【技術實現步驟摘要】
本申請涉及對抗體系能效評估，特別是涉及一種對抗體系效能評估方法、裝置、計算機設備和存儲介質。
技術介紹
1、在現代對抗體系效能評估領域，傳統的評估方法往往依賴于經驗公式和定性分析，這些方法在處理簡單或已知的沖突場景時表現尚可。
2、然而，隨著對抗形式的演變和環境的日益復雜化，這些傳統方法在面對多變的策略條件、多維度的對抗要素以及高度不確定性的對抗環境時，其評估結果的準確性和可靠性受到了嚴重挑戰。
3、此外，現有的機器學習方法，如支持向量機（svm）、神經網絡等，雖然在某些方面有所突破，但它們在處理小樣本數據、非線性關系以及高維特征空間時，往往需要大量的計算資源，且模型的泛化能力受限。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種能夠進行綜合效能評價的對抗體系效能評估方法、裝置、計算機設備和存儲介質。
2、一種對抗體系效能評估方法，所述方法包括：
3、獲取對抗體系的初始效能指標樣本數據集，并根據所述初始效能指標樣本數據集按照體系級指標、系統級指標以及功能級指標構建分層指標貝葉斯立體網絡，所述分層指標貝葉斯立體網絡包括由低至頂疊放的多層指標貝葉斯網絡組成；
4、利用貝葉斯推理機制，在所述分層指標貝葉斯立體網絡中的同層指標貝葉斯網絡根據已知條件對未知效能指標的值進行預測；
5、利用高斯過程回歸模型，在所述分層指標貝葉斯立體網絡中對各層指標貝葉斯網絡中已預測的未知效能指標進行橫向優化，并根據下層指標貝葉斯
6、獲取新指標樣本數據集，根據所述新指標樣本數據集以及目標函數對所述分層指標貝葉斯立體網絡進行優化。
7、在其中一實施例中，在構建分層指標貝葉斯立體網絡時：
8、將所述初始效能指標樣本數據集中的各指標樣本，按照體系級指標、系統級指標以及功能級指標依次定義為頂層指標、中層指標和底層指標；
9、分別根據頂層指標、中層指標和底層指標構建對應的頂層指標貝葉斯網絡、中層指標貝葉斯網絡以及底層指標貝葉斯網絡。
10、在其中一實施例中，在構建某一層指標貝葉斯網絡時，將當前層中的所有指標作為節點，并根據各指標之間的關系定義相應節點之間的邊；
11、并通過積矩相關系數，度量下層指標貝葉斯網絡對上層指標貝葉斯網絡指標影響程度定義跨層節點之間的邊。
12、在其中一實施例中，在構建某一層指標貝葉斯網絡時，對當前層中的所有指標的值進行歸一化處理后，采用條件概率分布作為相關兩節點之間的邊。
13、在其中一實施例中，在利用高斯過程回歸模型對各層指標貝葉斯網絡中已預測的未知效能指標進行橫向優化時：
14、將貝葉斯網絡中得到的條件概率分布和高斯過程回歸的概率分布進行數據融合，計算未知效能指標的期望，并采用以下公式：
15、；
16、在上式中， x表示某一未知效能指標優化后的期望，表示經由貝葉斯網絡預測得到的概率分布，而表示經由高斯過程回歸模型得到的概率分布，其中，。
17、在其中一實施例中，在根據所述新指標樣本數據集以及目標函數對所述分層指標貝葉斯立體網絡進行優化時，包括：
18、對所述目標函數以所述頂層指標貝葉斯網絡中的效能指標的抽象描述進行定義，并采用高斯過程回歸對所述目標函數進行建模；
19、基于所述目標函數通過采集函數，在所述多層指標貝葉斯網絡中選取使得所述目標函數值最大的多個效能指標作為參考效能指標；
20、在各所述參考效能指標的引導下，對所述分層指標貝葉斯立體網絡中的未知效能指標的值進行優化，以實現所述分層指標貝葉斯立體網絡的優化；
21、其中，基于所述新指標樣本數據集優化高斯過程回歸時，利用遞推公式減少計算量，其中，所述遞推公式表示為：
22、；
23、在上式中，表示協方差矩陣，表示高斯核函數，和分別表示指標樣本數據集合以及新指標樣本數據集合，表示下一次預測指標樣本數據集合，由于每次預測只有一個樣本點，，。
24、本申請還提供了一種對抗體系效能評估裝置，所述裝置包括：
25、分層指標貝葉斯立體網絡構建模塊，用于獲取對抗體系的初始效能指標樣本數據集，并根據所述初始效能指標樣本數據集按照體系級指標、系統級指標以及功能級指標構建分層指標貝葉斯立體網絡，所述分層指標貝葉斯立體網絡包括由低至頂疊放的多層指標貝葉斯網絡組成；
26、同層指標貝葉斯網絡中未知效能指標預測模塊，用于利用貝葉斯推理機制，在所述分層指標貝葉斯立體網絡中的同層指標貝葉斯網絡根據已知條件對未知效能指標的值進行預測；
27、基于高斯過程回歸的體系效能評估模塊，用于利用高斯過程回歸模型，在所述分層指標貝葉斯立體網絡中對各層指標貝葉斯網絡中已預測的未知效能指標進行橫向優化，并根據下層指標貝葉斯網絡中的已知條件對上層指標貝葉斯網絡中的未知效能指標進行縱向預測，直至得到頂層指標貝葉斯網絡的效能指標，并根據該效能指標對所述對抗體系的效能進行評估；
28、分層指標貝葉斯立體網絡優化模塊，用于獲取新指標樣本數據集，根據所述新指標樣本數據集以及目標函數對所述分層指標貝葉斯立體網絡進行優化。
29、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現以下步驟：
30、獲取對抗體系的初始效能指標樣本數據集，并根據所述初始效能指標樣本數據集按照體系級指標、系統級指標以及功能級指標構建分層指標貝葉斯立體網絡，所述分層指標貝葉斯立體網絡包括由低至頂疊放的多層指標貝葉斯網絡組成；
31、利用貝葉斯推理機制，在所述分層指標貝葉斯立體網絡中的同層指標貝葉斯網絡根據已知條件對未知效能指標的值進行預測；
32、利用高斯過程回歸模型，在所述分層指標貝葉斯立體網絡中對各層指標貝葉斯網絡中已預測的未知效能指標進行橫向優化，并根據下層指標貝葉斯網絡中的已知條件對上層指標貝葉斯網絡中的未知效能指標進行縱向預測，直至得到頂層指標貝葉斯網絡的效能指標，并根據該效能指標對所述對抗體系的效能進行評估；
33、獲取新指標樣本數據集，根據所述新指標樣本數據集以及目標函數對所述分層指標貝葉斯立體網絡進行優化。
34、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現以下步驟：
35、獲取對抗體系的初始效能指標樣本數據集，并根據所述初始效能指標樣本數據集按照體系級指標、系統級指標以及功能級指標構建分層指標貝葉斯立體網絡，所述分層指標貝葉斯立體網絡包括由低至頂疊放的多層指標貝葉斯網絡組成；
36、利用貝葉斯推理機制，在所述本文檔來自技高網...
【技術保護點】
1.一種對抗體系效能評估方法，其特征在于，所述方法包括：
2.根據權利要求1所述的對抗體系效能評估方法，其特征在于，在構建分層指標貝葉斯立體網絡時：
3.根據權利要求2所述的對抗體系效能評估方法，其特征在于，在構建某一層指標貝葉斯網絡時，將當前層中的所有指標作為節點，并根據各指標之間的關系定義相應節點之間的邊；
4.根據權利要求3所述的對抗體系效能評估方法，其特征在于，在構建某一層指標貝葉斯網絡時，對當前層中的所有指標的值進行歸一化處理后，采用條件概率分布作為相關兩節點之間的邊。
5.根據權利要求4所述的對抗體系效能評估方法，其特征在于，在利用高斯過程回歸模型對各層指標貝葉斯網絡中已預測的未知效能指標進行橫向優化時：
6.根據權利要求1-5任一項所述的對抗體系效能評估方法，其特征在于，在根據所述新指標樣本數據集以及目標函數對所述分層指標貝葉斯立體網絡進行優化時，包括：
7.一種對抗體系效能評估裝置，其特征在于，所述裝置包括：
8.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種對抗體系效能評估方法，其特征在于，所述方法包括：
2.根據權利要求1所述的對抗體系效能評估方法，其特征在于，在構建分層指標貝葉斯立體網絡時：
3.根據權利要求2所述的對抗體系效能評估方法，其特征在于，在構建某一層指標貝葉斯網絡時，將當前層中的所有指標作為節點，并根據各指標之間的關系定義相應節點之間的邊；
4.根據權利要求3所述的對抗體系效能評估方法，其特征在于，在構建某一層指標貝葉斯網絡時，對當前層中的所有指標的值進行歸一化處理后，采用條件概率分布作為相關兩節點之間的邊。
5.根據權利要求4所述的對抗體系效能評估方法，其特征在于，在利用高斯過程回歸模...
【專利技術屬性】
技術研發人員：馬建軍，黃丹棚，朋馳，何詠翔，張瀚文，李鵬，孫未蒙，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。