现代高技术条件下的战争，对光电防御系统的研制到作战使用都提出了更高的要求，作战效能的高低是衡量武器系统优劣的重要指标。本文分别就光电防御系统在设计阶段和战场使用阶段的作战效能评估方法展开深入的研究。目前，国内外开展作战效能评估多是针对作战飞机、无人侦察机、反舰导弹等方面，本文在对光电防御系统作战效能评估参考较少情况下开展研究，具有实际意义。本文对国内外作战效能评估方法的发展和研究现状进行了归纳和总结，介绍了作战效能评估的基本理论、基本流程、作战效能评估指标体系建立的基本原则。建立了以评估最大作战效能设计方案为目的的作战效能评估指标体系和以评估光电防御系统作战效果为目的的作战效能评估指标体系。在系统研制时，希望得到作战效能最大的光电防御系统，此时作战效能评估问题是一个多属性决策问题，本文提出将灰色局势决策原理与灰模式关联决策原理由实数拓展到区间数；引入专家咨询法与信息熵法相结合的主客观组合赋权法，完善了这两个模型，使之更适用于光电防御系统的作战效能评估。算例证明这两个模型的有效性。在作战使用时，影响作战效能的因素关系复杂，且呈非线性，本文将适用于分类问题的BP神经网络和支持向量机（SVM）两种方法应用于作战效能评估中，提出了对光电防御系统作战效能值进行“分类”的思想，即把待评估数据通过神经网络映射到“很高”、“高”、“一般”、“低”、“很低”五种类别，进一步评估光电防御系统作战效能。经算例分别验证了上述方法的有效性，克服专家决策系统不易修改完善、自适应能力差的缺点。提出采用蝙蝠算法优化BP神经网络初始权值和阈值，得到最优权值和阈值，构造BP神经网络，解决了BP神经网络结构难以确定的问题。针对复杂战场环境下获得的信息具有不完全性和不确定性的问题，采用粗糙集与支持向量机相结合的方法，进行光电防御系统作战效能评估。采用粗糙集理论对属性进行约简，将约简后的特征输入支持向量机，所得分类结果优于未进行属性约简的分类结果，通过算例验证了该方法的有效性和实用性。