基于个体判断优先序的多目标群决策方法研究

针对多目标群决策问题,深入分析了群意见的形成方式.对基于方案优先序的多目标群决策问题给出了若干求解群排序的方法.对其求解原理和集结结果进行了对比,并分析了各方法的实质及其等价关系;澄清了一些模糊认识,指出了某些方法存在的问题,对此类多目标群决策问题的求解提供了依据.     

基于区间数TOPSIS法优选空军战役作战计划

针对战役作战计划优选中的不确定性,运用区间分析和TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)法探索空军战役作战计划优选问题.通过引进区间数乘法运算,将区间数多指标决策问题转变为指标为区间数的多指标决策问题,进而给出区间数多指标决策问题的TOPSIS法,对空军战役作战计划进行排序选优.与传统方法相比较,该方法较好地解决了评价指标为不确定值时的多指标决策问题.     

信息不完备群组决策问题的ANP方法

群组决策是一类重要的决策问题,信息不完备的群组决策问题,因为判断矩阵有缺损,传统的AHP不能求解.文中将评价图引入信息不完备的群组决策问题,在此基础上提出用二次规划问题解决在这种情况下的权重确定问题,最后通过ANP的超矩阵得到总排序结果.经过实例检验,证明了ANP方法的正确性与可行性.     

战场空间本体构建方法研究

从构建战场空间知识基础设施,进而形成一体化的知识处理平台、获取知识优势出发,将本体思想引入战场空间知识建模领域,提出了战场空间本体体系,即战场空间本体包括上层本体、领域本体、应用本体;并重点研究了一种战场空间领域本体的构建方法BOC,包括基于上层本体BUO的领域本体构建方法,基于上层本体BUO的领域本体合并方法.基于本体的战场空间知识建模从根本上解决了战场空间中知识系统之间的知识共享和重用问题,便于知识系统的集成.     

一种基于本体的军事需求一致性分析方法

军事需求不一致问题事关军事信息系统建设的成败.首先,分析了军事需求不一致的表现形式和产生原因,并从本体论的特征、功能入手对本体论与解决军事需求不一致问题的关系进行了讨论,提出了基于本体解决军事需求不一致问题的思路.其次,以军事需求活动为主线,将军事需求本体分为概念本体、动作本体和活动本体,并通过应用领域分析、描述对象分析和对象关系分析三个基本步骤进行确定.第三,根据各类军事需求本体的不同,对各处本体的建模方法分别进行了阐述.最后,利用语义推理,实现了基于本体的军事需求一致性分析,并对推理步骤进行了详细的叙述.     

一种基于本体的功能建模表示方法

通过分析典型的功能模型并提取具有共性的公共概念和关系,结合本体建模技术,提出了一种基于本体的功能建模方法,以解决异种功能建模框架之间知识交换与协同设计问题.该方法将功能建模过程自顶向下分解成功能、行为、流与结构4个本体类,定义分析了相关属性,并建立了概念映射关系模型,有利于构造领域功能设计本体库.最后,利用该方法构建了离心通风机的功能建模本体库.     

基于DS/AHP的炮兵作战方案选择

炮兵作战方案选择的本质是-多准则多属性决策问题.传统的层次分析法(AHP)无法明确描述这类问题中所蕴涵的不确定性,本文通过建立炮兵作战方案优选的评价体系,提出了运用DS证据推理理论优选炮兵作战方案的新途径.DS证据理论的引入,将具有主观不确定性信息的炮兵作战方案优选问题转化为普通的确定性决策问题,应用实例说明了该方法的...     

武器系统综合能力的AHP群决策评价

武器系统综合能力的评价属于一类多目标决策问题,特别是有多人组成的决策者群参与时,问题就成为多目标群决策问题,此时,不仅要计算综合指标权重,还要确定决策者的权重.指标权重的计算方法较多,而决策者的权重往往是根据其知名度、职位、能力水平及对问题的熟悉程度来确定的,具有一定的主观性.通过分析判断矩阵群的一致性和相似性,来获取决策者的权重,并将之应用于对指标权重的综合,该方法在某武器系统综合能力的评价中的应用表明,其科学有效.     

武器装备体系能力多视图模型研究

针对武器装备体系能力概念抽象、关系复杂特点导致建模困难、重用性差、语义不一致等诸多问题,提出了一种基于本体的能力多视图模型构建方法,建立了6个能力视图的元模型.该方法首先明确能力领域问题,确定武器装备体系能力领域核心本体及构建原则,然后采用形式化方法描述本体,建立核心本体的关系模型,最后面向能力视图内容建立元模型,通过...     

一种面向语义正确性的关系数据库访问方法

从异构关系数据源中获取语义正确的信息是当前利用数据资产辅助决策所面临的一大难题.为解决这一问题,提出了一种研究面向语义正确性的关系数据库访问方法(SCORDA).SCORDA方法采用DL -LiteNOWL本体作为支持数据访问任务的概念视图,在本体的表达能力和推理复杂度之间做了一定折中;SCORDA方法通过LAV+ GAV的映射方式建立本体与关系数据源之间的语义关联,兼顾了模式异构和阻抗失配问题;此外,SCORDA方法采用了一种动态ABox结构,即时从异构关系数据源中恢复虚拟对象,并且利用动态ABox进行实例检测推理任务,通过本体的模型语义来保证数据访问的正确性.通过原型系统验证了该方法的可行性.