CN105163348A - 智能配电网异构无线网络的通信方式接入选择方法 - Google Patents

Abstract

本发明请求保护一种面向智能配电网异构无线网络的通信方式接入选择方法。当前接入通信方式在t时刻的网络状态或网络需求发生变化时，获取GPRS、LTE、3G、微功率无线、WIFI等通信方式t-1时刻与t时刻的指标值，包括接收信号强度、网络带宽、网络时延、丢包率，构建初始决策矩阵，对初始决策矩阵无量纲化处理得到无量纲矩阵，然后采用熵权法得到指标的第一权值向量a₁，采用粗糙集理论得到指标的第二权值向量a₂，综合a₁和a₂得到最终指标权值向量a，再运用灰色关联法，由无量纲矩阵构建关联系数矩阵，结合最终指标权值向量a，决策出t时刻性能最佳的通信方式，本发明可以有效改善智能配电网业务阻塞率，有助于智能配电网通信网络负载均衡，改善智能配电网业务传输的可靠性。

Description

智能配电网异构无线网络的通信方式接入选择方法

技术领域

本发明属于智能配电网的通信网络领域，具体涉及智能配电网异构无线网络的通信方式接入选择算方法。

背景技术

智能配电网的通信网络具有通信终端节点数量大、节点较分散、通信距离较短、业务种类多、信息量大等特点，且在可靠性等方面具有工业级要求，这将使通信方式的接入选择十分严格。无线通信技术具有组网灵活、接入成本低、运行维护方便等优势，应用较多的有GPRS、LTE、3G、微功率无线、WIFI等。目前，日渐成熟的无线通信技术已成为解决配电系统分散业务终端接入的重要技术。

智能配电网的无线网络状态和业务类型是动态变化的，需要科学合理的选择接入通信方式，实现业务可靠地传输。如果通信方式选择不合理，可能会导致配电网业务阻塞或通信资源浪费等问题。并且，多数智能配电网业务都具有一定的实时性要求，这就需要通信方式接入选择方法不能太复杂，避免在接入选择过程中造成较大的网络延时。现有的通信方式接入选择方法一般的是基于以下几类：1)业务类型；2)效用函数；3)负载；4)智能化理论。这些方法虽然在一定程度上改善了通信方式接入的性能，但仍然存在主观性强、计算复杂等问题，并且这些方法大多是基于静态的网络参数，没有考虑网络参数的动态变化趋势。目前，尚未有一种针对智能配电网异构无线网络动态变化的业务类型和网络状态的通信方式接入选择方法。

发明内容

针对现有技术的不足，提出了一种有效改善智能配电网业务阻塞率、有助于智能配电网通信网络负载均衡、改善智能配电网业务传输的可靠性智能配电网异构无线网络的通信方式接入选择方法。本发明的技术方案如下：一种智能配电网异构无线网络的通信方式接入选择方法，其包括以下步骤：

步骤S1、获取通信行业与电力行业专家填写的指标调查表以及现场调研表，选取配电网的性能指标，包括接收信号强度、网络带宽、网络时延、丢包率；

步骤S2、获取GPRS、LTE、3G、微功率无线、WIFI通信方式的接收信号强度、网络带宽、网络时延、丢包率的指标值，构建初始决策矩阵A；

步骤S3、对步骤S2构建的初始决策矩阵A采用无量纲化处理得到无量纲矩阵B；

步骤S4、对步骤S3得到的无量纲矩阵B采用熵权法处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第一权值向量a₁；

步骤S5、对步骤S3得到的无量纲矩阵B根据粗糙集理论处理得到各指标接收信号强度、网络带宽、网络时延、丢包率所组成的第二权值向量a₂；

步骤S6、综合a₁与a₂得到各指标的最终权值向量a；

步骤S7、对无量纲矩阵B采用灰色关联法得到关联系数矩阵C；

步骤S8、步骤S7得到的关联系数矩阵C乘以步骤S6得到的最终权值向量a，得到各通信方式的灰色关联度向量b；灰色关联度向量b中各元素就为对应通信方式的性能值；对各通信方式的性能值排序，选出当前性能最佳的通信方式，并采用该通信方式进行异构无线网络的接入。

进一步的，步骤S2构建初始决策矩阵A具体为：A1、当网络状态或者网络需求发生变化，需要进行接入选择时，提取前一时刻即t-1时刻的指标值构建矩阵A^t-1；提取当前时刻即t时刻的指标值构建矩阵A^t；矩阵A^t-1与矩阵A^t中，行i表示GPRS、LTE、3G、微功率无线、WIFI通信方式，列j表示性能指标接收信号强度、网络带宽、网络时延、丢包率，通信方式总共m种，性能指标总共4个；1≤i≤m，1≤j≤4；

A2、构建增长矩阵A^*,A^*＝A^t-A^t-1，即矩阵A^t的每个元素值减去矩阵A^t-1中对应的每个元素值；

A3、利用公式A＝αA^t+βA^*，得到初始决策矩阵A，其中0≤α≤1,0≤β≤1,α+β＝1，α的值表示网络参数当前好坏程度所占的权重；β的值表示网络参数动态变化趋势所占的权重。

进一步的，步骤S3对构建的初始决策矩阵A采用无量纲化处理得到无量纲矩阵B具体为：

选用公式(1)对初始决策矩阵A作无量纲化处理，得到无量纲矩阵B，

$d_{ij}=\frac{e_{ij}-\underset{j}{min}{e}_{ij}}{\underset{j}{\max }{e}_{ij}-\underset{j}{\min }{e}_{ij}}---\left(1\right)$

式中，d_ij为矩阵B的元素，e_ij为矩阵A的元素，为矩阵A中第j个指标下的最小值，为矩阵A中第j个指标下的最大值。

进一步的，步骤S4中对得到的无量纲矩阵B采用熵权法处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第一权值向量a₁的具体步骤为：

4.1计算矩阵B中x_ij对于j指标的权重p_ij；

4.2根据公式(2)计算j指标的熵值e_j；

$e_j=-k\underset{i=1}{\overset{m}{\Σ}}{p}_{ij}*{\ln }^{p_{ij}}---\left(2\right)$

式中，m为通信方式的总数；

4.3利用公式g_j＝1-e_j，由j指标的熵值计算j指标的差异性系数g_j；

4.4由各指标的差异性系数得到该组指标的熵权；接收信号强度、网络带宽、网络时延、丢包率4个指标的熵权构成第一权值向量a₁＝[ε₁ε₂ε₃ε₄]。

进一步的，步骤S5中根据粗糙集理论处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第二权值向量a₂的具体步骤为：

5.1初始决策矩阵A作为条件属性集E；解析业务类型，获得业务对通信性能指标的需求，确定决策属性集F；

5.2由条件属性集E和决策属性集F，构建决策表，其中，决策表的行对应于GPRS、LTE、3G、微功率无线、WIFI等通信方式，列对应于每种通信方式的性能指标；

5.3数据预处理，依据粗糙集理论的属性精简原则，删除冗余信息；

5.4计算决策属性集F对整个条件属性集E的依赖度k，其中，0≤k≤1，当k＝0时，表示F不依赖于E；当0＜k＜1时，表示F部分依赖于E；当k＝1时，表示F完全依赖于E；

5.5计算决策属性集F对条件属性集E中删去某一项的依赖度；

5.6根据步骤5.5中计算的依赖度，得到各个条件属性的重要性，最后由各条件属性的重要性得到各指标的权值，每个指标的权值构成第二权值向量a₂＝[γ₁γ₂γ₃γ₄]。

进一步的，步骤S6得到各指标的最终权值向量a的步骤为：通过公式(3)综合第一权值向量a₁和第二权值向量a₂，得到指标最终权值向量a＝[λ₁λ₂λ₃λ₄]。

${\mathrm{\λ}}_j=\frac{{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}{\underset{j=1}{\overset{4}{\Σ}}{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}---\left(3\right)$

其中，λ_j表示第j个指标的最终权值，ε_j表示第j个指标的第一权值，γ_j表示第j个指标的第二权值。

进一步的，步骤S7中采用灰色关联法，由无量纲矩阵B得到关联系数矩阵C的步骤具体为:

选出指标的最优指标集，得到参考数列E(0)′＝[e₀₁′e₀₂′e₀₃′e₀₄′]，各通信方式的指标值E＝[e_i1e_i2e_i3e_i4]作为比较数列，由公式(4)计算第i个通信方式的第j个指标与第j个最优指标的关联系数,

${\mathrm{\γ}}_{ij}=\frac{\underset{j}{min}\underset{i}{min}|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}{|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}---\left(4\right)$

其中，ρ为分辨系数，ρ∈[0,1]，e_0j′为参考数列E(0)′中的元素，d_ij为无量纲矩阵B中的元素。

本发明的优点及有益效果如下：

本发明提供了智能配电网异构无线网络的通信方式接入选择方法。该方法首先需要确定对无线通信方式接入选择影响较大的多个性能指标，通过获取各通信方式的指标值，构建初始决策矩阵。由于各指标单位不同，不能直接把矩阵代入算法中，所以需要先对初始决策矩阵无量纲化处理得到无量纲矩阵。采用熵权法对无量纲矩阵进行处理，得到各指标的第一权值；采用粗糙集理论对无量纲矩阵进行处理，得到各指标的第二权值。为了充分结合熵权法与粗糙集理论的优势，需要求得与第一权值和第二权值最接近的一组权值，得到这样一组权值作为各指标的最终权值。同时，结合采用灰色关联法，对无量纲矩阵中每个元素求取它的关联系数，得到关联系数矩阵。最后，对灰色关联矩阵和最终权值进行处理，得到一个相对客观的各通信方式的性能值排序，从而选出当前性能最佳的无线通信方式接入。整个通信方式接入选择过程从服务质量(QoS)和业务类型两个方面出发，充分考虑网络参数的动态变化趋势，并结合了熵权法和粗糙集理论的优势，可以更加科学合理的选择无线通信方式的接入，有效改善智能配电网业务阻塞率，有助于智能配电网通信网络负载均衡，适应网络状态和业务类型的动态变化趋势，改善智能配电网业务传输的可靠性。

附图说明

图1是本发明提供实施例智能配电网异构无线网络的通信方式接入选择方法流程图；

图2为初始决策矩阵构建流程图；

图3为熵权法计算各指标权值流程图；

图4为粗糙集理论计算各指标权值流程图。

具体实施方式

以下结合附图，对本发明作进一步说明：

本发明是智能配电网异构无线网络的通信方式接入选择方法，当前接入通信方式在t时刻的网络状态或网络需求发生变化时，获取GPRS、LTE、3G、微功率无线、WIFI等通信方式前一时刻(t-1时刻)与当前时刻(t时刻)的指标值，包括接收信号强度、网络带宽、网络时延、丢包率，构建初始决策矩阵，对初始决策矩阵无量纲化处理得到无量纲矩阵，采用熵权法得到指标的第一权值向量a₁，采用粗糙集理论得到指标的第二权值向量a₂，综合第一权值向量a₁和第二权值向量a₂得到最终指标权值向量a，再由无量纲矩阵构建关联系数矩阵，结合最终指标权值，决策出t时刻性能最佳的通信方式，实现智能配电网异构无线网络的通信方式接入选择。下面结合附图，对本发明作进一步的详细说明。

如图1所示，本发明的实现流程图包括如下：

步骤1，结合通信行业与电力行业专家填写的指标调查表以及现场调研，选取性能指标，性能指标包括接收信号强度、网络带宽、网络时延、丢包率。

步骤2，获取各通信方式的接收信号强度、网络带宽、网络时延、丢包率的指标值，构建初始决策矩阵A。

参照图2，本步骤的具体实现如下：

2.1获取各通信方式的性能指标值，当网络状态或者网络需求发生变化，需要进行接入选择时，提取前一时刻即t-1时刻的指标值构建矩阵A^t-1；提取当前时刻即t时刻的指标值构建矩阵A^t。

需要说明的是，矩阵A^t-1与矩阵A^t中，行i(1≤i≤m)表示GPRS、LTE、3G、微功率无线、WIFI等通信方式，列j(1≤j≤4)表示性能指标接收信号强度、网络带宽、网络时延、丢包率；通信方式总共m种，指标总共4个；1≤i≤m，1≤j≤4。

2.2构建增长矩阵A^*。A^*＝A^t-A^t-1，即矩阵A^t的每个元素值减去矩阵A^t-1中对应的每个元素值。

2.3利用公式A＝αA^t+βA^*，得到初始决策矩阵A。其中0≤α≤1,0≤β≤1,α+β＝1。α的值表示网络参数当前好坏程度所占的权重；β的值表示网络参数动态变化趋势所占的权重。

步骤3，初始决策矩阵A无量纲化处理得到无量纲矩阵B。

各指标分别表现了通信方式不同方面的性能，具有不同的量纲和数量级，所以直接对初始决策矩阵采用算法是不合适的，需要对初始决策矩阵作统一的无量纲化处理。本发明选用公式(1)对初始决策矩阵作无量纲化处理，得到无量纲矩阵B。

$d_{ij}=\frac{e_{ij}-\underset{j}{min}{e}_{ij}}{\underset{j}{\max }{e}_{ij}-\underset{j}{\min }{e}_{ij}}---\left(1\right)$

式中，d_ij为矩阵B的元素，e_ij为矩阵A的元素，为矩阵A中第j个指标下的最小值，为矩阵A中第j个指标下的最大值，。

步骤4，采用熵权法，由无量纲矩阵B得到各指标的第一权值向量a₁。

参照图3，本步骤的具体实现如下：

4.1计算矩阵B中x_ij对于j指标的权重p_ij。

4.2根据公式(2)计算j指标的熵值e_j。

$e_j=-k\underset{i=1}{\overset{m}{\Σ}}{p}_{ij}*{\ln }^{p_{ij}}---\left(2\right)$

式中，m为通信方式的总数。

4.3利用公式g_j＝1-e_j，由j指标的熵值计算j指标的差异性系数g_j。

4.4由各指标的差异性系数得到该组指标的熵权；接收信号强度、网络带宽、网络时延、丢包率4个指标的熵权构成第一权值向量a₁＝[ε₁ε₂ε₃ε₄]。

步骤5，采用粗糙集理论，由无量纲矩阵得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第二权值向量a₂。

参照图4，本步骤的具体实现如下：

5.1初始决策矩阵A作为条件属性集E；解析业务类型，获得业务对通信性能指标的需求，确定决策属性集F。

5.2由条件属性集E和决策属性集F，构建决策表。其中，决策表的行对应于GPRS、LTE、3G、微功率无线、WIFI等通信方式，列对应于每种通信方式的性能指标。

5.3数据预处理，依据粗糙集理论的属性精简原则，删除冗余信息。

5.4计算决策属性集F对整个条件属性集E的依赖度k。其中，0≤k≤1。当k＝0时，表示F不依赖于E；当0＜k＜1时，表示F部分依赖于E；当k＝1时，表示F完全依赖于E。

5.5计算决策属性集F对条件属性集E中删去某一项的依赖度。

5.6根据5.5中计算的依赖度，得到各个条件属性的重要性。最后由各条件属性的重要性得到各属性的权值。每个指标的权值构成第二权值向量a₂＝[γ₁γ₂γ₃γ₄]。其中γ_j为第j个指标的第二权值。

步骤6，为了充分结合熵权法与粗糙集理论的优势，应使最终权值与两者的偏差越小越好。

本发明通过公式(3)综合第一权值向量a₁和第二权值向量a₂，得到指标最终权值向量a＝[λ₁λ₂λ₃λ₄]。

${\mathrm{\λ}}_j=\frac{{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}{\underset{j=1}{\overset{4}{\Σ}}{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}---\left(3\right)$

其中，λ_j表示第j个指标的最终权值，ε_j表示第j个指标的第一权值，γ_j表示第j个指标的第二权值。

步骤7，采用灰色关联法，由无量纲矩阵B得到关联系数矩阵C。

选出指标的最优指标集，得到参考数列E(0)′＝[e₀₁′e₀₂′e₀₃′e₀₄′]，各通信方式的指标值E＝[e_i1e_i2e_i3e_i4]作为比较数列，由公式(4)计算第i个通信方式的第j个指标与第j个最优指标的关联系数。

${\mathrm{\γ}}_{ij}=\frac{\underset{j}{min}\underset{i}{min}|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}{|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}---\left(4\right)$

其中，ρ为分辨系数，ρ∈[0,1]，一般取ρ＝0.5，e_0j′为参考数列E(0)′中的元素，d_ij为无量纲矩阵B中的元素。

步骤8，由公式(5)得到通信方式的灰色关联度向量b。灰色关联度向量b中的元素就为对应通信方式的性能值。对m种通信方式的性能值排序，就可选出当前性能最佳的通信方式。

b＝Ca＝[b₁…b_i…b_m]^T(5)

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，包括以下步骤：

步骤S1、获取通信行业与电力行业专家填写的指标调查表以及现场调研表，选取配电网的性能指标，包括接收信号强度、网络带宽、网络时延、丢包率；

步骤S2、获取GPRS、LTE、3G、微功率无线、WIFI通信方式的接收信号强度、网络带宽、网络时延、丢包率的指标值，构建初始决策矩阵A；

步骤S3、对步骤S2构建的初始决策矩阵A采用无量纲化处理得到无量纲矩阵B；

步骤S4、对步骤S3得到的无量纲矩阵B采用熵权法处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第一权值向量a₁；

步骤S5、对步骤S3得到的无量纲矩阵B根据粗糙集理论处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第二权值向量a₂；

步骤S6、综合a₁与a₂得到各指标的最终权值向量a；

步骤S7、对无量纲矩阵B采用灰色关联法得到关联系数矩阵C；

步骤S8、步骤S7得到的关联系数矩阵C乘以步骤S6得到的最终权值向量a，得到各通信方式的灰色关联度向量b；灰色关联度向量b中各元素就为对应通信方式的性能值；对各通信方式的性能值排序，选出当前性能最佳的通信方式，并采用该通信方式进行异构无线网络的接入。

2.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S2构建初始决策矩阵A具体为：

A1、当网络状态或者网络需求发生变化，需要进行接入选择时，提取前一时刻即t-1时刻的指标值构建矩阵A^t-1；提取当前时刻即t时刻的指标值构建矩阵A^t；矩阵A^t-1与矩阵A^t中，行i表示GPRS、LTE、3G、微功率无线、WIFI通信方式，列j表示性能指标接收信号强度、网络带宽、网络时延、丢包率，通信方式总共m种，性能指标总共4个；1≤i≤m，1≤j≤4；

A2、构建增长矩阵A^*,A^*＝A^t-A^t-1，即矩阵A^t的每个元素值减去矩阵A^t-1中对应的每个元素值；

A3、利用公式A＝αA^t+βA^*，得到初始决策矩阵A，其中0≤α≤1,0≤β≤1,α+β＝1，α的值表示网络参数当前好坏程度所占的权重；β的值表示网络参数动态变化趋势所占的权重。

3.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S3对构建的初始决策矩阵A采用无量纲化处理得到无量纲矩阵B具体为：

选用公式(1)对初始决策矩阵A作无量纲化处理，得到无量纲矩阵B，

$d_{ij}=\frac{e_{ij}-\underset{j}{min}{e}_{ij}}{\underset{j}{\max }{e}_{ij}-\underset{j}{\min }{e}_{ij}}---\left(1\right)$

式中，d_ij为矩阵B的元素，e_ij为矩阵A的元素，为矩阵A中第j个指标下的最小值，为矩阵A中第j个指标下的最大值。

4.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S4中对得到的无量纲矩阵B采用熵权法处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第一权值向量a₁的具体步骤为：

4.1计算矩阵B中x_ij对于j指标的权重p_ij；

4.2根据公式(2)计算j指标的熵值e_j；

$e_j=-k\underset{i=1}{\overset{m}{\Σ}}{p}_{ij}*{\ln }^{p_{ij}}---\left(2\right)$

式中，m为通信方式的总数；

4.3利用公式g_j＝1-e_j，由j指标的熵值计算j指标的差异性系数g_j；

4.4由各指标的差异性系数得到该组指标的熵权；接收信号强度、网络带宽、网络时延、丢包率4个指标的熵权构成第一权值向量a₁＝[ε₁ε₂ε₃ε₄]。

5.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S5中根据粗糙集理论处理得到指标接收信号强度、网络带宽、网络时延、丢包率所组成的第二权值向量a₂的具体步骤为：

5.1初始决策矩阵A作为条件属性集E；解析业务类型，获得业务对通信性能指标的需求，确定决策属性集F；

5.2由条件属性集E和决策属性集F，构建决策表，其中，决策表的行对应于GPRS、LTE、3G、微功率无线、WIFI通信方式，列对应于每种通信方式的性能指标；

5.3数据预处理，依据粗糙集理论的属性精简原则，删除冗余信息；

5.4计算决策属性集F对整个条件属性集E的依赖度k，其中，0≤k≤1，当k＝0时，表示F不依赖于E；当0＜k＜1时，表示F部分依赖于E；当k＝1时，表示F完全依赖于E；

5.5计算决策属性集F对条件属性集E中删去某一项的依赖度；

5.6根据步骤5.5中计算的依赖度，得到各个条件属性的重要性，最后由各条件属性的重要性得到各指标的权值，每个指标的权值构成第二权值向量a₂＝[γ₁γ₂γ₃γ₄]；其中γ_j为第j个指标的第二权值。

6.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S6得到各指标的最终权值向量a的步骤为：通过式(3)综合第一权值向量a₁和第二权值向量a₂，得到指标最终权值向量a；

$a=\left[\begin{array}{cccc}{\mathrm{\λ}}_1& {\mathrm{\λ}}_2& {\mathrm{\λ}}_3& {\mathrm{\λ}}_4\end{array}\right]=\frac{{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}{\underset{j=1}{\overset{4}{\Σ}}{\mathrm{\ϵ}}_j{\mathrm{\γ}}_j}---\left(3\right)$

其中，λ_j表示第j个指标的最终权值，ε_j表示第j个指标的第一权值，γ_j表示第j个指标的第二权值。

7.根据权利要求1所述的一种智能配电网异构无线网络的通信方式接入选择方法，其特征在于，步骤S7中采用灰色关联法，由无量纲矩阵B得到关联系数矩阵C的步骤具体为:

选出指标的最优指标集，得到参考数列E(0)′＝[e₀₁′e₀₂′e₀₃′e₀₄′]，各通信方式的指标值E＝[e_i1e_i2e_i3e_i4]作为比较数列，由式(4)计算第i个通信方式的第j个指标与第j个最优指标的关联系数，

${\mathrm{\γ}}_{ij}=\frac{\underset{j}{min}\underset{i}{min}|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}{|{e_{0j}}^{\′}-d_{ij}|+\mathrm{\ρ}\underset{j}{\max }\underset{i}{\max }|{e_{0j}}^{\′}-d_{ij}|}---\left(4\right)$

其中，ρ为分辨系数，ρ∈[0,1]，e_0j′为参考数列E(0)′中的元素，d_ij为无量纲矩阵B中的元素。