66 / 2021-09-07 17:55:55

不确定信息下考虑相关性与多样性的作战方案推荐方法

作战方案推荐；R-BWM；相似度；DPP；贪婪算法

现代体系作战强调争夺和保持信息优势，面对突发的作战任务需求，指挥人员必须在较短的时间内完成作战决策并制定作战方案。为提高作战方案制定效率，防止敌方的针对性打击，本文提出了一种相关性与多样性权衡的历史作战方案推荐新方法。首先提出基于粗糙集的最优最劣法（Rough-Best Worst Method, R-BWM）对作战方案能力属性进行权重配置；然后给出绝对相似度和位形相似度两种指标，综合各个能力属性及其权重配置得到历史方案之间的相似度及与任务需求的相关度；其次提出权衡任务需求相关度和推荐方案多样化的行列式点过程（Determinantal Point Process, DPP）模型，在此基础上给出贪婪MAP推断算法与贪婪Trade-off算法以获得历史作战方案最优推荐子集。最后通过算例对所提方法及两种推荐算法进行了适用性分析，验证了该方法的有效性和合理性。现代体系作战强调争夺和保持信息优势，面对突发的作战任务需求，指挥人员必须在较短的时间内完成作战决策并制定作战方案。为提高作战方案制定效率，防止敌方的针对性打击，本文提出了一种相关性与多样性权衡的历史作战方案推荐新方法。首先提出基于粗糙集的最优最劣法（Rough-Best Worst Method, R-BWM）对作战方案能力属性进行权重配置；然后给出绝对相似度和位形相似度两种指标，综合各个能力属性及其权重配置得到历史方案之间的相似度及与任务需求的相关度；其次提出权衡任务需求相关度和推荐方案多样化的行列式点过程（Determinantal Point Process, DPP）模型，在此基础上给出贪婪MAP推断算法与贪婪Trade-off算法以获得历史作战方案最优推荐子集。最后通过算例对所提方法及两种推荐算法进行了适用性分析，验证了该方法的有效性和合理性。