一種改進的基于最大熵理論的多屬性決策的魚雷彈道優(yōu)選方法

宋里宏，張鐵英，許宜賀，姜學鵬

（海軍航空工程學院七系，山東煙臺264001）

一種改進的基于最大熵理論的多屬性決策的魚雷彈道優(yōu)選方法

宋里宏，張鐵英，許宜賀，姜學鵬

（海軍航空工程學院七系，山東煙臺264001）

魚雷彈道方案優(yōu)選是魚雷作戰(zhàn)使用的關鍵環(huán)節(jié)。在分析目前主觀法和客觀法優(yōu)劣的基礎上，提出了一種改進的基于最大熵理論的多屬性決策方法的魚雷彈道方案優(yōu)選方法。通過實例仿真分析，得到限定條件下的優(yōu)選方案，為魚雷彈道方案論證提供了一種決策方法。

魚雷彈道；最大熵；多屬性決策

魚雷彈道方案的優(yōu)劣關系到魚雷能否有效發(fā)揮出其性能優(yōu)勢，是魚雷作戰(zhàn)使用的關鍵問題[1-4]。多屬性決策的實質是通過已有的決策信息對一組數目有限的備選方案采取一定的方法進行排序[5]，因而魚雷彈道方案優(yōu)選問題本質上屬于多屬性決策的范疇。屬性權重大小關系到所選擇的方案能否貼合實際情況，可從主觀角度和客觀角度確立權重大小。主觀賦權法主要依據歷史經驗和對屬性的主觀側重程度而進行賦權的一類方法，常用該類方法有專家評分法、Delphi法、灰色決策評價方法和SAW法等[5-6]?？陀^賦權法是根據客觀得到指標評價值的差異而進行賦權的方法，常用的客觀賦權法有主成分分析法、TOPSIS法、多目標規(guī)劃法、均方差法和熵權法等[5，7-8]。主觀賦權法體現(xiàn)了決策者的歷史經驗和主觀評價，喪失了一定的客觀性；客觀賦權法往往以相關的學科理論為支撐，但缺乏歷史方案的經驗總結作為補充[9-10]。應采用一種兼?zhèn)渲鳌⒖陀^賦權優(yōu)勢的方法對方案進行優(yōu)選，該方法既可體現(xiàn)指標之間的客觀差異，同時可借助歷史經驗對決策方案進行修正。本文采用一種改進的基于最大熵理論的多屬性決策方法對魚雷論證方案進行優(yōu)選，兼顧了主觀法和客觀法的優(yōu)點。

1 改進的基于最大熵理論的多屬性決策法

1.1 基于最大熵理論的多屬性決策方法

根據決策方案具體的思路方法，可得與之對應的多種解決方案。這些方案組成對應的方案集P={P1,P2,…,Pm}，決策問題存在與之相關的評價指標集，記為Q={Q1,Q2,…,Qm}，設aij是方案Pi在指標Qj的屬性值，A=[aij]n×m為相應的評價矩陣，將A=[aij]n×m規(guī)范化處理可得R=[rij]n×m。根據一定的主客觀賦權法可得l種評價指標權向量：w1,w2,…,wl，第k種指標權向量是，存在(k=1,2,…,l)。假設w*是w1,w2,…,wl的線性組合權向量，即w*滿足，其中，xk為線性組合系數，且滿足

式（1）、（2）中：xk為組合系數；α與1-α為目標函數線性加權的權系數。

通過式（1）、（2）計算得xk，在此基礎上可得各方案的綜合屬性值，并根據其大小排序進行方案優(yōu)選。

1.2 改進的基于最大熵理論的多屬性決策方法

顯而易見，基于最大熵理論的多屬性決策模型有效解應兼顧熵值和離差最大化。最大熵模型組合系數歸一化時，該模型組合系數是相等的。而1.1中的模型最優(yōu)解的組合系數近似相等，只實現(xiàn)了最大熵，而沒有兼顧到總離差最大化的要求。因此，本文提出一種改進的模型，該模型將原模型中2個目標分別作為約束條件和目標函數，并在此基礎上建立單目標優(yōu)化模型。將其中一目標作為約束條件時界限值，并以此計算出單目標優(yōu)化模型解集，即原模型有效解集。通過有效解集可進一步得到最優(yōu)解，在此基礎上可計算評價結果并總結排序規(guī)律。

從某種意義上來說，決策方案各屬性權系數可看作為隨機變量，采用一定的主、客觀賦權法所得到的權系數可看做是實際權系數的樣本值[11-12]。因此，線性組合系數可看作是真實權向量取樣本值的概率。具體做法為：①如果要得到已知信息條件下的最合理的概率分布，應根據最大熵原理使其最大化熵[13-15]；②如果所有方案的某一屬性值偏差較大，則該屬性在方案決策中的地位和所起作用比較重要，需要增加該屬性在決策方案中的權重；③如果所有方案的某一屬性值偏差較小，則該屬性在方決策中的地位較低并且作用較小，需要增加該屬性在決策方案中的權重。

極端情況下，所有方案關于某一屬性的屬性值不存在偏差，則該屬性沒有發(fā)揮作用，可將該權重設置為零?？傊?，應根據屬性在方案決策中的作用而確定權重的大小，即使得全部屬性的總離差值最大化。同時，為降低決策的不穩(wěn)定性，還應兼顧最大熵的要求。

1）基于最大熵原理的組合系數模型。

根據式（3）可以得到一定條件下合理信息分布，式（4）為每個屬性下其方案與其他方案的總離差的大小，表示組合系數需要滿足歸一化條件，0≤xk≤1表示組合系數需要滿足非負性條件。

2）計算離差和λh取值范圍。將和作為目標函數，與0≤xk≤1作為約束條件求解組合系數xk，根據式（4）和組合系數xk可進一步計算得離差和λh上下界。

3）模型求解。通過λh的上下界取其部分數值，結合式（4），求解對應的組合系數模型1），可以得到每個λh值的xk。

5）評價模型。若第i個決策方案在組合權重w*下的綜合評價值為Zi，則

把求得的組合權重w*代入式（5），可得具體決策方案對應的綜合屬性值。

2 實例仿真分析

對魚雷的各項戰(zhàn)技指標而言，命中概率是主要指標，但無法依此對魚雷彈道方案進行全面考核。需要結合其他指標全面、綜合地進行衡量。有效捕獲陣位范圍Q1、平均命中概率Q2、脫靶量均值Q3、航程消耗均值Q4、機動性要求Q5，這5項作為魚雷能否有效打擊目標的關鍵指標[16-18]，是彈道方案優(yōu)選的重要依據。根據不同搜索彈道樣式和末彈道導引方式，得到12種魚雷彈道組合方案，分別為P1,P2,…,P12。采用蒙塔卡洛法實現(xiàn)對魚雷攻擊過程的全彈道仿真并進行統(tǒng)計分析，得到這12種論證方案的評價指標見表1。

表1 綜合價值Tab.1 Comprehensive value

將方案集和指標集組成的矩陣規(guī)范化后得到矩陣：

按照一定的賦權法計算以下評價指標權向量：

根據文獻[19]中提出的模型可得上述賦權法與之對應的組合系數xk，其中，x1=0.382，x2=0.320，x3=0.298。將1.2提出的理論模型計算離差和λh的邊界值：maxλh=0.454 0；minλh=0.459 0。將區(qū)間[minλh,maxλh]中的數據代入式（1），可計算出與之對應的組合系數xk，將w1、w2、w3代入式（5）可得如圖1所示的結果。

如圖1所示，X軸代表離差和，Y軸代表方案P1,P2,…,P12在不同離差和下對應的綜合價值連線，通過圖1可以看出12個方案的優(yōu)劣程度排序為：P12＞P10＞P11＞P9＞P8＞P6＞P7＞P5＞P4＞P2＞P3＞P1，即應選取第12種方案。

3 結論

本文提出的解決思路兼顧總離差最大化與信息分配最合理這2個約束條件，在單目標模型的基礎上，改進得到多目標模型有效解集。依據其評價結果，按照綜合價值排序，增加方案評價的可信性。在此基礎上，對不同的魚雷彈道組合方案進行評估，得到最優(yōu)魚雷彈道方案，具有一定的理論意義和應用價值。

[1]李本昌.潛射魚雷作戰(zhàn)運用理論與工程[M].北京：國防工業(yè)出版社，2014：209-211. LI BENCHANG.Sub-launched torpedo operational using theory and engineering[M].Beijing：National Defence Industry Press，2014：209-211.（in Chinese）

[2]李長文，李本昌，初磊.預定相遇態(tài)勢的魚雷二次轉角射擊通用模型與算法[J].魚雷技術，2013，21（4）：306-312. LI CHAGNWEN，LI BENCHAGN，CHU LEI.General model and algorithm of two-time turn angle shooting of torpedo for predetermined encountering situation[J].Torpedo Technology，2013，21（4）：306-312.（in Chinese）

[3]李本昌，唐農軍.重型魚雷的機動搜索及機動搜索彈道構架[J].指揮控制與仿真，2010（3）：1-3. LI BENCHAGN，TANG NONGJUN.Heavy torpedo’s maneuver searching and its trajectory framework[J]. Command Control&Simulation，2010（3）：1-3.（in Chinese）

[4]郝志偉，任章，王新遠.魚雷尾流追蹤彈道設計與仿真[J].系統(tǒng)仿真學報，2006，18（S2）：1001-1004. HAO ZHIWEI，REN ZHAGN，WANG XINYUAN.Design and Simulation for anti-warship wake guide torpedo [J].Journal of System Simulation，2006，18（S2）：1001-1004.（in Chinese）

[5]李麗娜.幾種典型類型的多屬性決策方法[D].成都：西南交通大學，2013. LI LINA.Several typical types of methods about multiple attribute[D].Chengdu：Southwest Jiaotong University，2013.（in Chinese）

[6]宋慶克，汪希齡，胡鐵牛.多屬性評價方法及發(fā)展評述[J].決策與決策支持系統(tǒng)，1997，7（4）：128-138. SONG QIGNKE，WANG XILING，HU TIENIU.Review of multiple attribute evaluation method and it’s development[J].Journal of Decision Making and Decision Support Systems，1997，7（4）：128-138.（in Chinese）

[7]張海濤，劉超英，田水.權重確定的主客觀綜合法[J].江漢大學學報，2004，32（4）：63-65. ZHAGN HAITAO，LIU CHAOYING，TIAN SHUI.The weight determinated subjective and objective comprehensive methods[J].Journal of Jianghan University，2004，32（4）：63-65.（in Chinese）

[8]趙萱，張權，樊治平.多屬性決策中權重確定的主客觀賦權法[J].沈陽工業(yè)大學學報，1997,19(4）：95-98. ZHAO XUAN，ZHAGN QUAN，F(xiàn)AN ZHIPING.An objective and subjective synthetic approach to determine weights for multiple attribute decision making[J].Journal of Shenyang Polytechnic University，1997,19（4）：95-98.（in Chinese）

[9]陳華友.多屬性決策中的一種最優(yōu)組合賦權方法研究[J].運籌與管理，2003，12（4）：6-10.CHEN HUAYOU.Research on optimal combination determining weights methods for multiple attribute decision making[J].Operation Research and Management Science，2003，12（4）：6-10.（in Chinese）

[10]陳華友.多屬性決策中基于離差最大化的組合賦權方法[J].系統(tǒng)工程與電子技術，2004，26（2）：194-197. CHEN HUAYOU.Combination determining weights method for multiple attribute decision making based on maximizing deviations[J].Systems Engineering and Electronics，2004，26（2）：194-197.（in Chinese）

[11]齊照輝，張為華，范玉珠.一種新型的多屬性決策權重計算方法[J].運籌與管理，2006，15（3）：36-39. QI ZHAOHUI，ZHAGN WEIHUA，F(xiàn)AN YUZHU.A new algorithm of weight coefficients of multiple attribute decision making[J].Operation Research and Management Science，2006，15（3）：36-39.（in Chinese）

[12]張國權，李立文，楊件.基于最大離差和最大聯(lián)合熵的多方案優(yōu)選方法[J].運籌與管理，2007，16（4）：12-18. ZHANG GUOQUAN，LI LIWEN，YAGN JIAN.Combination Weighting approach based on maximal deviation and maximal joint entropy[J].Operation Research and Management Science，2007，16（4）：12-18.（in Chinese）

[13]王文淵，王芳梅.改進的最大熵算法在圖像分割中的應用[J].計算機仿真，2011，28（8）：291-294. WANG WENYUAN，WANG FANGMEI.Maximum entropy method of image segmentation based on genetic algorithm[J].Computer Simulation，2011，28（8）：291-294.（in Chinese）

[14]楊杰，胡德秀，吳中如.基于最大熵原理的貝葉斯不確定反分析方法[J].浙江大學學報：工學版，2006，40（5）：810-815. YANG JIE，HU DEXIU，WU ZHOGNRU.Bayesian uncertainty inverse analysis method based on pome[J].Journal of Zhejiang University：Engineering Science，2006，40（5）：810-815.（in Chinese）

[15]付沙，肖葉枝.一種基于信息熵的混合型多屬性決策方法[J].齊齊哈爾大學學報，2014，30（6）：19-23. FU SHA，XIAO YEZHI.Hybrid multi-attribute decision making method based on entropy[J].Journal of Qiqihar University，2014，30（6）：19-23.（in Chinese）

[16]楊志權，劉松海，王文學.魚雷實艇靶末彈道測量算法分析與誤差仿真[J].魚雷技術，2003，11（4）：34-38. YANG ZHIQUAN，LIU SONGHAI，WANG WENXUE. Terminal trajectory-measuring algorithm and error simulation for submarine target of torpedo[J].Torpedo Technology，2003，11（4）：34-38.（in Chinese）

[17]于雪泳，黃文斌.魚雷擴展螺旋機動搜索彈道設計[J].魚雷技術，2014，36（10）：142-145. YU XUEYONG，HUAGN WENBIN.Expanding spirality trajectory design of torpedo maneuver search[J].Torpedo Technology，2014，36（10）：142-145.（in Chinese）

[18]毛俊超，邱華，孫華春.聲自導魚雷追蹤導引彈道分析[J].魚雷技術，2011，33（4）：123-125. MAO JUNCHAO，QIU HUA，SUN HUACHUN.The pursuit-guidance trajectory analysis for acoustic homing torpedo[J].Torpedo Technology，2011，33（4）：123-125.（in Chinese）

[19]汪澤炎，顧紅芳，益曉新，等.一種基于熵的線性組合賦權法[J].系統(tǒng)工程理論與實踐，2003，23（3）：112-116. WANG ZEYAN，GU HONGFANG，YI XIAOXIN，et al. A linear combination determining weights method based on entropy[J].Systems Engineering Theory and Practice，2003，23（3）：112-116.（in Chinese）

A Modified Multi-Attributes Decision Methods of Maximum Entropy for Optimization Torpedo Trajectory

SONG Lihong,ZHANG Tieying,XU Yihe,JIANG Xuepeng
（No.7 Department,NAAU,Yantai Shandong 264001,China）

Torpedo trajectory scheme optimization is key tache of torpedo operational use.A torpedo trajectory scheme making method called modified multi-attributes decision methods based on the analysis of subjective methods and objec?tive methods was raised.A reasonable scheme was got through sample analysis under limited condition.It provided a deci?sion method and intellectual support to torpedo trajectory scheme demonstration.

torpedo trajectory;maximumentropy;multi-attributes decision making

E925.23

A

1673-1522（2017）02-0251-04

10.7682/j.issn.1673-1522.2017.02.014

2016-12-19；

2017-02-26

宋里宏（1963-），男，副教授，碩士。