基于XGBoost的装备体系效能预测方法

祝 颂，钱晓超，陆营波，刘 飞

（1.华南理工大学软件学院，广东广州 510006；2.上海机电工程研究所，上海 201109）

0 引言

武器装备体系，是指在一定的战略指导、作战指挥和保障条件下，为完成一定作战任务，由功能上互相联系、相互作用的各种武器装备系统组成的更高层次系统［1］。武器装备体系的复杂性对效能评估问题的求解带来了极大的困难和计算消耗［2］，大数据及机器学习技术的兴起有望为武器装备效能评估提供全新、有效的解决方法。目前，国内外学者已开展了初步的研究，如基于机器学习进行效能评估，其基本思想是将仿真效能评估转化为一个分类或预测问题。曹星平［3］使用支持向量机方法对武器系统建立了效能预测模型，并以导弹武器系统为例，对其支持向量机模型得出的结果进行了分析。陈侠等［4］提出了基于粒子群算法优化的支持向量机模型，并将该模型应用到侦察无人机的作战效能评估中，仿真实验结果表明此模型可以准确有效地对侦察无人机进行作战效能评估。王静岩等［5］通过对合成旅作战过程中主要因素的分析，针对作战方案评估，提出基于弹性反向传播（resilient backpropagation，RPROP）和基于神经网络集成的两种作战方案评估方法，降低了评价过程中人为因素的影响。田成祥等［6］在对工程兵桥梁爆破影响因素分析的基础上，构建了以爆破人员、爆破目标、爆破工具为主的桥梁爆破方案评估指标体系，并确立了基于BP 神经网络的军用桥梁爆破方案评估模型。……