专利名称：空军信息战资源模糊规划最优分配方法
技术领域：
本发明涉及国防及相关领域，用于对空军信息战资源进行模糊规划最优分配，实现对空军信息战资源的科学管理。
背景技术：
在世界范围内，信息战或信息作战正在成为空军提高战斗力的主要作战样式和重要手段，在战役及战术研究领域受到了广泛关注，而如何对空军信息战资源进行分配一直是空军战役及战术研究中面临的一个难题，这个问题的解决对于大幅度提高空军的整体战斗力，减少对价格昂贵的信息战资源的需求，具有十分重要的意义。
在信息战资源中，有一部分资源与其它传统作战资源存在本质上的差异。首先，这些信息战资源通常具有多种战斗力特征，即可以提供多种形式的战斗力；其次，这些信息战资源通常可以在大地理区域范围内借助于网络互连或信息传递能力实现快速分配和共享，形成的战斗力可以突破时间和空间的限制。例如可以通过对单个信息战资源在数量上进行调整，使分配的信息战资源在整体上达到成本最优，与传统的作战资源相比，这种对信息战资源的最优分配可以获得比对传统作战资源的最优分配更高的报酬。
随着空军作战的机动性以及范围的扩大，为空军作战快速提供信息战资源的保障的任务变得更加复杂，其中最为突出的矛盾就是如何使有限的信息战资源发挥更大的作用以及如何使这些信息战资源发挥突破时空限制的优势。
在另一方面，网络中心战环境也对信息战资源的最优分配提出了迫切要求，因为借助于网络互连环境，可以更加容易地实现信息战资源分配，从而使不适当的信息战资源分配所造成的风险也随之变大，所以信息战资源最优分配的好坏对网络中心战的战斗力具有更加重要的影响。因此，对信息战资源的最优分配不仅是网络中心战的重要特征及需要，而且也是网络中心战必须解决的关键问题之一。
近年来，由于受信息战资源的分配方法和对信息战资源的描述及量化方法的限制，对信息战资源的分配问题的研究进展很少，实际上空军信息战资源的分配至今一直是一个悬而未决的问题。通常认为信息战资源充分满足需求即可的分配方法不仅造成有限的信息战资源的巨大浪费，而且还造成在有些战区对信息战资源的需求得不到满足，使信息战资源成为制约战斗力提高的瓶颈，从而造成战场上的被动局面，所以必须寻找新的方法解决信息战资源的分配问题。
本发明涉及空军信息战资源模糊规划最优分配方法，涉及军事及相关领域，最优分配对象为空军信息战资源。这种方法首先定义信息战资源的分配和信息战资源的战斗力属性，然后构造对信息战资源进行分配的准则，并根据对信息战战斗力需求的指标，建立对信息战资源最优分配的模型，并用模糊规划方法求解该模型，最终获得根据需求对信息战资源最优分配的方案，该方法具有高效、简单、客观、应用广泛和明显提高战斗力等特点，可广泛用于所有空军信息战资源的最优分配，本发明进一步涉及实现这种方法的技术。
发明内容
本发明首先定义信息战资源以及每一种信息战资源所具有的战斗力的属性，再根据战场对各种不同信息战战斗力的需求，建立与此需求有关的用于信息战资源最优分配的模糊规划模型，并通过求解该模型，最终获得对信息战资源的最优分配。因此，提出信息战资源最优分配的构想，定义信息战资源的战斗力的属性，建立与信息战资源以及对相关信息战战斗力需求有关的信息战资源的最优分配的模糊规划模型，并求解该模型成为本发明的重要特征。
本发明空军信息战资源模糊规划最优分配方法的技术方案是首先，将信息战资源定义为具有若干信息战战斗力属性的决策变量，同时考虑到不同的信息战资源所具有的价格和战斗力属性可能不同，并且假定对信息战资源进行最优分配的目标是在给定信息战战斗力指标的约束条件下，使最终分配的信息战资源的总价格为最低(也可以假定其它对信息战资源进行最优分配的目标)。其次，在考虑信息战战斗力指标的约束时，假定所有信息战资源的相对应战斗力属性的量可以线性叠加，而叠加的结果必须符合对应的信息战战斗力指标所施加的限制，称这种由叠加结果与信息战战斗力指标的限制所构成的逻辑关系式为信息战资源最优分配目标函数的一个信息战战斗力指标的约束条件，根据对信息战资源的战斗力属性的战斗力指标的不同可以构造多个不同的约束条件，所有这些约束条件就构成了目标函数的线性约束关系方程组。最后，可以运用模糊规划求解方法，求解由信息战资源最优分配的目标函数和约束条件构成的代数方程组或模型，即可获得对信息战资源的最优分配结果。
研究信息战资源的最优分配，通常必须考虑信息战资源与信息战资源的具体实现或与信息战装备之间的关系，由于信息战装备是信息战资源的具体实现形式，根据信息战资源本身的战斗力属性的不同，可以将信息战装备看成是由物理设备、相关人员以及采用的战术所组成的一个信息战单元，因此，对信息战资源的最优分配，实际上就是对信息战装备本身的最优分配。
本发明创造的信息战资源最优分配方法是通过求解实施最优分配的目标函数和相关的约束条件代数方程组来实现的，而对信息战资源分配的战斗力要求是通过对不同的战斗力属性代数式施加对应的战斗力指标的限制来实现的，这样就在信息战资源的最优分配与对信息战资源分配的战斗力要求之间建立了一种对应的约束关系，从而保证最优分配的结果符合给定的战斗力要求。
本发明设计的空军信息战资源模糊规划最优分配方法适用于所有空军信息战资源的最优分配是本发明的重要特征。
对于特定的作战模式来说，可以求得在该模式需要的信息战资源中，各种战斗力资源在分配的总信息战资源中所占的最优比例，然后再根据这个最优比例，对整个信息战资源进行最优配置，因此也可以将信息战资源的最优分配问题，看成是在信息战资源中各种战斗力资源的最优配方问题。信息战资源模糊规划或模糊线性规划最优分配方法可进一步描述如下。
定义xi(i＝1，...，n)为对信息战资源i进行最优分配的决策变量，aij为信息战资源i的战斗力j(j＝1，...，m)的含量，bj为希望分配的信息战资源第j个战斗力属性达到的战斗力指标，ci为信息战资源i的价格，则可定义由目标函数和约束方程组构成的、用于对n个信息战资源进行最优分配的线性规划模型为目标函数MinZ为使信息战资源的成本最小化MinZ＝c1x1+…+cnxn约束方程组为a11x1+a12x2+…+a1nxn≥b1(＝，≤b1)a21x1+a22x2+…+a2nxn≥b2(＝，≤b2)…am1x1+am2x2+…+amnxn≥bm(＝，≤bm)x1≥0，x2≥0，…，xn≥0通过单纯形算法求解上述线性规划模型，即可求出的信息战资源的最优分配结果或配方。因此，在信息战资源最优分配中应用线性规划及模糊线性规划的5个先决条件为(1)可分割性所有被分配的信息战资源(决策变量)都可以分解成任何大小的有意义的部分或由任何大小有意义的部分组成，即可分解成不同的信息战战斗力部分或由不同的信息战战斗力部分所组成。
(2)正比例性对于任意决策变量xi，其对成本的贡献为cixi，对第j种战斗力的贡献为aijxi，如果将xi的量加倍，那么对成本或对战斗力成份的贡献也应加倍。
(3)可加性分配的信息战资源的总成本为各个信息战资源的成本之和，分配的信息战资源对第j个约束的总贡献是多个信息战资源的贡献之和。
(4)无矛盾性在线性规划中，在一起分配的信息战资源之间不应存在相互排斥性，即可一起共同工作。
(5)非随机性所有的ci、aij以及bj都是已知的、确定性的，而不是随机的。
通常将上述线性规划称为模糊线性规划的原始线性规划，模糊线性规划模型是建立在上述原始线性规划模型的基础上，但克服了原始线性规划模型的不足，能有效处理在约束条件与目标函数之间存在的矛盾。
在上述信息战资源线性规划最优分配模型的基础上，先求出最低成本Z0，在约束条件中，将“≥”模糊化为 (大约大于等于)，则可引入模糊约束集，并构造模糊线性规划如下。
设A＝(aij)m×n，B＝(bi)m×1，X＝(xj)n×1，C＝(cj)1×n称minZ=CX≤~Z0]]>满足AX≥~B,]]>X≥0为模糊线性规划，Z0为模糊线性规划中配方成本的期望值，可用上述普通线性规划求得Z0。
通过将约束集模糊化，求出约束集的隶属函数；再将目标函数模糊化，求出目标函数的隶属函数，然后根据模糊判决，用最大隶属原则求模糊解x*，就可将上述模糊线性规划转化为另一普通线性规划maxλ1+1di(Σj=1naijxj-bi)≥λ(i=1,2,···,m)]]>-1d0(Σj=1ncjxj-Z0)≥λ]]>0≤λ≤1xj≥0(j＝1，2，…，n)其中di是各战斗力指标及信息战资源用量约束的伸缩量，即各项战斗力指标及信息战资源约束值的一个活动范围，由信息战专家根据经验、作战样式及实际交战的对象等因素来确定。di≥0(i＝1，2，…，m)，说明约束边界模糊化了，从上述分析可见，di的引入也是将信息战专家的经验引入到信息战资源最优分配或配方设计中。
根据上述讨论，对模糊规划或模糊线性规划的求解实质上是将模糊线性规划的数学模型转化为普通线性规划模型来求解。模糊线性规划的求解方法如下第一步，构造原线性规划模型，用单纯形方法，求出该线性规划模型的最低成本Z0。
第二步，构造加伸缩量的线性规划模型目标函数minZ＝CX约束条件AX≥B-D，X≥0式中，D＝(di)m×1用单纯形方法，求出该线性规划模型的最低成本(Z0-d0)，从而得到目标约束的伸缩量d0。
第三步，构造模糊线性规划模型，求模糊最优解及隶属度。根据以上求解结果，并整理上述模糊线性规划的数学模型整理，得出一个新的线性规划模型如下。
目标函数maxλ约束条件AX-Dλ≥B-D-CX-d0λ≥-Z0X≥0再用单纯形方法，即可求出该线性规划模型及模糊线性规划的最优解(x1*，x2*，...，xn*，λ*)，信息战资源的最优分配x*=(x1*,x2*,···,xn*),]]>最低成本z*=Σj=1ncjxj*.]]>由于模糊线性规划是在原始线性规划及加入伸缩量之后线性规划基础上构造的新线性规划，所以它能够根据原始线性规划各项战斗力成分及信息战资源的影子价格自动按决策者给出的伸缩量调整配方，从而能够得到一个成本低，且又满足要求的合理配方。
此外，通过对上述原始线性规划的对偶规划的分析，可以研究在原始线性规划问题中各个战斗力约束指标的经济代价，这种代价也称为影子价格，对于信息战资源的最优分配问题来说，通过求解它的对偶问题，可以进行如下定量分析(1)根据影子价格可以计算出各种信息战资源在最优分配或最优配方中的实际经济价值，显而易见，凡选入最优分配或最优配方的信息战资源，其经济价值必然大于或等于它的战(市)场价格，反之，该信息战资源将落选，因此决策者可以判断，入选的信息战资源的价格上升到何种水平时，相关的最优分配或最优配方中该信息战资源的配比将下降甚至将不能继续使用，而落选的信息战资源价格下降到何种水平时，再选入最优分配将肯定获利。
(2)给出组成最优分配的各种信息战资源的价格有效范围，信息战资源的价格在此范围内变化时，最优分配结果将保持不变，一旦信息战资源的价格超过其有效范围，则需要重新进行最优分配，以确保成本最低。
(3)计算战斗力指标的有效区间，在此区间内多种战斗力指标的影子价格不变，此时战斗力指标降低一个单位值，分配的信息战资源成本降低值等于该战斗力成份的影子价格，决策者可以据此寻求降低成本的有效途径或选择具有经济效益的某种信息战资源。
为了借助原始线性规划模型的对偶模型，进一步分析上述原始线性规划模型的解的结构特征，定义由目标函数和约束方程组构成的、上述原始线性规划模型的对偶模型为描述对m个战斗力要素的决策变量yj(j＝1，...，m)的线性规划模型目标函数MaxG为使战斗力含量指标达到最大化MaxG＝b1y1+…+bmym约束方程组为a11y1+a21y2+…+am1ym≤c1a12y1+a22y2+…+am2ym≤c2…a1ny1+a2ny2+…+amnym≤cmy1≥0，y2≥0，…，ym≥0其中决策变量yj(j＝1，2，…，m)为待求信息战资源的战斗力指标bj(j＝1，2，…，m)的影子价格或机会成本。
通过单纯形算法求解上述对偶线性规划模型，即可完成对上述原始线性规划的对偶分析。
在网络中心环境下，信息战资源可以实现全部或部分快速分配，而这种快速分配在本质上又是对信息战资源的战斗力属性的快速分配，常见可快速分配的战斗力有目标侦察、目标监视、目标评估以及对目标信息的处理等。由于每一种信息战资源都可能与某一具体的信息战装备或兵力之间存在对应关系，并可能拥有战斗力的部分或全部，对信息战资源的快速最优分配在本质上也是对相关信息战装备或兵力的快速最优分配。
必须指出在实际信息战资源最优分配的过程中，对信息战资源的最优分配最终要落实到对信息战装备或兵力的分配上，因此必须考虑信息战装备或兵力本身是以整数计量的，而上述模糊规划的求解结果有可能会使信息战装备或兵力的数量为非整数，这样就有可能使这种非整数分配结果在具体的实现上被整数化，从而影响到模糊规划最优解的正确性。但在另一方面，可以在网络中心环境下实现快速分配的信息战装备或兵力本身战斗力属性的值可以在一定范围调整，因此非整数分配结果实际上也是可以实现的，这样就可以保证最优分配结果在具体实现中的正确性。
具体实施例方式
在下面的实施例中，用普通线性规划与模糊线性规划两种方法计算，通过比较，说明模糊线性规划在信息战资源最优分配上的优点。
实施例1首先用普通线性规划求解信息战资源最优分配问题。
现在假定在一个典型的战役规划中，必须对空军信息战资源进行最优分配，共考虑X1、X2、X3、X4、X5、X6、X7、X8和X9等9种信息战资源，欲给甲战区X战役分配1000个单位的信息战资源，在1000个单位的信息战资源中，含信息战资源X9为3.6个单位，而X3的使用量不超过70个单位，X5的使用量不超过40个单位，所分配的信息战资源要求满足X战役的战斗力要求，且成本最低。
每个信息战资源的战斗力都可以用8个战斗力属性来描述，其中y1和y2与战场目标侦察能力或战斗力有关，y3和y4与战场目标监视战斗力有关，y5和y6与战场对目标打击效果评估(BDA)战斗力有关，y7与战场对目标信息处理战斗力有关，y8与战场信息传递战斗力有关。
因为X9给定，所以这里用X1～X8分别表示上述8种信息战资源，将各种信息战资源的战斗力成份及大小、信息战资源的价格以及战役X的标准战斗力需求量的数据列于表1。
表18种信息战资源的战术和经济指标
构造相关的信息战资源最优分配的目标函数为minZ＝0.236x1+0.256x2+0.132x3+0.43x4+1.76x5+0.222x6+0.18x7+0.06x8其中待求的各种信息战资源的最优分配量或选用比例xi(i＝1，2，...，8)前的系数为信息战资源的价格(10万元/单位资源)。
表2和表3为通过求解线性规划模型的单纯形算法求出的信息战资源的最优分配结果或配方，最低成本306.383(10万元)。
表2线性规划方法的计算结果
表3各种战斗力成分含量
实施例2用模糊线性规划求信息战资源最优分配。
从表2和表3的计算结果可以看出，该最优分配各项战斗力指标全部满足，且成本更低。但是该实例是在各项战斗力指标是不变常数的前提下获得的结果，对于实际来说，必须考虑下述几种情况(1)战斗力指标的限制由于作战所需要的信息战战斗力是一个很复杂的问题，因此对各项战斗力指标的要求是一个模糊数值。例如，根据经验，Y8可以在原有的基础上增加2％，而其余战斗指标则可在原有基础上减少5％。
(2)对信息战资源本身的限制可以在原有的基础上适当放宽，例如，X5可以在原有基础上下浮5，即在35～40之间，X7可以在原有基础上上浮10，在70～80之间。
(3)设置最优价格的变化区间在信息战资源最优分配问题中，把在满足约束条件的前提下，价格尽可能低作为追求的目标。为了增加对信息战资源选择的灵活性，可以将每次分配的信息战资源的价格限制在一定的范围内作为实现的目标，在这样的期望水平下，来选择各种信息战资源。因此，可用如下线性规划求参数d0minZ＝0.236x1+0.256x2+0.132x3+0.43x4+1.76x5+0.222x6+0.18x7+0.06x8x1+x2+…+x8＝996.4(d1＝0)3.43x1+2.91x2+…+2.6x6≥3200-160(d2＝160)64x1+74x2+…+132x6≥115000-5750 (d3＝5750)85x1+105x2+…+190x6≥150000-7500(d4＝7500)2.9x1+3.5x2+…+10.6x8≥5600(d5＝0)2.3x1+2.6x2+…+2.2x8≥3700 (d6＝0)0.2x1+0.4x2+…+400x6≥5000-250 (d7＝250)2.1x1+4x2+…+135x7≥4100-205 (d8＝205)13x1+65x2+…+125.7x6≤45000+900(d9＝900)x3≤70+10(d10＝10)x5≥40-5 (d11＝5)x1，x2…x8≥0可求得(Z0-d0)＝284.88，d0＝306.383-284.88＝21.503，为了保证有模糊线性规划有解，通常d0值要取小些，实际取d0＝21。
在考虑上述三个要点的情况下，原有的线性规划问题就转变为一个模糊线性规划问题。根据表1的数据、模糊线性规划的模型以及给定的浮动值，可以得到如下的模糊线性规划模型。
0.236x1+0.256x2+…+0.06x8≤306.4d0＝21x1+x2+…+x8＝996.4d1＝03.43x1+2.91x2+…+2.6x6≥3200d2＝16064x1+74x2+…+132x6≥115000d3＝575085x1+105x2+…+190x6≥150000d4＝75002.9x1+3.5x2+…+10.6x8≥5600d5＝02.3x1+2.6x2+…+2.2x8≥3700d6＝00.2x1+0.4x2+…+400x6≥5000d7＝2502.1x1+4x2+…+135x7≥4100d8＝20513x1+65x2+…+125.7x6≤45000d9＝900x3≤70d10＝10x5≥40d11＝5x1，x2…x8≥0以上12个模糊式的解均可由如下普通线性规划的解来表示maxλ1+1di(Σj=1naijxj-bi)≥λ(i=1,2,···,m)]]>-1d0(Σj=1ncjxj-Z0)≥λ]]>0≤λ≤1xj≥0(j＝1，2，…，n)
将具体数据代入，解得的结果列于表4和表5。
表4模糊线性规划方法的计算结果
表5各种战斗力成分含量
从计算结果可以看出，各项战斗力指标均在给定的浮动范围内，且无一项达到给定的浮动值，总价格却比原来低了21.28(10万元)。
通过比较，可以看出，应用模糊线性规划来实现信息战资源的最优分配由于根据实际情况，对约束条件引进了一定的模糊浮动值，从而得到了比原始线性规划更好的结果。
权利要求
1.本发明涉及空军信息战资源模糊规划最优分配方法，涉及军事及相关领域，最优分配对象为空军信息战资源，该方法首先定义信息战资源的分配和信息战资源的战斗力属性，然后构造对信息战资源进行分配的准则，并根据对信息战战斗力需求的指标，建立对信息战资源最优分配的模型，并用模糊规划方法求解该模型，最终获得根据需求对信息战资源的最优分配方案，该方法具有高效、简单、客观、应用广泛和明显提高战斗力等特点，可广泛用于所有空军信息战资源的最优分配，本发明进一步涉及实现这种方法的技术。
2.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述最优分配对象为空军信息战资源是指将空军信息战资源作为最优分配的对象，根据战区或作战的实际需求，从该对象中最优分配部分信息战资源给战区或作战，即解决的是根据实际需要，从总体信息战资源中最优分配部分信息战资源的问题。
3.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述最优分配对象为空军信息战资源是指研究信息战资源的最优分配时，通常必须考虑信息战资源与信息战资源的具体实现或与信息战装备之间的关系，由于信息战装备是信息战资源的具体实现形式，根据信息战资源本身的战斗力属性的不同，可以将信息战装备看成是由物理设备、相关人员以及采用的战术所组成的一个信息战单元，因此，对信息战资源的最优分配，实际上就是对信息战装备本身的最优分配。
4.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述首先定义信息战资源的分配和信息战资源的战斗力属性是指在将总体信息战资源的一部分分配给战区、作战或其它对象时，认为信息战资源具有多种战斗力或具有多种战斗力属性，并且用在单位信息战资源中所含的不同信息战战斗力的百分数来定量描述信息战资源的信息战战斗力属性，即信息战资源是一种具有多种信息战战斗力或战斗力属性的资源，这也是信息战资源可以进行最优分配的重要基础。
5.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述然后构造对信息战资源进行分配的准则是指从总体信息战资源中分配部分信息战资源是按照一些预定的准则或规则进行的，最大限度的满足这些准则或规则的分配也称为最优分配，而这些准则或规则的函数形式称为实施最优分配的目标函数，并可以根据实际需要自行设定不同的准则或规则，例如为了保证对总体信息战资源的最经济使用，可以建立与“最经济使用原则”有关的最小成本目标函数来实施最优分配，即从总体信息战资源中分配部分信息战资源是按预定的准则或规则作为目标来完成的。
6.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述并根据对信息战战斗力需求的指标，建立对信息战资源最优分配的模型是指对信息战资源需求的一方来说，可以根据其所在战区或作战的实际需求，提出对信息战战斗力的具体要求(通常可以通过作战仿真，经验公式或其它任何方式来确定对信息战战斗力的具体需求)，而这些需求则在信息战资源的最优分配中，用来作为最优分配必须要满足的约束条件，然后再在最优分配的目标函数和最优分配的约束条件的基础上，构造实施信息战资源最优分配的模型，即具有最优分配的目标函数和最优分配的约束条件是信息战资源最优分配模型的重要特征。
7.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述并用模糊规划方法求解该模型，最终获得根据需求对信息战资源的最优分配方案是指下述对信息战资源进行最优分配的模糊规划方程以及通过求解该方程所获得的信息战资源的最优分配方案，但下述的数学公式、推导过程、计算结果以及应用方法适用于对所有空军信息战资源的最优分配，对于特定的作战模式来说，可以求得在该模式需要的信息战资源中，各种战斗力资源在总信息战资源中所占的最优比例，然后再根据这个最优比例，对整个信息战资源进行最优配置，因此也可以将信息战资源的最优分配问题，看成是在信息战资源中各种战斗力资源的最优配方问题，信息战资源模糊规划或模糊线性规划最优分配方法可进一步描述如下，定义xi(i＝1，...，n)为对信息战资源i进行最优分配的决策变量，aij为信息战资源i的战斗力j(j＝1，...，m)的含量，bj为希望分配的信息战资源第j个战斗力属性达到的战斗力指标，ci为信息战资源i的价格，则可定义由目标函数和约束方程组构成、用于对n个信息战资源进行最优分配的线性规划模型为目标函数MinZ为使信息战资源的成本最小化MinZ＝c1x1+…+cnxn约束方程组为a11x1+a12x2+…+a1nxn≥b1(＝，≤b1)a21x1+a22x2+…+a2nxn≥b2(＝，≤b2)…am1x1+am2x2+…+amnxn≥bm(＝，≤bm)x1≥0，x2≥0，…，xn≥0通过单纯形算法求解上述线性规划模型，即可求出信息战资源的最优分配结果或配方，因此，在信息战资源最优分配中应用线性规划及模糊线性规划的5个先决条件为(1)可分割性所有被分配的信息战资源(决策变量)都可以分解成任何大小的有意义的部分或由任何大小有意义的部分组成，即可分解成不同的信息战战斗力部分或由不同的信息战战斗力部分所组成，(2)正比例性对于任意决策变量xi，其对成本的贡献为cixi，对第j种战斗力的贡献为aijxi，如果将xi的量加倍，那么对成本或对战斗力成份的贡献也应加倍，(3)可加性分配的信息战资源的总成本为各个信息战资源的成本之和，分配的信息战资源对第j个约束的总贡献是多个信息战资源的贡献之和，(4)无矛盾性在线性规划中，在一起分配的信息战资源之间不应存在相互排斥性，即可一起共同工作，(5)非随机性所有的ci、aij以及bj都是已知的、确定性的，而不是随机的，通常将上述线性规划称为模糊线性规划的原始线性规划，模糊线性规划模型是建立在上述原始线性规划模型的基础上，但克服了原始线性规划模型的不足，能有效处理在约束条件与目标函数相互之间存在的矛盾，在上述信息战资源线性规划最优分配模型的基础上，先求出最低成本Z0，在约束条件中，将“≥”模糊化为 (大约大于等于)，则可引入模糊约束集，并构造模糊线性规划如下，设A＝(aij)m×n，B＝(bi)m×1，X＝(xj)n×1，C＝(cj)1×n称minZ=CX≤~Z0]]>满足AX≥~B,]]>X≥0为模糊线性规划，Z0为模糊线性规划中配方成本的期望值，可用上述普通线性规划求得Z0，通过将约束集模糊化，求出约束集的隶属函数；再将目标函数模糊化，求出目标函数的隶属函数，然后根据模糊判决，用最大隶属原则求模糊解x*，就可将上述模糊线性规划转化为另一普通线性规划maxλ1+1di(Σj=1naijxj-bi)≥λ,(i=1,2,···,m)]]>-1d0(Σj=0ncjxj-Z0)≥λ]]>0≤λ≤1xj≥0(j＝1，2，…，n)其中di是各战斗力指标及信息战资源用量约束的伸缩量，即各项战斗力指标及信息战资源约束值的一个活动范围，由信息战专家根据经验、作战样式及实际交战的对象等因素来确定，di≥0(i＝1，2，…，m)，说明约束边界模糊化了，从上述分析可见，di的引入也是将信息战专家的经验引入到信息战资源最优分配或配方设计中，根据上述讨论，对模糊规划或模糊线性规划的求解实质上是将模糊线性规划的数学模型转化为普通线性规划模型来求解，模糊线性规划的求解方法如下第一步，构造原始线性规划模型，用单纯形方法，求出该线性规划模型的最低成本Z0，第二步，构造加伸缩量的线性规划模型目标函数minZ＝CX约束条件AX≥B-D，X≥0式中，D＝(di)m×1用单纯形方法，求出该线性规划模型的最低成本(Z0-d0)，从而得到目标约束的伸缩量d0，第三步，构造模糊线性规划模型，求模糊最优解及隶属度，根据以上求解结果，并整理上述模糊线性规划的数学模型，得出一个新的线性规划模型如下，目标函数maxλ约束条件AX-Dλ≥B-D-CX-d0λ≥-Z0X≥0再用单纯形方法，即可求出该线性规划模型及模糊线性规划的最优解(x1*，x2*，...，xn*，λ*)，信息战资源的最优分配x*=(x1*,x2*,...,xn*),]]>最低成本z*=Σj=1ncjxj*,]]>由于模糊线性规划是在原始线性规划及加入伸缩量之后线性规划基础上构造的新线性规划，所以它能够根据原始线性规划各项战斗力成分及信息战资源的影子价格自动按决策者给出的伸缩量调整配方，从而能够得到一个成本低，且又满足要求的合理配方。
8.根据权利要求1所述的空军信息战资源模糊规划最优分配方法，其特征在于所述并用模糊规划方法求解该模型，最终获得根据需求对信息战资源的最优分配方案是指原进行信息战资源最优分配的模糊规划模型的对偶模型可以用于分析原始线性规划模型的战斗力指标的满足程度对目标函数的满足程度的影响，即用于确定战斗力指标的满足程度对目标函数的满足程度的影响，下述数学公式、推导过程、计算结果以及应用方法适用于对所有空军信息战资源的最优分配的对偶分析，通过对上述原始线性规划的对偶规划的分析，可以研究在原始线性规划问题中各个战斗力约束指标的经济代价，这种代价也称为影子价格，对于信息战资源的最优分配问题来说，通过求解它的对偶问题，可以进行如下定量分析(1)根据影子价格可以计算出各种信息战资源在最优分配或最优配方中的实际经济价值，显而易见，凡选入最优分配或最优配方的信息战资源，其经济价值必然大于或等于它的战(市)场价格，反之，该信息战资源将落选，因此决策者可以判断，入选的信息战资源的价格上升到何种水平时，相关的最优分配或最优配方中该信息战资源的配比将下降甚至将不能继续使用，而落选的信息战资源价格下降到何种水平时，再选入最优分配将肯定获利，(2)给出组成最优分配的各种信息战资源的价格有效范围，信息战资源的价格在此范围内变化时，最优分配结果将保持不变，一旦信息战资源的价格超过其有效范围，则需要重新进行最优分配，以确保成本最低，(3)计算战斗力指标的有效区间，在此区间内多种战斗力指标的影子价格不变，此时战斗力指标降低一个单位值，分配的信息战资源成本降低值等于该战斗力成分的影子价格，决策者可以据此寻求降低成本的有效途径或选择具有经济效益的某种信息战资源，为了借助原始线性规划模型的对偶模型，进一步分析上述原始线性规划模型的解的结构特征，定义由目标函数和约束方程组构成的、上述原始线性规划模型的对偶模型为描述对m个战斗力要素的决策变量yj(j＝1，...，m)的线性规划模型目标函数MaxG为使战斗力含量指标达到最大化MaxG＝b1y1+…+bmym约束方程组为q11y1+a21y2+…+am1ym≤c1a12y1+a22y2+…+am2ym≤c2…a1ny1+a2ny2+…+amnym≤cmy1≥0，y2≥0，…，ym≥0其中决策变量yj(j＝1，2，…，m)为待求信息战资源的战斗力指标bj(j＝1，2，…，m)的影子价格或机会成本，通过单纯形算法求解上述对偶线性规划模型，即可完成对上述原始线性规划的对偶分析。
全文摘要
本发明涉及空军信息战资源模糊规划最优分配方法，涉及军事及相关领域，最优分配对象为空军信息战资源，该方法首先定义信息战资源的分配和信息战资源的战斗力属性，然后构造对信息战资源进行分配的准则，并根据对信息战战斗力需求的指标，建立对信息战资源最优分配的模型，并用模糊规划方法求解该模型，最终获得根据需求对信息战资源的最优分配方案，该方法具有高效、简单、客观、应用广泛和明显提高战斗力等特点，可广泛用于所有空军信息战资源的最优分配，本发明进一步涉及实现这种方法的技术。
文档编号G06Q50/00GK1818943SQ20061003884
公开日2006年8月16日 申请日期2006年3月15日 优先权日2006年3月15日
发明者朱泽生, 孙玲 申请人:孙玲