CN104835073A - 基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法 - Google Patents

Abstract

本发明公开了一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，首先确定系统属性的动态直觉模糊决策矩阵，然后确定得到各系统t_k时间段的加权直觉模糊决策矩阵和加权动态决策矩阵，最后确定各系统的相对运行绩效，对各系统的运行绩效进行排序。本发明所提出的基于直觉模糊熵权的系统运行绩效评价方法克服了现有方法难以处理复杂不确定系统的缺陷与不足，考虑整个系统的运行过程，能够动态反映出系统的运行绩效，使得评估更加科学合理。

Description

基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法

技术领域

本发明涉及一种用于复杂系统运行绩效的评价方法，特别是一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法。

背景技术

无人飞行器控制系统运行绩效是指无人飞行器控制系统运行过程绩效与系统运行结果绩效满足系统主体、客体需求与期望的程度。系统运行绩效评价方法体系由构建评价指标体系、确定指标权重系数、信息获取方法、评价方法与模型、评价过程信息化组成。由此可见，系统运行绩效评价是一项复杂的系统工程。然而，在实际确定指标值的时候，难免有不确定性所存在。指标权重系数的确定是反映指标间的相对重要程度。因此建立合理的指标体系及其合理的指标值和指标权重是科学评价系统运行绩效的关键所在。

现有的方法主要有综合加权、最小隶属度法、AHP法、数据包络分析法等，但这些方法都是基于精确地确定各指标值的情况，难以适用于当指标的值不确定或难以估计出的情况下。同时，现有的方法基本上都采用某一时间段所收集的信息进行评估的。但是，系统运行是一个动态的过程，采用以上方法，很难对整个系统运行绩效做出客观、全面的分析评估，导致评价的结果合理性大大降低。而且在实际评估过程中，目标的各指标对于评估来说并非同等重要，需要通过指标权重来衡量其不同属性的重要程度。同时，实际中的指标权重并非都是已知的，需要利用数据信息加以提取。以往的方法都是采用给定的权重或平均权重的方法，这将影响评估结果的科学性和合理性。因此，采用现有方法对系统运行绩效进行评价将会降低其评估结果的可信度以及实用性。

发明内容

本发明的目的在于提供一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法。

本发明所解决的技术问题在于提供一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，包括以下步骤：

步骤1、确定绩效评价系统的个数为m，指标个数为n，根据系统运行的变化趋势，选取p个时间段；

步骤2、根据收集的各系统的信息和数据，确定系统属性的动态直觉模糊决策矩阵F(t_k)＝(f_ij(t_k))_m×n＝(<u_ij(t_k),v_ij(t_k)>)_m×n，其中，u_ij(t_k)≥0，u_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的隶属度；v_ij(t_k)≥0，v_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的非隶属度；

步骤3、根据公式计算t_k时间段系统指标的直觉模糊熵，其中，π_ij(t_k)＝1-u_ij(t_k)-v_ij(t_k)表示该系统指标的犹豫度；

步骤4、根据公式计算不同时间段各系统指标权重，其中，ω_j(t_k)是t_k时间段的系统指标权值，且

步骤5、根据公式 $R\left(t_k\right)={(<{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right),{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)>)}_{m\&times;n}={(<1-{(1-u_{\mathrm{ij}}\left(t_k\right))}^{{\mathrm{\&omega;}}_j\left(t_k\right)},{\left(v_{\mathrm{ij}}\left(t_k\right)\right)}^{{\mathrm{\&omega;}}_j\left(t_k\right)}>)}_{m\&times;n},$ 计算各系统t_k时间段的加权直觉模糊决策矩阵；

步骤6、计算各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)的正、负理想解，

正理想解 $R^{+}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{+}\left(t_k\right),{\mathrm{\&beta;}}_1^{+}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{+}\left(t_k\right),{\mathrm{\&beta;}}_2^{+}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{+}\left(t_k\right),{\mathrm{\&beta;}}_n^{+}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$

负理想解 $R^{-}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{-}\left(t_k\right),{\mathrm{\&beta;}}_1^{-}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{-}\left(t_k\right),{\mathrm{\&beta;}}_2^{-}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{-}\left(t_k\right),{\mathrm{\&beta;}}_n^{-}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$

步骤7、计算各系统t_k时间段系统x_i到正、负理想解R⁺(t_k)和R^-(t_k)的欧氏距离，

到正理想解R⁺(t_k)的距离 $D_i^{+}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{+}\left(t_k\right))}^2]};$

到负理想解R^-(t_k)的距离 $D_i^{-}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{-}\left(t_k\right))}^2]};$

式中，γ_ij(t_k)，为对应直觉模糊集的犹豫度；

步骤8、根据公式计算各系统t_k时间段目标x_i与正理想解R⁺(t_k)的相对贴近度；

步骤9、构造动态决策矩阵H＝(ρ_i(t_k))_m×p；

步骤10、确定时间段序列权重η＝(η₁,η₂,…η_p)，其中

步骤11、构造加权动态决策矩阵K＝η·H＝(e_ik)_m×p，式中，e_ik＝η_k·ρ_i(t_k)；

步骤12、确定动态决策矩阵K的正理想解其中，负理性解 $K^{-}=(e_1^{-},e_2^{-},...,e_p^{-}),$ 其中 $e_k^{-}=\underset{1\&le;i\&le;m}{\min }\left\{e_{\mathrm{ik}}\right\};$

步骤13、计算各系统x_i到正理想解K⁺的距离到负理想解K^-的距离 $S_i^{-}=\sqrt{\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}{(e_{\mathrm{ik}}-e_k^{-})}^2};$

步骤14、计算各系统的相对运行绩效

步骤15、根据C_i的大小对各系统的运行绩效进行排序。

本发明与现有技术相比，其有益效果是：本发明所提出的基于直觉模糊熵权的系统运行绩效评价方法，克服了现有方法难以处理复杂不确定系统的缺陷与不足；本发明考虑整个系统的运行过程，能够动态反映出系统的运行绩效，使得评估更加快捷、准确，评估结果的可信度以及实用性强。

具体实施方式

本发明的一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，包括以下步骤：

步骤1、确定被评价系统的个数为m，每个被评价系统相同，均包括n个指标，在系统运行中随机选取p个时间段；

步骤2、根据步骤1所确定系统的信息，确定系统属性的动态直觉模糊决策矩阵F(t_k)＝(f_ij(t_k))_m×n＝(<u_ij(t_k),v_ij(t_k)>)_m×n，其中，u_ij(t_k)≥0，u_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的隶属度；v_ij(t_k)≥0，v_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的非隶属度；i＝1、2、…m,j＝1、2…n；k＝1、2…p；

步骤3、确定t_k时间段被评价系统指标的直觉模糊熵E_j(t_k)，所用公式为：

$E_j\left(t_k\right)=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\{1-\sqrt{{(1-{\mathrm{\&pi;}}_{\mathrm{ij}}\left(t_k\right))}^2-u_{\mathrm{ij}}\left(t_k\right)\&CenterDot;v_{\mathrm{ij}}\left(t_k\right)}\}$

式中，π_ij(t_k)＝1-u_ij(t_k)-v_ij(t_k)表示该系统指标的犹豫度；

步骤4、确定不同时间段各系统指标权重ω_j(t_k)，所用公式为：

${\mathrm{\&omega;}}_j\left(t_k\right)=\frac{{\left(E_j\left(t_k\right)\right)}^{-1}}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(E_j\left(t_k\right)\right)}^{-1}}$

其中，ω_j(t_k)是t_k时间段的系统指标权重，且

步骤5、确定各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)，所用公式为：

$R\left(t_k\right)={(<{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right),{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)>)}_{m\&times;n}={(<1-{(1-u_{\mathrm{ij}}\left(t_k\right))}^{{\mathrm{\&omega;}}_j\left(t_k\right)},{\left(v_{\mathrm{ij}}\left(t_k\right)\right)}^{{\mathrm{\&omega;}}_j\left(t_k\right)}>)}_{m\&times;n}$

步骤6、确定各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)的正、负理想解，其中

正理想解 $R^{+}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{+}\left(t_k\right),{\mathrm{\&beta;}}_1^{+}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{+}\left(t_k\right),{\mathrm{\&beta;}}_2^{+}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{+}\left(t_k\right),{\mathrm{\&beta;}}_n^{+}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$

负理想解 $R^{-}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{-}\left(t_k\right),{\mathrm{\&beta;}}_1^{-}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{-}\left(t_k\right),{\mathrm{\&beta;}}_2^{-}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{-}\left(t_k\right),{\mathrm{\&beta;}}_n^{-}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$

步骤7、确定各系统t_k时间段系统x_i到正、负理想解R⁺(t_k)和R^-(t_k)的欧氏距离，

到正理想解R⁺(t_k)的距离 $D_i^{+}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{+}\left(t_k\right))}^2]};$

到负理想解R^-(t_k)的距离 $D_i^{-}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{-}\left(t_k\right))}^2]};$

式中，γ_ij(t_k)，为对应加权直觉模糊决策矩阵的犹豫度；

步骤8、确定各系统t_k时间段目标x_i与正理想解R⁺(t_k)的相对贴近度ρ_i(t_k)；所用公式为：

${\mathrm{\&rho;}}_i\left(t_k\right)=\frac{D_i^{-}\left(t_k\right)}{D_i^{-}\left(t_k\right)+D_i^{+}\left(t_k\right)}$

步骤9、构造动态决策矩阵H＝(ρ_i(t_k))_m×p；

步骤10、确定时间段序列权重η＝(η₁,η₂,…η_p)，其中

步骤11、构造加权动态决策矩阵K＝η·H＝(e_ik)_m×p，式中，e_ik＝η_k·ρ_i(t_k)；

步骤12、确定动态决策矩阵K的正理想解其中，负理性解 $K^{-}=(e_1^{-},e_2^{-},...,e_p^{-}),$ 其中 $e_k^{-}=\underset{1\&le;i\&le;m}{\min }\left\{e_{\mathrm{ik}}\right\};$

步骤13、确定各系统x_i到正理想解K⁺的距离到负理想解K^-的距离 $S_i^{-}=\sqrt{\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}{(e_{\mathrm{ik}}-e_k^{-})}^2};$

步骤14、根据步骤13得到的距离，确定各系统的相对运行绩效

步骤15、根据C_i的大小对各系统的运行绩效进行排序，从而完成对系统运行的绩效评价。

下面结合实施例对本发明做进一步详细的描述。

实施例

某次无人飞行器控制系统运行绩效评价，有4个系统，同时选取目4个评价指标；其中指标1和指标2为效益型指标，指标3和指标4为成本型指标；以及3个时间段的数据进行评估，各时间段系统指标信息数据如表1所示。

表1 各时间段各系统指标信息数据

根据步骤2、3、4求解出各时间段的指标权重为：

ω(t₁)＝(0.265380,0.219047,0.168426,0.347148)

ω(t₂)＝(0.263363,0.206387,0.249882,0.280368)

ω(t₃)＝(0.325412,0.215782,0.234099,0.224707)

根据步骤5计算出各系统t_k时间段的加权直觉模糊决策矩阵为：

$R\left(t_1\right)=\left[\begin{array}{cccc}<\mathrm{0.315268,0.542775}>& <\mathrm{0.220880,0.659972}>& <\mathrm{0.208233,0.726495}>& <\mathrm{0.428055,0.517585}>\\ <\mathrm{0.347610,0.604437}>& <\mathrm{0.231816,0.659972}>& <0.143008,0.762562>& <\mathrm{0.550373,0.449627}>\\ <\mathrm{0.330890,0.604437}>& <\mathrm{0.243339,0.639605}>& <\mathrm{0.162067,0.726495}>& <\mathrm{0.381989,0.517585}>\\ <\mathrm{0.243159,0.713324}>& <\mathrm{0.297101,0.702899}>& <\mathrm{0.125838,0.816458}>& <\mathrm{0.428055,0.464752}>\end{array}\right]$

$R\left(t_2\right)=\left[\begin{array}{cccc}<\mathrm{0328852,0.545302}>& <\mathrm{0.194804,0.717367}>& <\mathrm{0.259812,0.668867}>& <\mathrm{0.363159,0.538564}>\\ <\mathrm{0.372912,0.545302}>& <\mathrm{0.194804,0717367}>& <\mathrm{0.259812,0.622472}>& <\mathrm{0.412507,0.524363}>\\ <\mathrm{0.305872,0.654511}>& <\mathrm{0.323986,0.676014}>& <\mathrm{0.348513,0.651487}>& <\mathrm{0.307256,0.627748}>\\ <\mathrm{0.271729,0.654511}>& <\mathrm{0.190109,0.724628}>& <\mathrm{0.299955,0.622472}>& <\mathrm{0.322044,0.587493}>\end{array}\right]$

$R\left(t_3\right)=\left[\begin{array}{cccc}<\mathrm{0.371488,0.514833}>& <\mathrm{0.228791,0.664072}>& <\mathrm{0.193057,0.722867}>& <\mathrm{0.267660,0.680228}>\\ <\mathrm{0.460626,0.472703}>& <\mathrm{0.258542,0.664072}>& <\mathrm{0.277133,0.583312}>& <\mathrm{0.347077,0.510093}>\\ <\mathrm{0.363084,0.636916}>& <\mathrm{0.228791,0.664072}>& <\mathrm{0.277133,0.722867}>& <\mathrm{0.237033,0.652923}>\\ <\mathrm{0.363084,0.539374}>& <\mathrm{0.217976,0.706602}>& <\mathrm{0.245612,0.66936}>& <\mathrm{0.186083,0.696525}>\end{array}\right]$

根据步骤6计算出各系统t_k时间段的正、负理想解为：

R⁺(t₁)＝(<0.347610,0.542775>,<0.297101,0.639605>,<0.125838,0.816458>,<0.381989,0.517585>)

R^-(t₁)＝(<0.243159,0.713324>,<0.220880,0.702899>,<0.208233,0.726495>,<0.550373,0.449627>)

R⁺(t₂)＝(<0.372912,0.545302>,<0.323986,0.676014>,<0.259812,0.668867>,<0.307256,0.627748>)

R^-(t₂)＝(<0.271729,0.654511>,<0.190109,0.724628>,<0.348513,0.622472>,<0.412507,0.524363>)

R⁺(t₃)＝(<0.460626,0.472703>,<0.258542,0.664072>,<0.193057,0.722867>,<0.186083,0.696525>)

R^-(t₃)＝(<0.363084,0.636916>,<0.217976,0.706602>,<0.277133,0.583312>,<0.347077,0.510093>)

根据步骤7可得t_k时间段系统x_i到正、负理想解的欧氏距离为：

D⁺(t₁)＝(0.123734,0.175932,0.109946,0.169318)，D^-(t₁)＝(0.187346,0.126840,0.191702,0.163156)

D⁺(t₂)＝(0.145226,0.161534,0.125411,0.167446)，D^-(t₂)＝(0.129743,0.137924,0.163311,0.093893)

D⁺(t₃)＝(0.111540,0.213243,0.175192,0.109537)，D^-(t₃)＝(0.227963,0.148970,0.194252,0.214153)

根据步骤8计算出时间段t_k时间段系统x_i与正理想解R⁺(t_k)的相对贴近度ρ_i(t_k)，并根据步骤9构造动态决策矩阵 $H=\left[\begin{array}{ccc}0.602245& 0.471846& 0.671461\\ 0.418930& 0.460578& 0.411277\\ 0.635516& 0.565635& 0.525795\\ 0.490733& 0.359278& 0.661599\end{array}\right].$

选取时间段序列权重η＝(0.200000,0.266667,0.533333)。

根据步骤11构造加权动态决策矩阵 $K=\left[\begin{array}{ccc}0.120449& 0.125826& 0.358113\\ 0.083786& 0.122821& 0.219348\\ 0.127103& 0.150836& 0.280424\\ 0.098147& 0.095807& 0.352853\end{array}\right].$

根据步骤12确定动态决策矩阵K的正理想解K⁺＝(0.127103,0.150836,0.358113)；负理性解K^-＝(0.083786,0.095807,0.219348)。

根据步骤13求出各系统x_i到正理想解K⁺的距离S⁺＝(0.025880,0.148044,0.077689,0.062404)；到负理想解K^-的距离S^-＝(0.146632,0.027013,0.092924,0.134275)。

根据步骤14计算出各系统的相对运行绩效C＝(0.849980,0.154312,0.544648,0.682711)。

根据步骤15对各系统的相对运行绩效排序，即最终排序：目标1>目标4>目标3>目标2。

由上可知，本发明考虑整个系统的运行过程，能够动态反映出系统的运行绩效，使得评估更加快捷、准确，评估结果的可信度以及实用性强。

Claims (3)

1.一种基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，其特征在于，包括以下步骤：

步骤1、确定被评价系统的个数为m，每个被评价系统相同，均包括n个指标，在系统运行中随机选取p个时间段；

步骤2、根据步骤1所确定系统的信息，确定系统属性的动态直觉模糊决策矩阵F(t_k)＝(f_ij(t_k))_m×n＝(<u_ij(t_k),v_ij(t_k)>)_m×n，其中，u_ij(t_k)≥0，u_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的隶属度；v_ij(t_k)≥0，v_ij(t_k)表示第i个系统在t_k时间段归于第j个指标的非隶属度；i＝1、2、…m,j＝1、2…n；k＝1、2…p；

步骤3、确定t_k时间段被评价系统指标的直觉模糊熵E_j(t_k)，所用公式为：

$E_j\left(t_k\right)=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\{1-\sqrt{{(1-{\mathrm{\&pi;}}_{\mathrm{ij}}\left(t_k\right))}^2-u_{\mathrm{ij}}\left(t_k\right)\&CenterDot;v_{\mathrm{ij}}\left(t_k\right)}\}$

式中，π_ij(t_k)＝1-u_ij(t_k)-v_ij(t_k)表示该系统指标的犹豫度；

步骤4、确定不同时间段各系统指标权重ω_j(t_k)，所用公式为：

${\mathrm{\&omega;}}_j\left(t_k\right)=\frac{{\left(E_j\left(t_k\right)\right)}^{-1}}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(E_j\left(t_k\right)\right)}^{-1}}$

其中，ω_j(t_k)是t_k时间段的系统指标权重，且ω_j(t_k)≥0，

步骤5、确定各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)，所用公式为：

$R\left(t_k\right)={(<{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right),{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)>)}_{m\&times;n}={(<1-{(1-u_{\mathrm{ij}}\left(t_k\right))}^{{\mathrm{\&omega;}}_j\left(t_k\right)},{\left(v_{\mathrm{ij}}\left(t_k\right)\right)}^{{\mathrm{\&omega;}}_j\left(t_k\right)}>)}_{m\&times;n}$

步骤6、确定各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)的正、负理想解；

步骤7、确定各系统t_k时间段系统x_i到正、负理想解R⁺(t_k)和R^-(t_k)的欧氏距离；

步骤8、确定各系统t_k时间段目标x_i与正理想解R⁺(t_k)的相对贴近度ρ_i(t_k)；所用公式为：

${\mathrm{\&rho;}}_i\left(t_k\right)=\frac{D_i^{-}\left(t_k\right)}{D_i^{-}\left(t_k\right)+D_i^{+}\left(t_k\right)}$

步骤9、构造动态决策矩阵H＝(ρ_i(t_k))_m×p；

步骤10、确定时间段序列权重η＝(η₁,η₂,…η_p)，其中η_k≥0，

步骤11、构造加权动态决策矩阵K＝η·H＝(e_ik)_m×p，式中，e_ik＝η_k·ρ_i(t_k)；

步骤12、确定动态决策矩阵K的正理想解其中，负理性解 $K^{-}=(e_1^{-},e_2^{-},...,e_p^{-}),$ 其中 $e_k^{-}=\underset{1\&le;i\&le;m}{\min }\left\{e_{\mathrm{ik}}\right\};$

步骤13、确定各系统x_i到正理想解K⁺的距离到负理想解K^-的距离 $S_i^{-}=\sqrt{\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}{(e_{\mathrm{ik}}-e_k^{-})}^2};$

步骤14、根据步骤13得到的距离，确定各系统的相对运行绩效

步骤15、根据C_i的大小对各系统的运行绩效进行排序，从而完成对系统运行的绩效评价。

2.根据权利要求1所述的基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，其特征在于，步骤6确定各系统t_k时间段的加权直觉模糊决策矩阵R(t_k)的正、负理想解，具体为：

正理想解 $R^{+}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{+}\left(t_k\right),{\mathrm{\&beta;}}_1^{+}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{+}\left(t_k\right),{\mathrm{\&beta;}}_2^{+}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{+}\left(t_k\right),{\mathrm{\&beta;}}_n^{+}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{+}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$

负理想解 $R^{-}\left(t_k\right)=(<{\mathrm{\&alpha;}}_1^{-}\left(t_k\right),{\mathrm{\&beta;}}_1^{-}\left(t_k\right)>,<{\mathrm{\&alpha;}}_2^{-}\left(t_k\right),{\mathrm{\&beta;}}_2^{-}\left(t_k\right)>,...,<{\mathrm{\&alpha;}}_n^{-}\left(t_k\right),{\mathrm{\&beta;}}_n^{-}\left(t_k\right)>);$ 对于效益型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\};$ 对于成本型指标 ${\mathrm{\&alpha;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\max }\left\{{\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)\right\},{\mathrm{\&beta;}}_j^{-}\left(t_k\right)=\underset{1\&le;i\&le;m}{\min }\left\{{\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)\right\}.$

3.根据权利要求1所述的基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法，其特征在于，步骤7确定各系统t_k时间段系统x_i到正、负理想解R⁺(t_k)和R^-(t_k)的欧氏距离，具体为：

到正理想解R⁺(t_k)的距离 $D_i^{+}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{+}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{+}\left(t_k\right))}^2]};$

到负理想解R^-(t_k)的距离 $D_i^{-}\left(t_k\right)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[{({\mathrm{\&alpha;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&alpha;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&beta;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&beta;}}_j^{-}\left(t_k\right))}^2+{({\mathrm{\&gamma;}}_{\mathrm{ij}}\left(t_k\right)-{\mathrm{\&gamma;}}_j^{-}\left(t_k\right))}^2]};$

式中，γ_ij(t_k)，为对应加权直觉模糊决策矩阵的犹豫度。