基于可变权重模糊集的搜索方案模糊决策模型

运用模糊决策理论,研究了反潜巡逻机在执行反潜任务时,从多种搜潜手段及其组合中选择合理的搜潜方案的决策模型,特别是针对声纳浮标为消耗性器材的特点,引入了基于AHP方法思想的、与声纳浮标存有量有关的可变因素权重模糊集向量,通过计算和判断各种备选方案与理想方案之间的模糊距离,建立了针对不同航行状态潜艇的搜索行动方案优选模型,最后给出了决策算例,验证了模糊决策模型的合理性,可应用于反潜巡逻机作战指挥的计算机辅助决策.     

基于主观综合评判的作战仿真可信度评估方法研究

可信度是作战仿真的生命线,对作战仿真系统建设全生命周期进行校核、验证与确认(verification,validation and accreditation,VVA)是确保其可信度的重要途径。合适的评估方法是进行可信度评估的前提条件。在全面分析与比较已有可信度评估方法基础上,针对作战仿真可信度评估中突出主题专家作用的特点,提出了一种基于主观综合评判的可信度评估方法,重点设计了基于专长权的主题专家权重定量计算方法。这些方法都被应用于"××作战仿真系统"的可信度评估工作中。实践表明,本文的研究对于作战仿真系统等复杂仿真系统的可信度评估非常有效。     

基于熵权多目标决策的战时物资运输方案优选研究

提出了战时物资运输方案优选问题,分析战时运输的影响因素,提出了评估战时物资运输方案的较有代表性的指标,并给出了具体计算方法.在没有指标权重的情况下,应用熵权多目标决策方法对多个合理方案进行优选评估,得出了可信度较高的优选方案.     

基于粗集和最大熵的模式识别方法

用基于属性约简的粗集理论找出条件属性的最小属性集。对属性间为不确定因果关系的模式,计算在最大熵情况下发生的概率,通过比较概率来进行模式识别,实例分析和结论部分说明这种方法是有效的。     

基于熵权-双基点法的战时野战维修装备编配方案优选研究

为解决战时野战维修装备编配多方案优选困难问题,实现编配方案的合理化选择;首先在分析优选编配方案的数据基础上,构建了多方案优选指标体系;然后利用熵权方法计算了优选指标的权重和标准化数据;最后利用双基点法构建了优选模型,并计算了各方案的优属度,确定了最优编配方案．     

粗糙集理论在装备保障训练效果评估中的应用

装备维修保障训练效果评估中最关键的步骤就是评估指标体系的构建及优化,为了克服传统评价方法中存在指标关联性大和权重确定主观性强的问题,将粗糙集和信息熵理论引入装备维修保障训练效果评估领域。采用信息熵的算法对连续指标离散化,基于粗糙集区分矩阵的方法对指标体系进行属性约简,降低了模型的复杂性;在此基础上提出了粗糙集属性重要度和AHP法相结合确定指标权重的方法,进而通过专家评议应用于训练效果评估实例,得到了较好的评估效果,为装备维修保障训练评估提供了新的参考方法。     

基于竞赛图的海上编队协同作战冲突排序方法

海上编队协同作战中的冲突消解顺序问题能影响编队作战效能。为了确定冲突消解的顺序问题,采用基于综合集成权重的竞赛图方法来表示多种冲突的有序关系,定量化给出了各冲突严重程度的排序结论,不仅为指挥员的决策提供了依据,而且提出了一种有序替代具体数值的定量化分析方法。结果证明,该方法简单、有效。     

基于加权的目标综合识别技术

在基于证据理论的目标综合识别系统中,综合考虑信息源权重对识别结果有重要的影响.提出了基于加权的目标综合识别技术,总结了几种常用的主观权重和客观权重获取方法,给出了组合权重的计算公式,针对D-S证据理论仿真验证了基于证据加权思想对合成结果的改进效果.研究表明,在进行目标综合识别时考虑信息源的权重是必要的,它能有效化解信源冲突,保证合成结果的合理性和稳健性.     

基于小波包分解和样本熵的电磁干扰分析方法

为了定量分析不同状态下电磁环境的变化,并有效提取电磁环境变化的干扰特征,提出了基于小波包分解和样本熵的电磁干扰分析方法.首先,时电磁环境的样本信号进行小波包分解,然后分别计算分解后备频带信号的能量谱系数和样本熵,通过能量谱系数和样本熵这两个指标的对比,综合判断电磁环境是否发生变化.仿真分析表明:样本熵可以弥补能量谱系数...     

Predictability of operational processes over finite horizon

Operational processes are usually studied in terms of stochastic processes. The main information measure used for predictability of stochastic processes is the entropy rate, which is asymptotic conditional entropy, thus not suitable for application over a finite horizon. We use the conditional entropy to study the predictability of stochastic processes over the finite horizon. It is well‐known that the conditional entropies of stationary processes decrease as the processes evolve, implying that, on average, their pasts become more informative about prediction of their future outcomes. Some important operational processes such as martingale, models for maintenance policies, nonhomogeneous Poisson, and mixed Poisson processes are nonstationary. We show that as a nonstationary process evolves, it may provide more information or less information about the future state of the system. We develop results for comparing the predictability of stochastic processes. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011