基于时敏目标打击的优先级排序模型研究

研究了联合空中作战对时敏目标的优先级排序问题。首先分析了影响时敏目标优先级排序的主要因素，并采用层次分析法定量地确定各主要因素权重；然后建立了时敏目标优先级排序的模糊优化模型；最后通过应用案例仿真，其结果验证了模型的有效性。     

空中目标类型识别的直觉模糊集方法

在防空作战中为了有效地对空中目标的类型进行识别,利用直觉模糊集理论对目标识别信息的不确定性进行量化处理,并在直觉模糊数排序方法研究基础上,提出了一种基于直觉模糊集理论的空中目标类型识别方法。实例分析表明,该方法能够定量描述目标判断信息的不确定性以及在避免信息丢失的同时有效地处理不确定性程度较高的目标判断信息,可为防空作战中目标类型识别提供理论参考。     

面向城市作战的坦克分队多目标威胁评估

针对传统TOPSIS方法在解决坦克分队战场目标威胁评估时所包含评估指标信息不完整的问题,提出了利用直觉模糊熵改进的TOPSIS多目标威胁评估方法。根据城市作战特点建立坦克分队战场目标威胁评估指标体系,明确评估指标评价语言与直觉模糊数之间的对应关系,利用组合赋权法确定评估指标权重,利用直觉模糊熵改进的TOPSIS方法对城市作战中坦克分队单时刻、多目标威胁评估进行仿真分析,得出最终的目标威胁排序。结果表明,所提算法包含评估指标评价信息完整,并能对决策者风险偏好进行灵敏度分析,灵活性强,可靠性高。     

基于TOPSIS的直觉模糊多属性群决策方法

针对直觉模糊信息环境下的多属性群决策问题,对专家给出的直觉模糊集决策矩阵进行规范化处理,利用直觉模糊集的相关理论,提出基于直觉模糊熵的属性权重确定方法;为了便于度量任意两个专家之间决策信息的相似度,将各专家给出的直觉模糊集决策矩阵转化决策向量,提出基于直觉模糊相似度的专家权重确定方法;利用逼近于理想解的排序方法(TOPSIS)对专家群的决策信息进行综合集成,给出备选方案优劣排序。结合算例验证方法的有效性。     

基于Vague集的目标优先级求解方法

针对地面防空武器系统中目标优先级排序问题,建立了基于Vague集的目标优先级的模型。首先分析并量化了优先级影响因素中的定性指标和定量指标,建立了基于Vague集目标优先级决策矩阵;其次,针对传统基于Vague集目标优先级求解问题中影响因素权重难以确定问题,提出了基于Vague值距离测度最大化原理的权重确定方法,该方法有效地避免了权重选择的主观性;最后根据综合贴近度进行优先级的排序。算例仿真验证了该方法的可行性和有效性。     

缺失数据下基于直觉模糊的动态威胁评估

针对空中威胁目标动态变化特点及面临的信息缺失问题,提出了一种缺失数据下基于直觉模糊TOPSIS的动态空战威胁评估方法。首先运用直觉模糊集确定不同时刻目标属性决策矩阵,同时将采用IOWA算子的空值估计算法运用到直觉模糊集理论中,填补缺失数据;采用熵原理与直觉模糊集相结合确定目标属性的客观权重,结合专家给出的主观权重求解出目标属性的综合权重,并由泊松分布法确定时间序列的时间权重。仿真结果表明该方法的可行性和有效性,在信息缺失时能直观地描述出威胁的动态变化趋势。     

基于直觉乘性模糊判断矩阵的效能指标聚合方法

针对效能指标权重难以确定、效能评估环境存在不确定性等效能指标聚合问题,提出了一种基于直觉乘性模糊判断矩阵的效能指标聚合方法。首先,根据直觉乘性模糊判断矩阵提出直觉乘性模糊熵和交叉熵;然后,基于直觉乘性模糊熵和交叉熵计算专家权重,克服了传统指标聚合方法确定专家权重时存在的主观判断误差;最后,集成所有专家的直觉乘性模糊判断矩阵信息确定各效能指标的集成权重。算例分结果析表明:该方法合理有效,可操作性强。     

基于直觉判断矩阵和证据理论的群组决策方法

针对属性权重已知的群决策环境,根据直觉模糊和证据理论相关知识,提出了一种群决策方法。采用直觉模糊数描述专家关于方案的两两比较结果,构建直觉判断矩阵;根据直觉判断矩阵排序中转法,按一致性要求确定属性直觉模糊数型权重;以直觉模糊评价值构造Mass函数,结合证据冲突度和犹豫度,在属性层面区对专家权重进行合理分配;利用直觉模糊集加权集结算子集结决策信息,并根据得分值和精确值进行方案排序。通过算例,验证了所提方法的合理有效性。     

基于区间直觉模糊集的目标优先级求解方法

针对复杂防空作战环境下多目标优先级难以准确评估的问题,提出了基于区间直觉模糊集理论的目标优先级求解算法。首先系统分析了影响目标优先级的因素以及各影响因素与目标优先级之间的非线性关系。其次,对区间直觉模糊集的得分函数和精确函数进行了改进,考虑了犹豫度信息对决策结果的影响,并且提出了基于得分函数和精确函数的目标优先级求解算法。最后通过仿真算例验证了算法的有效性。     

基于证据理论的直觉模糊群决策方法

针对属性权重和专家权重完全未知的直觉模糊群决策问题,提出一种基于证据理论的决策方法。基于记分函数和属性不确定度,将专家的直觉模糊决策矩阵转化为Mass函数;运用了基于直觉模糊熵的属性权重计算方法,将专家针对属性集关于方案集的评价证据进行修正与合成;确定了考虑接近度与相似度的专家权重计算方法,融合了TOPSIS法与Jousselme距离度量专家权重,将各专家关于方案集的评价证据进行修正与合成,最后进行方案排序。运用实例证明了方法的合理性和有效性。