CN113240328A - 一种基于改进topsis法的潜航器编队作业效能评估方法 - Google Patents
一种基于改进topsis法的潜航器编队作业效能评估方法 Download PDFInfo
- Publication number
- CN113240328A CN113240328A CN202110615001.7A CN202110615001A CN113240328A CN 113240328 A CN113240328 A CN 113240328A CN 202110615001 A CN202110615001 A CN 202110615001A CN 113240328 A CN113240328 A CN 113240328A
- Authority
- CN
- China
- Prior art keywords
- scheme
- ideal solution
- solution
- similarity
- index
- 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.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 68
- 238000011156 evaluation Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 230000004083 survival effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 230000035899 viability Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
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
- G06Q10/0639—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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于改进TOPSIS法的潜航器编队作业效能评估方法,包括如下步骤:1)评估需求分析;2)效能评估指标体系建立;3)改进TOPSIS法的效能评估模型建立;4)生成效能评估结果,得到最优潜航器编队作业方案;本发明为潜航器编队作业提供决策指导依据,使得潜航器编队作业具有更好的可评估性,对于待评估的潜航器编队作业方案,通过对TOPSIS排序方法进行改进,提出一种新的排序指标,提高排序的科学理论基础,并应用此方法对潜航器编队作业方案进行效能评估排序,得到最好的潜航器编队作业方案。
Description
技术领域
本发明属于水下潜航器作业效能评估领域,涉及一种基于改进TOPSIS法的水下潜航器编队作业效能评估方法。
背景技术
作为海洋大国,我国具有广阔的海域,拥有丰富的海洋资源,为了更好地对海洋资源和水文环境进行勘探,同时鉴于水下环境的不稳定性,易对海上研究人员造成威胁,因此近年来更加倾向于利用潜航器来代替研究人员完成深海探测。潜航器具有在海面下持续隐蔽作业,免受外来船只干扰的优势,同时具有较好的水下探测性能,可以有效的保护我国海域主权完整。由于水下环境的扰动较大,水声信号时延较长等原因,造成单一潜航器水下作业效率较低。此外随着水面舰船平台水声探测性能的提高,以及水面舰船平台编队化作业趋势的发展,单个潜航器在对水面舰船作业的战术优势正在逐渐缩小。而且一旦我方的潜航器在公共海域被外方水面船只发现,就有极大的概率被其非法捕捞,因此为了提高潜航器的作业能力和生存能力,潜航器有必要以编队化的形式进行作业,以弥补单一潜航器性能有限的不足,扩大潜航器对水面舰船的作业优势,提升潜航器的作业效率。潜航器通过编队化的战术方式实施作业,可以在潜航器原有作业优势的前提下,通过编队协同作业,提高对海域环境的掌控,实现对水面舰船编队作业平台的优势领先,从而实现更好的对水面舰船作业效果。同时,通过对潜航器编队作业方案进行效能评估,建立有效的评估体系和评估模型,根据海域环境态势,得到潜航器编队各种作业方案的作业效能,从而选出最优作业方案,为作业指挥者提供辅助决策,提高潜航器编队的战场生存能力和作业效果,对于潜航器编队作业体系建设具有重要的意义。
鉴于潜航器隐蔽作业的特殊性,目前学术界对潜航器编队作业的效能评估研究较少,更多的是对陆上作业平台编队的研究。而且现有的对潜航器平台作业效能进行评估的方法缺少理论基础,无法实现较高的可解释性。以基于经典TOPSIS方法的效能评估方法为例,该方法首先依据待评估方案集构建相应的正、负理想解,然后根据每个方案与正、负理想解的距离得到排序指标,从而实现对方案集的评估排序。但是由于作业能力指标的多样性和差异性,通常对于特定任务,不同作业能力指标的重要性是不同的,因此需要区别对待。而且仅仅依靠待评估方案和正、负理想解的距离得到排序指标,理论基础不够严密扎实,可解释性欠佳,无法提高评估的科学性。
因此,对于潜航器编队的作业效能需要一种科学理论更加严密,可解释性更强的评估方法。
发明内容
本发明的目的是为了克服缺少针对潜航器编队作业的科学效能评估方法的问题而提供一种基于改进TOPSIS法的潜航器编队作业效能评估方法,本发明可以构建合理的评估指标体系,并构建科学有效的面向潜航器编队作业的效能评估模型,从而提高评估的有效性和可解释性。
本发明的目的是这样实现的:
一种基于改进TOPSIS法的潜航器编队作业效能评估方法,包括如下步骤:
(1)评估需求分析;
(2)效能评估指标体系建立;
(3)改进TOPSIS法的效能评估模型建立;
包括两部分,第一部分为指标权重计算:
从而可得指标i的权重为wi,总的指标权重向量为w=[w1,w2,…,wn];
第二部分为改进的排序指标,具体如下所示:
包含m个方案的待评估集合为X={x1,x2,…,xm},每个方案共有n个属性,方案xi在属性j上的数值为xij(i=1,2,…,m;j=1,2,…,n);由于TOPSIS排序算法以距离为原则确定最优方案,因此需要先对X做无量纲化和一致化等规范化处理;为了后续计算的方便,规范化后的数据统一为区间[0,1]内的正向型数据,即数值越大代表方案越好,记规范化的方案矩阵X'=(x′ij)m×n,那么正理想解X+为
负理想解X-为
同时也可得到方案集X'的正负理想解之间的距离d0为
为了更好的区分方案之间的差异性,本文根据每个方案和正负理想解之间的距离定义每个方案与正负理想解的相似性;每个方案与正理想解的相似性ri +为
与负理想解的相似性ri -为
显然,ri +和ri -的取值范围均为[0,1],且有
其中,sign(x)为符号函数,当x>0时,有sign(x)=1;当x=0时,有sign(x)=0;当x<0时,有sign(x)=-1;显然当方案i为正理想解时,其和正理想解的距离从而与正理想解的相似性ri +为1,其和负理想解的距离从而与负理想解的相似性ri -为0,从而得最大相似性差异度Ri=1,此方案即为最优方案;当方案i为负理想解时,其和正理想解的距离从而与正理想解的相似性ri +为0,其和负理想解的距离从而与负理想解的相似性ri -为1,从而得最小差异度Ri=-1,此方案即为最差方案,因此Ri的取值范围为[-1,1];
(4)生成效能评估结果,得到最优潜航器编队作业方案:
当方案i和方案j相比,与正理想解的距离更大,而与负理想解的距离更小时,即有和那么有和从而可得差异度关系为Ri<Rj,即方案i比方案j更差;当方案i和方案j相比,与正理想解的距离更小,而与负理想解的距离更大时,即有和那么有和从而可得差异度关系为Ri>Rj,即方案i比方案j更好;对于上述两种普通方案对比情形,本发明改进的TOPSIS排序方法与经典TOPSIS排序方法排序结果一致,这也说明本发明改进方法的有效性和合理性;
(3)当而时;此时有和当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj;当时,有我们称方案i和方案j相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri<Rj;
(4)当而时;此时有和当时,我们称方案j和方案i相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri>Rj;当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj;
最后依据每个方案的相似性差异度Ri,按照从大到小的顺序进行排序,即可得到待评估方案集的效能评估结果,从而得到最优方案。
所述步骤(2)具体为:采用分层分析方法对潜航器编队作业能力进行分解,目标层为潜航器编队作业能力指标体系,是评估作业能力的目标,中间层分为协同能力、作业能力和生存能力三个方面,其中协同能力包括协同探测能力和指挥决策能力,作业能力包括命中能力和毁伤能力,生存能力包括被发现可能性和被二次捕获可能性。
与现有技术相比,本发明的有益效果是:
(1)提出一种面向潜航器编队作业的效能评估方法,为潜航器编队作业提供决策指导依据,使得潜航器编队作业具有更好的可评估性。
(2)对于构建的作业能力指标,针对指标的权重问题,通过采用FAHP方法求得指标的权重,具有较好的科学依据和理论基础。
(3)对于待评估的潜航器编队作业方案,通过对TOPSIS排序方法进行改进,提出一种新的排序指标,提高排序的科学理论基础,并应用此方法对潜航器编队作业方案进行效能评估排序,得到最好的潜航器编队作业方案。
附图说明
图1是潜航器编队作业效能评估流程示意图;
图2是潜航器编队作业能力指标体系图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
发明需要考虑的问题:首先需要构建面向潜航器编队作业的能力指标体系,此外需要采用科学方法实现不同能力指标的权重计算,对于效能评估则需要提高评估方法的可解释性,提高评估的科学理论基础。
为了解决上述技术问题,本发明提出一种基于改进TOPSIS方法的潜航器编队作业效能评估方法。其具体实现流程如下所示:1)评估需求分析;2)效能评估指标体系建立;3)改进TOPSIS法的效能评估模型建立;4)生成效能评估结果,得到最优潜航器编队作业方案。
1评估需求分析
基于本发明申请的任务主旨,在本发明中需求主体为潜航器编队,具体需求为作业效能评估,而这需要体现出编队作业的整体性,以及整体作业得到的效能。对于本效能评估任务,需要建立相应的潜航器作业能力指标体系,并介绍能力指标对效能评估的影响,得到潜航器编队作业效能评估模型,实现对潜航器编队作业效能的科学评估。
2评估指标体系建立
作为效能评估中的关键环节,指标体系的建立对任务后续的效能评估起到至关重要的作用。指标体系的好坏决定着效能评估的结果是否具有有效性、合理性和可解释性,同时它也会影响评估过程的复杂性。本申请采用分层分析方法对潜航器编队作业能力进行分解,具体能力指标如图2所示。目标层为潜航器编队作业能力指标体系,是评估作业能力的目标。中间层分为协同能力、作业能力和生存能力三个方面,其中协同能力对潜航器编队作业进行衡量,突出与单个潜航器作业的差异性,作业能力衡量潜航器在遭遇到外国水面舰船受到威胁时对水面舰船造成伤害的能力,生存能力体现潜航器编队受到外国水面舰船侵扰时保障自身安全的能力。底层指标是中间层指标的细化,更是对潜航器编队作业能力的具体描述,编队协同能力指标可细化为协同探测能力和指挥决策能力,而协同探测能力通过探测范围和探测精度参数来描述;指挥决策能力可通过编队稳定性和决策传输时间确定。作业能力指标可细分为命中能力和毁伤能力,为提高模型的科学统计依据,本申请分别以命中概率和毁伤概率表示攻击能力。生存能力指标可细分为被发现可能性和被二次捕获可能性。综上所述为本申请的评估指标体系,此外也可对该指标体系进行扩充以实现其他作业任务评估需求。
3改进TOPSIS法的效能评估模型建立
1)指标权重计算
考虑到评估指标的多样性和详尽性,不同指标对于评估任务的重要程度是不同的,本申请采用FAHP方法求解指标的权重。FAHP即模糊层次分析法,其主要思想是根据研究问题的性质将要求达到的目标分解为多个组成因素,并按因素间的隶属关系,将其层次化,组成一个层次结构,包括目标层、准则层、指标层等,然后分层次进行分析。对于每一层属性构建模糊判断矩阵,根据满足一致性要求的多属性模糊判断矩阵,通过数学理论公式计算可得该层属性因素对上一层的重要性,由此可得各属性的主观权重。FAHP方法中较为重要的即为模糊判断矩阵的构造,其构建依赖于属性模糊重要度刻画表,通常使用9级重要度标度法,具体如下表所示:
9级重要度标度表
从而可得指标i的权重为wi,总的指标权重向量为w=[w1,w2,…,wn]。
2)基于改进TOPSIS法的潜航器编队作业效能评估方法
鉴于经典TOPSIS方法在评估过程中未考虑指标的权重问题,以及方案排序指标计算过于简单,缺乏科学依据。本发明对TOPSIS方法进行改进,首先如上所述考虑指标的权重问题,在方案评估中加入指标权重,此外本申请提出改进的排序指标,具体如下所示。
包含m个方案的待评估集合为X={x1,x2,…,xm},每个方案共有n个属性,方案xi在属性j上的数值为xij(i=1,2,…,m;j=1,2,…,n)。由于TOPSIS排序算法以距离为原则确定最优方案,因此需要先对X做无量纲化和一致化等规范化处理。为了后续计算的方便,规范化后的数据统一为区间[0,1]内的正向型数据,即数值越大代表方案越好,记规范化的方案矩阵X'=(x′ij)m×n,那么正理想解X+为
负理想解X-为
同时也可得到方案集X'的正负理想解之间的距离d0为
为了更好的区分方案之间的差异性,本文根据每个方案和正负理想解之间的距离定义每个方案与正负理想解的相似性。每个方案与正理想解的相似性ri +为
与负理想解的相似性ri -为
显然,ri +和ri -的取值范围均为[0,1],且有
其中,sign(x)为符号函数,当x>0时,有sign(x)=1;当x=0时,有sign(x)=0;当x<0时,有sign(x)=-1。显然当方案i为正理想解时,其和正理想解的距离从而与正理想解的相似性ri +为1,其和负理想解的距离从而与负理想解的相似性ri -为0,从而得最大相似性差异度Ri=1,此方案即为最优方案;当方案i为负理想解时,其和正理想解的距离从而与正理想解的相似性ri +为0,其和负理想解的距离从而与负理想解的相似性ri -为1,从而得最小差异度Ri=-1,此方案即为最差方案,因此Ri的取值范围为[-1,1]。
4生成效能评估结果
依据构建的基于改进TOPSIS方法的效能评估模型,接下来对各方案进行排序,得到效能评估结果。当方案i和方案j相比,与正理想解的距离更大,而与负理想解的距离更小时,即有和那么有和从而可得差异度关系为Ri<Rj,即方案i比方案j更差;当方案i和方案j相比,与正理想解的距离更小,而与负理想解的距离更大时,即有和那么有和从而可得差异度关系为Ri>Rj,即方案i比方案j更好。对于上述两种普通方案对比情形,本发明改进的TOPSIS排序方法与经典TOPSIS排序方法排序结果一致,这也说明本发明改进方法的有效性和合理性。
(7)当而时。此时有和当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj;当时,有我们称方案i和方案j相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri<Rj;
(8)当而时。此时有和当时,我们称方案j和方案i相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri>Rj;当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj。
最后依据每个方案的相似性差异度Ri,按照从大到小的顺序进行排序,即可得到待评估方案集的效能评估结果,从而得到最优方案。
以本申请包含8个评估指标的潜航器编队作业效能评估任务为案例,根据专家判断构建的模糊一致判断矩阵通过计算可得评估指标的权重向量为w=[0.12,0.15,0.09,0.16,0.18,0.18,0.06,0.06]。假设潜航器编队可采用的战术方案如下表所示
潜航器编队战术方案
由潜航器编队的战术队形方案经查阅有关资料,并向专业人员咨询,可得潜航器编队作业各方案的能力指标值如下表所示
潜航器编队协同作业方案能力值
其中编队稳定性、二次捕获可能性指标为语言型指标,此外决策传输时间,被发现概率和二次捕获可能性指标为成本型指标,在归一化时和其它指标属性的处理方法不一样,这是需要特别注意的,处理后的各方案指标值如下表所示
规范化的潜航器作业方案指标值
从而可得正理想解即为指标值的最大值,即X+为
X+=[1.000 1.000 0.9 1.000 1.000 1.000 1.000 0.9]
负理想解X-为
X-=[0.735 0.565 0.1 0.365 0.613 0.487 0.183 0.1]
根据求得的正负理想解以及面向任务的能力指标权重向量,根据改进的TOPSIS评估方法可求得各方案与正负理想解的距离,和正负理想解的相似性以及排序结果如下表所示
潜航器编队作业效能评估结果
按照上述评估流程,可得潜航器编队作业效能评估各方案的排序结果为:C>B>F>E>A>D,即潜航器编队采用小间隔反V队形具有最大的作业能力,当遇到敌方水面舰船时可对目标水面舰船造成更大的毁伤效果,从而可以实现最优的作业效果,由此可得最优作业效能及其作业方案。
由上述可见,本发明申请提出一种更加贴近实际场景的潜航器编队作业效能评估模型,通过采用科学方法计算评估指标的权重,同时提出一种更好的评估模型,实现评估过程的可解释性更好,评估结果更加具有说服力。
Claims (2)
1.一种基于改进TOPSIS法的潜航器编队作业效能评估方法,其特征在于,包括如下步骤:
(1)评估需求分析;
(2)效能评估指标体系建立;
(3)改进TOPSIS法的效能评估模型建立;
包括两部分,第一部分为指标权重计算:
从而可得指标i的权重为wi,总的指标权重向量为w=[w1,w2,…,wn];
第二部分为改进的排序指标,具体如下所示:
包含m个方案的待评估集合为X={x1,x2,…,xm},每个方案共有n个属性,方案xi在属性j上的数值为xij(i=1,2,…,m;j=1,2,…,n);由于TOPSIS排序算法以距离为原则确定最优方案,因此需要先对X做无量纲化和一致化等规范化处理;为了后续计算的方便,规范化后的数据统一为区间[0,1]内的正向型数据,即数值越大代表方案越好,记规范化的方案矩阵X'=(x′ij)m×n,那么正理想解X+为
负理想解X-为
同时也可得到方案集X'的正负理想解之间的距离d0为
为了更好的区分方案之间的差异性,本文根据每个方案和正负理想解之间的距离定义每个方案与正负理想解的相似性;每个方案与正理想解的相似性ri +为
与负理想解的相似性ri -为
显然,ri +和ri -的取值范围均为[0,1],且有
其中,sign(x)为符号函数,当x>0时,有sign(x)=1;当x=0时,有sign(x)=0;当x<0时,有sign(x)=-1;显然当方案i为正理想解时,其和正理想解的距离从而与正理想解的相似性ri +为1,其和负理想解的距离从而与负理想解的相似性ri -为0,从而得最大相似性差异度Ri=1,此方案即为最优方案;当方案i为负理想解时,其和正理想解的距离从而与正理想解的相似性ri +为0,其和负理想解的距离从而与负理想解的相似性ri -为1,从而得最小差异度Ri=-1,此方案即为最差方案,因此Ri的取值范围为[-1,1];
(4)生成效能评估结果,得到最优潜航器编队作业方案:
当方案i和方案j相比,与正理想解的距离更大,而与负理想解的距离更小时,即有和那么有和从而可得差异度关系为Ri<Rj,即方案i比方案j更差;当方案i和方案j相比,与正理想解的距离更小,而与负理想解的距离更大时,即有和那么有和从而可得差异度关系为Ri>Rj,即方案i比方案j更好;对于上述两种普通方案对比情形,本发明改进的TOPSIS排序方法与经典TOPSIS排序方法排序结果一致,这也说明本发明改进方法的有效性和合理性;
(3)当而时;此时有和当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj;当时,有我们称方案i和方案j相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri<Rj;
(4)当而时;此时有和当时,我们称方案j和方案i相比,负理想解相似性占优,而我们期望找到的是和正理想解更接近的方案,从而有Ri>Rj;当时,有我们称方案i和方案j相比,正理想解相似性占优,从而有Ri>Rj;
最后依据每个方案的相似性差异度Ri,按照从大到小的顺序进行排序,即可得到待评估方案集的效能评估结果,从而得到最优方案。
2.根据权利要求1所述的一种基于改进TOPSIS法的潜航器编队作业效能评估方法,其特征在于,所述步骤(2)具体为:采用分层分析方法对潜航器编队作业能力进行分解,目标层为潜航器编队作业能力指标体系,是评估作业能力的目标,中间层分为协同能力、作业能力和生存能力三个方面,其中协同能力包括协同探测能力和指挥决策能力,作业能力包括命中能力和毁伤能力,生存能力包括被发现可能性和被二次捕获可能性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110615001.7A CN113240328B (zh) | 2021-06-02 | 2021-06-02 | 一种基于改进topsis法的潜航器编队作业效能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110615001.7A CN113240328B (zh) | 2021-06-02 | 2021-06-02 | 一种基于改进topsis法的潜航器编队作业效能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240328A true CN113240328A (zh) | 2021-08-10 |
CN113240328B CN113240328B (zh) | 2023-10-20 |
Family
ID=77136367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110615001.7A Active CN113240328B (zh) | 2021-06-02 | 2021-06-02 | 一种基于改进topsis法的潜航器编队作业效能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240328B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462831A (zh) * | 2022-01-21 | 2022-05-10 | 中国船舶重工集团公司第七0九研究所 | 一种警用侦察云平台系统的效能评估方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670660A (zh) * | 2017-10-13 | 2019-04-23 | 南京航空航天大学 | 一种基于直觉模糊topsis的舰艇编队动态防空威胁估计方法 |
-
2021
- 2021-06-02 CN CN202110615001.7A patent/CN113240328B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670660A (zh) * | 2017-10-13 | 2019-04-23 | 南京航空航天大学 | 一种基于直觉模糊topsis的舰艇编队动态防空威胁估计方法 |
Non-Patent Citations (3)
Title |
---|
孙志伟;张涛;: "基于模糊评价法和TOPSIS法的水面舰艇编队防空队形评估研究", 舰船电子工程, no. 04 * |
张永利;周荣坤;计文平;傅成彬;: "基于模糊综合评判法的航母编队舰载机群体系作战效能评估", 舰船电子工程, no. 10 * |
郭超;陈蓥;: "基于相对熵的KL-TOPSIS体系对矿区工业环境易损性的综合评判", 安全与环境学报, no. 06 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462831A (zh) * | 2022-01-21 | 2022-05-10 | 中国船舶重工集团公司第七0九研究所 | 一种警用侦察云平台系统的效能评估方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113240328B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116841B (zh) | 一种基于蚁群算法的路径规划平滑优化方法 | |
CN111307158B (zh) | 一种auv三维航路规划方法 | |
CN110544269A (zh) | 基于特征金字塔的孪生网络红外目标跟踪方法 | |
CN113240328A (zh) | 一种基于改进topsis法的潜航器编队作业效能评估方法 | |
CN112819255B (zh) | 多准则船舶航线确定方法、装置、计算机设备及可读存储介质 | |
CN114925217B (zh) | 一种基于关系属性加权的高价值路径发现方法 | |
CN107730539B (zh) | 自主水下机器人控制系统及声纳目标跟踪方法 | |
CN110222822B (zh) | 黑盒预测模型内部特征因果图的构建方法 | |
Guo et al. | Mission-driven path planning and design of submersible unmanned ship with multiple navigation states | |
CN117454680A (zh) | 一种海洋搜索集群设计系统及方法 | |
Wei et al. | Robust infrared small target detection via temporal low-rank and sparse representation | |
CN113095465B (zh) | 量子大马哈鱼洄游机制演化博弈的水下无人集群任务分配方法 | |
CN114580884B (zh) | 多特性分层结构与自适应逼近的空天目标威胁评估方法 | |
CN108256190A (zh) | 多目标航空舵机优化设计方法 | |
CN112859887B (zh) | 基于天基中心的多水下机器人自主任务分配方法 | |
CN111314873B (zh) | 一种稳定的高精度网络协同探测方法 | |
CN114358127A (zh) | 一种空中任务群组识别方法 | |
CN112697148A (zh) | 一种自适应复杂度栅格环境模型构建方法以及路径搜索方法 | |
Jiang et al. | Data privacy protection for maritime mobile terminals | |
Hu et al. | Many-objective optimization algorithm based on adaptive reference vector | |
CN112347135B (zh) | 一种直升机应召搜索方案的确定方法、存储介质及系统 | |
Hang et al. | Research on scientific data mining algorithms based on WOA-BP neural networks | |
CN111695638A (zh) | 一种改进的YOLOv3候选框加权融合选取策略 | |
CN113191586B (zh) | 一种面向任务的有人机无人机选配方法 | |
Wei et al. | A Many-Objective Evolutionary Algorithm with Local Shifted Density Estimation Based on Dynamic Decomposition |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |