[发明专利]一种基于三支决策的威胁评估方法

摘要

本发明提供了一种基于三支决策的威胁评估方法，确定雷达探测的目标特征信息，得到目标信息矩阵，根据目标的信息得到三支决策中的目标评价函数，采用模拟退火算法选取三支决策的最优阈值，根据最优阈值对威胁度进行三支决策。本发明将三支决策理论引入到目标威胁评估中，成功将目标划分到高威胁，低威胁以及边界域三个域中，决策者可根据分成的三个域，有针对性地对目标做出决策，而且相对于传统方法仅对目标威胁度进行排序时，决策者进行指挥决策，本发明中对目标的系统分类更有利于决策者快速做出指挥判断。与传统的二支决策相比较，三支决策中边界域的引入也在一定程度上降低了仅对高威胁和低威胁两个域做出错误决策的可能性。

主权项

1.一种基于三支决策的威胁评估方法，其特征在于包括下述步骤：步骤一：确定雷达探测的目标特征信息，得到目标信息矩阵f：其中，k_ij表示第i个目标的第j个属性的数值，i＝1,2,3,...,n，j＝1,2,3,...,m，针对不同属性，属性的数值用区间数或者实数num_ij表示，其中，表示区间数下界，表示区间数上界；步骤二：根据目标的信息得到三支决策中的目标评价函数u＝[u₁,u₂,…,u_i,…,u_n]，u_i表示第i个目标的评价函数，目标的评价函数为目标属于威胁的程度；目标评价函数u＝[u₁,u₂,…,u_i,…,u_n]的计算具体步骤如下：步骤2‑1：对目标信息矩阵f进行归一化，根据目标信息矩阵得到直觉模糊决策矩阵F：其中s_ij表示第i个目标的第j个属性的数值的直觉模糊数形式，s_ij＝[μ_ij,υ_ij],μ_ij表示隶属度,υ_ij表示非隶属度；(1)区间数分为效益型和成本型，效益型和成本型区间数转化为直觉模糊数算法如下：首先将区间数进行规范化处理，即：将数据转化为无量纲无数量级差异，得到新的区间数对于效益型区间数有：对于成本型区间数有：规范化后的区间数转化为直觉模糊数的隶属度为：非隶属度为：其中λ＝[0.5,1]，为乐观系数；(2)实数型分为效益型和成本型两大类对于效益型实数转化为直觉模糊数的隶属度和非隶属度为：对于成本型实数转化为直觉模糊数的隶属度和非隶属度为：其中p₁,p₂,q₁,q₂为常数系数，0≤p₁≤1，0≤q₁≤1，0≤p₂≤1，0≤q₂≤1，0≤p₁+q₁≤1，0≤p₂+q₂≤1；步骤2‑2：计算目标属性权重ω：ω＝[ω₁,ω₂,...,ω_j,…,ω_m]其中ω_j表示第j个属性的权重值，具体计算方法如下：计算第j个属性的直觉模糊熵E_j：其中π_ij＝1‑μ_ij‑υ_ij表示直觉模糊集的犹豫度，则第j个属性的权重值为：步骤2‑3：计算加权直觉模糊矩阵R：R＝([c_ij,d_ij])_n×m   (9)其中步骤2‑4：计算加权直觉模糊矩阵R的正理想和负理想：正理想R⁺为：其中负理想R^‑为：其中步骤2‑5：计算目标属于威胁的程度：对于两个直觉模糊集A＝(μ_A，υ_A),B＝(μ_B，υ_B)，有：则称D(A,B)为两个直觉模糊集的标准汉明(Hamming)距离；根据式(12)计算各个目标到正理想的汉明距离和到负理想的汉明距离由此得到第i个目标的威胁程度为：其中为第i个目标到正理想的汉明距离；为第i个目标到负理想的汉明距离，则有第i个目标的评价函数u_i＝W_i；步骤三：采用模拟退火算法选取三支决策的最优阈值α,β，其中0≤β＜α≤1；(1)确定初始温度T₀，温度下限T_min以及每个时刻i的温度T_i(i＝0,1,2…)值的迭代次数L，适应度函数为三支决策分类的损失函数：其中γ为介于阈值α,β之间的未知因子；(2)初始温度T₀随机产生初始解y₀＝(α₀,β₀,γ₀)，使当前最优解y_opt＝y₀，根据式(14)计算适应度函数值cost(y_opt)；(3)对l＝1,2,...,L做进行如下步骤的迭代计算：对当前最优解作随机变动，产生一新解y_k，计算新解y_k的适应度函数值cost(y_k)，并计算适应度函数值增量Δcost＝cost(y_k)‑cost(y_opt)；若Δcost＜0，则接受该新解为当前最优点；若Δcost＞0，则有一个[0,1)的随机数g和概率如果g＜P，则接受该新解为当前最优点，否则拒绝；如果迭代过程满足终止条件，则输出当前解作为最优解，结束程序，得到阈值α，β；否则，继续执行步骤(4)；(4)温度以T_i+1＝r·T_i的规则进行减少，其中，r＜1，T_i+1为下一时刻的温度，当T_i≥T_min，跳转至步骤(3)；如果T_i＜T_min，则停止迭代，满足终止条件以步骤(3)的新解为最优解；步骤四：根据步骤三中计算出的最优阈值α,β对威胁度进行三支决策，评价函数大于α，则分到正域，评价函数小于β，则分到负域，其余划分到边界区域；如果u_i≥α，则选择接受，该目标属于正域，即属于高威胁；如果u_i≤β，则选择拒绝，该目标属于负域，即属于低威胁；如果β＜u_i＜α，选择不承诺或延迟决策，该目标属于边界域；步骤五：下一时刻重复步骤一到步骤四，直至仿真的目标运动时间结束。