申请/专利权人：中国人民解放军空军工程大学

申请日：2022-01-25

公开（公告）日：2024-04-05

公开（公告）号：CN114444203B

主分类号：G06F30/15

分类号：G06F30/15;G06F30/20;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.05.24#实质审查的生效;2022.05.06#公开

摘要：本发明提出一种基于战场态势变权的空中集群威胁评估方法，包括下列步骤：建立空中集群威胁评估指标体系；构建评估指标的量化模型；基于层次分析法确定评估指标的主观权重；基于熵权法确定客观权重；基于博弈组合确定常权权重；确定指标变权权重；确定威胁隶属度矩阵的正负理想点；计算感知效用值；确定感知效用矩阵的正负理想解；计算与正负理想解的关联系数；计算与正负理想解的加权灰色关联度；计算与正负理想解的加权欧式距离；基于综合贴近度的待评估空中集群威胁评估。本发明能够解决传统赋权方法指标权重反映战场态势特点和变化不足的问题，以及传统多属性决策方法没有考虑决策者心理因素以及灰色关联分析和TOPSIS法评估结果不一致的问题。

主权项：1.一种基于战场态势变权的空中集群威胁评估方法，其特征在于，具体包括下列步骤：Step1建立空中集群威胁评估指标体系为充分反映空中集群的威胁程度，选取火力打击能力、指控信息能力、战场机动能力、生存防护能力、综合保障能力作为空中集群威胁评估的指标，建立空中集群威胁评估指标体系；Step2构建评估指标的量化模型根据联合空中作战的原则和空中集群的构成特点，将空中集群按照单机、编组和集群三个层次，构建从单机到集群的层次聚合威胁指标量化模型，进而得到空中集群的威胁属性值；Step2.1计算单机威胁度构建单架飞机的威胁度模型为：fj＝-ln1-pj1式中：fj表示单架飞机在第j个评估指标下的威胁度，pj表示单架飞机取得第j个评估指标下作战效果的概率，j为正整数；Step2.2计算编组威胁度根据作战实际，将空中集群中的同类飞机作为一个编组进行处理，编组威胁度通过单机威胁指数线性相加的聚合方式得到，计算方法为：Ibj＝Nb·fj2式中：Ibj为第b个编组在第j个指标下的威胁度，Nb为集群中第b个编组内飞机的数量，b为正整数；Step2.3计算集群威胁度通过幂指数模型将不同编组的威胁度进行聚合，空中集群在第j个评估指标威胁度的计算方法为： 式中：K为调整系数，Ej为空中集群在第j个指标的威胁度，B为集群中编组数量，B为正整数；αbj为幂指数，反映第b个编组对于第j个指标的重要性；Step2.4引入协同系数修正空中集群威胁度引入协同系数对空中集群威胁度进行修正，协同系数计算方法为： 式中：ebc为第b个编组中第c项协同内容的协同度值，c为正整数，C为总的协同内容项数，C为正整数，c＝1，2，…，C；αbc和βbc分别表示ebc的最大值和最小值；λb为第b个编组在空中集群的权重；通过协同系数修正得到最终的空中集群在第j个评估指标威胁量化值为：Zj＝ρ·Ej5Step3基于层次分析法确定评估指标的主观权重Step3.1构建判断矩阵假设有n个威胁评估指标，采用Saaty九标度对威胁评估指标采用两两比较的方式构建判断矩阵； 其中，aij为第i个评估指标相对于第j个评估指标的重要程度，i，j＝1，2，…，n；Step3.2对判断矩阵进行一致性检验一致性比例的计算方法为： 式中：λmax为判断矩阵的最大特征值，n为指标数量，RI为平均随机一致性指标；若一致性比例CR小于0.1，则认为判断矩阵的一致性能够接受，继续下一步；否则按照Step3.1重新构造判断矩阵，直到一致性比例满足要求为止；Step3.3计算指标主观权重根据矩阵论的基础知识，求出判断矩阵的最大特征值及其对应的特征向量，对特征向量进行归一化处理，得到评估指标的主观权重向量w＝w1，w2，…，wn，wjj＝1，2…，n为第j个评估指标的权重；Step4基于熵权法确定客观权重Step4.1构建威胁属性值矩阵假设待评估空中集群有m个，评估指标共有n个，则威胁属性值矩阵为： 其中，zkj为第k个待评估空中集群在第j个评估指标下的威胁属性值，k＝1，2，…，m，j＝1，2，…，n；Step4.2计算评估指标的信息熵第j个评估指标的信息熵为： Step4.3计算评估指标的熵权第j个评估指标的熵权为： 得到评估指标的客观权重向量v＝v1，v2，…vn；Step5基于博弈组合确定常权权重Step5.1将主观权重向量w和客观权重向量v线性组合得到的指标常权权重向量为： 式中：λ1，λ2为第一和第二线性组合系数；Step5.2根据博弈论思想，建立η与w和v离差和最小的目标函数为： Step5.3根据微分原理，使上述目标函数最小需要满足的一阶导数条件为： 标准化处理得： 式中，为第一和第二标准化线性组合系数；得到最终指标常权权重向量为： Step6确定指标变权权重Step6.1计算状态变权参数第i个待评估空中集群在第j个评估指标的状态变权参数计算方法为： 式中：K1为激励幅度系数；K2为惩罚幅度系数；zij为第i个待评估空中集群在第j个评估指标下的威胁属性值；s1，s2，s3分别为激励变权指标集合、常权指标集合和惩罚变权指标集合，s1，s2，s3根据战场态势进行确定；Step6.2计算指标变权值第i个待评估空中集群在第j个评估指标变权值为： 式中：为哈达玛Hadamard乘积；Step7确定威胁隶属度矩阵的正负理想点从威胁属性值矩阵Z中取为正理想点，取为负理想点，其中： Step8计算感知效用值第i个待评估空中集群在第j个评估指标的感知效用表达式为： 式中：为后悔值，为欣喜值，R·为后悔欣喜函数，为单调递增的凹函数，且满足R′·＞0，R″·＜0和R0＝0；以正理想点作为参考，计算待评估空中集群的后悔值为： 以负理想点作为参考，计算待评估空中集群的欣喜值为： 式中：δδ＞0为后悔规避系数，δ越大则决策者的后悔规避系数越大；根据后悔和欣喜值得到感知效用矩阵为： Step9确定感知效用矩阵的正负理想解从感知效用矩阵U中取为正理想解，取作为负理想解，其中： Step10计算与正负理想解的关联系数计算第i个待评估空中集群第j个评估指标与正、负理想解的关联系数和 式中：ρ为分辨系数，通常取0.5；Step11计算与正负理想解的加权灰色关联度计算第i个待评估评估集群与正、负理想解的加权灰色关联度和 Step12计算与正负理想解的加权欧式距离计算第i个待评估评估集群与正负理想解的加权欧式距离和 Tep13基于综合贴近度的待评估空中集群威胁评估第i个待评估空中集群与正、负理想解的贴近度分别为： 其中，ω为权重偏好因子，ω∈[0，1]；得到第i个待评估空中集群的综合贴近度为： 根据综合贴近度对空中集群进行排序，综合贴近度越大，说明集群的威胁程度越大，反之说明威胁程度越小。

全文数据：

权利要求：

百度查询： 中国人民解放军空军工程大学 基于战场态势变权的空中集群威胁评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD