一种防空体系仿真系统可信度智能分配方法

本发明涉及一种防空体系仿真系统可信度智能分配方法，属于计算机仿真。

背景技术：

1、仿真技术已经成为继理论研究和实验研究之后第三种认识、改造客观世界的重要手段，且由于其具有经济性、安全性、可重复性、无破坏性、不受气候条件限制、不受场地空间限制等优点已经广泛的应用于工业、农业、医学、经济、航天、航空等领域。随着仿真技术的广泛应用和快速发展，仿真结果的可信性也越来越受人们的关注。二十世纪五十年代末期，仿真模型可信度的问题首次被提出，并随之开展了一定的研究。由于仿真系统的组成、结构日益复杂，仿真系统可信与否成为开发者和使用者十分关注的问题，因此仿真系统可信度评估工作也越来越受到开发者和使用者的重视。

2、为保证防空体系仿真系统满足仿真需求，所开发的防空体系仿真系统应满足一定的可信度要求。在防空体系仿真系统开发完成后，可利用评估方法对防空体系仿真系统进行可信度评估，进而判断防空体系仿真系统可信度是否满足要求。然而，由于防空体系仿真系统具有组成复杂、输入输出变量复杂、交互关系复杂、不确定性强等特点，若防空体系仿真系统可信度不满足要求，可信度缺陷部分溯源困难；同时，单次防空体系仿真系统可信度评估工作所需的时间较长，且耗费大量的人力物力，防空体系仿真系统可信度不满足要求时需对防空体系仿真系统进行修改并重新评估，直至可信度满足要求，此过程将耗费大量的时间、人力、物力等。因此，在构建防空体系仿真系统之初，根据可信度要求确定各仿真子系统的可信度是十分有必要的，为此需研究防空体系仿真系统可信度分配方法。

技术实现思路

1、本发明的目的是提出一种防空体系仿真系统可信度智能分配方法，以解决防空体系仿真系统中各子系统可信度分配等问题，进而缩短防空体系仿真系统研制周期。

2、一种防空体系仿真系统可信度智能分配方法，防空体系仿真系统可信度智能分配方法包括以下步骤：

3、s100、分析防空体系仿真系统的组成、变量和结构特点，防空体系仿真系统的组成、变量和结构特点包括系统组成、输出变量和可信度集合；

4、s200、根据系统的组成，确定防空体系仿真系统可信度分配ml-pmrf的层级划分标准和层数，以及每层包含的变量；

5、s300、根据系统中各不确定性参数的取值和其对输出变量的影响关系，获取系统先验知识并确定代价函数参数，构建每一层级的子系统建立pmrf模型；

6、s400、根据系统间的接口关系，构建跨层级关联模型，完成ml-pmrf的构建；

7、s500、初始化dgso算法的参数和萤火虫群；

8、s600、更新荧光素浓度；

9、s700、计算萤火虫间的距离，确定邻域集；

10、s800、计算移动概率，确定移动方向；

11、s900、计算萤火虫移动距离；

12、s1000、更新决策半径；

13、s1100、重复s600-s1100，更新萤火虫种群中每个萤火虫的荧光素浓度和决策半径，直至达到最大迭代次数或萤火虫群中的最优值稳定；

14、s1200、得到最终可信度分配结果，并给出系统中各不确定性参数的近似取值。

15、进一步的，在s100中，防空体系仿真系统由m个仿真子系统组成，即防空体系仿真系统的输出变量为其中为防空体系仿真系统输出变量的个数；仿真子系统ssub,i的输出变量为其中ni为仿真子系统ssub,i输出变量的个数，i＝1,2,...m，防空体系仿真系统的可信度为其输出变量的可信度为仿真子系统ssub,i的可信度为csub,i，其输出变量的可信度为防空体系仿真系统中，各系统及其输出变量的可信度集合为其中

16、防空体系仿真系统中，各仿真子系统的输出变量间存在复杂的交互关系，具有变量众多和交互关系复杂的特点。

17、进一步的，在s200中，以防空体系仿真系统的系统组成为分层标准，防空体系仿真系统共包含m个仿真子系统，则可信度分配ml-pmrf模型的层数为m+1层，和分别为每一层的变量，i＝1,2,...m，互相连接的层级集合为

18、进一步的，在s300中，根据各仿真子系统内部变量的先验知识和代价函数、变量间的关联关系，构建每一层级的pmrf模型，防空体系仿真系统中存在诸多不确定性参数，如气动不确定性参数、导弹质量截面积参数、信号噪声、数据传输误差概率等，参数取值不同，系统输出变量的可信度的不同，对于仿真子系统ssub,i，存在不确定性参数集λ＝[λ1，λ2,...,λt]，通过抽样的方法得到各不确定性参数的取值[λ1,λ2,...,λl]t，进而可得到子系统输出变量结果，可计算得到输出变量的先验概率分布pprior,α(cα)，

19、对于仿真子系统ssub,i，仿真子系统可信度为csub,i，仿真子系统的输出变量可信度为则仿真子系统ssub,i层级的pmrf为

20、

21、其中，均为系数；为节点变量的先验知识，即先验概率分布的特征函数，为代价函数，为初始代价，aα为初值，bα为形状参数；为距离函数的上边界；和分别为距离函数的下边界和上边界；

22、进一步的，在s400中，根据各子系统间的接口关系，确定具有相关关系的层级，构建跨层级关联模型，假定仿真子系统ssub,i与仿真子系统ssub,j间存在接口关系，则仿真子系统ssub,i的输出变量与仿真子系统ssub,j的输出变量间存在关联关系，需用边连接相关变量，边集为εi,j。第i层pmrf与第j层pmrf的跨层级关联模型为

23、

24、其中，为系数；和分别为距离函数的下边界和上边界；

25、则，防空体系仿真系统可信度分配ml-pmrf模型为

26、

27、其中，综合考虑各类特征函数，与分别如下：

28、

29、

30、其中，ωprior、ωcost、ωsys、ωin、ωcross分别为不同特征函数对应的系数，对于取值均相同，具体取值根据实际情况确定；对于fsys、fin和fcross为

31、

32、

33、

34、其中，threshq、分别对应距离函数的上界值或下界值，具体取值根据实际情况确定。

35、进一步的，在s500中，基于dgso和map推理的可信度分配结果组合智能推理的步骤为：

36、s510、初始化dgso算法的参数：

37、初始化种群规模m、最大迭代次数iter_max、初始荧光素θ0、荧光素更新率λ、荧光素挥发因子ρ、感知半径rs、决策半径rd、动态决策域更新率β、邻域阈值nt、初始步长s、稳定移动概率和特征差异阈值δ；

38、s520、初始化萤火虫群：

39、根据防空体系仿真系统可信度分配ml-pmrf模型，确定跨层级关联模型的变量集则解的维度为l，由于可信度的取值为离散值，将可信度的取值范围γ中的每个元素从1开始编号至n，在初始化萤火虫时，首先根据解的维度l和种群规模m，随机生成一个l×m的矩阵，进而将矩阵中的随机数转化为解集中元素的编号值，得到m个萤火虫的初始位置。

40、进一步的，在s600-s1000中，

41、计算优化目标函数：

42、为推理得到各子系统及输出变量的可信度，根据萤火虫中包含的变量，优化目标函数j(cη(t))的表达式为

43、

44、其中，ci,ηr∈cη，为变量集的一个解集；cj,ηr∈cη，为变量集的一个解集；为直接计算得到，需采用ve或lbp推理方法计算。

45、针对可信度分配ml-pmrf模型中的第i层pmrf，pmrf中变量集满足当由变量集构成的第i层pmrf的复杂度，即树宽tw≤5时，采用ve方法计算的推理结果；此外，采用lbp方法计算的推理结果；

46、更新荧光素浓度：

47、荧光素浓度的更新公式为

48、θη(t)＝(1-ρ)θη(t-1)+λj(cη(t))

49、其中，θη(t-1)为前一次循环中萤火虫η的荧光素，θη(t)为当前循环中萤火虫i的荧光素，j(cη(t))为优化目标函数；

50、计算萤火虫间的距离，确定邻域集：

51、考虑解向量的含义，萤火虫个体间距离的度量采用欧氏距离度量，即萤火虫η和萤火虫υ间的距离为对于萤火虫η，根据萤火虫个体间距离的度量公式，计算其余萤火虫与萤火虫η的距离，并根据决策半径寻找邻域内荧光素浓度比自身更高的萤火虫，组成邻域集即

52、

53、计算移动概率，确定移动方向：

54、对于萤火虫η，计算萤火虫η向邻域集中萤火虫υ移动的概率

55、

56、根据移动概率pηυ(t)确定萤火虫η的移动方向；

57、计算萤火虫移动距离：

58、萤火虫个体η位置更新方法为：萤火虫η为cη＝[cη,1,cη,2,...,cη,l]，在跟新位置cη,k时，萤火虫η趋向于向荧光素浓度更高的萤火虫个体υ移动，具体的更新公式为：

59、

60、其中，s和δ为参数，根据具体情况确定；[·]为向下取整，

61、萤火虫η的移动方向为萤火虫υ，根据萤火虫个体位置更新公式，计算萤火虫η新的位置cη(t+1)；

62、更新决策半径：

63、计算下一次循环萤火虫η的决策半径

64、

65、其中，为中包含的萤火虫数目。

66、进一步的，在s1200中，根据dgso变量的优化结果，基于ve或lbp推理过程，追溯防空体系仿真系统可信度分配ml-pmrf模型中每层pmrf模型其余变量的最优值，得到最终的可信度分配结果c*；根据输出变量可信度的分配结果，追溯与之对应的不确定性参数，确定系统各不确定性参数的取值。

67、一种存储介质，该存储介质上储存有计算机程序，其特征在于，计算机程序被处理器执行时实现上述的一种防空体系仿真系统可信度智能分配方法。

68、一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现上述的一种防空体系仿真系统可信度智能分配方法。

69、本发明的有益效果：本发明提供一种防空体系仿真系统可信度智能分配方法，直观地刻画了防空体系仿真系统中复杂的交互关系，实现了各子系统及输出变量间可信度复杂关联关系的建模；同时，引入了群体优化算法，为ml-pmrf模型的智能推理提供了解决方案，使得推理结果更准确，提高了防空体系仿真系统可信度分配结果的精确度。