由于武器装备体系的结构层次复杂，包含作战实体种类多、实体间关联关系繁杂，面向体系效能的装备评估角度较多，因此评估方法也是多种多样的。针对不同的评估视角，将武器装备体系评估方法进行归纳分析。分为基于体系作战能力的视角、基于体系作战效能的视角、基于体系结构的视角与复合型视角四大类。以支持从体系的角度对武器装备的效能进行多维度评估，更能贴近评估装备对于体系贡献的衡量。

体系作战能力是指现代化军队构建在网络信息体系架构基础上，融合各种作战要素、作战单元、作战力量和作战系统，以联合作战为主要形式，在敌我双方体系对抗为中表现出来的态势感知、信息攻防、快速机动、精确打击、全维保障等整体作战能力。作战能力描述的是“本领”或“潜力”的问题，是一个静态的概念，是武器系统固有的属性，对于某项具体的能力，与作战过程无关。

与组合能力分析方法相似，贡献度度量的是以现有体系为基础的“未来” 的能力，得到的狭义贡献度是特定任务中、特定作战概念下的效能的比较，广义贡献度是对某一发展规划满足能力需求的整体评价。目前，武器装备体系作战能力的评估方法主要包括传统的解析类方法和近几年作为研究热点的证据推理法，其中解析法主要包含分解—综合以及分解—判别两种类型。

基于分解-综合的解析评估方法。解析方法是武器装备体系能力评估中最常用的一种方法。基于分解—综合的解析评估方法包括指标体系建立、底层指标规范化、指标聚合以及顶层评估数值获取。在采用解析法进行评估时，需要注意两点：首先，构建合理的指标体系需要尽可能满足完备性、独立性、可测性以及客观性，这往往是需要依赖专家经验的；其次，指标聚合时权重的设置，选择如层次分析法等主观赋值法的解释性和灵活性较强，但是选择如主成分分析法和均方差等客观赋权法，实证性和科学性较强，故在分析中要合理选择赋权方法。基于分解—综合评估方法的研究已经较为成熟了，该方法的特点在于面向不同的武器装备体系时对评估指标体系的建构以及选择的赋权方式和聚合方式存在不同，这一特点也赋予了分解—综合评估方法一定的灵活性。

基于分解—判别的解析评估方法。基于分解—判别的方法是面向多个武器装备体系方案，首先对武器装备战技指标进行规范化处理，接着根据得到的不同层次作战能力值，利用多属性决策方法中的判别函数，对比分析体系作战能力，最后得到武器装备体系作战能力的重要影响因素。在基于分解—判别的评估方法中，最核心的环节是多属性判别方法的选择，目前常用的包括理想点法（TOPSIS）、数据包络方法（DEA）、灰色关联分析等。①TOPSIS将体系能力指标看成变量，则在几何上形成一个高维空间，而每个待评估的体系就是空间中的一个点，于是将武器装备体系能力评估转化成对空间中的点进行综合排序的问题。为了解决该问题，首先在空间中定出参考点，计算样本点到参考点的距离，最贴近最优样本点且远离最劣点的为最优方案。该方法计算量小，方便实用，在作战能力评估中应用广泛。②DEA根据多指标投入和多指标产出对相同类型单位进行相对有效性或效益评估，以凸分析和线性规划为工具，对评估对象进行比较决策。该方法的客观性较强，适合多输入多输出的复杂系统评估与排序。在作战评估中有一定的应用。在面向体系效能的评估研究中，基于分解—判别的评估方法主要用于方案的对比，前提是有多个装备体系进行比对，而不是研究单个装备在体系中的贡献。因此，在选择评估方法之前，必须明确评估对象，若是进行装备方案的对比评估，那么成熟的分解—判别法能够起到很好的效果。

基于证据推理的评估方法。在进行武器装备体系效能分析时，证据推理方法能够有效处理武器装备体系效能分析中的不确定、不完备和混合信息，随着置信规则库提出，证据推理算法与之结合丰富了基于证据推理的效能评估方法。

基于分解—综合以及基于分解—判别的解析方法较为成熟，是典型的系统分析与评估的方法。其中，基于分解—综合的评估方法适合于体系的整体评估，而基于分解—判别的评估方法适合于体系方案的比较与排序。而基于证据推理的评估方法在处理不确定信息方面有独特的优势，通过对不确定性信息的处理弥补了数据不确定的问题，结合专家经验和历史数据使得数据更加可靠。但是，该方法需要构建合理的置信规则库和确定相关的信度，也需要足够的置信规则库的数据来保障评估的效果，在数据量充足的条件下选择该方法可以得到较为客观有效的评估结果。

作战效能描述了在特定条件下，武器系统被用来执行特定作战任务所能达到预期目标的程度，是武器装备系统在作战过程中其作战能力发挥的效果。所以作战效能与作战过程相关，是一个动态的概念。不但与装备的质量、数量有关，而且与作战编配和在作战中的实际运用有关，其指导作用不仅体现在武器装备发展领域，还覆盖了装备配置、战场指导等其他领域。

（1）基于仿真的评估方法。基于体系对抗仿真进行武器装备体系作战效能评估，实际上是利用作战模拟系统作为数据来源，通过采集仿真结果数据，并对其进行统计分析和评估运算，得出武器装备体系作战效能指标值的过程。（2）基于ADC的评估方法。（3）基于AHP（层次分析法）的评估方法。（4）基于贝叶斯网络的评估方法。（5）基于探索性分析的评估方法（EA）。

对于作战效能评估和分析来说，贝叶斯网络能够处理不确定信息和不完备信息，使用的图形化方法描述武器装备体系各级能力间复杂的关联关系也符合人们的思维习惯。但是，当前基于贝叶斯网络的武器装备体系能力或效能评估中均未进行贝叶斯网络的结构学习与参数学习，网络模型与参数模型的建立主要基于专家经验，受主观因素影响较大，评估结果的说服力不够。而EA 的优点在于能够分析输入因素的不确定性对作战效能的影响以及特定作战效能需求下的输入因素取值范围，全面探索问题解空间中的可行解、优化解和最优解。ADC法操作简单，不需建立网络模型，所需数据量较小，但存在矩阵确定过程复杂、过于依赖专家经验等缺点。AHP是一种较为成熟的评估方法，能够较好地评价底层能力参数对作战效能评估，得到相关能力参数对武器装备体系的贡献率排序。但是，该方法也在一定程度上依赖于专家给予的权重，在评估上不能避免存在主观因素。

实际上，从整体的角度来看，可以利用基于仿真评估的方法获取装备体系评估的底层数据，然后借助贝叶斯网络方法处理存在的不确定信息和不完备信息，使得底层数据更加完整。在对体系整体进行评估时，借助AHP与ADC方法相结合，可以减少对专家的依赖性，使得评估结果更具有合理性。

体系作战效能评估的研究相对成熟，基于仿真的评估是其发展的一个重要手段。在基于体系作战效能角度的体系效能研究中，应该结合作战效能评估的研究成果，将侧重点放在如何通过作战效能评估得到的结果和数据，构建效能指标进行计算，得到基于作战效能的体系效能。

武器装备体系结构是指体系内部各组成元素之间的相互关联关系，从体系视角评估，也就是分析在作战对抗中体系结构发挥的作用。

（1）基于作战环的评估方法。为了完成特定的作战任务，对敌目标进行影响（包括火力打击、电磁干扰等影响），由侦察、指控和打击装备发挥各自功能，协同完成侦察与情报收集、信息处理与传输、指挥决策和目标打击等一系列作战活动而形成的循环，并将其应用于武器装备体系建模、体系分析与评估等研究中。目前，作战环方法被广泛应用于装备体系效能评估研究。

基于对目标的影响能力。作战任务的核心是对敌方目标进行打击，在对某类装备的效能进行评价时，考虑将其从作战体系中移除，观察作战体系变化前后对目标的综合影响能力变化。因此，装备贡献率定义为将该装备从装备体系中移除或被摧毁后，新旧装备体系对敌方目标影响能力改变量与原装备体系对敌方目标影响能力的比值。

基于作战环的数量变化：在作战网络中存在着众多的作战环，而作战环代表作战过程的最基本环节。通常情况下，作战环的数量越多，信息反馈的路径和可选择的打击方案越多，体系结构越稳定，作战能力也越强，因此用作战环的数目来反映装备体系的作战能力。将贡献率定义为将某装备从装备体系中移除，新旧装备体系作战环的变化量与原体系作战环数量的比值。

基于作战过程的信息熵：作战过程中存在着频繁的信息交互，会产生大量的信息，这些信息的不确定性对作战效果具有一定的影响。作战中信息的不确定性程度越低，作战效果越好，因此信息熵是衡量装备体系作战效能的一种有效方法。借鉴香农提出的“信息熵”概念，给出了作战环中各类边信息熵的计算方法，在此基础上对反导体系作战效能进行评估，并对相应装备的体系贡献率进行评估。

（2）基于复杂网络的评估方法。复杂网络理论能够弥补传统体系建模方法在武器装备间信息交互建模方面的不足，注重分析装备之间的互联互通关系和协同配合，体现系统的涌现性，被认为是装备体系建模和贡献率评估最有可能取得突破的理论和方法。

基于复杂网络的武器装备体系作战网络（WSoSCN）建模大致分为两种思路。一种通过给出映射方法，将所研究的 WSoSCN作战单元与信息交互关系一映射成复杂网络模型中的节点作战单元与信息交互关系一映射成复杂网络模型中的节点边，这种方法称之为映射建模。另一通过给出WSoSCN拓扑生成演化规则用仿真的方法生成作战网络模型，称之为规则建模法。映射所得到 WSoSCN模型直接由实际体系映射得到，而不是算法生成。规则建模法所得到 WSoSCN模型通过规则研究算法生成。

武器装备体系作为一个大型复杂系统，涉及的装备类型多、关系复杂，对武器装备体系进行合理建模描述是研究装备体系效能首先需要攻克的难题。基于作战环的评估方法和基于复杂网络的评估方法在对武器装备体系进行网络化建模的基础上，有效地考虑了装备之间的关联关系，从体系的角度评估装备在体系中的贡献。基于作战环的评估方法对装备节点和边都进行了分类和详细地描述，充分考虑了武器装备体系中装备和装备之间关联关系的异质性，

结合OODA环理论，反映了实际的作战过程。而基于复杂网络的评估方法则认为装备体系中的装备以及装备之间的关联关系都是相同的，从宏观的角度分析该体系的拓扑特性，对装备的效能进行评估。

从整体上来看，对于复杂武器装备体系的宏观评估问题，可以采用基于复杂网络的评估方法，此时可以有效考虑体系的拓扑关系，计算上也较为便捷，但是无法考虑体系中装备的多样性。当武器装备体系的规模较小，从微观的角度评估武器装备体系时，需要将其与作战任务相关联，此时采用基于作战环的评估方法，虽然计算方法较为复杂但是可以有效地考虑体系中装备的多样性以及装备与作战活动之间的关联关系，使得评估结果更加符合实际。

由于武器装备是一个复杂的系统，所以对武器装备的评估也不能一概而论，不同的评估视角得到的评估结果也不一样。因此，所需方法需要是复合型的，即从多个视角对武器装备体系的效能进行评估。

（1）基于SEM的评估方法。结构方程模型（structural equation modeling， SEM）是一种建立、估计和检验因果关系模型的方法，融合了因素分析和路径分析。SEM 建模需要构建测量方程和结构方程，分别用于描述潜变量与显变量之间的关系和潜变量之间的关系。该方法可以同时考虑和处理多个潜变量，描述它们之间的复杂关系，且容许显变量的测量值中存在误差。这些优点可以很好地解决武器装备体系效能评估中存在的各组成单元间关联关系复杂以及定量数据测量存在误差等问题。

（2）基于灰靶理论的评估方法。主要研究的是“外延明确，内涵不明确”的“小样本，贫信息”问题。由于灰色系统研究所需信息量小且预测精度高，所以被广泛地应用于不同学科、不同领域的研究之中。灰靶理论是灰色系统理论的一个具体运用，主要用于处理模式序列的灰关联分析。灰靶理论首先根据输入的技术指标数据获得标准体系，然后将现有体系与标准体系进行比较，得到靶心度。靶心度是指所关心的体系与标准体系之间的灰关联度，其几何含义为该体系与标准体系之间的距离，两者距离越近，则靶心度越大。对于武器装备体系而言，由于每个参与研究的体系都包含有具体的技术指标数据，这些技术指标数据必然会对体系的靶心度产生影响，这个影响即为灰靶贡献率，可以用于衡量指标数据对于体系的贡献率大小。灰靶理论的实质是对所关心系统的数据模式序列做有测度、有参考系的“整体比较”。

（3）基于武器装备体系演化的评估方法。武器体系演化主要指在装备建设过程中呈现出渐进式发展的特点，系统内部各组成元素存在着从无到有的形成，从不完整到完整的进化，以及从有到无的退化等一系列特性。分析武器装备体系的演化性，就是以战略发展需求为牵引，在时间维度上对武器装备的能力、任务、数量和费用结构进行总结、分析和预测，对武器装备建设规划进行优化，以促进国防资源的合理配置。在体系演化的过程中，涉及的因素众多，评估较为复杂，目前国内已有很多学者进行了相关的研究。

SEM考虑了显变量和潜变量，能够将作战能力、效能和贡献率３种不同的评估指标通过模型进行关联，很好地体现了系统思想。在评估过程中经常会遇到信息量并不多的情况，而基于灰靶理论的评估方法在评估过程中所需信息量小，不需要大样本及其典型分布。另外，该方法计算量小，评估流程简明易懂，可以有效处理量纲不一致的数据。但是，该方法不能处理不完备信息，在评估过程中最优值（参考系）的选择也会对评估结果产生较大影响。基于体系演化的评估方法是一种动态评估的方法，综合分析了体系内部和外部的主要因素，更加合理地对武器装备体系进行评估。针对复杂的武器装备作战效能评估，单一的评估方法或者评估组织结构难以满足高质量评估的要求，可以考虑从多种评估角度，多种评估方法，多种评估数据源融合方式对效能评估问题进行综合评估。因而面对复杂的评估系统一般要先考虑一个合适的评估总体框架。