空战目标威胁评估:IAHP与离差最大化TOPSIS法结合
需积分: 35 132 浏览量
更新于2024-08-11
收藏 645KB PDF 举报
"这篇论文是2011年发表在空军工程大学学报(自然科学版)上的工程技术类论文,主题涉及空战中的目标威胁评估。文章提出了一种结合IAHP(Interval-based AHP,区间层次分析法)和离差最大化TOPSIS法的评估方法,旨在解决空战目标威胁评估问题,考虑了主观和客观因素,以提高评估的准确性和合理性。"
正文:
在空战中,正确评估目标的威胁程度对于战斗决策至关重要。传统的威胁评估方法,如优势函数法、威胁因子法、威胁指数法和多属性决策分析,通常依赖于单一的权重分配方式,如主观赋权或客观赋权,这可能导致评估结果的主观性和不确定性。本文针对这一问题,提出了一种创新的评估策略,将IAHP和离差最大化TOPSIS法结合起来,以求得更为客观和全面的评估结果。
IAHP(区间层次分析法)是对经典层次分析法(AHP)的扩展,它允许处理不确定性和模糊性,通过构建区间数形式的权重来降低主观判断的影响。这种方法考虑了专家意见的区间范围,从而在一定程度上减少了权重确定的盲目性。在IAHP中,评估指标的主观权重由专家通过比较判断矩阵得出,这些权重被表示为区间值,更符合实际情境的复杂性。
另一方面,离差最大化TOPSIS法是一种多属性决策分析方法,它基于距离理想解和负理想解的相对位置来评估选项。传统TOPSIS法的权重也是人为设定,而离差最大化法则通过计算属性值的方差来客观地确定权重,减少了人为偏见。
论文中,作者首先利用IAHP计算出威胁评估指标的主观权重,接着通过离差最大化方法求得客观权重。然后,将这两种权重融合,形成综合权重,以此构建加权规范化决策矩阵。接下来,确定区间型的正理想解和负理想解,这是所有可能选择中最好和最坏的情况。最后,计算每个目标到正理想解和负理想解的距离,并据此计算贴近度,以确定目标威胁的相对大小。
通过一个评估实例,论文展示了在不同的权重组合下,该方法都能得到一致的目标威胁排序,证明了该方法的有效性和稳健性。这种方法的改进在于,它不仅考虑了专家的主观判断,还结合了数据驱动的客观分析,使得威胁评估更为科学和可靠。
总结来说,这篇2011年的研究论文为空战目标威胁评估提供了一个新的理论框架,通过结合IAHP的主观权重和离差最大化TOPSIS的客观权重,实现了更全面、更少主观性的评估。这种方法的应用可以为飞行员和战术指挥员提供更为准确的威胁信息,从而提高空战决策的质量和效率。
点击了解资源详情
点击了解资源详情
点击了解资源详情
2021-08-28 上传
2021-05-07 上传
2021-05-26 上传
2021-07-10 上传
2021-10-29 上传
weixin_38636461
- 粉丝: 5
- 资源: 894
最新资源
- 火炬连体网络在MNIST的2D嵌入实现示例
- Angular插件增强Application Insights JavaScript SDK功能
- 实时三维重建:InfiniTAM的ros驱动应用
- Spring与Mybatis整合的配置与实践
- Vozy前端技术测试深入体验与模板参考
- React应用实现语音转文字功能介绍
- PHPMailer-6.6.4: PHP邮件收发类库的详细介绍
- Felineboard:为猫主人设计的交互式仪表板
- PGRFileManager:功能强大的开源Ajax文件管理器
- Pytest-Html定制测试报告与源代码封装教程
- Angular开发与部署指南:从创建到测试
- BASIC-BINARY-IPC系统:进程间通信的非阻塞接口
- LTK3D: Common Lisp中的基础3D图形实现
- Timer-Counter-Lister:官方源代码及更新发布
- Galaxia REST API:面向地球问题的解决方案
- Node.js模块:随机动物实例教程与源码解析