1 未来海空联合智能联合行动形态与体系效能评估方法需求分析

在人工智能、无人系统、网络信息等技术的深度赋能下，未来海空联合行动突破传统联合行动范式的边界，形成以智能化为核心、多域融合为特征的全新形态^[1]，其体系效能评估也需摆脱传统指标评估的局限，构建适配未来海空联合行动逻辑的综合评估体系。未来海空联合行动的形态是技术突破引发的联合行动要素重组与体系链路革新，其中，天基卫星组网提供广域导航与态势感知，空基无人机集群实施前沿侦察与中继通信，海基有人舰艇与无人艇、无人潜航器组成分布式联合行动单元，陆基远程行动力量与抗电子干扰力量提供纵深支撑，通过智能数据链实现跨域信息实时流转，使各联合行动域从协同配合转向有机共生，形成“海-陆-空-天-电-网”六域联动的全域联合行动体系。

针对未来海空联合行动全域融合、智能辅助等特征，体系效能评估需构建多层指标体系，采用定量与定性结合、动态与静态互补的评估方法，实现对联合行动效能的全面精准衡量。通过建立多维度指标体系，突破传统评估局限，并采用模拟推演+实践复盘的动态评估模式，确保评估数据贴近实战。未来海空联合行动的形态演进与效能评估是相互支撑的动态过程，形态重构为评估提供新的维度^[2]，通过构建适配未来联合行动的评估体系，可精准把握体系联合行动效能的核心影响因素，为相关装备发展、行动方法创新与体系建设提供科学依据，推动未来海空联合联合行动能力的持续提升。

2 现有海空联合行动体系效能评估方法的局限性

传统海空联合行动体系效能评估方法主要包括解析法、专家评估法和仿真模拟法，这些方法在长期实践中积累了丰富的应用经验，但随着未来联合行动加速向智能化、多域融合、动态对抗演进^[3]，其在应对未来联合行动需求方面已暴露出明显局限，难以支撑未来海空联合行动体系的规划设计和发展方向。

1）解析法以数学公式为基础，具有结构清晰、计算高效、可解释性强的优点，适用于初期方案比选与趋势预测。然而，该方法严重依赖理想化假设，难以处理联合多域协同、动态变化和不确定性。其中，证据推理融合多源数据方法，虽能够整合多源异构评估信息，缓解单一数据来源带来的评估偏差，在处理不确定信息、定性定量数据融合方面具备独特优势，但其应用框架仍存在局限。该方法在常规建模中，往往难以全面嵌入后勤保障能力、动态策略调整以及非线性体系效应等关键要素，模型约束条件与复杂对抗场景的匹配度不足。同时，传统证据推理模型常预设证据的置信度恒定、证据间相互独立，仅简单调整证据权重或融合规则，未考虑证据本身会随行动环境、电磁干扰、AI辅助决策迭代发生动态变化，这与未来智能化联合行动中装备性能、环境信息的动态演化特性严重脱节。此外，该方法在体系能力评估中，多采用线性加权、规则化融合的方式核算整体能力，忽视了跨域协同带来的涌现效应，无法刻画体系级非线性交互特征，容易导致对复杂联合行动体系的评估失真。

2）专家评估法具有灵活性高、可融合领域知识、适用于定性指标量化的优势，能够将领域专家的战略判断结构化，广泛应用于联合行动指标体系构建与权重分配。层次分析法虽被广泛应用，但其主观性强、信度不稳定，过分依赖专家个人经验，不同专家对指标重要性的判断差异较大，易引发争议，从而影响评估结果的客观性与可重复性。网络层次分析法虽改进了AHP，能够刻画指标间的相互依赖与反馈关系，提升了模型的系统性，但仍缺乏对实时海空行动环境数据的动态响应能力，难以实现自主汇总、筛选、融合与分析未来海量多源信息，在面对未来行动环境中高度动态、信息爆炸的环境时评估结论偏差过多。

3）仿真模拟法具备高保真度、随机性建模与多方案对比的优点，能够较为真实地再现联合行动进程，辅助指挥员进行推演与风险预判。然而，该方法计算复杂度高、实时性差，难以满足海空行动环境快速响应的需求。传统模拟往往将联合行动视为一个确定性或预设概率的过程，忽略了参加行动单元的主动性、适应性与学习能力，仍采用线性叠加方式计算整体联合行动能力，无法体现各联合行动单元在行动中自我调整，协同演化对行动进程的推动作用。其中，基于数字孪生的实时作战推演方法，在实际应用中仍存在典型短板^[4]。虽能构建高逼真度的战场虚拟映射场景、实现作战单元的自主决策与迭代优化，突破了传统模拟固定参数、固定规则的桎梏，但数字孪生推演对战场感知的实时数据传输、边缘计算算力支撑有着严苛要求，在强电磁干扰、通信拒止的海空复杂环境下，数据接入与模型同步的稳定性难以保障，极易出现推演延迟。

综上所述，三大传统方法在面对未来海空联合行动的复杂性、不确定性和非线性特征时，均显现出根本性短板：解析法偏于静态与理想化，缺乏现实适应性；专家评估法受限于主观判断，缺乏数据驱动能力；作战模拟法则受限于计算效率与模型固化，难以实现实时闭环优化。难以准确评估未来海空联合行动中信息域等非物理域的体系联合行动效能，无法有效刻画多域协同中不同指标的非线性聚合效应，更缺乏对联合行动体系动态适应与演化能力的科学衡量。

因此，未来海空联合行动效能评估必须突破传统方法的局限，考虑各域力量通过智能数据链深度耦合,构建一种融合主客观信息、兼具动态响应与支持多域一体化分析的新型评估框架，形成支撑关键领域突破、多域协同相应的新型评估模式。

3 未来海空联合行动体系效能评估方法应用及分析

在多指标决策分析中，海空联合行动体系指标权重的科学性直接决定评估结果的可信度。AHP作为典型的主观赋权法，能充分融入专家经验与决策偏好，但易受主观认知局限影响；熵权法作为客观赋权法，可依托数据本身的离散特性量化权重，但难以体现决策目标与实际需求的导向性。将二者组合形成“主观-客观”融合的赋权模型，既能兼顾决策意图，又能反映数据客观规律，显著提升权重赋值的合理性。下面详细阐述AHP与熵权法组合赋权的设计逻辑、实施步骤及典型应用案例。

3.1 AHP与熵权法组合赋权的设计逻辑

AHP通过将复杂决策问题分解为三级层次结构，利用专家构建判断矩阵，通过一致性检验后计算各层指标的相对权重，核心优势在于将定性判断转化为定量数据，精准传递专家对指标重要性的主观认知，适用于指标间逻辑关系清晰但数据积累不足的场景。

熵权法基于信息论中“熵值越小，信息不确定性越低，指标区分度越高”的原理，通过计算各指标的信息熵，将熵值转化为权重，熵值越小则权重越大。其优势在于完全依赖指标数据的客观分布特征，避免人为偏好干扰，适用于数据可获得性强、指标离散度显著的场景。

二者的互补性体现在：AHP弥补熵权法忽视决策目标导向的缺陷^[5]，熵权法修正AHP主观偏差可能放大的问题，组合后形成主观意图-客观数据双向约束的权重体系，使赋权结果既符合实际决策需求，又具备数据支撑的客观性。

3.2 AHP与熵权法组合赋权实施步骤 3.2.1 构建评价指标体系

结合面向未来海空联合行动需求的体系效能评估方法研究问题，本方案聚焦以执行关于海上移动平台编队相关任务为背景的装备体系效能评估，邀请相关领域专家共同构建，其中一级指标包括联合行动能力、生存能力、保障能力等，二级指标包括行动能力、探测识别能力、指挥控制能力等，三级指标包括选捕正确概率、命中概率、筹划任务所需时间等，形成清晰的层次逻辑。

3.2.2 计算AHP主观权重

构造判断矩阵：对同一层级的评估指标进行两两比较，使用1−9标度法，形成判断矩阵A=(a)，其中a为第i个指标相对于第j个指标的重要性，满足a=1，a=1/a。

计算权重向量：采用特征根法（CR法）计算权重，先求解判断矩阵的最大特征值λ及对应的特征向量W，将特征向量归一化后得到AHP主观权重向量W=(w₁,w₂,…,w_n)。具体计算可通过和积法简化：先将判断矩阵每列归一化，再计算每行平均值，即得到近似权重。

装备体系效能评估的准则层有3个指标（A探测识别能力、B行动能力、C指挥控制能力），判断矩阵为如表1所示。

通过计算，最大特征根λ_max=2.99，CR=0.01<0.1，通过检验。归一化特征向量为[0.54,0.30,0.16]，即A、B、C的主观权重分别为0.54、0.30、0.16。

3.2.3 计算熵权法客观权重

数据标准化处理：对A探测识别能力、B行动能力、C指挥控制能力等指标进行无量纲化处理。常用方法包括极差标准化（X'=(X-min)/(max-min)）和Z-score标准化（X'=(X-μ)/σ）。计算信息熵：根据标准化后的数据，计算每个指标的熵值$ {e}_{j}=-k\sum \limits_{i=1}^{n}{p}_{ij}\ln ({p}_{ij}) $，其中$ {p}_{ij}=X_{ij}^{\mathrm{'}}/\sum \limits_{i=1}^{n}X_{ij}^{\mathrm{'}},k=1/\ln (n) $（n为样本数）。

计算差异系数：差异系数$ {d}_{j}=1-{e}_{j} $，反映指标的离散程度。确定客观权重：权重$ w_{j}^{\text{熵权}}={d}_{j}/\displaystyle\sum \limits_{j=1}^{m}{d}_{j} $。装备体系效能评估其中的3个指标（A探测识别能力、B行动能力、C指挥控制能力），标准化后数据如表2所示。

计算信息熵后，设计A、B、C的熵值分别为0.97、0.99、0.98，差异系数为0.027、0.014、0.22。归一化后，熵权法客观权重为[0.41,0.21,0.38]。

3.2.4 组合赋权方法

权重融合是组合赋权的核心，需根据决策问题的主观导向需求与数据客观支撑力度，选择合适的融合方法。常用方法包括加法合成法、乘法合成法、极差最大化法、线性组合法等。

1）加法合成法公式：

$ w_{j}^{\text{组合}}=\alpha \cdot w_{j}^{{\rm{AHP}}}+(1-\alpha )\cdot w_{j}^{\text{熵权}}。$

(1)

式中：α∈[0,1]。

适用场景：当主观与客观权重的差异较小，且需要快速融合时。

示例：若AHP主观权重为[0.63,0.23,0.14]，熵权法客观权重为[0.4,0.25,0.35]，取α=0.5，则组合权重为[0.515,0.24,0.245]。

2）乘法合成法公式：

$ w_{j}^{\text{组合}}=(w_{j}^{{\rm{AHP}}}{)}^{\beta }\cdot (w_{j}^{\text{熵权}}{)}^{1-\beta }。$

(2)

式中：β∈[0,1]。

适用场景：当需要强调主观与客观权重的非线性关系时。

示例：若β=0.7，则组合权重约为[0.54,0.22,0.24]。

3）极差最大化法

通过优化模型使组合权重的离散度最大，公式为：$ \max \displaystyle\sum _{i=1}^{n}\displaystyle\sum_{j=1}^{m}({x}_{ij}{w}_{j}{)}^{2} $，其中$ {x}_{ij} $为标准化数据，$ {w}_{j} $为组合权重。

适用场景：当需要最大化各类行动指标间的区分度时。

4）线性组合法

直接相加主观与客观权重后归一化公式为：

$ w_{j}^{\text{组合}}=(w_{j}^{{\rm{AHP}}}+w_{j}^{\text{熵权}})/\displaystyle\sum \limits_{j=1}^{m}(w_{j}^{{\rm{AHP}}}+w_{j}^{\text{熵权}}) 。$

(3)

适用场景：当主观与客观权重的单位一致且无需加权时。

3.2.5 组合权重检验与修正

为确保组合权重的合理性，需从逻辑一致性和实际有效性两方面进行检验：

1）逻辑一致性检验。对比组合权重与AHP主观权重、熵权客观权重的排序差异，若某指标组合权重排序与两类基础权重排序均出现显著偏差，需回溯检查AHP判断矩阵的一致性或熵权计算的数据质量，排除异常值或专家判断失误的影响。

2）实际有效性检验。采用“重抽样检验”或“案例验证法”，如通过Bootstrap方法重复抽样计算组合权重的标准差，标准差越小说明权重稳定性越好；或代入已知评估结果的案例，对比组合权重与单一权重的评估误差，误差更小的权重体系更优。若检验未通过，需重新调整融合系数或优化层次结构，直至满足要求。

3.3 应用案例及行动装备体系效能评估指标体系

以对海上移动平台编队开展联合行动为背景的反制装备体系效能评估为例，说明AHP与熵权法的融合应用。

3.3.1 应用案例

选取对海上某移动平台编队行动为案例，以完成联合行动任务为目标，以对抗手段数量为控制变量，进行多样本仿真推演计算，案例包括卫星、飞机等空天侦察要素，陆基装备作为行动力量与指挥中心部署在陆上，行动目标为某移动平台编队，具体反制联合行动概念如图1所示。

3.3.2 指标体系构建

根据上文分析，反制装备体系效能评估指标体系如表3所示。

3.3.3 AHP主观权重计算

邀请5名相关领域专家构建判断矩阵，专家团队通过两两比较，详见上节，通过一致性检验，确定探测识别能力、行动能力、指挥控制能力的主观权重分别为0.54、0.30、0.16。

3.3.4 熵权法客观权重计算

收集典型对抗手段模拟仿真数据，对探测识别能力、行动能力、指挥控制能力进行标准化和熵值计算，熵值为0.97、0.99、0.98，差异系数为0.027、0.014、0.22，得出客观权重为0.41、0.21、0.38。

3.3.5 组合赋权

采用加法合成法（α=0.6）融合主观、客观权重，该方法因计算简便、适配性强被选用，其中α=0.6 依据领域经验与专家咨询确定。探测识别能力、行动能力、指挥控制能力的组合权重为0.49、0.27、0.24。

3.4 单项联合行动能力水平提升条件下的体系贡献率分析

本方案主要采用控制变量方法针对探测识别能力、行动能力、指挥控制能力等单项体系联合行动能力增长对联合行动任务完成概率的提升情况进行分析，其中反制任务完成率表示体系贡献率量化指标，本次仿真实验依托自研海空联合行动仿真平台开展，平台集成多核心功能模块，仿真场景设定为搭载复杂海洋气象的典型远海联合行动任务场景，底层引擎支持联合仿真求解，可完整记录任务全过程的关键数据。实验围绕探测识别能力、行动能力、指挥控制能力设计 3 组仿真评估方案，采用控制变量法，各组均设置0.5～0.95、以 0.05 为步长递增的 10 个梯度样本，样本取值为权威公开数据后得到的单项联合行动能力归一化系数，每组样本开展独立重复仿真，剔除异常数据后取均值作为统计结果。

对上述结果进行横向对比会发现三大体系联合行动能力值在0.5～0.95变化时，对联合行动任务完成概率提升幅度最大的是行动能力，幅度最小的是指挥控制能力。因此，由图2～图4可以得到以下启示：

1）各类体系联合行动能力的提升对于联合行动任务完成概率的增长不同，探测识别能力及行动能力对联合行动任务完成概率贡献较高。

2）整体趋势上看，探测识别能力、行动能力、指挥控制能力三大体系联合行动能力的增长带来的联合行动任务完成概率增长趋势靠近，从0.8开始，联合行动能力的增长对联合行动任务完成概率的增长影响很小。

3）从联合行动任务完成概率增长的角度看，当探测识别能力和指挥控制能力在较好地满足联合行动任务之后，行动能力的增长会成为联合行动任务完成概率进一步提高的引擎。

通过对比不同探测识别能力、行动能力、指挥控制能力在对联合行动任务完成场景的效能差异，验证了AHP与熵权法组合赋权评估方法对复杂装备系统设计优化的指导价值。

4 结　语

本文围绕未来海空联合行动体系效能评估需求，系统分析了传统评估方法的局限性，并提出一种融合AHP主观赋权与熵权法客观赋权的组合权重模型。通过构建“主观-客观”融合的体系效能评估指标体系，结合动态权重调整机制与多域协同分析框架，为未来海空联合行动体系效能评估提供了科学、系统的解决方案。研究结论如下：

1）传统解析法、专家评估法及作战模拟法在应对未来海空联合智能化、多域联合行动需求时存在显著缺陷：解析法依赖理想化假设，难以刻画非线性聚合效应；专家评估法主观性强，缺乏数据驱动能力；作战模拟法计算效率低，难以实时响应行动环境变化。本文提出的AHP与熵权法组合赋权模型通过主客观权重的互补性，既保留了专家经验对关键指标的敏感性，又通过数据离散性量化客观规律，有效平衡了战略目标与数据支撑的矛盾。

2）通过效能评估应用案例的实证分析，验证了AHP与熵权法组合模型在体系效能评估领域的有效性。案例结果表明，组合权重方法能够显著提升评估结果的科学性与可解释性，经数据查询，组合权重预测的效益与实际测试值的吻合度很高。

本文方法在装备体系设计的效能评估中展现了显著价值，为装备研发与联合行动编成优化提供了量化依据。

本文提出的体系效能评估框架支持陆、海、空、电磁、网络等跨域协同分析，还能通过引入模糊综合评价、云模型等方法，进一步提升复杂行动环境下部分非线性关系的指标能力。同时，体系效能评估工具的应用显著降低了组合赋权的计算复杂度，为未来构建数据驱动+智能学习的实时评估系统提供了技术支撑。