国之重器出版工程 陆战目标威胁评估方法及其应用

目标威胁评估是对战场信息处理和利用的重要方式之一，是火力体系优化运用的先决条件，是打赢信息化、智能化战争的必要手段。 本书系统地介绍了陆战场目标威胁评估的常用方法及其应用。主要内容包括陆战目标威胁评估指标体系的建立原则与建立方法、评估指标的量化原则与量化方法、评估指标的赋权方法、单目标与集群目标威胁度评估与排序方法，并通过评估实例说明了评估方法的具体应用方式等。 本书可作为从事信息化、智能化战争形态研究的科研人员、硕士与博士研究生、高年级本科生，以及其他相关领域的从业人员参考使用，也可供对信息化、智能化战争感兴趣人群阅读。 本书集作者自己多年来对以陆战场作战目标威胁评估技术的研究心得，并吸收、借鉴他人研究成果而成。

徐克虎，男，1963年3月生。分别于安徽师范大学、东南大学、南京航空航天大学，获得学士、硕士、博士学位，中科院自动化研究所控制科学与技术博士后流动站出站。长期主要从事控制理论与控制工程专业的教学与科研工作，是所在单位学科带头人。在军用优化控制理论、智能计算方法等与人工智能密切相关领域，多年耕耘，取得了一些教学与科研成果。主持或参与多项军队与地方的科研项目研究，获得军队科技进步二等奖2项、三等奖1项，军队教学成果二等奖1项，在核心期刊上发表论文50余篇，出版专著1部、编著2部。

第 1章 绪论 001 1.1　目标威胁评估的概念 002 1.2　目标威胁评估的作用 003 1.2.1　辅助决策 004 1.2.2　目标精确管理 004 1.2.3　火力打击优化 005 1.3　目标威胁评估的研究现状 005 1.4　陆战目标威胁评估的特点 008 1.4.1　陆战武器目标种类多样 008 1.4.2　陆战武器作战用途多样 009 1.4.3　战场环境复杂 010 1.4.4　陆战目标威胁评估难度大 011 1.5　陆战目标威胁评估的要素与实现步骤 012 1.5.1　威胁评估要素 012 1.5.2　威胁评估实现步骤 014 第 2章 目标威胁评估指标体系及量化方法 017 2.1　评估指标体系的确定原则与建立方法 018 2.1.1　确定原则 018 2.1.2　建立方法 019 2.2　陆战目标威胁评估的主要指标 020 2.2.1　评估指标的分类 020 2.2.2　评估指标的含义及描述 021 2.3　评估指标量化原则与常用量化方法 023 2.3.1　量化原则 023 2.3.2　常用量化方法 024 2.4　目标威胁评估指标的量化 027 2.4.1　目标静态指标量化 027 2.4.2　目标动态指标量化 031 2.4.3　环境指标量化 034 2.5　威胁评估矩阵的确定 035 第3章　目标威胁评估指标赋权方法 039 3.1　指标权重基本概念及赋权原则 040 3.2　主观赋权法 041 3.2.1　德尔菲法 041 3.2.2　环比值法 041 3.2.3　层次分析法 042 3.3　客观赋权法 044 3.3.1　信息熵法 045 3.3.2　离差函数最大化法 045 3.3.3　逼近理想点法 046 3.4　组合赋权法 047 3.4.1　简单线性加权法 047 3.4.2　最小偏差组合赋权模型 048 3.5　变权赋权法 051 3.5.1　变权方法基本原理 052 3.5.2　双层融合变权方法 054 第4章　基于加权综合的目标威胁评估方法 057 4.1　基于Vague值记分函数评估法 058 4.1.1　Vague值均衡点 058 4.1.2　风险厌恶型记分函数SRA(x) 059 4.1.3　风险追求型记分函数SRP(x) 061 4.1.4　风险中立型记分函数SRN(x) 062 4.1.5　记分函数评估法 062 4.2　基于Vague集距离度量的多属性决策TOPSIS评估法 063 4.2.1　Vague集距离度量一般方法及其准则 063 4.2.2　改进的Vague集距离度量法 064 4.2.3　多属性决策TOPSIS评估法 065 4.2.4　多属性决策PA 066 4.3　Vague集关系模型威胁评估法 067 4.3.1　基于风险偏好的Vague值运算法则 068 4.3.2　基于Vague集关系的目标评估与排序 069 4.4　基于战场态势变权的威胁评估方法 070 4.4.1　战场态势变权方法 070 4.4.2　变权的TOPSIS威胁评估算法 073 4.4.3　应用战场态势变权的目标威胁评估 074 4.5　基于双层融合变权目标威胁评估方法 076 4.5.1　双层融合变权目标威胁评估步骤 076 4.5.2　双层变权目标威胁评估实例分析 077 4.6　基于组合赋权 VIKOR法的目标威胁评估方法 081 4.6.1　直觉模糊集 081 4.6.2　组合赋权 VIKOR法的威胁评估模型的建立 083 4.6.3　实例仿真 088 第5章 基于机器学习的目标威胁评估方法 093 5.1　基于多元回归的目标威胁评估 094 5.1.1　解决思路 094 5.1.2　多元线性回归的基本原理 094 5.1.3　多元非线性回归简介 099 5.1.4　基于多元回归的威胁评估方法 100 5.1.5　实例 100 5.2　基于改进型RBF神经网络的目标威胁评估方法 102 5.2.1　解决思路 102 5.2.2　RBF神经网络 102 5.2.3　基于RBF神经网络的威胁评估方法 103 5.2.4　RBF神经网络威胁评估实例仿真 105 5.3　基于分类的威胁评估方法 106 5.3.1　解决思路 106 5.3.2　常见的分类器及原理 107 5.3.3　评估方法 111 5.3.4　基于分类的威胁评估实例 112 第6章 面向集群目标的威胁评估方法 115 6.1　集群目标的分组方法 116 6.1.1　基于作战策略的指挥员主观分组方法 116 6.1.2　基于算法规则的多目标分组方法 116 6.1.3　集群目标分组实例 118 6.2　大规模目标的层次评估结构 121 6.3　集群目标威胁评估指标体系 122 6.4　基于战场价值的集群目标威胁评估方法 124 6.4.1　集群目标威胁评估结构 124 6.4.2　集群目标整体评估方法 125 6.5　基于区间变权灰色关联法的集群目标威胁评估 129 6.5.1　预备知识——区间数权重 129 6.5.2　集群目标指标体系的量化处理 129 6.5.3　区间变权权重的确定 132 6.5.4　适用于区间数的最小二乘灰色关联威胁评估模型的构建 133 6.5.5　实例仿真 136 第7章 陆战分队目标威胁评估实例分析 141 7.1　目标威胁评估背景与评估目的 142 7.2　建立评估指标体系 143 7.3　指标量化处理 145 7.4　指标赋权 147 7.5　威胁评估算法应用 149 7.5.1　基于加权综合的威胁评估 149 7.5.2　基于机器学习的威胁评估 149 7.6　分析与讨论 151 第8章 后记与展望 153 8.1 目标打击价值评估 155 8.2 目标毁伤评估 156 8.3 作战能力评估 156 8.4 作战效能评估 157 8.5 目标评估与作战意图识别融合发展 158 参考文献 159 索引 163