Resumen

Con el fin de reducir la incertidumbre de los resultados de la evaluacin de la amenaza del objetivo y mejorar la evaluacin exacta del objetivo en el complicado y cambiante entorno del combate areo, en este artculo se propone un mtodo novedoso basado en la combinacin de conjuntos intuicionistas difusos intervalados (IVIFS), la teora de juegos y la metodologa de razonamiento probatorio. En primer lugar, la informacin imprecisa y difusa del objetivo areo del campo de batalla se expresa mediante IVIFS. En segundo lugar, el peso ptimo del ndice se determina mediante la entropa intuicionista difusa de intervalo y la teora de juegos. Y el peso de la serie temporal se calcula mediante el mtodo de distribucin de Poisson inversa. A continuacin, la informacin de evaluacin del objetivo en diferentes momentos se fusiona dinmicamente mediante un algoritmo de razonamiento probatorio. Por ltimo, se aplica la funcin de precisin para obtener la clasificacin de amenaza de todos los objetivos. Se presenta un caso de evaluacin de la amenaza de objetivos areos para demostrar el proceso de aplicacin del mtodo propuesto en este artculo. Los experimentos de simulacin muestran que, en un entorno de combate en rpida evolucin, este algoritmo puede reducir eficazmente la incertidumbre de los resultados de la evaluacin de la amenaza de objetivos. Nos proporciona un mtodo til para la evaluacin de la amenaza de objetivos basado en conjuntos difusos intuicionistas intervalo-valorados, teora de juegos y metodologa de razonamiento probatorio.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Reducir; Incertidumbre; Evaluación de objetivos; Conjuntos difusos intuicionistas intervalados; Teoría de juegos; Razonamiento probatorio
• Keywords:Reduce; Uncertainty; Target assessment; Interval-valued intuitionistic fuzzy sets; Game theory; Evidential reasoning