Un nuevo método de evaluación de amenazas de tres vías con información heterogénea y relevancia de atributos
Autores: Gao, Yang; Lyu, Na
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un nuevo método de evaluación de amenazas de tres vías con información heterogénea y relevancia de atributos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Evaluación de amenazas objetivo
Toma de decisiones en combate
Método de evaluación de amenazas multi-objetivo
Decisión de tres vías
Información heterogénea
Relevancia de atributos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La evaluación de amenazas objetivo proporciona apoyo para la toma de decisiones en combate. El método de evaluación de amenazas multi-objetivo basado en una decisión de tres vías puede obtener una clasificación de amenazas mientras recibe una clasificación de amenazas, evitando así la limitación de las decisiones tradicionales de dos vías. Sin embargo, la información de situación heterogénea, la relevancia de atributos y las necesidades de procesamiento de información adaptativa en entornos de batalla complejos plantean desafíos a los métodos existentes. Por lo tanto, este documento propone un nuevo método de evaluación de amenazas de tres vías multi-objetivo con información heterogénea y relevancia de atributos. En primer lugar, la información de evaluación dinámica se representa mediante información heterogénea, y los pesos de los atributos se calculan mediante la Correlación de Importancia de Criterios Heterogéneos (CRITIC). Luego, se calcula la probabilidad condicional mediante el TOPSIS ponderado heterogéneo, y los coeficientes de evitación de riesgos adaptativos se construyen calculando la incertidumbre del valor de evaluación, y luego se construyen las matrices de función de pérdida relativa. Finalmente, las matrices de función de pérdida integral se obtienen mediante el operador de media Heroniana ponderada (HM), y se calculan los umbrales integrales para obtener las reglas de tres vías. El estudio de caso muestra que, en comparación con los métodos existentes, el método propuesto puede manejar eficazmente la información heterogénea y la relevancia de atributos, y obtener los coeficientes de evitación de riesgos sin ajustes previos o ajustes subjetivos de campo, lo cual es más adecuado para el entorno de misión complejo.
Descripción
La evaluación de amenazas objetivo proporciona apoyo para la toma de decisiones en combate. El método de evaluación de amenazas multi-objetivo basado en una decisión de tres vías puede obtener una clasificación de amenazas mientras recibe una clasificación de amenazas, evitando así la limitación de las decisiones tradicionales de dos vías. Sin embargo, la información de situación heterogénea, la relevancia de atributos y las necesidades de procesamiento de información adaptativa en entornos de batalla complejos plantean desafíos a los métodos existentes. Por lo tanto, este documento propone un nuevo método de evaluación de amenazas de tres vías multi-objetivo con información heterogénea y relevancia de atributos. En primer lugar, la información de evaluación dinámica se representa mediante información heterogénea, y los pesos de los atributos se calculan mediante la Correlación de Importancia de Criterios Heterogéneos (CRITIC). Luego, se calcula la probabilidad condicional mediante el TOPSIS ponderado heterogéneo, y los coeficientes de evitación de riesgos adaptativos se construyen calculando la incertidumbre del valor de evaluación, y luego se construyen las matrices de función de pérdida relativa. Finalmente, las matrices de función de pérdida integral se obtienen mediante el operador de media Heroniana ponderada (HM), y se calculan los umbrales integrales para obtener las reglas de tres vías. El estudio de caso muestra que, en comparación con los métodos existentes, el método propuesto puede manejar eficazmente la información heterogénea y la relevancia de atributos, y obtener los coeficientes de evitación de riesgos sin ajustes previos o ajustes subjetivos de campo, lo cual es más adecuado para el entorno de misión complejo.