CN107798454A - 一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 - Google Patents
一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 Download PDFInfo
- Publication number
- CN107798454A CN107798454A CN201710323528.6A CN201710323528A CN107798454A CN 107798454 A CN107798454 A CN 107798454A CN 201710323528 A CN201710323528 A CN 201710323528A CN 107798454 A CN107798454 A CN 107798454A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- msubsup
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 230000007123 defense Effects 0.000 claims abstract description 13
- 230000009467 reduction Effects 0.000 claims abstract description 13
- CNYFJCCVJNARLE-UHFFFAOYSA-L calcium;2-sulfanylacetic acid;2-sulfidoacetate Chemical compound [Ca+2].[O-]C(=O)CS.[O-]C(=O)CS CNYFJCCVJNARLE-UHFFFAOYSA-L 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
本发明公布了一种基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,所述方法首先建立动态直觉模糊多属性群决策矩阵。其次,采用信任度函数、直觉模糊熵和正态分布法分别求取决策者权重、指标属性权重和时间序列权重,使得权重结果更具客观性;通过对动态直觉模糊群决策矩阵两次降维得到待评估的直觉模糊多属性决策矩阵,简化了矩阵的复杂度,降低了运算量。最后利用VIKOR方法对来袭目标的威胁程度进行排序。该方法主要解决了多时段下多决策者对空中来袭目标的威胁评估问题。
Description
技术领域
本发明属于舰艇编队威胁估计技术领域,特别是一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法。
背景技术
在舰艇编队协同作战的防空指挥决策中,舰艇决策者首先面对的一项任务就是快速、准确地判明空中来袭目标对舰艇编队的威胁程度,以便为合理分配编队防空武器资源、有效组织火力打击目标提供重要依据。然而,由于来袭的空中目标具有很强的机动性、隐秘性和攻击性等特点,在不同的时间片段内战场态势瞬息万变,决策环境充满大量的不确定性。同时,由于各型号传感器性能的差异,决策者自身经验等因素,对来袭目标的属性值的判断呈现出多样性、复杂性的特点。因此,如何有效评估空中目标威胁程度就成为了协同作战领域研究的一个热点问题。
目前,国内外对于舰艇编队空中目标的威胁估计方法日趋成熟,主要包含两大类:(1)传统解析数学方法。主要包括基于突击航线椭圆面法、扇面角预测模型法、线性加权法等,但这些方法虽然能够对目标的威胁程度进行判断,但有较大的局限性,一是在判定时只考虑一个或者部分因素;二是没有考虑到定性描述的因素。(2)优化决策算法。主要包括变权理论、神经网络、贝叶斯网络、云模型法等,这些方法在解决空中目标的威胁估计效果上较传统算法有明显的改进,尤其体现在对于某一确定时刻的来袭目标威胁等级判定上。但是,由于现代战场是一个持续的、动态的过程,采用上述静态的威胁估计方法可能导致当前时刻之前的战场态势数据的缺失,不能很好地反应实时战场信息,威胁评估过程缺乏客观性和全面性,导致威胁评估结果的合理性大大降低。
发明内容
本发明的目的在于提供一种基于动态直觉模糊的舰艇编队防空群决策威胁估计方法,该方法可以有效解决在动态、不确定作战环境下的舰艇编队威胁估计问题。
为实现上述目的,本发明采用以下技术方案:
基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,包括:
第一步,确定来袭威胁目标的动态直觉模糊多属性群决策(Dynamic Intuitionstic Fuzzy Multiple Attribute Group Decision Making,DIFMAGDM)矩阵
第二步,通过信任度函数法计算各时刻各决策者权重λs(tk),与各时段的个体信息利用IFWA算子集结,动态直觉模糊多属性群决策矩阵即可降维为动态直觉模糊多属性决策矩阵R(tk)。
第三步,通过直觉模糊熵法计算各时刻的属性权重ωj(tk),利用直觉模糊运算法则,得到各时刻加权的动态直觉模糊决策矩阵
第四步,通过正态分布法计算各时间序列权重w(tk),利用DIFWA算子集结加权后的动态直觉模糊多属性决策矩阵得到二次降维后的直觉模糊多属性决策矩阵R0。
第五步,确定上述直觉模糊多属性决策矩阵的正负理想解r+、r-。
第六步,利用VIKOR方法计算各目标的群体效用值Si和个体遗憾度Ri。
第七步,计算各方案的折衷妥协值Qi,根据折衷妥协值对各目标威胁程度进行排序。
本发明具有以下优点:
1.通过利用直觉模糊熵的方法求取指标属性权重,避免了决策人员的主观性对于评估结果的影响,可以得到更为客观的结论。
2.本发明充分考虑了战场态势的动态过程,同时引入多决策者参与评估过程,不会出现评估失效现象,从而使得评估结果更加真实、客观,为后续的火力分配过程提供科学的依据。
3.通过利用VIKOR方法,充分考虑了直觉模糊决策矩阵的各个指标的综合因素的综合影响,对待评估的直觉模糊多属性决策矩阵信息利用更加全面,评估更加合理。
附图说明
图1为本发明方法的流程图。
图2为单一时刻评估结果。
具体实施方式
结合所附图表,对本发明的技术方案作具体说明。
本发明的一种基于动态直觉模糊的舰艇编队防空群决策威胁估计方法,具体包括以下步骤:
步骤1对于来袭Ti(i=1,2,…,m)个空中目标选取当前及当前时刻之前的连续个时间采样点,时间序列为{tk}(k=1,2,…,K),由s(s=1,2…,p)个决策者分别在k个不同时间片段内对来袭目标的属性Cj(j=1,2,…n)给出评价信息得到动态直觉模糊多属性群决策矩阵为:
其中,表示tk时间段决策者Ds给出的对来袭目标Ti在决策准则Cj下的效果评价,
步骤2设tk时间段决策者Ds的信任函数为则决策者权重利用IFWA算子集成DIFMAGDM矩阵得到降维后的DIFMADM矩阵R(tk)为:
步骤3计算tk时刻的直觉模糊熵 则tk时刻属性Cj对应的权重为对上述的R(tk)矩阵加权得到加权后的DIFMADM矩阵为:
步骤4计算各时刻序列权重其中, 利用DIFWA算子集成得到二次降维后的IFMADM矩阵R0为:
步骤5确定综合IFMADM决策矩阵的正负理想解,分别为:
步骤6计算各方案的群体效用值Si和个体的遗憾度Ri,分别为:
其中,为直觉模糊数α1与α2标准欧氏距离,ωj的计算方法同步骤3。
步骤7计算各方案的折衷妥协值Qi,具体为:
其中,ε(0≤ε≤1)称为折衷系数。然后根据折衷妥协值Qi对各目标威胁程度进行排序。
下面结合实施例对本发明做进一步详细的描述。
假设舰艇编队在某海域执行对空防御作战任务,在t1、t2、t3三个连续的时间片段内有T1、T2、T3、T4、T5五个来袭目标对舰艇编队构成威胁,记为方案集T={T1、T2、T3、T4、T5}。每个时刻分别有三名决策者D1、D2、D3对来袭目标的属性Cj给出评价信息,得到动态直觉模糊多属性群决策矩阵如表1~表9所示,其中C1为来袭目标的类型威胁程度因子、C2为来袭目标的火力能力因子、C3为目标的距离威胁因子、C4为攻击角度威胁因子、C5为目标速度威胁因子。
表1 t1时刻决策者D1评价信息矩阵
根据步骤2,计算时间片段t1、t2、t3内的决策者D1、D2、D3权重λ(t1)=[0.3476,0.3206,0.3318],λ(t2)=[0.3463,0.3217,0.3320],λ(t3)=[0.3411,0.3115,0.3474],再由这些时刻各决策者权重,根据IFWA算子集成步骤1中的矩阵得到降维后的矩阵R(tk),如表10所示为t1时刻降维后的直觉模糊矩阵,t2、t3降维过程按照类似方法处理。
根据步骤3,计算各时刻目标属性对应的权重ω(t1)=[0.34,0.29,0.14,0.16,0.07]ω(t2)=[0.35,0.30,0.14,0.16,0.05],ω(t3)=[0.33,0.33,0.14,0.16,0.04],然后利用直觉模糊运算法则集结步骤2中的矩阵R(tk),得到加权后的动态直觉模糊矩阵如表11所示为t1时刻加权后的直觉模糊矩阵,t2、t3加权过程按照类似方法处理。
根据步骤4,计算t1、t2、t3时刻的时间序列权重为w(tk)=[0.07356,0.3333,0.5931],利用DIFWA算子和时间序列权重集成步骤3中的矩阵得到二次降维后的待评估矩阵R0,如表12所示:
表12二次降维后的直觉模糊矩阵
根据步骤5,计算上述待评估矩阵R0的正负理想解为r+=[(0.89,0.52),(0.9,0.05),(0.79,0.04),(0.8,0.06),(0.6,0.38)],r-=[(0.82,0.08),(0.76,0.1),(0.3,0.1),(0.47,0.06),(021,0.73)],根据步骤3中的直觉模糊熵权法计算矩阵R0的各指标属性权重属性权重为[0.338,0.318,0.132,0.161,0.047]。
根据步骤6,计算待评估矩阵R0各方案的群体效用值Si和个体遗憾度Ri为S=[0.4845,0.5720,0.7131,0.4719,0.3999],R=[0.1992,0.2397,0.2631,0.3173,0.3377]。
根据步骤7,计算各方案的妥协折衷值为Q=[0.1351,0.4209,0.7307,0.5431,0.5000],根据妥协折衷值对来袭空中目标的威胁程度进行排序,得到最终威胁排序为:
T3>T4>T5>T2>T1
为了验证本发明的基于动态直觉模糊法在评估舰艇编队协同防空威胁估计中的优越性和可行性,选取本发明的结果与单一时刻的评估结果进行对比。
图2为单一时刻决策评估结果。从图中的威胁度排序结果可以得出,不论哪个阶段,T3始终是属于威胁度比较大的来袭目标。综合各时刻的评估结果,T3的威胁度也应该是最大的,这与本发明的结论是一致的,说明本发明所提出的方法是合理的、科学的。但是,不同时刻T1的威胁度差别较大,这是由于只考虑单一时刻的威胁指标对威胁结果评判的影响,而忽略了战场态势是一个动态的过程,不同时刻所获取威胁的指标数据对威胁评判结果的影响也不同。本文所提出的方法充分考虑了战场态势的动态过程,同时引入多决策者参与评估过程,使得评估结果更加真实、客观,从而为后续的火力分配过程提供科学的依据。
综上所述,本发明的基于动态直觉模糊法的舰艇编队防空威胁估计群决策评估方法,在解决舰艇编队防空威胁估计中能够应对动态变化的作战环境,同时能够考虑到决策者信息的偏好在评估中起到的作用,评估结果更加准确、客观。
Claims (5)
1.一种基于动态直觉模糊法的舰艇编队防空威胁群决策威胁估计方法,其特征在于,包括以下步骤:
第一步,确定来袭威胁目标的动态直觉模糊多属性群决策矩阵。
第二步,通过信任度函数法计算各时刻各决策者权重,并与各时段的个体信息利用IFWA算子集结,从而将动态直觉模糊多属性群决策矩阵降维为动态直觉模糊多属性决策矩阵。
第三步,通过直觉模糊熵法计算各时刻的属性权重,利用直觉模糊运算法则得到各时刻加权的动态直觉模糊多属性决策矩阵。
第四步,通过正态分布法计算各时间序列权重,利用DIFWA算子集结加权后的动态直觉模糊多属性决策矩阵,得到二次降维后的直觉模糊多属性决策矩阵。
第五步,确定上述直觉模糊多属性决策矩阵的正负理想解。
第六步,利用VIKOR方法计算各目标的群体效用值和个体遗憾度。
第七步,计算各目标的折衷妥协值,根据折衷妥协值对各目标威胁程度进行排序。
2.如权利要求1所述的基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,其特征在于,所述步骤一中的动态直觉模糊多属性群决策矩阵,具体为:
<mrow>
<mover>
<mrow>
<msup>
<mi>U</mi>
<mi>s</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mn>11</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mn>11</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mn>12</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mn>12</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mn>21</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mn>21</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mn>22</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mn>22</mn>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&mu;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>s</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,表示tk时间段决策者Ds给出的对备选方案Ti在决策准则Cj下的效果评价,
3.如权利要求1所述的基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,其特征在于,所述步骤二中的降维后的动态直觉模糊多属性决策矩阵,具体方法是,利用信任度函数计算各时刻决策者权重并与各时段的个体信息利用IFWA算子集结决策信息,得到降维后的动态直觉模糊决策矩阵R(tk)=(μij(tk),vij(tk))m×n。
4.如权利要求1所述的基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,其特征在于,所述步骤三中加权后的动态直觉模糊多属性决策矩阵,具体方法是,利用直觉模糊熵 计算tk时刻属性权重则加权后的动态直觉模糊多属性决策矩阵计算公式如下:
<mrow>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>&nu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
5.如权利要求1所述的基于动态直觉模糊法的舰艇编队防空群决策威胁估计方法,其特征在于,所述步骤四中的二次降维后的直觉模糊多属性决策矩阵,具体方法是,计算时间序列权重利用DIFWA算子集成加权动态直觉模糊多属性决策矩阵得到二次降维后的直觉模糊多属性决策矩阵为:
<mrow>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>p</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>,</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>p</mi>
</munderover>
<msub>
<mi>&nu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710323528.6A CN107798454A (zh) | 2017-05-08 | 2017-05-08 | 一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710323528.6A CN107798454A (zh) | 2017-05-08 | 2017-05-08 | 一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107798454A true CN107798454A (zh) | 2018-03-13 |
Family
ID=61531137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710323528.6A Pending CN107798454A (zh) | 2017-05-08 | 2017-05-08 | 一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107798454A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985463A (zh) * | 2018-07-15 | 2018-12-11 | 大国创新智能科技(东莞)有限公司 | 基于知识库和深度学习的人工智能作战方法和机器人系统 |
CN109146334A (zh) * | 2018-10-09 | 2019-01-04 | 中国人民解放军海军航空大学 | 一种适用于高动态环境的多目标威胁评估方法 |
CN110232518A (zh) * | 2019-06-11 | 2019-09-13 | 西北工业大学 | 一种基于三支决策的威胁评估方法 |
CN110852574A (zh) * | 2019-10-21 | 2020-02-28 | 中国电子科技集团公司第二十九研究所 | 一种基于改进灰靶理论的目标威胁评估方法及介质 |
CN111639411A (zh) * | 2020-04-17 | 2020-09-08 | 温州大学 | 一种基于electre和vikor法的电磁铁多质量特性决策方法 |
CN113420493A (zh) * | 2021-05-18 | 2021-09-21 | 江苏大学 | 一种多弹协同突防中的目标威胁程度评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835073A (zh) * | 2015-05-08 | 2015-08-12 | 南京理工大学 | 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 |
CN106296031A (zh) * | 2016-08-22 | 2017-01-04 | 北京理工大学 | 一种基于动态topsis的空中目标威胁评估方法 |
-
2017
- 2017-05-08 CN CN201710323528.6A patent/CN107798454A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835073A (zh) * | 2015-05-08 | 2015-08-12 | 南京理工大学 | 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 |
CN106296031A (zh) * | 2016-08-22 | 2017-01-04 | 北京理工大学 | 一种基于动态topsis的空中目标威胁评估方法 |
Non-Patent Citations (2)
Title |
---|
张堃: "基于IFE动态直觉模糊法的空战目标威胁评估", 《系统工程与电子技术》 * |
袁宇: "权重未知环境下含有直觉模糊信息的多准则群决策方法研究", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985463A (zh) * | 2018-07-15 | 2018-12-11 | 大国创新智能科技(东莞)有限公司 | 基于知识库和深度学习的人工智能作战方法和机器人系统 |
CN109146334A (zh) * | 2018-10-09 | 2019-01-04 | 中国人民解放军海军航空大学 | 一种适用于高动态环境的多目标威胁评估方法 |
CN110232518A (zh) * | 2019-06-11 | 2019-09-13 | 西北工业大学 | 一种基于三支决策的威胁评估方法 |
CN110852574A (zh) * | 2019-10-21 | 2020-02-28 | 中国电子科技集团公司第二十九研究所 | 一种基于改进灰靶理论的目标威胁评估方法及介质 |
CN110852574B (zh) * | 2019-10-21 | 2022-08-02 | 中国电子科技集团公司第二十九研究所 | 一种基于改进灰靶理论的目标威胁评估方法及介质 |
CN111639411A (zh) * | 2020-04-17 | 2020-09-08 | 温州大学 | 一种基于electre和vikor法的电磁铁多质量特性决策方法 |
CN111639411B (zh) * | 2020-04-17 | 2023-08-22 | 温州大学 | 一种基于electre和vikor法的电磁铁多质量特性决策方法 |
CN113420493A (zh) * | 2021-05-18 | 2021-09-21 | 江苏大学 | 一种多弹协同突防中的目标威胁程度评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798454A (zh) | 一种基于动态直觉模糊法的舰艇编队群决策威胁估计方法 | |
CN109361534A (zh) | 一种网络安全模拟系统 | |
CN106919784A (zh) | 一种基于变权重的盾构隧道服役性能评价方法 | |
CN109146334A (zh) | 一种适用于高动态环境的多目标威胁评估方法 | |
CN104598739B (zh) | 一种面向网络整体效能的指标体系构建方法 | |
CN111784135B (zh) | 基于超网络和ooda环理论的体系作战能力量化分析方法 | |
CN106296031A (zh) | 一种基于动态topsis的空中目标威胁评估方法 | |
CN105306248A (zh) | 基于作战环的武器装备体系作战网络作战效能评估方法 | |
CN112417710B (zh) | 基于作战环的武器装备体系贡献度评估方法 | |
CN109670660A (zh) | 一种基于直觉模糊topsis的舰艇编队动态防空威胁估计方法 | |
CN105590142A (zh) | 一种合成分队协同火力分配方法 | |
CN110222406A (zh) | 一种基于任务阶段复杂性的无人机自主能力评估方法 | |
CN110490422B (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN107958265A (zh) | 一种基于战时影响因素与ε-SVR的战损备件预测方法 | |
CN113177716B (zh) | 海战场管理效能评估方法 | |
CN110163519A (zh) | 面向基地攻防任务的uuv红蓝方威胁评估方法 | |
CN103853894B (zh) | 基于rbf算法的诱饵弹延时投放时间精度计算方法 | |
CN107194155A (zh) | 一种基于小数据集和贝叶斯网络的威胁评估建模方法 | |
CN108073748A (zh) | 一种基于直觉模糊熵权法的导弹毁伤效能群决策评估方法 | |
CN106851689B (zh) | 无线传感器及执行器网络中多因素任务分配方法 | |
CN109324505A (zh) | 一种基于机器学习的协同探测控制方法 | |
CN114862152A (zh) | 基于复杂网络的目标重要度评估方法 | |
CN114565027A (zh) | 基于空中飞行目标雷达数据的威胁度评估方法 | |
CN104899450A (zh) | 一种目标威胁等级综合评估二元语义判定方法 | |
CN116739431B (zh) | 基于层次分析法的飞行器实时威胁评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180313 |
|
WD01 | Invention patent application deemed withdrawn after publication |