CN116307830A - 一种无人集群监测信息共享能力量化评估及迭代优化方法 - Google Patents
一种无人集群监测信息共享能力量化评估及迭代优化方法 Download PDFInfo
- Publication number
- CN116307830A CN116307830A CN202310072985.8A CN202310072985A CN116307830A CN 116307830 A CN116307830 A CN 116307830A CN 202310072985 A CN202310072985 A CN 202310072985A CN 116307830 A CN116307830 A CN 116307830A
- Authority
- CN
- China
- Prior art keywords
- index
- capability
- level
- cluster
- evaluation
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 69
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000008520 organization Effects 0.000 claims abstract description 6
- 238000005303 weighing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013139 quantization Methods 0.000 claims description 24
- 238000013468 resource allocation Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于无人系统信息领域，涉及一种无人集群监测信息共享能力量化评估及迭代优化方法，包括：首先综合权衡无人集群信息共享的多维度要素，提出其信息共享能力评估的指标体系，包括网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性八个一级指标，及其各自下辖的若干二级、三级指标；然后构建了异构指标数据综合量化评估方法，实现整个集群系统信息共享能力的评估，为精准、全面掌握集群信息共享能力提供可靠依据；最后提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，提升对任务的支撑能力。
Description
技术领域
本发明属于无人系统信息领域，涉及一种无人集群监测信息共享能力量化评估及迭代优化方法。
背景技术
无人集群由于其平台小型化、功能分布化、系统智能化、体系生存强、系统成本低、部署简便、使用灵活等特性，便于发挥数量规模优势，实现集群侦察、打击、干扰等功能，可以应用于反恐、突防、护航等作战任务，被世界各军事强国视为未来无人化作战的样板，受到国防领域、工业界、学术界的重点关注。各国争相研究和发布无人机集群试验原型系统，争抢该研究的制高点。
集群的本质属性之一是协同。把数量规模优势转变为集群作战效能，其关键在于：在统一行动任务之下，集群内无人机之间的密切自主协同，形成有机整体。无人集群在遂行任务过程中，其集群信息共享是集群正常运转的基础，是发挥无人集群系统效能的保证。
虽然无人集群的信息共享能力得到了广泛重视，但大多是针对某一项指标的量化，或者是针对某一项通信或者组网能力的改进。总体来说，比较分散不成系统。且相关研究还主要是着眼于通信或信息系统的研究，并为针对无人集群的特点和任务遂行需求。因此，尚无合理方法或系统能定量的、多维度的对无人集群的信息共享能力进行全面科学的评估，也就难以进行精准的优化调整以适应任务需要。这造成了无人集群系统配置和选择、以及遂行任务过程中，无法精确掌握底数的情况，不利于集群配置合理化。
综上，亟需一种能从多个维度量化无人集群信息共享能力的方法，并对其信息共享综合能力进行优化。
针对以上问题，本发明一种无人集群监测信息共享能力评估和优化方法。首先综合权衡无人集群信息共享的多维度要素，提出其信息共享能力评估的指标体系，包括网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性八个一级指标，及其各自下辖的若干二级、三级指标；然后构建了异构指标数据综合量化评估方法，实现整个集群系统信息共享能力的评估，为精准、全面掌握集群信息共享能力提供可靠依据；最后提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，提升对任务的支撑能力。
发明内容
本发明的目的是提出一种无人集群监测信息共享能力评估和优化方法，为精准、全面掌握集群信息共享能力提供可靠依据，并提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，提升对任务的支撑能力。
为实现以上目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种无人集群监测信息共享能力评估和优化方法，包括：
首先综合权衡无人集群信息共享的多维度要素，提出其信息共享能力评估的指标体系，包括网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性八个一级指标，及其各自下辖的若干二级、三级指标；然后构建了异构指标数据综合量化评估方法，实现整个集群系统信息共享能力的评估，为精准、全面掌握集群信息共享能力提供可靠依据；最后提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，提升对任务的支撑能力。
结合第一方面，进一步的，S1为“无人集群监测信息共享能力评估指标体系”模块。构建能全面衡量无人集群监测信息共享能力的指标体系如下：七个一级指标分别是网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性。其中，一级指标网络构建能力的八个二级指标分别是5G网络接入、4G网络接入、卫星网络接入、地面站接入、集群网络连通度、集群网络构建时间、集群网络恢复时间与网络资源分配能力；一级数据传输能力的三个二级指标分别是数据采集、数据引接与数据分发；一级信息获取能力的四个二级指标分别是频谱感知能力、可见光监测能力、红外监测能力数据融合与环境信息感知能力；一级安全保密性能的四个二级指标分别是电磁防护、网络防护、数据防护与保密能力；一级数据处理能力的三个二级指标分别是数据融合、数据清洗与数据分析；一级可靠性的三个二级指标分别是故障平均时间、严重故障平均时间、系统故障平均时间；一级可维护性的三个二级指标分别是对维护人员的要求、对维护工具的要求与故障平均时间。二级指标网络资源分配能力的三个三级指标分别是频域资源分配、时域资源分配与空域资源分配，二级指标数据分发的五个三级指标分别是视频传输、音频传输、图像传输、文本传输与控制信息传输。
结合第一方面，进一步的，S2为“异构评估数据量化预处理”模块。对各项指标的实际采集数据进行量化评分，并标准化。具体计算方法：标记指标等级的索引i，一共I个指标等级，比如，i＝1,表示第一级指标。标记每一级指标里一共有J个指标，索引号为j。比如，j＝1表示第j个指标。
Vij是第i级第j个指标的量化评分值；Oij是第i级第j个指标的实际采集值；αij是第i级第j个指标量化评分度量函数的陡度定义；βij第i级第j个指标量化评分度量函数的参考值，该参考值由任务对该指标的需求由人工给定。wij是第i级第j个指标的人工给定价值度量；μij是第i级第j个指标的代价折中系数，Cij是第i级第j个指标的资源消耗代价；
结合第一方面，进一步的，S3为“同级异构指标的自适应权重计算”模块。根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。具体计算方法如下：
其中，Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Oiq是第i级第q个指标的实际采集值；Okq是第k级第q个指标的实际采集值。
结合第一方面，进一步的，S3为“综合量化评估计算”模块。根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值，具体计算如下：
其中，S为当前集群信息共享能力的综合量化评估值；Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Vij是第i级第j个指标的量化评分值；Ψij是第i级第j个指标的综合评估权值。
结合第一方面，进一步的，：S4为“集群信息共享能力迭代优化”模块。
循环：记循环索引lu，表示第u次迭代，u＝1,2,...,U，U表示迭代优化次数上限。
结合第一方面，进一步的，根据评估指标体系，构建第u次迭代的迭代优化空间变量矩阵
其中，xij是第i级第j个指标被选中进行优化的标志值：
结合第一方面，进一步的，调整各指标值为：
其中，
是第i级第j个指标在第lu次随机优化后的值；/>
是第i级第j个指标在第lu次随机优化过程前的值；/>
是第i级第j个指标在第lu次随机优化过程中的随机优化系数；Oij 是第i级第j个指标的下限值；/>
是第i级第j个指标的上限值；各指标值的上限矩阵和下限矩阵，其值由实际场景和设备决定，或由人工干预指定。，其中，
结合第一方面，进一步的，返回步骤S2为“异构评估数据量化预处理”模块，并序贯执行步骤S3，步骤S4，重新计算第u次迭代的集群综合量化评估值
结合第一方面，进一步的，如果
则第u次迭代的/>
保留第u-1次迭代的
中60％的0元素不变，其它值随机生成。如果/>
则第u次迭代的/>
保留第u-1次迭代的/>
中40％的0元素不变，其它值随机生成。
其中，
为第u-1次迭代的集群综合量化评估值。
循环结束条件：满足其中以下条件中的一个，迭代优化循环结束：
a.连续10次迭代，集群综合量化评估值的变化率小于2％；
b.迭代次数超过U。
第二方面，本发明还提供了一种无人集群监测信息共享能力量化评估及迭代优化方法，包括：
无人集群监测信息共享能力评估指标体系模块：构建无人集群监测能力评估的多维度、多层级量化指标。
异构评估数据量化预处理模块：实现对多源、异构的各指标实际采集数据的标准化处理，便于后续数学处理。
同级异构指标的自适应权重计算模块：根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。
综合量化评估计算模块：根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值。
集群信息共享号能力迭代优化模块：根据评估指标体系，构建迭代优化空间变量。
与现有技术相比，本发明所达到的有益效果是：
本发明提出的无人集群监测信息共享能力评估和优化方法，为精准、全面掌握集群信息共享能力提供可靠依据，并提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，解决当前缺乏对无人集群信息共享能力全面、量化分析和自动优化的问题。
附图说明
图1是本发明实施例提供的无人集群监测信息共享能力量化评估及迭代优化方法的系统框图；
图2是本发明实施例提供的某场景下各级指标的计算结果；
图3是本发明实施例提供的各一级指标评估值；
图4是本发明实施例提供的一级指标“数据传输能力”的各项指标评估值；
图5是本发明实施例提供的一级指标“信息获取能力”的各项指标评估值；
图6是是本发明实施例提供的一级指标“安全保密性能”的各项指标评估值；
图7是本发明实施例提供的一级指标“数据处理”的各项指标评估值；
图8是本发明实施例提供的一级指标“网络构建能力”的各项指标评估值；
图9是本发明实施例提供的集群能力评估值；
图10是本发明实施例提供的场景图；
图11是本发明实施例提供的无人集群监测信息共享能力量化评估及迭代优化方法的流程图；
具体实施方式
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
如图1和图11所示，本发明实施例提供的一种无人集群监测信息共享能力量化评估及迭代优化方法，包括：
S1为“无人集群监测信息共享能力评估指标体系”模块。构建能全面衡量无人集群监测信息共享能力的指标体系如下：七个一级指标分别是网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性。其中，一级指标网络构建能力的八个二级指标分别是5G网络接入、4G网络接入、卫星网络接入、地面站接入、集群网络连通度、集群网络构建时间、集群网络恢复时间与网络资源分配能力；一级数据传输能力的三个二级指标分别是数据采集、数据引接与数据分发；一级信息获取能力的四个二级指标分别是频谱感知能力、可见光监测能力、红外监测能力数据融合与环境信息感知能力；一级安全保密性能的四个二级指标分别是电磁防护、网络防护、数据防护与保密能力；一级数据处理能力的三个二级指标分别是数据融合、数据清洗与数据分析；一级可靠性的三个二级指标分别是故障平均时间、严重故障平均时间、系统故障平均时间；一级可维护性的三个二级指标分别是对维护人员的要求、对维护工具的要求与故障平均时间。二级指标网络资源分配能力的三个三级指标分别是频域资源分配、时域资源分配与空域资源分配，二级指标数据分发的五个三级指标分别是视频传输、音频传输、图像传输、文本传输与控制信息传输。
S2为“异构评估数据量化预处理”模块。对各项指标的实际采集数据进行量化评分，并标准化。具体计算方法：标记指标等级的索引i，一共I个指标等级，比如，i＝1,表示第一级指标。标记每一级指标里一共有J个指标，索引号为j。比如，j＝1表示第j个指标。
Vij是第i级第j个指标的量化评分值；Oij是第i级第j个指标的实际采集值；αij是第i级第j个指标量化评分度量函数的陡度定义；βij第i级第j个指标量化评分度量函数的参考值，该参考值由任务对该指标的需求由人工给定。wij是第i级第j个指标的人工给定价值度量；μij是第i级第j个指标的代价折中系数，Cij是第i级第j个指标的资源消耗代价；
S3为“同级异构指标的自适应权重计算”模块。根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。具体计算方法如下：
其中，Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Oiq是第i级第q个指标的实际采集值；Okq是第k级第q个指标的实际采集值。
S3为“综合量化评估计算”模块。根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值，具体计算如下：
其中，S为当前集群信息共享能力的综合量化评估值；Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Vij是第i级第j个指标的量化评分值；Ψij是第i级第j个指标的综合评估权值。
S4为“集群信息共享能力迭代优化”模块。
循环：记循环索引lu，表示第u次迭代，u＝1,2,...,U，U表示迭代优化次数上限。
(1)根据评估指标体系，构建第u次迭代的迭代优化空间变量
矩阵
其中，xij是第i级第j个指标被选中进行优化的标志值：
(2)调整各指标值为：
其中，
是第i级第j个指标在第lu次随机优化后的值；/>
是第i级第j个指标在第lu次随机优化过程前的值；/>
是第i级第j个指标在第lu次随机优化过程中的随机优化系数；Oij 是第i级第j个指标的下限值；/>
是第i级第j个指标的上限值；各指标值的上限矩阵和下限矩阵，其值由实际场景和设备决定，或由人工干预指定。其中，
(3)返回步骤S2为“异构评估数据量化预处理”模块，并序贯执行步骤S3，步骤S4，重新计算第u次迭代的集群综合量化评估值
(4)如果
则第u次迭代的/>
保留第u-1次迭代的/>
中60％的0元素不变，其它值随机生成。如果/>
则第u次迭代的/>
保留第u-1次迭代的/>
中40％的0元素不变，其它值随机生成。
其中，
为第u-1次迭代的集群综合量化评估值。
循环结束条件：满足其中以下条件中的一个，迭代优化循环结束：
a.连续10次迭代，集群综合量化评估值的变化率小于2％；
b.迭代次数超过U。
实施例2
本发明实施例提供的一种无人集群监测信息共享能力量化评估及迭代优化方法，包括：,
无人集群监测信息共享能力评估指标体系模块：构建无人集群监测能力评估的多维度、多层级量化指标。
异构评估数据量化预处理模块：实现对多源、异构的各指标实际采集数据的标准化处理，便于后续数学处理。
同级异构指标的自适应权重计算模块：根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。
综合量化评估计算模块：根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值。
集群信息共享号能力迭代优化模块：根据评估指标体系，构建迭代优化空间变量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (11)
1.一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，包括：
首先综合权衡无人集群信息共享的多维度要素，提出其信息共享能力评估的指标体系，包括网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性八个一级指标，及其各自下辖的若干二级、三级指标；然后构建了异构指标数据综合量化评估方法，实现整个集群系统信息共享能力的评估，为精准、全面掌握集群信息共享能力提供可靠依据；最后提出集群信息共享能力迭代优化算法，实现无人集群在遂行任务过程中的信息共享组织与调度的动态优化，提升对任务的支撑能力。
2.根据权利要求1所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，S1为“无人集群监测信息共享能力评估指标体系”模块。构建能全面衡量无人集群监测信息共享能力的指标体系如下：七个一级指标分别是网络构建能力、数据传输能力、信息获取能力、安全保密性能、数据处理能力、可靠性、可维护性。其中，一级指标网络构建能力的八个二级指标分别是5G网络接入、4G网络接入、卫星网络接入、地面站接入、集群网络连通度、集群网络构建时间、集群网络恢复时间与网络资源分配能力；一级数据传输能力的三个二级指标分别是数据采集、数据引接与数据分发；一级信息获取能力的四个二级指标分别是频谱感知能力、可见光监测能力、红外监测能力数据融合与环境信息感知能力；一级安全保密性能的四个二级指标分别是电磁防护、网络防护、数据防护与保密能力；一级数据处理能力的三个二级指标分别是数据融合、数据清洗与数据分析；一级可靠性的三个二级指标分别是故障平均时间、严重故障平均时间、系统故障平均时间；一级可维护性的三个二级指标分别是对维护人员的要求、对维护工具的要求与故障平均时间。二级指标网络资源分配能力的三个三级指标分别是频域资源分配、时域资源分配与空域资源分配，二级指标数据分发的五个三级指标分别是视频传输、音频传输、图像传输、文本传输与控制信息传输。
3.根据权利要求1所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，S2为“异构评估数据量化预处理”模块。对各项指标的实际采集数据进行量化评分，并标准化。具体计算方法：标记指标等级的索引i，一共I个指标等级，比如，i＝1,表示第一级指标。标记每一级指标里一共有J个指标，索引号为j。比如，j＝1表示第j个指标。
Vij是第i级第j个指标的量化评分值；Oij是第i级第j个指标的实际采集值；αij是第i级第j个指标量化评分度量函数的陡度定义；βij第i级第j个指标量化评分度量函数的参考值，该参考值由任务对该指标的需求由人工给定。wij是第i级第j个指标的人工给定价值度量；μij是第i级第j个指标的代价折中系数，Cij是第i级第j个指标的资源消耗代价。
4.根据权利要求1所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，S3为“同级异构指标的自适应权重计算”模块。根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。具体计算方法如下：
其中，Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Oiq是第i级第q个指标的实际采集值；Okq是第k级第q个指标的实际采集值。
5.根据权利要求1所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，S3为“综合量化评估计算”模块。根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值，具体计算如下：
其中，S为当前集群信息共享能力的综合量化评估值；Oij是第i级第j个指标的实际采集值；Okj是第k级第j个指标的实际采集值；Vij是第i级第j个指标的量化评分值；Ψij是第i级第j个指标的综合评估权值。
6.根据权利要求1所述的一种无人集群监测信息共享能力量化评估及迭代优化方法方法，其特征在于，S4为“集群信息共享能力迭代优化”模块。
循环：记循环索引lu，表示第u次迭代，u＝1,2,...,U，U表示迭代优化次数上限。
7.根据权利要求6所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，根据评估指标体系，构建第u次迭代的迭代优化空间变量矩阵
其中，xij是第i级第j个指标被选中进行优化的标志值：
8.根据权利要求6所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，调整各指标值为：
其中，
是第i级第j个指标在第lu次随机优化后的值；/>
是第i级第j个指标在第lu次随机优化过程前的值；/>
是第i级第j个指标在第lu次随机优化过程中的随机优化系数；Oij 是第i级第j个指标的下限值；/>
是第i级第j个指标的上限值；各指标值的上限矩阵和下限矩阵，其值由实际场景和设备决定，或由人工干预指定。，其中，/>
9.根据权利要求6所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，返回步骤S2为“异构评估数据量化预处理”模块，并序贯执行步骤S3，步骤S4，重新计算第u次迭代的集群综合量化评估值
10.根据权利要求6所述的一种无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，如果
则第u次迭代的/>
保留第u-1次迭代的/>
中60％的0元素不变，其它值随机生成。如果/>
则第u次迭代的/>
保留第u-1次迭代的/>
中40％的0元素不变，其它值随机生成。
其中，
为第u-1次迭代的集群综合量化评估值。
循环结束条件：满足其中以下条件中的一个，迭代优化循环结束：
a.连续10次迭代，集群综合量化评估值的变化率小于2％；
b.迭代次数超过U。
11.无人集群监测信息共享能力量化评估及迭代优化方法，其特征在于，包括：
无人集群监测信息共享能力评估指标体系模块：构建无人集群监测能力评估的多维度、多层级量化指标。
异构评估数据量化预处理模块：实现对多源、异构的各指标实际采集数据的标准化处理，便于后续数学处理。
同级异构指标的自适应权重计算模块：根据每一个指标等级内，各个指标的量化评估值，自动计算各项指标在综合评估时的权值。
综合量化评估计算模块：根据各级指标的量化值和自动权重计算结果，得出集群信息共享能力的综合评估值。
集群信息共享号能力迭代优化模块：根据评估指标体系，构建迭代优化空间变量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310072985.8A CN116307830A (zh) | 2023-02-01 | 2023-02-01 | 一种无人集群监测信息共享能力量化评估及迭代优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310072985.8A CN116307830A (zh) | 2023-02-01 | 2023-02-01 | 一种无人集群监测信息共享能力量化评估及迭代优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116307830A true CN116307830A (zh) | 2023-06-23 |
Family
ID=86819439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310072985.8A Pending CN116307830A (zh) | 2023-02-01 | 2023-02-01 | 一种无人集群监测信息共享能力量化评估及迭代优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307830A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117370034A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
-
2023
- 2023-02-01 CN CN202310072985.8A patent/CN116307830A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117370034A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
| CN117370034B (zh) * | 2023-12-07 | 2024-02-27 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108924198B (zh) | 一种基于边缘计算的数据调度方法、装置及系统 | |
| CN110544011B (zh) | 一种智能化的体系作战效能评估和优化方法 | |
| Schoeman et al. | Using potential distributions to explore environmental correlates of bat species richness in southern Africa: effects of model selection and taxonomy. | |
| CN108985566B (zh) | 电力信息物理融合系统弹性提升策略求解方法 | |
| CN111241694B (zh) | 一种基于大数据处理的飞机机群健康评估方法，设备及可读存储介质 | |
| CN116307830A (zh) | 一种无人集群监测信息共享能力量化评估及迭代优化方法 | |
| CN116187207B (zh) | 一种陆战装备体系仿真评估方法、装置以及存储介质 | |
| CN112272074B (zh) | 一种基于神经网络的信息传输速率控制方法及系统 | |
| CN116996272A (zh) | 一种基于改进的麻雀搜索算法的网络安全态势预测方法 | |
| CN107220168B (zh) | 一种基于集成的信息系统体系成熟度评价方法 | |
| CN110704371A (zh) | 大规模数据管理与数据分发系统及方法 | |
| CN117580046A (zh) | 一种基于深度学习的5g网络动态安全能力调度方法 | |
| Portillo et al. | Area and distance from mainland affect in different ways richness and phylogenetic diversity of snakes in Atlantic Forest coastal islands | |
| CN110298170B (zh) | 一种考虑盲目攻击因子的电力scada系统安全性评估方法 | |
| CN117852324B (zh) | 一种基于数据孪生的场景构建方法 | |
| CN115859344A (zh) | 基于秘密共享的联邦无人机群数据安全共享方法 | |
| Duan et al. | Estimation of minimum viable population for giant panda ecosystems with membrane computing models | |
| CN110717691B (zh) | 基于组件的评估模型装配方法及系统 | |
| Luan et al. | Evaluation for sortie generation capacity of the carrier aircraft based on the variable structure RBF neural network with the fast learning rate | |
| CN106897837A (zh) | 一种电力巡检用无人直升机系统效能评估方法 | |
| CN108898890B (zh) | 空管运行效率等级评估方法及其装置 | |
| CN114461619A (zh) | 能源互联网多源数据融合方法、装置、终端及存储介质 | |
| CN114444721A (zh) | 模型训练方法、装置、电子设备及计算机存储介质 | |
| CN110661667B (zh) | 一种无人机蜂群的任务可靠性分析方法及系统 | |
| CN106920041A (zh) | 一种架空输电线路固定翼无人机系统选型方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |