基于变权TOPSIS法多属性威胁评估与任务调度

多机多目标协同空战模式下,针对动态空战态势信息的实时威胁评估和攻击任务调度问题,首先提出了空战威胁评估指标,将各评价指标相对优属度作为决策矩阵,建立基于多属性决策的优势评估模型。基于熵权法确定目标属性客观权重,基于群组AHP法确定目标属性主观权重,目标属性主客观权重进行融合得到组合权重。然后建立能够全面反映多因素对最终评估影响的变权TOPSIS多属性决策模糊威胁评估模型,并阐述了变权TOPSIS方法的计算步骤。利用蚁群算法进行任务调度。最后给出实例,仿真结果验证了该方法的可行性和有效性。     

基于粗糙集的飞机空地作战效能多指标综合评估模型

针对以往效能评估模型中权系数确定的主观性问题,应用粗糙集理论对对地攻击型飞机的各种指标数据进行挖掘,利用信息熵概念求得各指标的属性重要度,并归一化处理为各指标的权系数,克服了传统权系数确定方法的主观性.最后,建立了空地作战效能评估的多指标综合评价模型,通过实例计算验证了该模型的有效性.     

基于熵权的航空装备维修费用军事效益评估方法

以航空装备维修费用效益作为研究对象,分析了维修费用军事效益评估体系的主要指标因素,建立了以战斗力为基础的维修费用军事效益评估模型,采取基于熵权的群组灰色聚类权重指数确定方法,对模型中各因数权值进行求解,并给出算例分析。通过该方法可以定性衡量维修费用的军事效益,较为科学地评价维修费用的军事效益,为确定维修费用的投向、投量提供理论支持。     

固定翼反潜巡逻机作战效能评估

运用改进的Topsis评估模型对反潜巡逻机的作战效能进行评估,主要是对指标权重的计算方法进行改进:综合考虑客观熵权和专家主观权重得到综合权重,通过客观的熵权信息来调整主观权重的偏差,使得反潜巡逻机作战效能的评价结果更为合理。实例分析表明,该方法能够主客观相结合,简单有效,具有一定的推广应用价值。     

基于熵权的高炮武器系统综合能力评价

当把武器系统的综合能力分解为若干层次结构进行评价时,其关键在于确定底层评价指标的相对权重,虽然能够通过建立各层次指标间的相对重要性的判断矩阵,获得底层指标权重的单排序结果权重信息,但是这种权重信息具有一定的主观性,基于信息熵的熵权能够强化各武器系统对指标的贡献程度,弱化其相似性,具有相对的客观性,综合考虑客观熵权和专家主观权重的评价方法,能够通过客观的熵权信息来调整主观权重的偏差,使得武器系统的评价结果更为合理.对六套典型高炮武器系统综合能力的评价结果表明,该方法是有效的.     

基于模糊群决策的信息系统安全风险评估方法

针对信息系统的安全风险分布特征,给出了一种安全风险评估模型.引入模糊集理论,并结合具体安全风险因素提出了一种基于模糊群组决策的安全风险评估方法.采用Delphi法集成群组意见以确定指标的模糊权重集与模糊评价集,运用三角模糊数描述语言变量的专家模糊权重,综合模糊数运算法则与风险值的求取算法求得安全风险评估值,并给出安全风险的属性判定.实例分析验证了该方法的可行性和有效性.     

一种基于改进群组AHP法的指标权重确定方法

针对传统群组AHP聚类分析法没有考虑同类专家意见差异的不足,提出了一种改进的群组AHP赋权方法。在确定出各个专家权重系数的基础上,通过计算群体一致度系数和个体差异性系数,将同类专家评价意见之间的差异性表示出来并利用线性加权法将各个专家权重向量综合为最终指标权重向量。实例验证的结果表明了该方法的科学性与实用性。     

基于四元模糊数的鱼雷作战效能评估权重分析

权重计算是鱼雷作战效能评估中的一个关键问题,通常采用层次分析法计算指标权重.作为一种主观赋权方法,层次分析法忽略了专家经验的模糊性,基于此,提出了四元模糊数层次分析法确定指标权重.该方法将传统层次分析法判断矩阵的元素由一个确定的数推广到含有模糊信息的四元模糊数,并给出了方法模型和计算步骤.采用所提方法进行了鱼雷作战效能评估指标权重应用实例的计算,结果表明该方法是一种行之有效的权重计算方法.     

弹道导弹突防效能灰色综合评估

影响弹道导弹突防效能的因素较多,采用层次分析方法建立弹道导弹突防效能评估指标体系。采用层次分析法和熵权法相结合的方法确定评估指标的组合权重,避免了评估时存在的主观随意性问题。提出基于组合权重-灰色聚类分析的效能评估方法,对弹道导弹突防效能进行灰色综合评估,案例分析表明,该方法简单易用,具有一定的实用性。     

基于仿真和熵权的VOIP业务网络性能评价权重确定方法

针对目前网络性能评价中多元指标之间权重难以确定的问题,将信息熵理论应用于网络性能评价中.提出采用熵权方法确定指标权重,进而对网络性能进行评价的方法.为了获取反映不同网络状态的性能数据,采用网络仿真方法获得计算熵权所需的样本.实例表明,信息熵能够客观地反映各指标贡献信息量的大小,基于信息熵的熵权能够客观反映各指标的相对重要程度.