基于指标差异和变化机理的装备作战效能综合评估方法

摘要

本申请公开了一种基于指标差异和变化机理的装备作战效能综合评估方法，包括：建立层级效能指标体系，其中，所述层级效能指标体系包括任务能力指标和性能指标，分别将各待评估装备在不同任务阶段中的各性能指标值构建成立体数据矩阵，形成数据矩阵序列，基于数据矩阵序列，分别计算在不同任务阶段中各待评估装备的差异程度相对贴近度以及变化程度相对贴近度，基于差异程度相对贴近度、变化程度相对贴近度和两者之间的相对重要程度，计算各待评估装备的综合贴近度，将各待评估装备的综合贴近度进行排序，获得效能评估结果。本申请解决装备作战效能综合评估不全面以及缺乏作战任务全过程中作战效能的动态评估的技术问题。

说明书

技术领域

本申请涉及装备试验与鉴定技术技术领域，尤其涉及一种基于指标差异和变化机理的装备作战效能综合评估方法。

背景技术

随着装备建设的信息化、体系化发展，装备作战效能综合评估的实质就是衡量和综合评估作战效能指标数据序列与作战任务全过程的数据序列的接近性和相似性，目前，装备作战效能的主流评估方法一般分为专家经验法、数据驱动法和作战模拟法，建立相关的模型算法，进而基于指标数据差异值直接进行聚合计算，然而，仅基于指标数据差异值直接进行聚合计算，遗漏了针对作战任务全过程中任务阶段变化对应的装备作战能力信息，进而导致装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态评估。

发明内容

本申请的主要目的在于提供一种基于指标差异和变化机理的装备作战效能综合评估方法，旨在解决现有技术中装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态评估的技术问题。

为实现上述目的，本申请提供一种基于指标差异和变化机理的装备作战效能综合评估方法，所述基于指标差异和变化机理的装备作战效能综合评估方法包括：

建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标；

基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列；

基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度；

基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度；

将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果。

本申请还提供一种基于指标差异和变化机理的装备作战效能综合评估装置，所述基于指标差异和变化机理的装备作战效能综合评估装置为虚拟装置，所述基于指标差异和变化机理的装备作战效能综合评估装置包括：

体系构建模块，用于建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标；

数据矩阵构建模块，用于基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列；

第一计算模块，用于基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度；

第二计算模块，用于基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度；

效能评估模块，用于将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果。

本申请还提供一种基于指标差异和变化机理的装备作战效能综合评估设备，所述基于指标差异和变化机理的装备作战效能综合评估设备为实体设备，所述基于指标差异和变化机理的装备作战效能综合评估设备包括：存储器、处理器以及存储在所述存储器上的基于指标差异和变化机理的装备作战效能综合评估程序，所述基于指标差异和变化机理的装备作战效能综合评估程序被所述处理器执行实现如上述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请还提供一种介质，所述介质为可读存储介质，所述可读存储介质上存储基于指标差异和变化机理的装备作战效能综合评估程序，所述基于指标差异和变化机理的装备作战效能综合评估程序被处理器执行实现如上述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请提供了一种基于指标差异和变化机理的装备作战效能综合评估方法，相比于现有技术采用的仅基于指标数据差异值直接进行聚合计算以对装备进行效能评估的技术手段，本申请首先建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标，进而基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列，进而实现了利用覆盖待评估装备的整个任务阶段的数据构建维度矩阵以评估装备效能的目的，进一步地，基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度，进而实现了根据覆盖整个任务阶段的立体数据矩阵，计算出各所述待评估装备在整个任务阶段对应的差异程度相对贴近度，进而根据所述立体数据矩阵在不同任务阶段中数值的变化计算出变化程度相对贴近度，进而基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度，从而获得各所述待评估装备在作战任务全过程的作战效能综合评估值，也即所述综合贴近度，进一步地，将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果，克服了现有技术中仅基于指标数据差异值直接进行聚合计算，遗漏了针对作战任务全过程中任务阶段变化对应的装备作战能力信息，进而导致装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态评估的技术缺陷，从而提高了基于指标差异和变化机理的装备作战效能综合评估的准确性，同时从多个层次上实现了装备作战任务全过程的作战效能动态评估。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域默认技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请基于指标差异和变化机理的装备作战效能综合评估方法第一实施例的流程示意图；

图2为本申请基于指标差异和变化机理的装备作战效能综合评估方法中层级效能指标体系示意图；

图3为本申请基于指标差异和变化机理的装备作战效能综合评估方法第二实施例的流程示意图；

图4为本申请基于指标差异和变化机理的装备作战效能综合评估方法第三实施例的流程示意图；

图5为本申请实施例中基于指标差异和变化机理的装备作战效能综合评估方法涉及的硬件运行环境的基于指标差异和变化机理的装备作战效能综合评估设备结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例提供一种基于指标差异和变化机理的装备作战效能综合评估方法，在本申请基于指标差异和变化机理的装备作战效能综合评估方法的第一实施例中，参照图1，所述基于指标差异和变化机理的装备作战效能综合评估方法包括：

步骤S10，建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标；

在本实施例中，需要说明的是，所述层级效能指标体系为对装备进行分层划分所构成的体系，所述层级效能指标体系包括各项任务能力指标，其中每一所述任务能力指标包括各所述性能指标。

建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标，具体地，对所述待评估装备完成任务程度提出评估所需的各项任务能力指标，进而根据所述待评估装备的基本组成结构提出装备对应的功能指标或性能指标等指标，进而构建所述层级效能指标体系，如图2所示的层次性作战效能评估指标体系，从功能或性能指标、任务能力指标能从下至上概括反映了装备在整个作战过程中的作战效能等任务表现。

步骤S20，基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列；

在本实施例中，需要说明的是，所述待评估装备从上至下在功能或性能指标、任务能力和时间等三个维度上都具有任务表现，也即在这三个度上都具有属性值，另外地，在所述待评估装备的使用过程中包括多个任务阶段，所述立体数据矩阵为根据在某一个任务阶段某一个任务能力所对应的各所述待评估装备的全部性能指标值所形成的矩阵，所述性能指标值是根据所述性能指标具体地物理含义和特征等来确定的。

基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列，具体地，对于每一所述任务阶段中每一所述任务能力指标均执行以下步骤：

获取在所述任务阶段中各所述待评估装备各性能指标对应的性能指标值，进而将各性能指标对应的性能指标值构建成所述立体数据矩阵，所述立体数据矩阵如下：

其中，

其中，所述基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列的步骤包括：

步骤S21,获取各所述待评估装备在不同任务阶段中各所述性能指标对应的性能指标值；

在本实施例中，获取各所述待评估装备在不同任务阶段中各所述性能指标对应的性能指标值，具体地，根据所述性能指标具体地物理含义和特征等来确定的所述性能指标值。

步骤S22,在所述层级效能指标体系的任务能力指标、性能指标和时间对应的维度空间中，将不同任务阶段对应的各性能指标值分别构建成立体数据矩阵，形成所述数据矩阵序列。

在本实施例中，在所述层级效能指标体系的任务能力指标、性能指标和时间对应的维度空间中，将不同任务阶段对应的各性能指标值分别构建成立体数据矩阵，形成所述数据矩阵序列，具体地，所述任务能力指标和所述性能指标能够反映待评估装备在整个任务过程中的任务表现，因此，所述待评估装备在所述任务能力指标、所述性能指标和时间对应的维度空间上均有对应的属性值，进而分别将不同任务阶段构中各所述任务能力指标的待评估装备对应的性能指标值构建成一系列的立体数据矩阵，从而形成所述数据矩阵序列，从而利用待评估装备在整个任务过程中的任务表现信息，提高评估结果的准确性。

步骤S30，基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度；

在本实施例中，需要说明的是，所述差异程度相对贴近度为不同任务阶段中各所述任务能力对应的各性能指标值的相对贴近度，所述变化程度相对贴近度为不同任务阶段中各所述任务能力对应的各所述性能指标之间的变化程度值对应的相对贴近度，另外地，各所述性能指标的含义和测度方法各不相同，导致各所述性能指标的价值取向、量纲也不尽相同，因此，需要对所述立体数据矩阵中的各所述性能属性值进行标准化处理。

基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度，具体地，对于所述数据矩阵序列中的每一所述立体数据矩阵均执行以下步骤：

利用预设标准化元素方法将所述立体数据矩阵对于的各性能指标值进行标准化，获得所述标准化矩阵，其中，所述预设标准化元素方法包括灰色极性效果处理方法和数值变换灰生成方法等方法，所述标准化矩阵如下：

其中，

其中，

进一步地，基于各所述性能指标值对应的性能权重向量，分别对所述标准化矩阵和所述指标变化矩阵进行加权处理，获得加权标准化矩阵和加权指标变化矩阵，以计算所述加权标准化矩阵对应的标准正理想解和标准负理想解，并计算所述加权指标变化矩阵对应的变化正理想解和变化负理想解，进而根据所述标准正理想解和所述标准负理想解，计算所述标准正理想解对应的欧式距离和灰色关联度，并计算所述标准负理想解对应的欧式距离和灰色关联度，进一步地，根据所述欧氏距离和所述灰色关联度之间的重要性程度，将所述负欧氏距离和所述正灰色关联度进行聚合，获得正向综合靶心度，同时将所述正欧氏距离和所述负灰色关联度进行聚合，获得负向综合靶心度，根据所述正向综合靶心度、所述负向综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度，进一步地，根据所述变化正理想解和所述变化负理想解，计算各自对应的欧式距离和灰色关联度，以计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度，计算各所述待评估装备对应的变化程度相对贴近度的具体实施方式与上述计算各所述待评估装备对应的差异程度相对贴近度的具体内容基本相同，在此不再赘述。

步骤S40，基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度；

在本实施例中，需要说明的是，所述综合贴近度为基于各所述性能指标值以及不同任务阶段中各所述性能指标值对应的变化程度计算的综合贴近度。

基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度，具体地，确定所述差异程度相对贴近度与所述变化程度相对贴近度之间的相对重要程度后，分别将不同任务阶段对应的所述差异程度相对贴近度和所述变化程度相对贴近度进行聚合，获得在不同任务阶段中各所述待评估装备对应的阶段综合贴近度，进一步地，基于各所述任务阶段对应的权重向量和所述阶段综合贴近度，计算各所述待评估装备的综合贴近度，从而得到各所述待评估装备在作战全过程中的综合贴近度。

步骤S50，将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果。

在本实施例中，将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果，具体地，将各所述待评估装备在各所述任务阶段下的综合贴近度按照预设排序规则进行排序，获得排序结果，也即所述效能评估结果，根据所述效能评估结果，即可获得各所述待评估装备对应的评估等级。

本申请实施例提供了一种基于指标差异和变化机理的装备作战效能综合评估方法，相比于现有技术采用的仅基于指标数据差异值直接进行聚合计算以对装备进行效能评估的技术手段，本申请实施例首先建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标，进而基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列，进而实现了利用覆盖待评估装备的整个任务阶段的数据构建维度矩阵以评估装备效能的目的，进一步地，基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度，进而实现了根据覆盖整个任务阶段的立体数据矩阵，计算出各所述待评估装备在整个任务阶段对应的差异程度相对贴近度，进而根据所述立体数据矩阵在不同任务阶段中数值的变化计算出变化程度相对贴近度，进而基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度，从而获得各所述待评估装备在作战任务全过程的作战效能综合评估值，也即所述综合贴近度，进一步地，将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果，克服了现有技术中仅基于指标数据差异值直接进行聚合计算，遗漏了针对作战任务全过程中任务阶段变化对应的装备作战能力信息，进而导致装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态性评估的技术缺陷，从而提高了基于指标差异和变化机理的装备作战效能综合评估的准确性，同时从多个层次实现了装备作战任务全过程的作战效能动态评估。

进一步地，参照图3，基于本申请中第一实施例，在本申请的另一实施例中，所述基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度的步骤包括：

步骤A10，分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵；

在本实施例中，分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵，具体地，分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值按照预设标准化方法进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵，其中，所述预设标准化方法包括灰色极性效果处理方法和其他标准化方法等方法。

其中，所述分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵的步骤包括：

步骤A11，将所述立体数据矩阵中的各性能指标值按照预设标准化元素模型进行标准化处理，获得所述标准化矩阵。

在本实施例中，将所述立体数据矩阵中的各性能指标值按照预设标准化元素模型进行标准化处理，获得所述标准化矩阵，具体地，判断所述立体数据矩阵中的各性能指标值是否存在极大属性值、极小值属性值或者适中属性值，若所述立体数据矩阵中的各性能指标值具有极大值属性值，则将各所述性能指标值除以所述极大属性值作为标准化元素，也即：

若所述立体数据矩阵中的各性能指标值具有极小值属性值，则将各所述性能指标值除以所述极小属性值作为标准化元素，也即：

若所述立体数据矩阵中的各性能指标值具有适中属性值，则将所述适中属性值取为指定值或平均值，也即：

根据上述三个式子，即可计算所述预设标准化元素模型，也即：

进一步地，根据所述预设标准化元素模型，将所述立体数据矩阵中的各性能指标值进行标准化处理，获得所述标准化矩阵

步骤A20，计算不同任务阶段下的标准化矩阵对应的性能指标值之间的变化差值，获得指标变化矩阵；

在本实施例中，计算不同任务阶段下的标准化矩阵对应的性能指标值之间的变化差值，获得指标变化矩阵，具体地，对于每一任务阶段每一述任务能力均执行以下步骤：

根据所述任务阶段具体任务能力中所述标准化矩阵对应的性能指标值与下一所述任务阶段具体任务能力中所述标准化矩阵所对应的性能指标值之间的差值，计算所述任务阶段具体任务能力对应的指标变化矩阵。

步骤A30，基于各所述性能指标值对应的性能权重向量，分别对所述标准化矩阵和所述指标变化矩阵进行加权处理，获得加权标准化矩阵和加权指标变化矩阵；

在本实施例中，基于各所述性能指标值对应的性能权重向量，分别对所述标准化矩阵和所述指标变化矩阵进行加权处理，获得加权标准化矩阵和加权指标变化矩阵，具体地，基于各所述性能指标值对应的性能权重向量，对所述标准化矩阵中和所述指标变化矩阵进行加权处理，即可获得获得加权标准化矩阵和加权指标变化矩阵，如下：

w＝(w

其中，w为所述性能权重向量，N为所述性能指标的总个数，F为所述加权标准化矩阵，

步骤A40，计算所述加权标准化矩阵和所述加权指标变化矩阵分别对应的欧氏距离和灰色关联度；

在本实施例中，计算所述加权标准化矩阵和所述加权指标变化矩阵分别对应的欧氏距离和灰色关联度，具体地，首先，计算所述加权标准化矩阵对应的标准正理想解和标准负理想解，并计算所述加权指标变化矩阵对应的变化正理想解和变化负理想解，进而根据所述标准正理想解和所述标准负理想解，计算所述标准正理想解对应的欧式距离和灰色关联度，以及计算所述标准负理想解对应的欧式距离和灰色关联度，进一步地，基于所述变化正理想解和所述变化负理想解，计算所述变化正理想解对应的欧式距离和灰色关联度，以及计算所述变化负理想解对应的欧式距离和灰色关联度。

其中，所述分别计算所述加权标准化矩阵和所述加权指标变化矩阵对应的欧氏距离和灰色关联度的步骤包括：

步骤A41，计算所述加权标准化矩阵对应的标准正理想解和标准负理想解，并计算所述加权指标变化矩阵对应的变化正理想解和变化负理想解；

在本实施例中，计算所述加权标准化矩阵对应的标准正理想解和标准负理想解，并计算所述加权指标变化矩阵对应的变化正理想解和变化负理想解，具体地，基于所述加权标准化矩阵，确定所述加权标准化矩阵中各所述性能指标值对应的标准正理想解和标准负理想解，进而基于所述加权指标变化矩阵，确定所述加权指标变化矩阵中各性能指标的差值对应的变化正理想解和变化负理想解，如下：

其中，F

步骤A42，基于所述标准正理想解和所述标准负理想解，计算所述标准正理想解对应的欧式距离和灰色关联度，并计算所述标准负理想解对应的欧式距离和灰色关联度；

在本实施例中，基于所述标准正理想解和所述标准负理想解，计算所述标准正理想解对应的欧式距离和灰色关联度，并计算所述标准负理想解对应的欧式距离和灰色关联度，具体地，基于所述标准正理想解和所述标准负理想解，计算各所述性能指标值与所述标准正理想解对应的欧式距离，并计算各所述性能指标值与所述标准付理想解对应的欧式距离，欧式距离计算公式如下：

进而计算各所述待评估装备中各所述性能指标值与所述标准正理想解对应的灰色关联系数，以及和所述标准负理想解对应的灰色关联系数，进而基于所述标准正理想解对应的灰色关联系数，计算标准正理想解对应的灰色关联度，以及基于所述标准负理想解对应的灰色关联系数，计算标准负理想解对应的灰色关联度，其中，灰色关联系数计算方法如下：

其中，

其中，

其中，ξ∈(0,1)为分辨系数，通常取ξ＝0.5，

其中，

步骤A43，基于所述变化正理想解和所述变化负理想解，计算所述变化正理想解对应的欧式距离和灰色关联度，并计算所述变化负理想解对应的欧式距离和灰色关联度。

在本实施例中，基于所述变化正理想解和所述变化负理想解，计算所述变化正理想解对应的欧式距离和灰色关联度，并计算所述变化负理想解对应的欧式距离和灰色关联度，具体地，基于所述变化正理想解和所述变化负理想解，计算各所述性能指标值与所述变化正理想解对应的欧式距离，并计算各所述性能指标值与所述变化付理想解对应的欧式距离，进而计算各所述待评估装备中各所述性能指标值与所述变化正理想解对应的灰色关联系数，以及和所述变化负理想解对应的灰色关联系数，进而基于所述标准正理想解对应的灰色关联系数，计算标准正理想解对应的灰色关联度，以及基于所述标准负理想解对应的灰色关联系数，计算标准负理想解对应的灰色关联度，其中，步骤A43的具体实施方式与本申请实施例中步骤A42的具体内容基本相同，在此不再赘述，

步骤A50，基于所述加权标准化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度；

在本实施例中，基于所述加权标准化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度，具体地，根据所述欧氏距离和所述灰色关联度之间的重要性程度，将所述负欧氏距离和所述正灰色关联度进行聚合，获得正向综合靶心度，并将所述正欧氏距离和所述负灰色关联度进行聚合，获得负向综合靶心度，进而根据所述正向综合靶心度、所述负向综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度。

其中，所述欧氏距离包括正欧氏距离和负欧氏距离，所述灰色关联度包括正灰色关联度和负灰色关联度，

所述基于所述加权标准化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度的步骤包括：

步骤A51，获取所述欧氏距离和所述灰色关联度之间的重要性程度；

在本实施例中，需要说明的是，所述重要性程度为不同场景下所述欧氏距离和所述灰色关联度的重要性程度不尽相同，在此不做限制。

步骤A52，基于所述重要性程度，将所述负欧氏距离和所述正灰色关联度进行聚合，获得正向综合靶心度；

在本实施例中，需要说明的是，当所述负欧氏距离和所述正灰色关联度的数值越大时，则证明待评估装备的作战效能越接近于标准正理想解、越远离于标准负理想解，所述正向综合靶心度反映了待评估装备的作战效能与任务需求的接近程度，所述正向综合靶心度越大，则证明所述待评估装备的作战效能越优。

基于所述重要性程度，将所述负欧氏距离和所述正灰色关联度进行聚合，获得正向综合靶心度，具体地，基于所述重要性程度，计算所述负欧氏距离和所述正灰色关联度对应的正向综合靶心度，也即：

其中，α为所述重要性程度，

步骤A53，基于所述重要性程度，将所述正欧氏距离和所述负灰色关联度进行聚合，获得负向综合靶心度；

在本实施例中，需要说明的是，当所述正欧氏距离和所述负灰色关联度的数值越大时，则证明待评估装备的作战效能越接近于标准负理想解、越远离于标准正理想解，所述负向综合靶心度反映了反映了待评估装备的作战效能与任务需求的远离程度，所述负向综合靶心度越大，待评估装备的作战效能越劣。

基于所述重要性程度，将所述正欧氏距离和所述负灰色关联度进行聚合，获得负向综合靶心度，具体地，基于所述重要性程度，计算所述正欧氏距离和所述负灰色关联度对应的负向综合靶心度，也即：

其中，所述α为所述重要性程度，

步骤A54，根据所述正向综合靶心度、所述负向综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度。

在本实施例中，根据所述正向综合靶心度、所述负向综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度，具体地，首先根据所述正向综合靶心度、所述负向综合靶心度，计算各所述待评估装备在各所述任务能力指标中对应的相对贴近度，也即：

其中，

进而根据各所述任务能力指标对应的能力权重向量，对所述相对贴近度进行加权处理，从而获得在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度，也即：

其中，Wq为各所述任务能力指标对应的能力权重向量，t

步骤A60，基于所述加权指标变化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度。

在本实施例中，基于所述加权指标变化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度，具体地，根据所述加权指标变化矩阵对应的欧氏距离和所述灰色关联度之间的重要性程度，将所述加权指标变化矩阵对应的负欧氏距离和正灰色关联度进行聚合，获得正向变化综合靶心度，并将所述加权指标变化矩阵对应的正欧氏距离和负灰色关联度进行聚合，获得负向变化综合靶心度，根据所述正向变化综合靶心度、所述负向变化综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度，其中，步骤A60的具体实施方式与步骤A50的具体内容基本相同，在此不再赘述。

本申请实施例提供了一种基于指标差异和变化机理的装备作战效能综合评估方法，也即，分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵，进而计算不同任务阶段下的标准化矩阵对应的性能指标值之间的变化差值，获得指标变化矩阵，以获得不同任务阶段的各性能指标值之间的变化程度，进一步地，基于各所述性能指标值对应的性能权重向量，分别对所述标准化矩阵和所述指标变化矩阵进行加权处理，获得加权标准化矩阵和加权指标变化矩阵，进而计算所述加权标准化矩阵和所述加权指标变化矩阵分别对应的欧氏距离和灰色关联度，进一步地，基于所述加权标准化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度，以及基于所述加权指标变化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度，实现了基于指标差异程度对应的变化程度相对贴近度和指标变化程度对应的变化程度相对贴近度，以对待评估装备作战效能进行动态综合评估，为克服现有技术中仅基于指标数据差异值直接进行聚合计算，遗漏了针对作战任务全过程中任务阶段变化对应的装备作战能力信息，进而导致装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态性评估的技术缺陷奠定了基础。

进一步地，参照图4，基于本申请中第一实施例，在本申请的另一实施例中，所述基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度的步骤包括：

步骤B10，获取所述差异程度相对贴近度与所述变化程度相对贴近度之间的相对重要程度；

步骤B20，基于所述相对重要程度、所述差异程度相对贴近度和所述变化程度相对贴近度，分别计算在不同任务阶段中各所述待评估装备对应的阶段综合贴近度；

在本实施例中，需要说明的是，所述阶段综合贴进度为在具体任务阶段中各所述待评估装备对应的贴进度。

基于所述相对重要程度、所述差异程度相对贴近度和所述变化程度相对贴近度，分别计算在不同任务阶段中各所述待评估装备对应的阶段综合贴近度，具体地，对于每一所述任务阶段均执行以下步骤：

根据所述相对重要程度、所述任务阶段对应的差异程度相对贴近度和所述任务阶段对应的变化程度相对贴近度，按照预设阶段计算公式计算所述任务阶段中各所述待评估装备对应的阶段综合贴近度，进而计算各所述任务阶段中各所述待评估装备对应的阶段综合贴近度，其中，所述阶段计算公式如下：

U

其中，β为所述相对重要程度，t

步骤B30，基于各所述任务阶段对应的权重向量和所述阶段综合贴近度，计算各所述待评估装备的综合贴近度。

在本实施例中，基于各所述任务阶段对应的权重向量和所述阶段综合贴近度，计算各所述待评估装备的综合贴近度，具体地，基于各所述任务阶段对应的权重向量以及不同任务阶段中各所述待评估装备对应的阶段综合贴近度，计算各所述待评估装备的综合贴近度，从而获得各所述待评估装备在整个任务过程中对应的综合贴近度，其中，所述计算各所述待评估装备的综合贴近度的方式如下：

其中，e

本申请实施例提供了一种基于指标差异和变化机理的装备作战效能综合评估方法，也即，获取所述差异程度相对贴近度与所述变化程度相对贴近度之间的相对重要程度，进而基于所述相对重要程度、所述差异程度相对贴近度和所述变化程度相对贴近度，分别计算在不同任务阶段中各所述待评估装备对应的阶段综合贴近度，进一步地，基于各所述任务阶段对应的权重向量和所述阶段综合贴近度，计算各所述待评估装备的综合贴近度，实现了基于综合考虑性能指标值以及不同任务阶段对应的性能指标值的变化的全作战过程综合贴近度，克服装备作战效能综合评估的片面性和信息遗漏，为克服现有技术中仅基于指标数据差异值直接进行聚合计算，遗漏了针对作战任务全过程中任务阶段变化对应的装备作战能力信息，进而导致装备作战效能综合评估不全面，缺乏装备作战任务全过程中作战效能的动态性评估的技术缺陷奠定了基础。

参照图5，图5是本申请实施例方案涉及的硬件运行环境的基于指标差异和变化机理的装备作战效能综合评估设备结构示意图。

如图5所示，该基于指标差异和变化机理的装备作战效能综合评估设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。

可选地，该基于指标差异和变化机理的装备作战效能综合评估设备还可以包括矩形用户接口、网络接口、相机、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard)，可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可包括标准的有线接口、无线接口(如WIFI接口)。

本领域技术人员可以理解，图5中示出的基于指标差异和变化机理的装备作战效能综合评估设备结构并不构成对基于指标差异和变化机理的装备作战效能综合评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于指标差异和变化机理的装备作战效能综合评估程序。操作系统是管理和控制基于指标差异和变化机理的装备作战效能综合评估设备硬件和软件资源的程序，支持基于指标差异和变化机理的装备作战效能综合评估程序以及其它软件和/或，程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与基于指标差异和变化机理的装备作战效能综合评估方法系统中其它硬件和软件之间通信。

在图5所示的基于指标差异和变化机理的装备作战效能综合评估设备中，处理器1001用于执行存储器1005中存储的基于指标差异和变化机理的装备作战效能综合评估程序，实现上述任一项所述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请基于指标差异和变化机理的装备作战效能综合评估设备具体实施方式与上述基于指标差异和变化机理的装备作战效能综合评估方法各实施例基本相同，在此不再赘述。

本申请还提供一种基于指标差异和变化机理的装备作战效能综合评估装置，所述基于指标差异和变化机理的装备作战效能综合评估装置包括：

体系构建模块，用于建立各待评估装备对应的层级效能指标体系,其中，所述层级效能指标体系包括任务能力指标和性能指标；

数据矩阵构建模块，用于基于所述层级效能指标体系，分别将各所述待评估装备在不同任务阶段对应的各性能指标值构建成立体数据矩阵，形成数据矩阵序列；

第一计算模块，用于基于所述数据矩阵序列，分别计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度以及变化程度相对贴近度；

第二计算模块，用于基于所述差异程度相对贴近度、所述变化程度相对贴近度和两者之间的相对重要程度，计算各所述待评估装备的综合贴近度；

效能评估模块，用于将各所述待评估装备对应的综合贴近度进行排序，获得效能评估结果。

可选地，所述数据矩阵构建模块还用于：

获取各所述待评估装备在不同任务阶段中各所述性能指标对应的性能指标值；

在所述层级效能指标体系的任务能力指标、性能指标和时间对应的维度空间中，将不同任务阶段对应的各性能指标值分别构建成立体数据矩阵，形成所述数据矩阵序列。

可选地，所述第一计算模块还用于：

分别将所述数据矩阵序列中各立体数据矩阵对应的各性能指标值进行标准化处理，获得各所述立体数据矩阵分别对应的标准化矩阵；

计算不同任务阶段下的标准化矩阵对应的性能指标值之间的变化差值，获得指标变化矩阵；

基于各所述性能指标值对应的性能权重向量，分别对所述标准化矩阵和所述指标变化矩阵进行加权处理，获得加权标准化矩阵和加权指标变化矩阵；

计算所述加权标准化矩阵和所述加权指标变化矩阵分别对应的欧氏距离和灰色关联度；

基于所述加权标准化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度；

基于所述加权指标变化矩阵对应的欧氏距离和灰色关联度，计算在不同任务阶段中各所述待评估装备对应的变化程度相对贴近度。

可选地，所述第一计算模块还用于：

将所述立体数据矩阵中的各性能指标值按照预设标准化元素模型进行标准化处理，获得所述标准化矩阵。

可选地，所述第一计算模块还用于：

计算所述加权标准化矩阵对应的标准正理想解和标准负理想解，并计算所述加权指标变化矩阵对应的变化正理想解和变化负理想解；

基于所述标准正理想解和所述标准负理想解，计算所述标准正理想解对应的欧式距离和灰色关联度，并计算所述标准负理想解对应的欧式距离和灰色关联度；

基于所述变化正理想解和所述变化负理想解，计算所述变化正理想解对应的欧式距离和灰色关联度，并计算所述变化负理想解对应的欧式距离和灰色关联度。

可选地，所述第一计算模块还用于：

获取所述欧氏距离和所述灰色关联度之间的重要性程度；

基于所述重要性程度，将所述负欧氏距离和所述正灰色关联度进行聚合，获得正向综合靶心度；

基于所述重要性程度，将所述正欧氏距离和所述负灰色关联度进行聚合，获得负向综合靶心度；

根据所述正向综合靶心度、所述负向综合靶心度和各所述任务能力指标对应的能力权重向量，计算在不同任务阶段中各所述待评估装备对应的差异程度相对贴近度。

可选地，所述第二计算模块还用于：

获取所述差异程度相对贴近度与所述变化程度相对贴近度之间的相对重要程度；

基于所述相对重要程度、所述差异程度相对贴近度和所述变化程度相对贴近度，分别计算在不同任务阶段中各所述待评估装备对应的阶段综合贴近度；

基于各所述任务阶段对应的权重向量和所述阶段综合贴近度，计算各所述待评估装备的综合贴近度。

本申请基于指标差异和变化机理的装备作战效能综合评估装置的具体实施方式与上述基于指标差异和变化机理的装备作战效能综合评估方法各实施例基本相同，在此不再赘述。

本申请实施例提供了一种介质，所述介质为可读存储介质，且所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请可读存储介质具体实施方式与上述基于指标差异和变化机理的装备作战效能综合评估方法各实施例基本相同，在此不再赘述。

本申请实施例提供了一种计算机程序产品，且所述计算机程序产品包括有一个或者一个以上计算机程序，所述一个或者一个以上计算机程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于指标差异和变化机理的装备作战效能综合评估方法的步骤。

本申请计算机程序产品具体实施方式与上述基于指标差异和变化机理的装备作战效能综合评估方法各实施例基本相同，在此不再赘述。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。