装甲车辆维修性与总体特性的混合决策方法

摘要

本发明属于装甲车维修性技术领域，具体涉及一种装甲车辆维修性与总体特性的混合决策方法。与现有技术相比较，本发明技术方案所提供的针对维修性与总体特性的混合决策方法，综合考虑了维修性的定性要求、定量要求和总体特性要求，按照一定原则对属性进行评价，对多种类型的评价信息进行权重计算和归一化处理，寻找最逼近理想解的方案，并通过蒙特卡洛抽样的方法，减小了评价结果的波动性对决策的影响，对工程应用和研究都有很好的指导意义。

主权项

一种装甲车辆维修性与总体特性的混合决策方法，其特征在于，该方法基于混合决策系统来实施，所述混合决策系统包括：属性重要度评定模块、属性评价模块、属性数值化模块、抽样模块、归一化模块、方案排序模块、混合决策模块，其具体实施方法包括如下步骤：步骤S1：属性重要度评定模块将装甲车辆的维修性与总体特性中相关的属性列出，按照重要度对比评价的原则，对维修定性属性、定量属性和总体特性的重要度进行评定，根据评价信息确定属性的重要度权重；步骤S2：属性评价模块针对步骤S1中列出的属性，确定其评价方法，方法包括：优良中差评级评价法、打分评价法、区间参数评价法、确定数据评价法，根据不同评价方法，确定各属性的评价信息；步骤S3：在步骤S2的基础上，属性数值化模块将评价结果划分为文本数据、随机数据、区间数据、确定数据四类，属性数值化模块对各类信息数值化；步骤S4：抽样模块根据步骤S3中转换的数据进行蒙特卡洛抽样，每次抽样结果可得到一组确定型的方案‑属性矩阵，即初始决策矩阵；步骤S5：归一化模块根据步骤S4得到的初始决策矩阵，采用线性标度变换，对其做归一化处理；初始决策矩阵形式如下：其中：m表示方案数量，n表示参与评价属性数量，x_ij表示i方案第j个属性的评价值，设所有方案在该属性的最大值为设归一的属性用r_ij表示，如果属性望大，则如果属性望小，则由此可以得到由初始决策矩阵转换而来的归一化矩阵；步骤S6：方案排序模块根据步骤S5得到的归一化矩阵，确定理想方案和负理想方案并计算每一个方案离理想方案的距离和负理想方案的距离及相对贴近度U_i，以期找到离理想方案最近、离负理想方案最远的方案，根据方案的相对贴近度的大小对方案进行排序；上述文字中符号的定义如下：$\begin{array}{c}{A}^{*}=\left\{\left({\max }_j{r}_{ij}|i\in I\right),j=1,2,...,m\right\}=\left\{r_1^{*},r_2^{*},...,r_n^{*}\right\}\\ A^{-}=\left\{\left({\min }_j{r}_{ij}|i\in I\right),j=1,2,...,m\right\}=\left\{r_1^{-},r_2^{-},...,r_n^{-}\right\}\\ S_i^{*}=\sqrt{\underset{j=1}{\overset{n}{\Sigma }}{\left(r_{ij}-r_j^{\max }\right)}^2}\\ S_i^{-}=\sqrt{\underset{j=1}{\overset{n}{\Sigma }}{\left(r_{ij}-r_j^{\min }\right)}^2}\\ U_i=\frac{S_i^{-}}{S_i^{*}+S_i^{-}}\end{array}$其中，是所有方案在第j个属性的最理想归一值；是所有方案在第j个属性的最负理想归一值；I是所有方案的集合；步骤S7：重复N次步骤S4‑步骤S6，混合决策模块统计N次蒙特卡洛仿真中各方案排序，计算某一方案在仿真中排第K位置的次数N_K，并计算可能度，记为K(N_K/N)；各方案进行排序比较，根据得到的K(N_K/N)，比较各方案在排序位置K的可能度大小，可能度大的排在该位置；若某位置两方案可能度大小相等，则继续比较下一位置的可能度，可能度大的排在该位置，依次比较，得出最终的方案排列顺序和可能度；其中，N是进行蒙特卡洛仿真的总次数；K是该方案排序的位置序号；N_K是仿真结果中该方案排在第K位的次数；K(N_K/N)是该方案排在第K位的可能度。