即t步优势度时,的每一列数值不再变化,即:

此时中每列元素即为准则R下的网络层各元素在网络信息体系能力构成中的极限相对权重.

3.4 结果分析

采用超决策软件(Super Decisions)对加权超矩阵做极限运算,得到四级能力指标在准则R下的极限权重及最终的重要性排序,如表3所示,进一步计算出三级能力权重排序和二级能力权重排序分别见表4、表5.

在表5所示的能力权重排序中,信息力C1在C1∼C5中占比最高,权重值为0.435,充分体现了信息力在网络信息体系能力构成中举足轻重,印证了网络信息体系“信息赋能”的特点. 同时,信息力通过能力指标间的相互关联关系作用到C2∼C5上,对基于网络信息体系的联合作战效能具有一定的决定意义,起到了“信息主导”的作用.5个二级能力指标权重分别为0.435、0.213、0.127、0.113、0.112,不同能力的权重值具有差异性,不是均等关系,但5项能力共同聚焦于基于网络信息体系的联合作战能力,是均衡关系.能力之间相互依存、相互制约、互为反馈,通过网络整合为效益聚释的能力体系,是一个多力均衡、网聚成优的过程,体现了网络信息体系“网络聚能”和“体系增能”的特点.

表3 四级能力权重排序

表4 三级能力权重排序

表5 二级能力权重排序

在信息力C1中,信息传输D2、信息处理D3、信息对抗D5能力权重分别达到0.101、0.113、0.111,感知力C2中,目标预警D9、目标跟踪D10能力权重达到0.078、0.062.以上5项能力对基于网络信息体系的联合作战效能有全局性影响,在信息力和感知力建设中需要重点关注.

在保障力C3中,作战保障D11、后勤保障D12、装备保障D13能力权重较为接近,在建设中需统筹兼顾.在指挥力C4中,筹划决策D16能力权重最大,在指挥力建设中需重点把握.在行动力C5中,体系融合D18能力权重最大,在行动力建设中需重点把握.

4 结论

本文针对当前研究中对网络信息体系能力指标间存在的依存性、反馈性考虑不足的问题,将复杂系统决策方法ANP引入到网络信息体系能力评估领域,提出了一种基于ANP的网络信息体系能力相关性模型.该模型对于存在内部依存和反馈效应的复杂系统,能够合理描述指标间的影响关系,增加评估的准确性.通过实验,一定程度上验证了网络信息体系“以网络为中心、以信息为主导、以体系为支撑”的特点以及“信息赋能、网络增能、体系聚能”的理论,并结合实验结果对能力建设提出了初步建议.

能力如何量化,能力如何归一化度量和计算是体系能力评估中需要解决的重要问题,在此方面,文献[16−17]提供了有益参考.下一步,课题组将在本文研究基础上,研究各级能力指标的量化问题,实现对网络信息体系的能力评估,为我军科学合理地进行网络信息体系顶层设计提供决策支持.