一种基于图式理论和网络层次分析的目标态势评定方法

摘要

本发明提供一种基于图式理论和网络层次分析的目标态势评定方法，客观准确的对目标态势描述及其对态势等级评定。步骤一、以制定计划和方案的辅助决策人员为目标态势评定系统的用户，选择一个时间段的数据，包括起始时间的年月日分秒和结束时间的年月日分秒；步骤二、服务器端在接收到时间数据后，将相应时间段的所有态势数据进行读取，然后输入到态势感知图式；步骤三、态势感知图式根据输入数据，基于图式理论建立描述目标态势特征的数学模型；步骤四、评定模块根据建立的目标态势特征的数学模型，通过评定算法，计算出目标态势的综合值；步骤五、根据计算得到的综合值大小，确定目标态势等级。

说明书

技术领域

本发明涉及一种基于图式理论和网络层次分析的目标态势评定方法,属于 目标态势评定领域。

背景技术

目标态势评定是在一定的时间和空间，对目标实体属性变化规律和实体之 间联接关系的动态评价。评定目的是判断目标行动意图，进而制定相应的行动 对策。评定等级是对目标态势最直接、最客观的判断与描述，为辅助决策提供 有效支持，其重要性显而易见。

目标态势评定是一个需要综合考虑许多相关因素的决策问题。为此提出了 一种基于图式理论和网络层次分析的目标态势评定方法，定量地评定了包括目 标重要程度、威胁程度、易毁程度、影响程度等综合因素在内的目标态势，为 制定相应的行动对策提供指导作用。

基于图式理论和网络层次分析的目标态势评定系统是一种快速、智能、客 观的评定系统。他可以根据感知到的目标属性，对每一个目标进行综合评定， 然后得到目标态势的评定等级和排序列表。

现有的态势评估方法采用统计方法或定性推理方法进行评价，还存在的缺 点是：建立的目标态势模型无法适应动态变化的情景，缺乏智能的应急处理能 力；传统态势等级评估方法在选取评估指标时进行大量假设，忽略了指标之间 实际存在的相互依存和反馈的关系，从而降低了评估结果的客观性和可信程度。

发明内容

本发明提供一种基于图式理论和网络层次分析的目标态势评定方法，客观 准确的对目标态势描述及其对态势等级评定，并将目标态势评定方法应用于对 目标行动的辅助决策系统。

本发明解决其技术问题所采用的技术方案是：

基于图式理论和网络层次分析的目标态势评定方法，包括以下步骤：

步骤一、以制定计划和方案的辅助决策人员为目标态势评定系统的用户， 选择一个时间段的数据，包括起始时间的年月日分秒和结束时间的年月日分秒；

步骤二、服务器端在接收到时间数据后，将相应时间段的所有态势数据进 行读取，然后输入到态势感知图式；

步骤三、态势感知图式根据输入数据，基于图式理论建立描述目标态势特 征的数学模型；

步骤四、评定模块根据建立的目标态势特征的数学模型，通过评定算法， 计算出目标态势的综合值；

步骤五、根据计算得到的综合值大小，确定目标态势等级。

进一步，步骤五后还包括步骤六、将目标评定结果通过网络传输到客户端， 决策者通过浏览器查看每个目标态势的评价和目标态势的威胁等级列表。

进一步，其中步骤三中采用下述方法来建立描述目标态势特征的数学模型：

3.1态势感知图式采用一个五重序元关系来描述，即

其中，R是输入信息集，Q为特征基元集，K为权值矩阵，为运算关系，Φ为 特征模型；

3.2输入信息集R是态势感知空间的输入变量集，表示为：

R＝{r₁,r₂,…,r_n}

其中，r_i为第i个输入变量，输入变量包括目标身份r₁、类型r₂、数量r₃、位置r₄、 速度r₅；

3.3特征基元集Q描述为：

Q＝{q₁,q₂,…,q_m}

其中，q_i分别为目标重要程度、威胁程度、易毁程度、影响程度，每一个特征基 元都是输入信息与其权重乘积的函数，即：

q_i＝f(Α·R)

其中，输入信息的权重Α通过网络层次分析法计算获得；

3.4特征基元通过“与”、“或”运算构成特征元集，特征元集构成特征模型 Φ，表示为：

Φ＝{φ₁,φ₂,…,φ_n}

3.5特征模型描述了当前目标环境的整体态势，是感知图式的输出信息，为 态势评定提供输入信息，特征模型Φ与特征基元集Q的关系表示为：

$\Phi =K\otimes Q$

其中，K为n×m阶的关系矩阵，其中元素值取-1或0或1，分别表示取反、取 零和取正；符号是一种矩阵“与”的关系，即组成特征元的各特征基元之间 是“与”的关系。

进一步，其中步骤四中采用以下方法计算出目标态势的综合值：

4.1利用网络层次分析法，通过构造输入信息和特征基元的权重的超矩阵， 计算输入信息权重值α_i和特征基元权重值β_j；

4.2评定模块根据评定目标，确定关系矩阵K，确定描述当前目标态势的特 征模型，以及模型所包含的特征基元；

4.3评定模块根据评定准则，计算感知图式生成的特征基元qi，即目标重要 程度、威胁程度、易毁程度、影响程度；

4.4对特征基元值q_j进行标准化处理，标准化公式为：

${\bar{q}}_j=\left(\begin{array}{cc}\frac{q_j}{\max \left(q\right)}& q_j\ge 0\\ \frac{q_j}{\max \left|q\right|}& q_j<0\end{array}\right)$

4.5基于特征集基元的标准化值及其权重，采用加权和计算评定综合值， 计算公式为：

$V=\underset{j=1}{\overset{n}{\Sigma }}{\beta }_j{\bar{q}}_j$

其中，β_j为特征基元的权值，且Σβ_j＝1。

进一步，所述的步骤五中，对所有目标态势的等级进行排序，得到目标态 势的排名列表。

本发明的有益效果：(1)使用图式理论建立的形式化模型更加客观的反应 目标态势特征情况，更加适应目标及其属性的动态变化。(2)采用网络层次分 析法对目标态势的评定更加准确、可信，合理地解决了评定指标间相互依存、 相互反馈的复杂关系问题。(3)采用B/S的系统结构使得用户只需通过浏览器 便可在客户端多人同步观察。(4)采用JAVA编写的评定系统又同时具备了跨平 台的特点，可运行于各类安装了JRE虚拟机的系统。(5)操作简单，最终可获 得所有目标态势的综合评定结果和排序列表，帮助用户进行辅助决策。

附图说明

图1是感知图式建模原理框图；

图2是目标态势特征网络模型；

图3是网络层次分析法计算流程。

具体实施方式

下面结合附图对本发明作进一步描述：

本发明采用B/S结构。即Browser/Server(浏览器/服务器)结构，是随着 网络技术的发展，对C/S结构一种变化或改进的结构。在这种结构下，用户界 面完全通过Web浏览器实现，一部分事务逻辑在前端实现，但是主要事务逻辑 在服务器端实现。从而能够使得用户通过系统自带的浏览器多人次同时观测数 据。

本发明的工作原理是：图式理论是一种构建有组织的知识结构框架的理论， 这个框架是对某一范畴事物典型特征的抽象，包含了客观环境和事件的一般信 息，具有可变性、结构性和主动性的特征。图式理论也是一种从定性和定量相 结合的角度描述和刻画复杂问题特征与规律的智能方法。网络层次分析方法是 一种实用的多准则的决策科学方法，可以处理复杂的内部具有依存、外部具有 反馈的决策问题，使复杂问题的解决方法更加完备、更加科学。

目标态势的评定是辅助决策支持的重要前提和基础，评定的是否准确、完 备直接影响到决策的成败。目标态势评定过程中，会涉及到许多重要的评定指 标，这些指标之间相互依存、相互反馈，存在着较强的相关性和耦合性。对于 目标态势评定，目前已经有多种解决方法，如模糊多属性决策方法、基于贝叶 斯网络的融合式决策方法、基于AHP分析的决策方法等，但以上方法都无法处 理目标态势中，评定指标间实际存在的相互依存和反馈的问题。在这种情况下， 我们提出将基于图式理论和网络层次分析的决策方法应用于目标态势评定中。

基于图式理论和网络层次分析的目标态势评定方法是针对感知到的目标属 性具体数据，通过图式理论对目标特征进行提取、融合，建立能够适应目标属 性动态变化的、智能的态势模型；通过网络层次分析方法，基于建立的态势模 型对态势等级进行评定，得到客观、综合、可信的结果。这里主要用图式理论 解决评定指标间复杂关系形式化描述的问题，采用网络层次分析方法对上述模 型进行优化求解。

本发明主要包括以下步骤：

(1)以制定计划和方案的辅助决策人员为目标态势评定系统的用户，选择 一个时间段的数据，包括起始时间的年月日分秒和结束时间的年月日分秒。

(2)服务器端在接收到时间数据后，将相应时间段的所有态势数据进行读 取，然后输入到态势感知图式。

(3)感知图式根据输入数据，基于图式理论建立描述目标态势特征的数学 模型，包括：

(3.1)感知图式可以用一个五重序元关系来描述，即

其中，R是输入信息集，Q为特征基元集，K为权值矩阵，为运算关系，Φ为 特征模型。

(3.2)输入信息集R是态势感知空间的输入变量集，可表示为：

R＝{r₁,r₂,…,r_n}

其中，r_i为第i个输入变量。常用的输入变量有目标身份r₁、类型r₂、数量r₃、位 置r₄、速度r₅等。

(3.3)特征基元集Q可以描述为：

Q＝{q₁,q₂,…,q_m}

其中，q_i分别为目标重要程度、威胁程度、易毁程度、影响程度等。每一个特征 基元都是输入信息与其权重乘积的函数，即：

q_i＝f(Α·R)

其中，输入信息的权重Α通过网络层次分析法计算获得。

(3.4)特征基元通过“与”、“或”等运算构成特征元，特征元集构成特征 模型Φ，表示为：

Φ＝{φ₁,φ₂,…,φ_n}

(3.5)特征模型描述了当前目标环境的整体态势，是感知图式的输出信息， 为态势评定提供输入信息。特征模型Φ与特征基元集Q的关系可以表示为：

$\Phi =K\otimes Q$

其中，K为n×m阶的关系矩阵，其中元素值可取-1、0、1三个值，分别表示取 反、取零和取正。符号是一种矩阵“与”的关系，即组成特征元的各特征基 元之间是“与”的关系。

(4)评定模块在已经建立的目标态势特征模型的基础上，通过评定算法， 计算出目标态势的等级。

(4.1)利用网络层次分析法，通过构造输入信息和特征基元的权重的超矩 阵，计算输入信息权重值α_i和特征基元权重值β_j。

(4.2)评定模块根据评定目标，确定关系矩阵K，确定描述当前目标态势 的特征模型，以及模型所包含的特征基元。

(4.3)评定模块根据评定准则，计算感知图式生成的特征基元q_i，即目标 重要程度、威胁程度、易毁程度、影响程度等。

(4.4)对特征基元值q_j进行标准化处理，标准化公式为：

${\bar{q}}_j=\left(\begin{array}{cc}\frac{q_j}{\max \left(q\right)}& q_j\ge 0\\ \frac{q_j}{\max \left|q\right|}& q_j<0\end{array}\right)$

(4.5)基于特征集基元的标准化值及其权重，采用加权和计算评定综 合值，计算公式为：

$V=\underset{j=1}{\overset{n}{\Sigma }}{\beta }_j{\bar{q}}_j$

其中，β_j为特征基元的权值，且Σβ_j＝1。

(5)根据计算得到的综合值大小，确定目标态势等级。

进一步，所述的(4)中，根据评定目标确定关系矩阵K，除去不满足目标 条件的特征基元，最终确定特征模型的可行域为φ_j(j＝1,2,…,n)，n≤m。

再进一步，所述的(5)中，对所有目标态势的等级进行排序，得到目标态 势的排名列表；所述方法还包括：

(6)将目标评定结果通过网络传输到客户端，决策者通过浏览器查看每个 目标态势的评价和目标态势的威胁等级列表。

更进一步，所述的输入信息包括：目标身份、类型、数量、位置、速度、 频率、先进性等；所述的特征基元包括：目标重要程度、威胁程度、易毁程度、 影响程度等。

在所述的(4)中，基于图式理论和网络层次分析的目标态势评定系统通过 JAVA语言编写。

图1是本发明用于建立目标态势模型的总体框图。在图1中，输入信息是 感知图式的输入变量，如目标的身份r₁、类型r₂、数量r₃、位置r₄、速度r₅、频率 r₆、先进性r₇等；输入信息通过特征提取形成特征基元，如目标重要程度 q₁:r₁∪r₂∪r₇、威胁程度q₂:r₂∪r₃∪r₄、易毁程度q₃:r₂∪r₅∪r₆、影响程度q₄:r₁∪r₂∪r₄等；特征基元通过“与”、“或”等运算构成特征元，特征元的集合构成了目标 态势的特征网络模型。

图2是基于图式理论建立的目标态势特征网络模型。在图2中，目标态势 特征网络模型包括目标重要程度、影响程度、威胁程度、易毁程度等四个子模 型。目标重要程度子模型是目标身份、类型、先进性等指标的函数；影响程度 子模型是目标身份、类型、位置等指标的函数；威胁程度子模型是目标位置、 类型、速度等指标的函数；易毁程度子模型是目标类型、速度、频率等指标的 函数。子模型中的指标间存在相互依存和反馈的关系，从而形成子模型之间的 相互依存和反馈的关系，并形成网络层次结构的目标态势特征模型。

图3是基于网络层次分析的目标态势等级评定的计算流程。在图3中，基 于建立的目标态势特征模型，建立评定指标间定性的关联关系，进而决定了指 标集间的关联关系；采用间接优势度准则建立指标权重的判断矩阵，并计算指 标权重超矩阵；基于指标权重超矩阵和指标集的权重计算构造极限超矩阵；最 终通过目标态势特征模型和相应指标的权重计算目标态势等级，并对所有目标 态势等级进行排序。