CN113065094A - 一种基于累积前景价值和三支决策的态势评估方法与系统 - Google Patents

一种基于累积前景价值和三支决策的态势评估方法与系统 Download PDF

Info

Publication number
CN113065094A
CN113065094A CN202110313648.4A CN202110313648A CN113065094A CN 113065094 A CN113065094 A CN 113065094A CN 202110313648 A CN202110313648 A CN 202110313648A CN 113065094 A CN113065094 A CN 113065094A
Authority
CN
China
Prior art keywords
target
decision
executing
index
value
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
Application number
CN202110313648.4A
Other languages
English (en)
Inventor
李伟湋
高培雪
陈进
路玉卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110313648.4A priority Critical patent/CN113065094A/zh
Publication of CN113065094A publication Critical patent/CN113065094A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于累积前景价值和三支决策的态势评估方法与系统，该方法包括：确定无人机态势感知得到的目标信息并进行规范化，根据规范化目标信息矩阵计算得到目标的概率；根据目标信息矩阵计算累积前景价值理论中的参考点和每个目标的结果矩阵；根据参考点、结果矩阵和概率计算累积前景价值；比较目标的三个累积前景价值，从而对态势评估结果进行三支决策，将目标划分到采取执行(正域)、进一步研究(边界域)及不执行(负域)动作中。采用本发明方法，决策者可以根据三支决策结果对目标做出合理的决策，并且通过引入累积前景价值理论，可以反映决策者的主观偏好和风险态度，使决策过程更加符合实际环境，有利于决策者做出正确的指挥判断。

Description

一种基于累积前景价值和三支决策的态势评估方法与系统
技术领域
本发明涉及无人机态势评估，具体涉及一种基于累积前景价值和三支决策的态势评估方法与系统。
背景技术
无人机态势评估是指评估敌我双方的战斗力要素，对整体战场态势进行判断，帮助飞行员做出正确决策。对敌机态势进行合理评估是进行火力分配和机动决策的前提。在评估过程中，由于无人机本身动力较小，容易受天气，地形等环节因素的影响，导致无人机态势感知得到的信息不完全可靠，具有不确定性和模糊性；同时复杂的外界环境对决策者的个人偏好产生重要影响，因此，在无人机态势评估的过程中要同时考虑评价对象的不确定性和决策者的主观偏好，使决策过程更加符合战场实际环境和飞行员的心理行为。
当前，无人机态势评估方法有很多。常用的方法包括云模型，神经网络，贝叶斯网络，异构群体决策，模糊集与直觉模糊集理论，多属性决策理论等。当前的评估方法存在一些问题。一般的评估方法只能处理静态的态势信息，无法适应瞬息万变的战场环境。为解决上述问题，提出了基于动态直觉模糊法的威胁评估方法，综合多个时刻的信息。多数情况下的评估方法只能得到评估的排序结果，仍需飞行员进行决策判断，并且飞行员在决策过程中多为二支决策，即判断是否对敌机进行攻击，对于中等威胁的目标，需要更多的信息进行判断，评估过程较困难，同时外界的复杂环境会影响决策者的个人偏好，而以往的评估过程中没有考虑决策者的主观偏好和风险态度。
发明内容
发明目的：本发明为了解决无人机态势评估问题，提出一种基于累积前景价值和三支决策的态势评估方法与系统，能够解决态势评估中决策困难和忽略决策者个人偏好的问题，通过三支决策得到具体的决策措施，由不同的目标信息得到不同的参考点，从而反映出面对不同态势时不同的决策偏好和风险态度。
技术方案：本发明所述的一种基于累积前景价值和三支决策的态势评估方法，包括以下步骤：
(1)将无人机态势感知得到的目标信息进行规范化，得到规范化目标信息矩阵，构建决策理论中的状态集和行动集，
Figure BDA00029902707000000211
代表目标的状态集，表示一个目标是否属于被攻击目标集合C；A＝{aP,aB,aN}代表目标的动作集，分别表示对一个目标采取执行、进一步研究和不执行的动作，根据目标信息矩阵计算每个目标是否属于集合C的概率；
(2)根据目标信息矩阵计算累积前景价值理论中的参考点和每个目标的结果矩阵；所述参考点采用指标加权平均值计算；
(3)根据上述得到的参考点，结果矩阵和概率计算每个目标采取执行、进一步研究和不执行动作的三个累积前景价值；
(4)对每个目标的三个累积前景价值进行比较，根据累积前景价值最大规则得到决策结果。
进一步地，所述步骤(1)根据如下方法得到规范化目标信息矩阵：
无人机感知到的目标信息矩阵表示为X＝(xij)m×n，规范化目标信息矩阵表示为Z＝(zij)m×n，1≤i≤m，m表示目标数量，1≤j≤n，n表示指标数量；
对于效益型指标：
Figure BDA0002990270700000021
对于成本型指标：
Figure BDA0002990270700000022
其中，maxixij，minixij分别表示第j个指标的最大值和最小值。
进一步地，所述步骤(1)根据如下公式计算每个目标是否属于集合C的概率：
Figure BDA0002990270700000023
Figure BDA0002990270700000024
对于效益型指标：
Figure BDA0002990270700000025
对于成本型指标：
Figure BDA0002990270700000026
Figure BDA0002990270700000027
Figure BDA0002990270700000028
其中，Pr(C|Ti)表示第i个目标Ti属于集合C的概率，
Figure BDA0002990270700000029
表示目标Ti不属于集合C的概率；Z+，Z-分别表示正理想解和负理想解；
Figure BDA00029902707000000210
分别表示第j个指标的正理想点和负理想点；D(Ti,Z+)，D(Ti,Z-)分别表示目标Ti到正理想解和负理想解的距离；wj表示第j个指标的权重，d()用来计算两个数的欧氏距离。
进一步地，根据熵值法计算每个指标的权重：
首先计算第i个目标在第j个指标下所占的比例：
Figure BDA0002990270700000031
然后计算第j个指标的信息熵：
Figure BDA0002990270700000032
最后计算第j个指标的权重：
Figure BDA0002990270700000033
进一步地，所述步骤(2)根据以下公式计算每个目标的结果矩阵：
Figure BDA0002990270700000034
Figure BDA0002990270700000035
其中，x(zij)表示数据zij对应的结果矩阵；每个目标有n个指标，对应n个结果矩阵，xi表示第i个目标的多指标综合结果矩阵；
Figure BDA0002990270700000036
分别表示第j个指标的最大值和最小值；η是风险规避系数；
Figure BDA0002990270700000037
分别表示第i个目标在集合C中时采取执行动作、进一步研究、不执行的动作时，其第j个指标对应的结果值；
Figure BDA0002990270700000038
分别表示第i个目标在不在集合C中时采取执行动作、进一步研究、不执行的动作时，其第j个指标对应的结果值；
Figure BDA0002990270700000039
Figure BDA00029902707000000310
分别表示第i个目标在集合C中时采取执行动作、进一步研究、不执行的动作时，多指标对应的综合结果值；
Figure BDA00029902707000000311
分别表示第i个目标在不在集合C中时采取执行动作、进一步研究、不执行的动作时，多指标对应的综合结果值。
进一步地，所述步骤(2)根据以下公式计算所有目标的参考点：
Figure BDA0002990270700000041
进一步地，所述步骤(3)每个目标的累积前景价值为累积权重函数πi与价值函数v(xi)的乘积；
价值函数的公式表示如下：
Figure BDA0002990270700000042
其中，μ和v为风险态度系数，θ为损失规避系数；
将xi展开为矩阵形式后，矩阵内每个结果的价值函数如下：
Figure BDA0002990270700000043
Figure BDA0002990270700000044
Figure BDA0002990270700000045
其中，
Figure BDA0002990270700000046
分别表示第i个目标在集合C中采取执行动作、进一步研究和不执行动作得到的价值函数；
Figure BDA0002990270700000047
分别表示第i个目标不在集合C中采取执行动作、进一步研究和不执行动作得到的价值函数；
累积权重函数的公式表示如下：
Figure BDA00029902707000000410
Figure BDA0002990270700000048
Figure BDA0002990270700000049
Figure BDA0002990270700000051
其中，σ为风险收益态度系数，δ为风险损失态度系数；k＝P,B,N，分别表示执行不同操作。
累积前景价值的公式如下所示：
Figure BDA0002990270700000052
Figure BDA0002990270700000053
Figure BDA0002990270700000054
其中，Vi(aP|Ti)，Vi(aB|Ti)，Vi(aN|Ti)分别表示目标Ti采取执行、进一步研究和不执行动作得到的累积前景价值。
进一步地，所述步骤(4)根据以下规则进行决策：
如果一个目标执行P决策产生的累积前景价值大于等于执行B决策和执行N决策的累积前景价值，那么对该目标执行P决策；如果一个目标执行B决策产生的累积前景价值大于等于执行P决策和执行N决策的累积前景价值，那么对该目标执行B决策；如果一个目标执行N决策产生的累积前景价值大于等于执行P决策和执行B决策的累积前景价值，那么对该目标执行N决策。
基于相同的发明构思，本发明提供的一种基于累积前景价值和三支决策的态势评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现所述的基于累积前景价值和三支决策的态势评估方法。
有益效果：本发明在进行无人机态势评估时考虑了信息的不确定性，对目标进行三支决策，使得分类结果更加合理，有利于飞行员做出快速决策。同时，在决策过程中引入了累积前景价值，不同的无人机状态得到不同的目标信息，从而得到不同的参考点，可以反映出面对不同无人机态势时不同的决策偏好和风险态度，使决策结果更符合现实场景。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式进行详细描述。
如图1所示，本发明实施例公开了一种基于累积前景价值和三支决策的无人机态势评估方法，包括如下步骤：
步骤1：将无人机态势感知得到的目标信息进行规范化，得到规范化目标信息矩阵，构建决策理论中的状态集和行动集，
Figure BDA0002990270700000061
代表目标的状态集，表示一个目标是否属于被攻击目标集合C(目标属于集合C表示目标应该被攻击，目标不属于集合C表示目标不应被攻击)；A＝{aP,aB,AN}代表目标的动作集，分别表示对一个目标采取执行、进一步研究和不执行的动作，根据目标信息矩阵计算每个目标是否属于集合C的概率；
无人机在作战过程中，会接收到繁杂的信息，处理大量的信息耗时较长且无意义，因此在态势评估过程中，选取敌方无人机的空战能力信息和典型的空战信息进行判断。一般的态势评估体系中，选取无人机的机型、角度、速度和距离信息四个指标来进行评估。
首先无人机感知到的目标信息表示为X＝(xij)m×n，规范化目标信息矩阵表示为Z＝(zij)m×n，1≤i≤m，m表示目标数量，1≤j≤n，n表示指标数量。指标分为成本型和效益型，不同类型的指标有不同的方法。
对于效益型指标：
Figure BDA0002990270700000062
对于成本型指标：
Figure BDA0002990270700000063
其中，maxixij，minixij分别表示第j个指标的最大值和最小值。
根据规范化目标信息矩阵计算每个目标是否属于集合C的概率的具体步骤如下：
寻找每个指标的正负理想点，具体如下：
正理想解：
Figure BDA0002990270700000064
负理想解：
Figure BDA0002990270700000065
效益型指标的正负理想点：
Figure BDA0002990270700000071
成本型指标的正负理想点：
Figure BDA0002990270700000072
用熵值法计算指标权重wj：
(a)计算第i个目标在第j个指标下所占的比例：
Figure BDA0002990270700000073
(b)计算第j个指标的信息熵：
Figure BDA0002990270700000074
(c)计算第j个指标的权重：
Figure BDA0002990270700000075
计算每个目标的相对贴近度，即为每个目标属于集合C的概率，具体公式如下：
Figure BDA0002990270700000076
Figure BDA0002990270700000077
Figure BDA0002990270700000078
Figure BDA0002990270700000079
Ti表示第i个目标，D(Ti,Z+)，D(Ti,Z-)分别表示目标Ti到正理想解和负理想解的距离；d()用来计算两个数的欧氏距离；RC(Ti)表示相对贴近度，表示每个目标Ti属于集合C的可能性，也就是三支决策中目标Ti属于集合C的概率，即Pr(C|Ti)。
步骤2：根据目标信息矩阵计算累积前景价值理论中的参考点和每个目标的结果矩阵。
计算累积前景价值理论中的参考点，本发明中采用指标加权平均值来计算，具体公式如下：
Figure BDA0002990270700000081
计算累积前景价值理论中的结果矩阵，结果矩阵表示如下：
Figure BDA0002990270700000082
其中，xPP，xBP，xNP分别表示在集合C中的对象采取执行、进一步研究和不执行动作得到的结果，类似的，xPN，xBN，xNN分别表示不在集合C中的对象采取执行、进一步研究和不执行动作得到的结果。结果矩阵与三支决策中的损失函数类似，表格中的数值分别表示执行对应操作时的结果，并且结果矩阵与三支决策中的损失函数矩阵存在数量关系，即当结果大于0时，说明结果较好，不存在损失；当结果小于0时，一定存在损失。
因此，先计算损失函数矩阵，再转换为结果矩阵，其中xNN和xPP较为特殊，两者均为正数，无法直接由损失函数矩阵转换得来，因此，设定xPP＝-xNP，xNN＝-xPN。
首先计算三支决策中的损失函数矩阵，公式如下：
Figure BDA0002990270700000083
损失函数与结果矩阵间的数量关系如下：
xij>0,λij＝0；xij<0,λij＝-xij；
由上述得到结果矩阵，具体公式如下：
每个数据的结果矩阵如下所示：
Figure BDA0002990270700000084
Figure BDA0002990270700000085
分别表示第j个指标的最大值和最小值；η是风险规避系数。
每个目标有n个指标，每个目标的多指标综合结果矩阵如下所示：
Figure BDA0002990270700000091
步骤3：根据上述得到的参考点，结果矩阵和概率计算每个目标采取执行、进一步研究和不执行动作的三个累积前景价值。
累积前景价值由累积权重函数和价值函数组成，具体公式如下：
Figure BDA0002990270700000092
其中，πi表示累积权重函数，相当于传统随机决策理论中的概率函数；v(xi)表示价值函数，相当于传统随机决策理论中的效用函数，xi表示第i个结果；利用该式就可以将决策期望转化为累积前景价值。
其中，价值函数的公式表示如下：
Figure BDA0002990270700000093
Figure BDA0002990270700000094
即为步骤2所求的参考点，μ和v为风险态度系数，θ为损失规避系数。
0<μ<1，0<v<1，μ和v的值越大，说明决策者对风险更偏好。θ>1表示决策者对待损失比收益更加敏感，本例中μ＝v＝0.88,θ＝2.25。
将xi展开为矩阵形式后，矩阵内每个结果的价值函数如下：
Figure BDA0002990270700000095
Figure BDA0002990270700000096
Figure BDA0002990270700000097
其中，
Figure BDA0002990270700000098
表示第i个目标的xPP，其余变量类似；
Figure BDA0002990270700000099
表示第i个目标的vPP，即第i个目标在集合C中是采取执行动作得到的价值函数，与结果矩阵类似。
其中，累积权重函数的公式表示如下：
Figure BDA00029902707000000910
Figure BDA0002990270700000101
Figure BDA0002990270700000102
Figure BDA0002990270700000103
其中，σ为风险收益态度系数，δ为风险损失态度系数，0<σ<1，0<δ<1，本例中σ＝0.61，δ＝0.69。k＝P,B,N，分别表示执行不同操作；i＝1,2,···,m，表示第i个目标。如
Figure BDA0002990270700000104
即为目标Ti在集合C中时执行k操作的累积权重函数，
Figure BDA0002990270700000105
即为目标Ti不在集合C中执行k操作时的价值函数。
因此，累积前景价值的公式如下所示：
Figure BDA0002990270700000106
Figure BDA0002990270700000107
Figure BDA0002990270700000108
其中，Vi(aP|Ti)，Vi(aB|Ti)，Vi(aN|Ti)分别表示目标Ti采取执行、进一步研究和不执行动作得到的累积前景价值。
步骤4：对每个目标的三个累积前景价值进行比较，得到决策结果。
上述步骤3计算得到的三个值分别表示对目标Ti采取执行，进一步研究和不执行动作得到的累积前景价值。因此，找出三个数值中的最大值即可对目标进行判断，即：如果一个目标执行P决策产生的累积前景价值大于等于执行B决策和执行N决策的累积前景价值，那么对该目标执行P决策；如果一个目标执行B决策产生的累积前景价值大于等于执行P决策和执行N决策的累积前景价值，那么对该目标执行B决策；如果一个目标执行N决策产生的累积前景价值大于等于执行P决策和执行B决策的累积前景价值，那么对该目标执行N决策。
伪代码表示如下：
(P)IfVi(aP|Ti)≥Vi(aB|Ti)andVi(aP|Ti)≥Vi(aN|Ti),decideTi∈POS(C)；
(B)IfVi(aB|Ti)≥Vi(aP|Ti)andVi(aB|Ti)≥Vi(aN|Ti),decideTi∈BND(C)；
(N)IfVi(aN|Ti)≥Vi(aP|Ti)andVi(aN|Ti)≥Vi(aB|Ti),decideTi∈NEG(C)；
在本发明中，上述三种决策分别表示目标Ti位于正域(执行攻击动作)，边界域(进一步研究，需要更多的信息考虑是否攻击)，负域(不执行攻击动作)。
基于相同的发明构思，本发明实施例提供的一种基于累积前景价值和三支决策的态势评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被加载至处理器时实现上述的基于累积前景价值和三支决策的态势评估方法。

Claims (10)

1.一种基于累积前景价值和三支决策的态势评估方法，其特征在于，包括如下步骤：
(1)将无人机态势感知得到的目标信息进行规范化，得到规范化目标信息矩阵，构建决策理论中的状态集和行动集，
Figure FDA0002990270690000011
代表目标的状态集，表示一个目标是否属于被攻击目标集合C；A＝{aP，aB，aN}代表目标的动作集，分别表示一个目标采取执行、进一步研究和不执行的动作，根据目标信息矩阵计算每个目标是否属于集合C的概率；
(2)根据目标信息矩阵计算累积前景价值理论中的参考点和每个目标的结果矩阵；所述参考点采用指标加权平均值计算；
(3)根据上述得到的参考点，结果矩阵和概率计算每个目标采取执行、进一步研究和不执行动作的三个累积前景价值；
(4)对每个目标的三个累积前景价值进行比较，根据累积前景价值最大规则得到决策结果。
2.根据权利要求1所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(1)根据如下方法得到规范化目标信息矩阵：
无人机感知到的目标信息矩阵表示为X＝(xij)m×n，规范化目标信息矩阵表示为Z＝(zij)m×n，1≤i≤m，m表示目标数量，1≤j≤n，n表示指标数量；
对于效益型指标：
Figure FDA0002990270690000012
对于成本型指标：
Figure FDA0002990270690000013
其中，maxixij，minixij分别表示第j个指标的最大值和最小值。
3.根据权利要求1所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(1)根据如下公式计算每个目标是否属于集合C的概率：
Figure FDA0002990270690000014
Figure FDA0002990270690000015
对于效益型指标：
Figure FDA0002990270690000016
对于成本型指标：
Figure FDA0002990270690000017
Figure FDA0002990270690000018
Figure FDA0002990270690000021
其中，zij为目标信息矩阵中第i个目标的第j个指标的数据；Pr(C|Ti)表示第i个目标Ti属于集合C的概率，
Figure FDA0002990270690000022
表示第i个目标Ti不属于集合C的概率；Z+，Z-分别表示正理想解和负理想解；
Figure FDA0002990270690000023
分别表示第j个指标的正理想点和负理想点；D(Ti，Z+)，D(Ti，Z-)分别表示目标Ti到正理想解和负理想解的距离；wj表示第j个指标的权重，d()用来计算两个数的欧氏距离；m表示目标数量，n表示指标数量。
4.根据权利要求3所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，根据熵值法计算每个指标的权重：
首先计算第i个目标在第j个指标下所占的比例：
Figure FDA0002990270690000024
然后计算第j个指标的信息熵：
Figure FDA0002990270690000025
最后计算第j个指标的权重：
Figure FDA0002990270690000026
5.根据权利要求1所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(2)根据以下公式计算每个目标的结果矩阵：
Figure FDA0002990270690000027
Figure FDA0002990270690000028
其中，zij表示目标信息矩阵中第i个目标的第j个指标的数据，x(zij)表示数据zij对应的结果矩阵；每个目标有n个指标，对应n个结果矩阵，xi表示第i个目标的多指标综合结果矩阵；
Figure FDA0002990270690000029
分别表示第j个指标的最大值和最小值；η是风险规避系数；d()用来计算两个数的欧氏距离；wj表示第j个指标的权重；
Figure FDA0002990270690000031
分别表示第i个目标在集合C中时采取执行动作、进一步研究、不执行的动作时，其第j个指标对应的结果值；
Figure FDA0002990270690000032
分别表示第i个目标在不在集合C中时采取执行动作、进一步研究、不执行的动作时，其第j个指标对应的结果值；
Figure FDA0002990270690000033
分别表示第i个目标在集合C中时采取执行动作、进一步研究、不执行的动作时，多指标对应的综合结果值；
Figure FDA0002990270690000034
Figure FDA0002990270690000035
分别表示第i个目标在不在集合C中时采取执行动作、进一步研究、不执行的动作时，多指标对应的综合结果值。
6.根据权利要求1所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(2)根据以下公式计算所有目标的参考点：
Figure FDA0002990270690000036
其中，zij为目标信息矩阵中第i个目标的第j个指标的数据；m表示目标数量，n表示指标数量；wj表示第j个指标的权重。
7.根据权利要求5所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(3)每个目标的累积前景价值为累积权重函数πi与价值函数v(xi)的乘积；
价值函数的公式表示如下：
Figure FDA0002990270690000037
其中，μ和v为风险态度系数，θ为损失规避系数，
Figure FDA0002990270690000038
表示参考点；
将xi展开为矩阵形式后，矩阵内每个结果的价值函数如下：
Figure FDA0002990270690000039
Figure FDA00029902706900000310
Figure FDA00029902706900000311
其中，
Figure FDA00029902706900000312
分别表示第i个目标在集合C中采取执行动作、进一步研究和不执行动作得到的价值函数；
Figure FDA0002990270690000041
分别表示第i个目标不在集合C中采取执行动作、进一步研究和不执行动作得到的价值函数；
累积权重函数的公式表示如下：
Figure FDA0002990270690000042
Figure FDA0002990270690000043
Figure FDA0002990270690000044
Figure FDA0002990270690000045
其中，Pr(C|Ti)表示第i个目标Ti属于集合C的概率，
Figure FDA0002990270690000046
表示目标Ti不属于集合C的概率；σ为风险收益态度系数，δ为风险损失态度系数；k＝P，B，N，分别表示执行不同操作。
8.根据权利要求7所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，累积前景价值的公式如下所示：
Figure FDA0002990270690000047
Figure FDA0002990270690000048
Figure FDA0002990270690000049
其中，Vi(aP|Ti)，Vi(aB|Ti)，Vi(aN|Ti)分别表示对目标Ti采取执行、进一步研究和不执行动作得到的累积前景价值。
9.根据权利要求1所述的基于累积前景价值和三支决策的态势评估方法，其特征在于，所述步骤(4)根据以下规则进行决策：
如果一个目标执行P决策产生的累积前景价值大于等于执行B决策和执行N决策的累积前景价值，那么对该目标执行P决策；如果一个目标执行B决策产生的累积前景价值大于等于执行P决策和执行N决策的累积前景价值，那么对该目标执行B决策；如果一个目标执行N决策产生的累积前景价值大于等于执行P决策和执行B决策的累积前景价值，那么对该目标执行N决策。
10.一种基于累积前景价值和三支决策的态势评估系统，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现根据权利要求1-9任一项所述的基于累积前景价值和三支决策的态势评估方法。
CN202110313648.4A 2021-03-24 2021-03-24 一种基于累积前景价值和三支决策的态势评估方法与系统 Pending CN113065094A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110313648.4A CN113065094A (zh) 2021-03-24 2021-03-24 一种基于累积前景价值和三支决策的态势评估方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110313648.4A CN113065094A (zh) 2021-03-24 2021-03-24 一种基于累积前景价值和三支决策的态势评估方法与系统

Publications (1)

Publication Number Publication Date
CN113065094A true CN113065094A (zh) 2021-07-02

Family

ID=76562627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110313648.4A Pending CN113065094A (zh) 2021-03-24 2021-03-24 一种基于累积前景价值和三支决策的态势评估方法与系统

Country Status (1)

Country Link
CN (1) CN113065094A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113869800A (zh) * 2021-11-11 2021-12-31 云南电网有限责任公司电力科学研究院 一种风电参与系统调频价值评估方法及系统
CN114783605A (zh) * 2022-04-24 2022-07-22 南京审计大学 一种基于行为决策和三支决策的胎心监护系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108680063A (zh) * 2018-05-23 2018-10-19 南京航空航天大学 一种针对大规模无人机集群动态对抗的决策方法
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
CN111241987A (zh) * 2020-01-08 2020-06-05 同济大学 基于代价敏感的三支决策的多目标模型视觉追踪方法
CA3067580A1 (en) * 2019-01-14 2020-07-14 Harbin Engineering University Threat situation assessment systems and methods for unmanned underwater vehicle

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108680063A (zh) * 2018-05-23 2018-10-19 南京航空航天大学 一种针对大规模无人机集群动态对抗的决策方法
CA3067580A1 (en) * 2019-01-14 2020-07-14 Harbin Engineering University Threat situation assessment systems and methods for unmanned underwater vehicle
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
CN111241987A (zh) * 2020-01-08 2020-06-05 同济大学 基于代价敏感的三支决策的多目标模型视觉追踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘盾;李天瑞;李华雄;: "粗糙集理论:基于三支决策视角", 南京大学学报(自然科学版), no. 05, 30 September 2013 (2013-09-30) *
杨新;李天瑞;刘盾;方宇;王宁;: "基于决策粗糙集的广义序贯三支决策方法", 计算机科学, no. 10, 15 October 2018 (2018-10-15) *
陈德江;王君;张浩为;: "基于直觉模糊多属性决策的动态威胁评估模型", 计算机科学, no. 04, 15 April 2019 (2019-04-15) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113869800A (zh) * 2021-11-11 2021-12-31 云南电网有限责任公司电力科学研究院 一种风电参与系统调频价值评估方法及系统
CN113869800B (zh) * 2021-11-11 2024-04-12 云南电网有限责任公司电力科学研究院 一种风电参与系统调频价值评估方法及系统
CN114783605A (zh) * 2022-04-24 2022-07-22 南京审计大学 一种基于行为决策和三支决策的胎心监护系统及方法
CN114783605B (zh) * 2022-04-24 2024-03-15 南京审计大学 一种基于行为决策和三支决策的胎心监护系统及方法

Similar Documents

Publication Publication Date Title
CN110222406B (zh) 一种基于任务阶段复杂性的无人机自主能力评估方法
Xu et al. Multi-attribute decision making method for air target threat evaluation based on intuitionistic fuzzy sets
CN109960148B (zh) 一种智能无人系统的自主性评估方法及系统
CN113065094A (zh) 一种基于累积前景价值和三支决策的态势评估方法与系统
CN112598046B (zh) 一种多机协同空战中的目标战术意图识别方法
Yin et al. Threat assessment of aerial targets based on improved GRA-TOPSIS method and three-way decisions
CN112287014A (zh) 产品信息可视化处理方法、装置、计算机设备
CN106934225A (zh) 一种电力巡检用多旋翼无人机系统效能评估方法
WO2024067137A1 (zh) 一种无人驾驶航空器的智能续航管理方法、系统和介质
Zhang et al. Design of the fruit fly optimization algorithm based path planner for UAV in 3D environments
Azimirad et al. A new model for threat assessment in data fusion based on fuzzy evidence theory
CN114358127A (zh) 一种空中任务群组识别方法
CN115222023A (zh) 基于神经网络的非合作目标控制策略识别方法及系统
CN115269571A (zh) 基于数据处理的数据质量评估方法
CN115130523A (zh) 基于隐马尔可夫模型的飞行目标行为意图预测方法
CN115471061A (zh) 一种面向低慢小无人机集群的威胁评估方法
CN111814737B (zh) 一种基于序贯三支决策的目标意图识别方法
Ma et al. Target threat level assessment technology based on cloud model and Bayesian revision in air combat simulation
CN114067224A (zh) 一种基于多传感器数据融合的无人机集群目标数量检测方法
CN114565027A (zh) 基于空中飞行目标雷达数据的威胁度评估方法
CN114120142A (zh) 一种多属性决策的空中目标综合识别方法及系统
Zhang et al. Research on armored unit target threat assessment based on SVM
Peng et al. Threat assessment for aerial targets based on three-way multi-criteria decision making
CN114971423B (zh) 多ucav的协同任务分配方法、装置、电子设备及介质
JP2020035042A (ja) データ判定装置、方法、及びプログラム

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