共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。 相似文献
7.
8.
9.
10.
针对装甲分队目标威胁评估动态指标的变化特性,运用灰色模型(Grey Model,GM(1,1))对装甲分队目标威胁评估动态指标进行了预测;针对现有vague集距离度量法缺失信息较多、违背直觉等不足,通过理论推导提出了vague集新的距离度量公式,然后将其应用到TOPSIS(Technique for Order Preference by Simularity to Ideal Solution)算法中,对装甲分队目标威胁进行了评估与排序,并与非预测方法的评估结果进行了对比,结果表明:采用本文提出的评估算法得出的评估结果更加合理有效,研究成果可为装甲分队火力优化分配提供科学参考。 相似文献
11.
12.
基于GIFSS-TOPSIS的辐射源威胁评估方法 总被引:1,自引:0,他引:1
针对辐射源威胁评估信息不确定性和属性权重难以确定的问题,将广义直觉模糊软集(Generalized Intuitionistic Fuzzy Soft Sets,GIFSS)与逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)理论相结合,提出一种基于GIFSS-TOPSIS的辐射源威胁评估方法。GIFSS-TOPSIS算法利用直觉模糊集求得直觉模糊集决策矩阵,充分描述了目标属性的确定性、不确定性和犹豫度所有信息,相比经典TOPSIS法,直觉模糊集决策矩阵对目标属性信息的描述更加全面、确切。此外,提出一种主客观权重结合的权重优化模型,规避传统TOPSIS法主观赋权的局限。仿真分析表明,该算法具有较好的可行性与有效性,相比经典TOPSIS法可信度增强,评估结果更加客观合理,可用于辐射源威胁评估。 相似文献
13.
14.
15.
16.
17.
根据地空导弹武器系统作战使用原则,确定影响目标威胁程度的五个主要因素,建立目标属性矩阵,并运用群体层次分析法(AHP)和熵权法进行组合赋权,将权重运用到逼近理想解的排序法(TOPSIS法)模型中,给出了基于改进TOPSIS模型的多目标威胁评估模型与算法。实例分析表明该方法是合理和有效的。 相似文献
18.
19.
基于熵和TFN—AHP的TOPSIS法TBM目标威胁度评估 总被引:1,自引:0,他引:1
在界定基于能力的武器装备体系需求生成相关概念的基础上,对需求生成模式提出了基于改进的TOPSIS法TBM目标威胁度多属性评估方法,利用熵和TFN-AHP理论处理目标属性主客观权重,避免了传统TOPSIS方法中人为给定目标属性权重的随意性,同时利用模糊隶属度函数和G.A.Miller9级量化理论量化影响因素,建立了TBM多目标威胁评估排序模型,给出了计算实例。计算结果表明,该算法具有合理性和有效性。 相似文献