CN109670660A - 一种基于直觉模糊topsis的舰艇编队动态防空威胁估计方法 - Google Patents

Abstract

本发明公布了一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，涉及舰艇编队防空决策领域。所述方法首先对不同类型的目标信息作规范化处理，建立直觉模糊决策矩阵；其次，由直觉模糊熵权法得出评估指标的初始权重，并融合指挥员的主观偏好信息求解指标权重优化模型，使得权重结果更符合战场需要；然后，采用直觉模糊交叉熵和相对贴近度确定动态决策矩阵，采用正态分布法处理多时刻信息，建立加权动态决策矩阵，可动态呈现防空威胁态势；最后，利用TOPSIS方法得到来袭目标的威胁度排序结果。该方法可应用于不确定海战场环境下舰艇编队的动态防空威胁估计问题。

Description

一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法

技术领域

本发明属于舰艇编队防空决策领域，特别是一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法。

背景技术

高技术、信息化环境下舰艇编队的防空作战问题，需充分融合有限的战场情报信息，并集成军事专家的知识经验，从而作出有效迅速的决策。如何准确估计来袭目标的威胁程度，是编队防空决策领域的重要问题。现代海战场环境中，舰艇编队面对的空中袭击具有多武器、多方向、连续性的特点，而且不确定性信息不断增加，使指挥员的预测与决策变得复杂困难。威胁估计属于高度的信息融合技术，它是编队火力控制和任务规划的前提，是海上作战指挥的关键环节。

目前，在威胁估计领域应用的主要方法有人工神经网络、粗糙集、云模型和直觉模糊集等。人工神经网络具有良好的自学能力和自适应能力，缺点是需要大量完整的战场样本(包括威胁因素和威胁度)数据。粗糙集在保持分类能力不变的前提下，依赖现有的知识库进行知识约简，得到决策规则；若威胁估计的指标有冗余，粗糙集的分析优势较强。云模型结合了数据的模糊性与随机性，可实现定性概念与定量数值间的转换，但其单一的正态云模型不适用于动态场合。由于直觉模糊集理论在不确定信息决策领域有着显著的优越性，近年来，防空威胁估计的直觉模糊决策方法日趋成熟。然而，上述方法都是基于某一固定时刻的信息进行威胁估计，未能展现出目标的动态态势，其评估结果的客观性和合理性降低。

发明内容

本发明的目的在于提供一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，该方法可以有效解决舰艇编队在动态、模糊战场环境下的不确定性威胁估计问题。

为实现上述目的，本发明采用以下技术方案：

基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，包括：

第一步，对来袭目标的属性值作规范化处理，得到目标的单一时刻直觉模糊决策矩阵。

第二步，利用目标的直觉模糊熵信息计算评估指标的初始权重ω_j0，并融合编队指挥员的主观偏好信息建立权重优化模型，得到指标权重ω_j，从而确定单一时刻下的加权直觉模糊决策矩阵D_w(T_k)。

第三步，选出各时刻的正、负理想方案并分别计算目标到正、负理想方案的直觉模糊交叉熵距离

第四步，基于TOPSIS思想计算各时刻下每个目标的相对贴近度ξ_i(T_k)，从而确定动态决策矩阵Q。

第五步，采用均值为零的离散正态分布形式对不同时刻点赋权，从而确定加权动态决策矩阵Y。

第六步，选出加权动态决策矩阵的正、负理想方案Y⁺、Y^-，并分别计算目标到正、负理想方案的欧氏距离

第七步，基于TOPSIS思想计算目标威胁度并对目标进行威胁估计与排序。

本发明具有以下优点：

1.充分考虑了实际战场中编队获取的目标信息的各种情况，无论是以语言变量给出的定性指标值，还是以实数或区间数形式给出的定量指标值，最终均转化为直觉模糊数形式，体现了目标信息的不确定性。

2.评估指标的权重规划模型，既考虑到侦察设备获取的来袭目标的客观情报信息对威胁估计的影响，又考虑到指挥人员借助军事经验所作出的主观偏好判断对威胁估计的影响，使得指标权重的确定更为合理。

3.本发明全面考虑了多个时刻的战场信息，将空中目标的历史数据和当前数据共同纳入威胁估计的体系，改善了传统海战场的静态评估方法，威胁估计的结果更加科学准确。

附图表说明

图1为本发明方法的流程图。

图2为5级语言变量的直觉模糊转化。

图3为目标威胁的直觉感知等级。

图4为动、静态评估结果的对比图。

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。

本发明的一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，具体包括以下步骤：

步骤1对来袭目标U_i(i=1，2，…，m)不同形式的评估指标C_j(j＝1，2，…，n)的属性值统一规范化为直觉模糊数形式，包括：

(1)对于定性指标，建立语言变量到直觉模糊数的转化，如图2所示。

(2)对于实数形式的定量指标，首先建立目标威胁的直觉感知等级，如图3所示。设U_i关于C_j的属性值为x_ij，则对效益型指标，有对成本型指标，有将r_ij与图3直觉感知等级比对，基准值为则r_ij会落在某威胁等级k(k∈{1，2，3，4，5})的范围内，可得到U_i在C_j下的直觉模糊数为

(3)对于区间数形式的定量指标，设U_i关于C_j的属性值区间数为则对效益型指标，有对成本型指标，有记则U_i关于C_j的犹豫度为隶属度为0.5≤ε≤1；非隶属度为v_ij＝1-π_ij-μ_ij；则可得到区间数转化为直觉模糊数A_ij＝<μ_ij，v_ij>。

通过上述对三种不同形式的指标值处理方法，最终得到目标在T_k(k＝1，2，...，s)时刻的直觉模糊决策矩阵D(T_k)＝(<μ_ij(T_k)，v_ij(T_k)>)_mxn。

步骤2计算目标U_i关于评估指标C_j的直觉模糊熵则指标C_j的直觉模糊熵为指标的初始权重为设有q个指挥员参与决策，每个指挥员的权威度为ξ_l(l＝1，2，···q)，则多指挥员对第i个方案的综合偏好度为其中，记为θ_i1j1和θ_i2j2之间的接近度，为C_j的理想解，构造指标权重的综合最优化模型为：

其中，a₁和a₁分别反映了客观信息与主观信息占决策的比例大小；求解该模型得到指标权重利用直觉模糊运算法则得到单一时刻下的加权直觉模糊决策矩阵为：

步骤3在加权直觉模糊决策矩阵中选出各时刻的正、负理想方案，分别为：

然后定义直觉模糊集A＝{<x，μ_A(x)，v_A(x)>|x∈X}与直觉模糊集B＝{<x，μ_B(x)，v_B(x)>|x∈X}之间的模糊交叉熵为：

其中，I＝A或B；则A、B之间的直觉模糊交叉熵距离为d(A，B)＝I(A，B)+I(B，A)。按此定义可计算T_k时刻目标U_i到正、负理想方案的直觉模糊交叉熵距离，分别为：

步骤4计算T_k时刻目标U_i的相对贴近度由此构建动态决策矩阵Q，具体为：

步骤5采用均值为零的离散正态分布形式对不同时刻点赋权，计算T_k时刻的权重大小其中，σ表示标准差。由此得到时间序列权重向量τ＝[τ₁，τ₂，…τ_S]，并构建加权动态决策矩阵Y，具体为：

其中，y_ik＝τ_k·ξ_i(T_k)(i＝1，2，…，m；k＝1，2，…，s)。

步骤6选出加权动态决策矩阵Y的正、负理想方案，分别为：

计算目标U_i到正、负理想方案的欧氏距离，分别为：

步骤7计算目标U_i的威胁度并根据威胁度的大小对所有目标进行威胁估计与排序。

下面结合实施例对本发明做进一步详细的描述。

假设我舰艇编队在某次海战中侦测到敌方五个空中来袭目标U₁、U₂、U₃、U₄、U₅的情报信息，评估指标为目标类型C₁、目标高度C₂(m)、目标距离C₃(km)、目标速度C₄(km/s)、目标航路捷径C₅(m)和攻击意图C₆。现选取连续3个时刻T₁、T₂、T₃的情报信息进行防空威胁估计，且有3位编队指挥员参与威胁估计的决策，其权威度分别为0.84、0.92和0.89。各时刻的目标信息如表1～表3所示，其中，关于C₁和C₆的属性值为语言变量，关于C₂和C₃的属性值是区间数，关于C₄和C₅的属性值是实数。

表1 T₁时刻来袭目标的情报信息

表2 T₂时刻来袭目标的情报信息

表3 T₃时刻来袭目标的情报信息

根据步骤1，将属性值作规范化处理，对语言变量、区间数和实数统一用直觉模糊数来表达，得到直觉模糊决策矩阵，如表4～表6所示。

表4 T₁时刻的直觉模糊决策矩阵

表5 T₂时刻的直觉模糊决策矩阵

表6 T₃时刻的直觉模糊决策矩阵

根据步骤2，计算T₁、T₂和T₃三个时刻评估指标的初始权重为

ω₀(T₁)＝(0.1048，0.1348，0.1211，0.2414，0.2410，0.1568)，

ω₀(T₂)＝(0.0994，0.1245，0.1182，0.2201，0.2893，0.1486)，

ω₀(T₃)＝(0.0902，0.1329，0.1108，0.2299，0.2704，0.1657)。

选取a₁＝a₂＝0.5求解得优化的不同时刻指标权重为

ω(T₁)＝(0.1458，0.0808，0.0411，0.2210，0.2260，0.2852)，

ω(T₂)＝(0.1500，0.0735，0.0405，0.2075，0.2288，0.2997)，

ω(T₃)＝(0.1348，0.0687，0.0387，0.2574，0.2125，0.2879)。

然后利用直觉模糊运算法则得到各时刻的加权直觉模糊决策矩阵，如表7～表9所示。

表7 T₁时刻的加权直觉模糊决策矩阵

表8 T₂时刻的加权直觉模糊决策矩阵

表9 T₃时刻的加权直觉模糊决策矩阵

根据步骤3，选出各时刻的正、负理想方案如下：

计算各时刻目标与正、负理想方案的直觉模糊交叉熵距离为：

根据步骤4，计算各时刻目标的相对贴近度，由此构建的动态决策矩阵为：

根据步骤5，选取标准差σ＝1.5计算时间序列权重向量为τ＝[0.1128，0.2197，0.6675]，则加权动态决策矩阵为：

根据步骤6，确定Y中的正、负理想方案为Y⁺＝(0.0657，0.1406，0.4934)，Y^-＝(0.0446，0.0988，0.2709)，计算目标与Y⁺、Y^-间的欧氏距离为：

D⁺＝(0.1748，0.1375，0.0029，0.0257，0.2188)，

D^-＝(0.0479，0.0848，0.2186，0.2176，0.0235)。

根据步骤7，计算各来袭目标的威胁度大小为 根据威胁度排序，得到编队防空威胁估计的排序结果为U₃＞U₄＞U₂＞U₁＞U₅。

为验证本发明的一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法的可行性和优越性，选取本发明的动态评估结果与当前T₃时刻的静态评估结果进行对比。

图4为动、静态评估结果的对比图。一方面，在T₃时刻的威胁估计结果中，目标的最大威胁度与最小威胁度相差0.3244(0.7392-0.4148)，采用动态评估后，目标的最大威胁度与最小威胁度相差0.8898(0.9867-0.0969)；可见本发明的威胁估计方法使得各目标的威胁度差距更加明显清晰，这将有利于舰艇编队指挥员作出下一步的决策。另一方面，若只采用T₃时刻的数据进行评估，目标威胁程度的排序结果为U₄＞U₃＞U₂＞U₁＞U₅，与本发明的评估结果U₃＞U₄＞U₂＞U₁＞U₅相比，目标U₃、U₄的排序发生了改变，这是因为静态评估下未能涉及到来袭目标的历史情报信息，而在实际海战场威胁估计的过程中，综合考量历史与当前信息是十分必要的，所以动态评估结果更趋合理化。

综上所述，本发明的一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，兼顾了目标数据客观性和指挥员主观性对评估的影响，同时能符合舰艇编队防空作战的动态环境，威胁估计的结果更加客观有效。

Claims (4)

1.一种基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，其特征在于，包括以下步骤：

第一步，对来袭目标的属性值作规范化处理，得到目标的单一时刻直觉模糊决策矩阵。

第二步，利用目标的直觉模糊熵信息计算评估指标的初始权重，并与编队指挥员的主观偏好信息融合，建立权重优化模型得到指标权重，从而确定单一时刻下的加权直觉模糊决策矩阵。

第三步，选出各时刻的正、负理想方案，并分别计算目标到正、负理想方案的直觉模糊交叉熵距离。

第四步，基于TOPSIS思想计算各时刻下每个目标的相对贴近度，从而确定动态决策矩阵。

第五步，采用均值为零的离散正态分布形式对不同时刻点赋权，从而确定加权动态决策矩阵。

第六步，选出加权动态决策矩阵的正、负理想方案，并分别计算目标到正、负理想方案的欧氏距离。

第七步，基于TOPSIS思想计算目标威胁度，并对目标进行威胁估计与排序。

2.如权利要求1所述的基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，其特征在于，所述步骤一中目标的单一时刻直觉模糊决策矩阵，具体为：

其中，μ_ij(T_k)、v_ij(T_k)分别为空中目标U_i(i＝1，2，...，m)于T_k(k＝1，2，…，s)时刻相对于评估指标C_j(j＝1，2，...，n)的隶属度和非隶属度。

3.如权利要求1所述的基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，其特征在于，所述步骤二中的单一时刻下的加权直觉模糊决策矩阵，具体方法是，利用直觉模糊熵计算评估指标的初始权重同时充分考虑决策者的主观信息，构造指标权重的优化模型 这里a₁和a₂分别为客观信息与主观信息占决策 的比例大小，求解该模型得评估指标C_j的权重 则T_k时刻加权后的直觉模糊决策矩阵计算公式如下：

。

4.如权利要求1所述的基于直觉模糊TOPSIS的舰艇编队动态防空威胁估计方法，其特征在于，所述步骤五中的加权动态决策矩阵，具体方法是，计算T_k时刻的权重从而得到时间序列权重向量τ＝[τ₁，τ₂，…τ_s]；计算T_k时刻U_i的相对贴近度这里分别为目标U_i与正、负理想方案的直觉模糊交叉熵距离；则加权动态决策矩阵如下：

Y＝(y_ik)_m×s＝((τ_k·ξ_i(T_k)))_m×s。