侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。
针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题和样本数据动态变化时产生的逆序现象等缺陷;在稳定性、特异性、敏感性和有效性4方面对经典TOPSIS模型、改进Tanimoto模型和改进对称差模型进行对比验证,给出2种改进模型的适用场景。结果表明,2种方法各具有一定的优势。
提出一种基于融合主客观信息组合赋权逼近理想解(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的海上目标威胁评估模型。从目标的作战能力、活动情况和其他影响因素构建海上目标威胁评估指标体系;在层次分析法(Analytical Hierarchy Process,AHP)和熵权法的基础上运用线性加权组合法确定主客观综合指标权重;利用TOPSIS法计算各目标的正负理想解相对贴近度,获得目标的威胁度排序。通过仿真实例证明了所提海上目标威胁评估方法的有效性。
信息安全风险评估是一项非常重要的信息安全保障活动.依据信息安全相关标准,可从资产、威胁和脆弱性3方面识别出重要的风险因素,并确定相应的信息安全风险评估指标.参考等保2.0确定风险评估指标是一种可行的方法.在进行信息安全风险评估时,采用熵权法进行客观的指标赋权,并结合优劣解距离法(technique for order preference by similarity to ideal solution,TOPSIS)和灰色关联分析(grey relational analysis,GRA)进行综合评估.实例分析表明,依据信息熵进行客观赋权相对减少了主观因素的影响;基于TOPSIS和GRA进行信息安全风险评估,综合被评价对象整体因素和内部因素,较有效地将多项信息安全风险评估指标综合成单一评分,便于对多个被评对象进行信息安全风险的择优与排序.
