GRG在雷达对抗训练水平评估指标权重中的应用

《GRG在雷达对抗训练水平评估指标权重中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第20卷第1期2011年2月运筹与管理OPERATIONSRESEARCHANDMANAGEMENTSCIENCEV01．20．No．1Feb．20I1GRG在雷达对抗训练水平评估指标权重中的应用郭金卫，邢焕革，刘亮(海军工程大学管理工程系．湖北武汉430033)摘要：在现代战争中，地对空雷达对抗日趋蘑要，对于地对空雷达对抗装备训练水平评估成为了亟待解决的问题。开展对地对空雷达对抗训练内容的分析．构建了地对空雷达对抗训练水平i平估指标体系．运用层次分析法确定个体指标权重，再将所有专家的个体指标权重集结为群体指标权霞．根据灰色关联度(GRG)计算各专家的个体指标权重与

2、群体指标权重的接近程度从而确定专家权重，采用了权重自适应调整的方法调整专家权重和群体指标权重，最终确定指标权重。最后，用实例说明了该方法的实用性。关键词：训练水平评估；指标权重；灰色关联度；专家权重中图分类号：E251．8文章标识码：A文章编号：1007．322l(2011)Ol一0123-05TheApplicationofGRGinIndex-weightDeterminationtoTrainingLevelEvaluationofRadarEWGUOJin·wei，XINGHuan-ge，LIULiang(DepartmentofManagementEngi

3、neering。NavalUniversityofEngineering，Wuhan430033．China)Abstract：Inpresentwarfare，theground-to-airradarEWismoreandmoreimportant。SOthetrainingleveleval—uationofground—to·airradarEWequipmentisaproblemtobesolvedurgently．Basedontheanalysisfortrainingmatterofground·to-airradarEW，anindexsyste

4、mforevaluationisbuiltup．Meanwhile，themethodforindex-weightdeterminationisintroduced．Firstly，theindexweightresultsofindividualexpertcanbegotthroughAHPmethod．Secondly，theindexweightresultsofallexpertsareaggregatedtobethegroup’8，thengreyrelationalgradeisemployedtocalculatethesimilaritybet

5、weentheindividualindexweightresultsandthegroup’sinordertogettheweightofindividualexpert．Thirdly，theadaptiveadjustmentweightsmethodisputforwardtoadjusttheexpertweightandthegroup’Sindexweight．Finally，theindexweightsaredetermined．Anexampleisgiventoshowthepracticability．Keywords：trainingle

6、velevaluation，indexweight；greyrelationalgrade；expertweight0引言如何有效地反映地对空雷达对抗部队的训练水平，是目前迫切需要解决的问题。通过对地对空雷达对抗训练水平评估问题的研究，能够准确掌握地对空雷达对抗部队的训练水平，及时发现部队训练工作中存在的问题．优化各项训练组织实施活动，促进训练工作的科学化和规范化．从而更有效地提高部队的训练效果。地对空雷达对抗iJll练水平评估涉及到很多评估指标，指标权重的确定是评估中一个重要的问题。单个专家在确定指标权重时往往有一定的局限性．为了能够做出正确的评估，引人多个专家依

7、靠集体智慧进收稿日期：2009．06．1I作者简介：郭金卫(1984·)．男．浙江金华人．硕士研兜生．主要研究方向：蕈备保障与指挥自动化。124运筹与管理2010年第19卷行评估，由专家群体决策确定指标权重。本文先由各个专家分别构造两两比较判断矩阵，可以得到各专家的个体指标权重，再将所有专家的个体指标权重集结为一个群体指标权重。在此基础上，运用灰色关联度比较各专家的个体指标权重与群体指标权重的接近程度，由此确定专家权重，并根据专家权重对个体指标权重进行加权计算，得到新的群体指标权重。采用权重自适应调整的方法重复以上步骤对群体指标权重进行调整，直到群体指标权重趋于