基于分层模糊推理坠机搜索方案研究.docVIP

基于分层模糊推理坠机搜索方案研究 　　【摘 要】针对坠机搜索问题我们设计了基于分层模糊推理的模型。该模型通过基于分层模糊推理的性能评估模型和搜索代价模型对搜索方案进行了最优化设计，并求出了搜索总代价。 　　【关键词】模糊推理；基于面积的区域分解；线性扫描 　　1.模型建立 　　本文采用模糊推理来评估各机型的整体性能。设计步骤如下： 　　第一步，确定输入输出，选择语言变量，实现搜索飞机的性能参数模糊化。以速度和传感器搜索直径作为输入变量构成的模糊推理机为例，速度v用语言变量为：低速、中速、高速、超高速；搜索直径用语言变量为：很小范围、小范围、中范围、大范围；输出是搜索飞机的性能评估指数c，用5个语言变量为：弱、较弱、中等、较强、强。 　　第二步，确定每个语言变量的隶属度函数。搜索飞机速度，搜索范围和搜索飞机的性能评估指数的隶属度函数。 　　第三步，设计模糊推理规则库，选择模糊推理机。建立速度―搜索范围推理规则。当搜索飞机的速度越大，传感器搜索范围越大时，搜索飞机的性能评价越高，分配给它的区域面积也就越大。 　　同理，按照上述方法可以设计出航程―搜索范围推理机、续航时间―搜索范围推理机。共3个左层单模糊推理器，每个模糊推理器的推理结果是一个依据输入变量从而得到搜索飞机的性能评估指数，3层推理器得到3个性能评估指数（c1，c2，c3）。 　　然后，利用模型1中的数据依次求出各机型3个性能评估指数。写成矩阵形式如下： 　　C=c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　c 　　其中，c（i=1，2，...7，j=1，2，3）为第i种机型对应的第j个性能评估指数。 　　第四步，对矩阵C的数据进行融合处理，得到3个模糊推理器的综合模糊输出，数据融合采用乘积的形式，具体形式如下： 　　A=A 　　A 　　A 　　A 　　A 　　A 　　A 　　其中，A=c 　　对A进行归一化处理，得到融合后综合模糊输出A： 　　A=A 　　 A 　　 A 　　 A 　　 A 　　 A 　　 A 　　 　　其中，A=，i=1，2，...7 　　第五步，对数据融合和归一化的结果 即为搜索飞机性能评价数值结果pi。 　　2.模型求解 　　这里总共使用7种机型的数据主要考虑航程、探测范围、单位时间耗油量、续航时间、四个参数指标。A型机各参数值依次为：6477、120、74、5；B型机：550、200、52、2.5；C型机860、200、58、4.5；D型机：964、180、64、4.8；E型机：3380、400、240、4.4；F型机：1339、150、80、6.3。假定搜索区域为正八边形，面积为S。 　　首先，求解速度和传感器探测范围作为输入变量构成的模糊推理机。 　　第一步，速度、探测范围、搜索飞机的性能评估指数c1的语言变量均依次用1、2、3、4描述。 　　第二步，确定每个语言变量的隶属度函数。 　　其中探测范围的等级按递增的方式分为4等级，范围依次为：100～150，150～200，200～250，250以上；速度的等级也按递增的方式分为4个等级，范围依次为：190～200，200～210，210～220，220以上。 　　第三步，设计模糊推理规则库，选择模糊推理机。 　　构造的速度-探测范围推理规则用矩阵nji表示，代表第i个级别的速度和第j个级别的探测范围对应的性能评估指数。 　　1 2 3 4 　　2 3 4 5 　　3 4 5 5 　　4 5 5 5 　　同理，航程的隶属度划分为4个等级。范围依次为：0～800，800～1200，1200～1600，1600以上。由航程推理机得到搜索飞机的性能评价指数为c2。续航时间的隶属度划分为4个等级。范围依次为：0～2，2～4，4～6，6以上。由续航时间推理机得到搜索飞机的性能评价指数为c3。均符合上述推理规则表。 　　然后，用表1中的数据，依次找到各机型对应的性能指数（c1，c2，c3）： 　　第四步，对矩阵C中的数据进行融合处理，得到3个模糊推理器的综合模糊输出。数据融合采用乘积的形式，求出的A的值为： 　　A=[48 24 24 36 125 36 1] 　　第五步，对A进行归一化处理，即可得到各机型分配百分比pi的值。结果如下：0.1633、0.0816、0.0816、0.1224、0.4252、0.1224、0.0034。 　　第六步，在每种机型分配的区域内，确定应该分配的该机型的架数。 　　划分思想如下：用m：m：...：m来表示七种机型的分配