通信保障组织效能测度探索空间构造

陈帅　任学军　朱吉胜　邵文静

摘 要： 针对通信保障组织效能测度缺少探索空间构造而导致探索因子分析混乱的问题，提出一种新的探索空间构造方法。对最底层探索因子的属性取预估值，之后离散化该层次，并对每个探索因子取多个水平值，反复迭代，逐层完成探索空间的构造。该方法能够迅速、自动生成探索空间，极大缩短了效能测度时间，同时提高了效能测度的准确性，为探索因子分析提供了清晰的思路。

关键词： 通信保障组织； 效能测度； 探索性分析； 探索空间构造

中图分类号： TN911?34； P391 文献标识码： A 文章编号： 1004?373X（2015）19?0046?04

Abstract： For lack of exploring spatial structure of effectiveness measure for communication support organization， which may cause analysis confusion of exploring factors， a new method of exploring spatial structure is proposed. The estimated values are taken for properties of the exploring factors in the bottom， and then this layer is discretized. Then multiple level values are taken for each exploring factor， and the structure of exploring space is completed layer?by?layer by repeated iteration. This method can generate exploring space rapidly and automatically， shorten effectiveness measure time greatly， and improve the accuracy of effectiveness measure. The method offers a clear thinking for analyzing the exploring factors.

Keywords： communication support organization； effectiveness measure； exploratory analysis； exploring spatial structure

0 引 言

近年我国地震灾害频发，呈现出频度高、强度大、分布广等特点，给大家带来了难以估量的生命财产损失。在抗震救灾行动中，通信保障既是指挥员及时、高效指挥的关键要素，也是保证抗震救灾任务有序进行的重要前提。由于现实的绝对可变性和信息掌握的相对贫乏性[1]，大家对通信保障组织的理解，包括其历史形态、现实状态、演化过程和未来状态的预测能力都是极为有限的。同时，震区环境瞬息万变，其中包含大量不确定因素，这些不确定因素在多大程度上影响通信保障组织效能的发挥，如何有效处理这些不确定因素是组织效能测度所要研究的内容。

从目前的研究文献来看，关于组织效能测度的研究大多以组织体系的分类描述为主，包括基于DDD?Ⅲ环境[2]和Extend环境[3]的组织效能测度研究，以及以灵敏度分析方法[4]为主的组织效能测度分析方法等。之后，探索性分析方法[4]因其周期短、能够以多分辨率分析问题等优势，逐步取代其他测度方法，被广泛应用于军事领域。

探索性分析方法最早见于Steve Bankes等在1993年发表的论文[5]。其后，对探索性分析方法的研究以RAND公司[6]最为突出。20世纪90年代以来，RAND公司将该方法应用于一系列战略分析和项目评价工作中，如恐怖的海峡[7]、大规模装甲部队入侵的空中打击问题[8]、武器优化配置问题[9]以及作战效能评估问题[10]等，极大地推动了探索性分析方法的发展。

1 探索性分析方法

探索性分析是对各种不确定因素产生的结果进行整体研究。其基本思路是通过考察大量由不确定因素引起的方案结果的变化，研究分析复杂现象背后数据变量之间的关系，并广泛试探各种可能产生的结果。它面向战略权衡和论证分析，通过对模型影响因素的抽象、聚合，对组织效能进行全面探索，确定其相互影响，回答何时、在何种环境下采取何种策略的问题[11]。

与灵敏度分析“从内到外”处理问题的方式不同，探索性分析采用“从外到内”的方式处理问题。首先全面尝试不确定因素之间的组合，通过建立模型并求解形成输出集合，在输出集合中找出满意结果和与之对应的输入因素，研究其组合规律，从而探究形成满意输出的输入组合策略。

现阶段在对探索性分析法的运用过程中，很多学者在针对具体问题进行探索性分析之前，没有考虑探索空间的描述及构造。如抗震救灾通信保障问题，包含多个分析模型及与之相关的探索因子。若跳过探索空间描述及构造阶段，直接对探索因子进行组合探索，很容易导致探索过程的混乱及重复，给后续问题的分析带来困难，影响通信保障任务完成的效率。因此，有必要对探索空间的描述及构造等问题进行进一步的研究。

2 探索空间描述

采用探索性分析方法对抗震救灾通信保障任务环境中不确定因素的处理，是基于探索空间对探索因子进行全面探索的过程。探索空间既是所有探索因子不同取值的全面组合的集合，也是建立探索性分析模型的初始化设置。抗震救灾通信保障任务环境并非是一成不变的，而是随着任务的进行不断发生着变化。从目前的研究成果来看，对于组织效能测度的研究，主要考虑任务需求层次和资源能力层次两个方面的影响[12]。endprint

2.1 任务空间描述

定义1 任务空间[ST]描述通信保障任务层次上的探索因子的相关属性，主要有任务需求[R（Ti）=[Ri1，Ri2，…，][RiL]、]任务处理时间[t（Ti）]及位置[d（Ti）]等，如表1所示。

3 探索空间构造

探索空间的构造，应当以探索因子为基础，根据探索空间的描述，分别对任务空间及能力空间进行构造。探索空间构造的思路是：根据探索因子及其表现形式[13]（正态分布、均匀分布等）对探索空间进行描述，而后构造任务空间及能力空间，最后再合成整个探索空间。

3.1 任务空间构造

任务空间某一层次[STi]由多个属性表共同描述，每个属性表是对该层中某个点的具体描述，任务属性表中第[i]行表示探索因子[Ti]在该点的具体属性值。

3.1.1 任务空间[ST1]层构造

[ST1]层是整个空间最底层，是任务空间构造的初始化设置。其构造基本思路是先离散化整个[ST1]层，再对每一个探索因子取多个水平值以完成构造。

设通信保障任务中共有[i]个探索因子，则该任务空间[ST1]层每个任务属性表共[i]行，每行表示某个探索因子的属性值。在对探索因子的属性值进行预估的基础上，离散化整个[ST1]层，之后根据知识经验及通信保障任务需要，对[i]个探索因子取多个水平值，完成对任务空间[ST1]层的构造。记任务空间[ST1]层第[r]个探索因子共[lr]个水平值，第[r]个探索因子所有水平值为[Kr=Kr1，Kr2，…，Krlr，]则[ST1]层由[m∈1，2，…，ilr]个任务属性表共同描述。

3.1.2 任务空间[STi]层构造

如果通信保障组织效能测度需要根据分析模型构建任务空间的其他层次，则可以在已经构建的任务空间[STi-1]层的基础上，进一步对[STi]层[（1

设在建立探索性分析模型的过程中，第[STi-1]层的[m]个探索因子经过粒化，聚合为[n]个新的探索因子，并一一映射于第[STi]层，过程如图1所示。

3.2 能力空间构造

能力空间[SC]描述存在于通信保障组织中通信资源层次的探索因子及其相关属性，以对通信资源属性的构造为核心。[SCi]由多个通信资源属性表共同描述。

3.2.1 能力空间[SC1]层构造

3.2.2 能力空间[SCi]层构造

通过式（6）和式（7），在能力空间第[SCi-1]层的基础上对第[SCi]层进行构造，通过反复迭代，面向探索性分析模型构造整个能力空间。

通过对任务空间和能力空间的构造，在通信保障组织测度的探索性分析过程中，探索因子可以根据其具体的表现形式与取值方式，自动完成探索空间属性表的赋值，并通过各个探索因子的全面组合，以迅速生成整个探索空间。

4 结 语

抗震救灾通信保障任务对通信保障组织的敏捷性需求，需要通信保障组织测度探索空间能够快速生成，为后续探索性模型的建立奠定基础。本文针对抗震救灾通信保障任务的实际需要，将探索空间划分为任务空间及能力空间，根据探索空间的描述方式，分别对这两个空间进行构造。使得通信保障组织测度过程中，探索空间能够迅速、自动生成，极大地提高了通信保障效能的准确性及效率。

下一步将继续对探索性分析模型进行研究，在已构造的探索空间的基础上，建立多分辨率模型，通过探究各种不确定因素对通信保障任务带来的影响，为决策者提供定性与定量相结合的决策依据，为抗震救灾通信保障任务完成提供了一条新思路。

参考文献

[1] 万路军，姚佩阳，梁宵.适应性指挥控制组织设计与研究综述[J].电光与控制，2011，18（11）：7?11.

[2] DAVIS P K， BIGELOW J H， MCEVER J. Exploratory analysis and a case history of multiresolution， multiperspective mode?ling [J]. Rand Corporation， 2001， 17： 621?629.

[3] FRANTZ T L， CARLEY K M， WALLACE W A. Computational organization theory [M]. New Jersey： Lawrence Erlbaum Asso?ciates， 1994.

[4] PETE A， PATTIPATI K R， KLEINMAN D L， et al. An overview of decision networks and organizations [J]. IEEE Transactions on Systems， Man and Cybernetics， Part C： Applications and Reviews， 1998， 28（2）：173?193.

[5] STEVE B. Exploratory modeling for analysis [R]. USA： RAND， 1993.

[6] LEVCHUK G M， LEVCHUK Y N， LUO J， et al. Normative design of organizations?part Ⅱ： organizational structure [J]. IEEE Transactions on Systems， Man and Cybernetics， 2002， 32（3）： 360?375.

[7] CARLEY K M， LIN Z. Organizational design suited to high performance under stress [J]. IEEE Transactions on Systems， Man， and Cybernetics， 1993， 23（4）： 221?231.

[8] LEVCHUK G M， LEVCHUK Y N. Normative design of organizations?part Ⅰ： mission planning [J]. IEEE Transactions on Systems， Man and Cybernetics， 2002， 32（3）： 346?359.

[9] DAVIS P K， Hill R. Exploratory analysis for strategy problems with massive uncertainty [M]. Santa Monica： RAND， 2001.

[10] YU F， TU F， PATTIPATI K R. Novel congruent organizational design methodology using group technology and a nested genetic algorithm [J]. IEEE Transactions on Systems， Man and Cybernetics， 2006， 36（1）： 5?18.

[11] XIU B X， ZHANG W M， LIU Z， et al. A novel organizational design methodology based on the theory of information granulation [C]// Proceeding of 2005 IEEE International Conference on Machine Learning and Cybernetics. Guangzhou， China： IEEE， 2005， 1： 1?6.

[12] 修保新，张维明，刘忠，等.基于粒度计算和遗传算法的C2组织结构设计方法[J].自然科学进展，2007，17（5）：662?671.

[13] YANG D S， LU Y I， LIU Z， et al. Research on algorithms of task scheduling [C]// Proceeding of the 2004 IEEE International Conference on Machine learning and Cybernetics. Shanghai， China： IEEE， 2004： 42?47.endprint