基于直觉语言偏好关系粒的卫星观测方案筛选方法及系统与流程

1.本发明涉及卫星观测方法的决策技术领域，具体地涉及一种基于直觉语言偏好关系粒的卫星观测方案筛选方法及系统。


背景技术：

2.遥感卫星观测方案评估问题可以被看作是一个多属性决策(mcdm)问题,多属性决策方法包括层次分析法,topsis方法，以及最优最劣方法，运用多属性决策方法可以基于设计的指标体系在众多预先给定的观测方案中选择最佳方案。在mcdm方法的激励下，学者们研究了多种评估方法来解决遥感卫星观测方案评估问题，使评估过程更加客观和科学。然而，在一些复杂的评估案例中，由于评估问题内在的模糊性和外在的复杂性，现存的评估方法不足以精确描述基于各个评估角度的评估系统的观点，从而难以从多种卫星观测方案中准确选择最佳方案。


技术实现要素：

3.本发明实施例的目的是提供一种基于直觉语言偏好关系粒的卫星观测方案筛选方法及系统，该方法及系统能够融合基于不同评估角度的评估系统的评估结果，从而提高卫星观测方案选择的准确性。
4.为了实现上述目的，本发明实施例提供一种基于直觉语言偏好关系粒的卫星观测方案筛选方法，包括：
5.获取各个评估系统的评估信息矩阵；
6.在预设的直觉语言偏好关系的语言项集合中插入多个截分点以得到每个语言项的信息粒；
7.设置每个评估系统的灵活度以确定每个所述评估信息矩阵中隶属度和非隶属度对应的信息粒；
8.采用pso算法对所述截分点和灵活度进行优化以分别得到所述评估信息矩阵中各个语言项、隶属度和非隶属度对应的最优信息粒；
9.根据每个评估信息中各个语言项、隶属度和非隶属度对应的最优信息粒更新每个所述评估信息矩阵；
10.采用直觉语言优势证据广义补偿加权平均算子，聚合所有评估系统所述评估信息矩阵，获得聚合后的融合评估信息矩阵；
11.根据直觉语言诱导有序加权平均算子获得每个卫星观测方案的评估信息，并获得每个评估信息所对应的得分函数值；
12.选择得分函数值最大的所述卫星观测方案作为最优方案。
13.可选地，所述获取各个评估系统的评估信息矩阵包括：
14.采用公式(1)表示所述评估信息矩阵，
[0015][0016]
其中，为评估系统k在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息，为评估信息中的语言项，μ
ijk
为评估信息对应的隶属度，v
ijk
为评估信息对应的非隶属度，n为卫星观测方案的总数量，k为评估系统的总数量。
[0017]
可选地，所述设置每个评估系统的灵活度以确定每个所述评估信息矩阵中隶属度和非隶属度对应的信息粒包括：
[0018]
根据公式(2)确定所述灵活度，
[0019][0020]
其中，k为评估系统的总数量，γ为预设的粒度水平，γ
k
为评估系统k对应的个体灵活度；
[0021]
根据公式(3)和公式(4)确定每个隶属度和非隶属度所对应的信息粒，
[0022][0023][0024]
其中，为第k个的评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息的隶属度对应的信息粒的左端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息的隶属度对应的信息粒的右端点，为第k个的评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中的隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中非隶属度对应的信息粒的左端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中非隶属度对应的信息粒的右端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中的非隶属度。
[0025]
可选地，所述采用pso算法对所述截分点和灵活度进行优化以分别得到所述评估信息矩阵中各个语言项、隶属度和非隶属度对应的最优信息粒包括：
[0026]
将所述截分点和灵活度输入pso算法中以生成当前信息粒；
[0027]
从所述当前信息粒所在区间中随机选取500个语言项、隶属度和非隶属度的组合并根据公式(5)至公式(9)计算当前信息粒对应的优化准则，
[0028]
m＝κ
·
m1 (1
‑
κ)
·
m2，
ꢀꢀ
(5)
[0029]
[0030][0031][0032][0033]
其中，m为所述优化准则，κ为预设的参数值，k为评估系统的总数量，n为卫星观测方案的总数量，g 1为预设的语言项集合中语言项的个数，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息的语言项的数字形式，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息的隶属度，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息的非隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中的语言项的数字形式，μ
ijk
为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中非隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间评估信息中的语言项的数字形式，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的语言项的数字形式，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的隶属度，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的非隶属度。
[0034]
根据公式(10)计算所述当前信息粒对应的适应度函数，
[0035][0036]
其中，m
i
为第i个语言项、隶属度和非隶属度的组合对应的优化准则；
[0037]
判断当前迭代次数是否大于或等于预设的迭代次数阈值，
[0038]
在判断所述当前迭代次数小于预定的迭代次数阈值的情况下，根据公式(11)至公式(13)更新所述pso算法的粒子，再次从所述当前信息粒所在区间中随机选取500个语言项、隶属度和非隶属度的组合并根据公式(5)至公式(9)计算当前信息粒对应的优化准则，并执行所述方法的相应步骤，直到判断所述当前迭代次数大于或等于所述迭代次数阈值，
[0039]
v(m 1)＝ζ(m)
×
v(m) d1a1·
(x
l
‑
x) d2a2·
(x
g
‑
x)，
ꢀꢀ
(11)
[0040]
其中，v(m 1)为更新后的粒子的速度，ζ(m)为收缩系数，v(m)为更新前的速度，m为当前迭代次数，d1和d2为加速常数，a1和a2为[0,1]区间的两个随机数，x
l
为当前的局部最优解，x
g
为当前的全局最优解，x为粒子当前的位置；
[0041]
ζ(m)＝(totnum
‑
m)
×
(ζ
max
‑
ζ
min
)/totnum，
ꢀꢀ
(12)
[0042]
其中，totnum为所述迭代次数阈值，ζ
max
为收缩系数的最大值，ζ
min
为收缩系数的最小值；
[0043]
x(m 1)＝x(m) v(m 1)，
ꢀꢀ
(13)
[0044]
其中，x(m 1)为更新后的粒子的位置，x(m)为更新前的粒子的位置；
[0045]
在判断所述当前迭代次数大于所述迭代次数阈值的情况下，输出最优的截分点和灵活度。
[0046]
可选地，所述根据每个评估信息中各个语言项、隶属度和非隶属度对应的最优信息粒更新每个所述评估信息矩阵包括：
[0047]
根据公式(14)更新所述评估信息矩阵，
[0048][0049]
其中，ir
k
为更新后的评估系统k在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息，为更新后的评估信息中的语言项，ir
ijk
为在最优信息粒中随机选择的一个数值所生成的评估信息，μ
ij
′
k
为在最优信息粒中随机选择的一个数值所生成的隶属度，v
ij
′
k
为在最优信息粒中随机选择的一个数值所生成的非隶属度，n为卫星观测方案的总数量，k为评估系统的总数量。
[0050]
可选地，所述采用直觉语言优势证据广义补偿加权平均算子，聚合所有评估系统所述评估信息矩阵，获得聚合后的融合评估信息矩阵包括：
[0051]
根据公式(15)获得所述融合评估信息矩阵
[0052][0053][0054]
[0055][0056][0057][0058][0059][0060]
其中，θ(ir
ij
′
k
)为更新后的第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的语言项的数字形式，为更新后的第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的隶属度，为更新后的第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度，为更新后的第t个评估系统的评估信息，为更新后的第k个评估系统的评估信息，θ(ir
ij
′
t
)为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的语言项的数字形式，为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的隶属度，为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度。
[0061]
可选地，所述根据直觉语言诱导有序加权平均算子获得每个卫星观测方案的评估信息，并获得每个评估信息所对应的得分函数值包括：
[0062]
根据公式(23)计算每个卫星观测方案的评估信息，
[0063][0064]
其中，qgdd
i
为第i个卫星观测方案的评估信息，j＝1，2，...，n，σ(j)为评估信息的排序，θ(ir
iσ(j)c
)为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的语言项，为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的隶属度，为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的非隶属度，w
i
为第i个卫星观测方案对应的权重；
[0065]
根据公式(24)计算每个卫星观测方案评估信息的得分函数，
[0066]
s(qgdd
i
)＝θ(qgdd
i
)(1 μ
i
‑
v
i
)，
ꢀꢀ
(24)
[0067]
其中，θ(qgdd
i
)为第i个卫星观测方案的评估信息对应的语言项的数字形式，μ
i
为第i个卫星观测方案的评估信息对应的隶属度，v
i
为第i个卫星观测方案的评估信息对应的非隶属度。
[0068]
另一方面，本发明还提供一种基于直觉语言偏好关系粒的卫星观测方案筛选系统，所述筛选系统包括处理器，所述处理器被配置为执行如上述任一所述的筛选方法。
[0069]
在一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的筛选方法。
[0070]
通过上述技术方案，本发明提供的基于直觉语言偏好关系粒的卫星观测方案筛选方法与系统通过采用直觉语言偏好关系粒的方式，并结合pso算法，将各个评估系统的评估信息矩阵进行转化和融合，从而最终得到每个卫星观测方案在融合的评估矩阵中的评估信息，最后通过得分函数的计算来确定最优的卫星观测方案。该方法及系统克服了现有技术中的筛选方法无法同时兼顾多个评估系统的技术缺陷，提高了卫星观测方案筛选的精度。
[0071]
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0072]
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
[0073]
图1是根据本发明的一个实施方式的基于直觉语言偏好关系粒的卫星观测方案筛选方法的流程图；
[0074]
图2是根据本发明的一个实施方式的pso算法的流程图；
[0075]
图3是根据本发明的一个实施例的pso算法中适应度值随着迭代次数变化的曲线图。
具体实施方式
[0076]
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
[0077]
如图1所示是根据本发明的一个实施方式的基于直觉语言偏好关系粒的卫星观测方案筛选方法的流程图。在该图1中，该方法可以包括：
[0078]
在步骤s10中，获取各个评估系统的评估信息矩阵；
[0079]
在步骤s11中，在预设的直觉语言偏好关系的语言项集合中插入多个截分点以得到每个语言项的信息粒；
[0080]
在步骤s12中，设置每个评估系统的灵活度以确定每个评估信息矩阵中隶属度和非隶属度对应的信息粒；
[0081]
在步骤s13中，采用pso算法对截分点和灵活度进行优化以分别得到评估信息矩阵中各个语言项、隶属度和非隶属度对应的最优信息粒；
[0082]
在步骤s14中，根据每个评估信息中各个语言项、隶属度和非隶属度对应的最优信息粒更新每个评估信息矩阵；
[0083]
在步骤s15中，采用直觉语言优势证据广义补偿加权平均算子，聚合所有评估系统评估信息矩阵，获得聚合后的融合评估信息矩阵；
[0084]
在步骤s16中，根据直觉语言诱导有序加权平均算子获得每个卫星观测方案的评估信息，并获得每个评估信息所对应的得分函数值；
[0085]
在步骤s17中，选择得分函数值最大的卫星观测方案作为最优方案。
[0086]
在该图1中，评估信息矩阵的每个元素可以是用于表示每个评估系统对于每两个卫星观测方案的评估结果。具体地，该评估信息矩阵可以是采用公式(1)来表示，
[0087][0088]
其中，为评估系统k在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息，为评估信息中的语言项，μ
ijk
为评估信息对应的隶属度，v
ijk
为评估信息对应的非隶属度，n为卫星观测方案的总数量，k为评估系统的总数量。
[0089]
其中，该评估系统可以是基于不同评估水平、评估角度的设备，也可以是基于不同领域的专家等。考虑到在不同的评估系统的评估结果对于任务目标的影响程度不同，那么每个评估系统可以对应有优先级关系，即可以将k个评估系统按照优先级关系进行排序。每个评估系统可以用数字k来排序和表示，那么基于每个评估系统的优先级关系(从大到小)，评估系统则可以为1，
…
，k的形式来表示，且1≤k≤k。
[0090]
直觉语言偏好关系用于表示评估系统在不同的卫星观测方案之间的评估结果。常用的直觉语言偏好关系主要包括多个由多个语言项组成的语言项集合。具体地，该语言项集合可以为h＝{h0，h1，...，h
g
}，其中，h0，h1,...，h
g
为语言项集合中的语言项，0，...，g则分别为每个语言项的编号。但是常规的语言项集合的语言项相对固定，在融合不同评估系统的评估信息矩阵时，其可操作性相对局限。因此，在该实施方式中，可以通过步骤s11在该语言项集合中插入多个截分点以得到每个语言项的信息粒。具体地，该截分点的集合可以表示为{c1,c2，...，c
g
}，其中，c1，c2，...，c
g
为该集合中的截分点。在插入截分点后，生成的信息粒则可以表示为i1，i2，...，i
g 1
，且i1＝[0，c1)，i2＝[c1,c2)
…
，i
g 1
＝[c
g
，1]。
[0091]
虽然在公式(1)中已经得到了评估信息矩阵中语言项中对应的隶属度μ
ijk
和非隶属度ν
ijk
。但是，由于步骤s11对语言项集合进行了重新划分，使得每个语言项对应了不同的信息粒。那么以原本的隶属度μ
ijk
和非隶属度ν
ijk
去匹配对应的信息粒则显然背离了原本评估信息矩阵想要表达的含义。因此在该实施方式中，需要通过步骤s12重新确定每个语言项对应的信息粒所对应的隶属度和非隶属度。但是，由于此时的截分点仍然是个不确定值，隶属度和非隶属度也自然不能够确定。因此，可以针对隶属度和非隶属度确定其变化的个体灵活度。具体地，可以是先根据公式(2)确定该灵活度，
[0092][0093]
其中，k为评估系统的总数量，γ为预设的粒度水平，γ
k
为评估系统k对应的个体灵活度；再根据公式(3)和公式(4)确定每个隶属度和非隶属度所对应的信息粒，
[0094][0095]
[0096]
其中，为第k个的评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息的隶属度对应的信息粒的左端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息的隶属度对应的信息粒的右端点，为第k个的评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中的隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中非隶属度对应的信息粒的左端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中非隶属度对应的信息粒的右端点，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息中的非隶属度。
[0097]
步骤s11和步骤s12虽然分别确定了每个语言项的信息粒和每个信息粒对应的隶属度和非隶属度，但是随着截分点、隶属度非隶属度的变化，对各个评估信息矩阵的融合结果会产生较大的变化。因此，在该实施方式中，为了得到最优的信息粒、隶属度和非隶属度，可以进一步通过步骤s13采用pso算法对截分点、隶属度和非隶属度(灵活度)进行优化，从而得到最优的信息粒、隶属度和非隶属度。对于该pso算法，虽然可以是本领域人员所知的方法。但是，在本发明的一个优选示例中，针对截分点、隶属度和非隶属度(灵活度)对于融合的结果的一致性水平有影响，可以是包括如图2中所示出的步骤。在该图2中，该方法可以包括：
[0098]
在步骤s20中，将截分点和灵活度输入pso算法中以生成当前信息粒；
[0099]
在步骤s21中，从当前信息粒所在区间中随机选取500个语言项(信息粒)、隶属度和非隶属度的组合并根据公式(5)至公式(9)计算当前信息粒对应的优化准则，
[0100]
m＝κ
·
m1 (1
‑
κ)
·
m2，
ꢀꢀ
(5)
[0101][0102][0103][0104][0105]
其中，m为优化准则，κ为预设的参数值，在本发明的一个优选示例中，该参数值可以大于0.5，k为评估系统的总数量，n为卫星观测方案的总数量，g 1为预设的语言项集合中语言项的个数，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估
信息的语言项的数字形式，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息的隶属度，为聚合k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息的非隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中的语言项的数字形式，μ
ijk
为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
j
之间评估信息中非隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间评估信息中的语言项的数字形式，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的隶属度，为第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的语言项的数字形式，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的隶属度，为第k个评估系统在卫星观测方案d
l
和卫星观测方案d
j
之间的评估信息的非隶属度。
[0106]
在步骤s22中，根据公式(10)计算当前信息粒对应的适应度函数，
[0107][0108]
其中，m
i
为第i个语言项、隶属度和非隶属度的组合对应的优化准则；
[0109]
在步骤s23中，判断当前迭代次数是否大于或等于预设的迭代次数阈值，
[0110]
在步骤s24中，在判断当前迭代次数小于预定的迭代次数阈值的情况下，根据公式(11)至公式(13)更新pso算法的粒子，再次从当前信息粒所在区间中随机选取500个语言项(信息粒)、隶属度和非隶属度的组合并根据公式(5)至公式(9)计算当前信息粒对应的优化准则，并执行该方法的相应步骤，直到判断当前迭代次数大于或等于迭代次数阈值，
[0111]
v(m 1)＝ζ(m)
×
v(m) d1a1·
(x
l
‑
x) d2a2·
(x
g
‑
x)，
ꢀꢀ
(11)
[0112]
其中，v(m 1)为更新后的粒子的速度，ζ(m)为收缩系数，v(m)为更新前的速度，m为当前迭代次数，d1和d2为加速常数，a1和a2为[0,1]区间的两个随机数，x
l
为当前的局部最优解，x
g
为当前的全局最优解，x为粒子当前的位置；
[0113]
ζ(m)＝(totnum
‑
m)
×
(ζ
max
‑
ζ
min
)/totnum，
ꢀꢀ
(12)
[0114]
其中，totnum为迭代次数阈值，ζ
max
为收缩系数的最大值，ζ
min
为收缩系数的最小值；
[0115]
x(m 1)＝x(m) v(m 1)，
ꢀꢀ
(13)
[0116]
其中，x(m 1)为更新后的粒子的位置，x(m)为更新前的粒子的位置。
[0117]
在步骤s25中，在判断当前迭代次数大于或等于迭代次数阈值的情况下，输出最优的截分点和灵活度。
[0118]
在步骤s13确定了语言项、隶属度和非隶属度对应的最优信息粒的情况下，通过步骤s14对每个评估信息矩阵进行更新。具体地，可以是根据公式(14)更新评估信息矩阵，
[0119][0120]
其中，ir
k
为更新后的评估系统k在卫星观测方案d
i
和卫星观测方案d
j
之间的评估信息，为更新后的评估信息中的语言项，ir
ijk
为在最优信息粒中随机选择的一个数值所生成的评估信息，μ
ij
′
k
为在最优信息粒中随机选择的一个数值所生成的隶属度，v
ij
′
k
为在最优信息粒中随机选择的一个数值所生成的非隶属度，n为卫星观测方案的总数量，k为评估系统的总数量。
[0121]
为了根据更新后的评估信息矩阵得到一个聚合的评估信息矩阵(即融合评估信息矩阵)，需要对每个评估信息矩阵进行聚合。具体地，即步骤s15采用直觉语言优势证据广义补偿加权平均算子，聚合所有评估系统评估信息矩阵，获得聚合后的融合评估信息矩阵。更具体地，即根据公式(15)获得融合评估信息矩阵
[0122][0123][0124][0125][0126][0127][0128][0129][0130][0131]
其中，θ(ir
ij
′
k
)为更新后的第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的语言项的数字形式，为更新后的第k个评估系统在卫星观测方案d
i
和卫
星观测方案d
l
之间的评估信息的隶属度，为更新后的第k个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度，为更新后的第t个评估系统的评估信息，为更新后的第k个评估系统的评估信息，θ(ir
ij
′
t
)为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的语言项的数字形式，为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的隶属度，为更新后的第t个评估系统在卫星观测方案d
i
和卫星观测方案d
l
之间的评估信息的非隶属度。
[0132]
由于步骤s15得到的融合评估信息矩阵融合了所有评估系统的评估信息矩阵，因此得到的融合评估信息矩阵能够真实反映所有评估系统的评估结果。因此，只需要对该融合评估信息矩阵中的元素进行处理，就能够得到每个卫星观测方案的优劣，即步骤s16：根据直觉语言诱导有序加权平均算子获得每个卫星观测方案的评估信息，并获得每个评估信息所对应的得分函数值。具体地，该步骤s16可以是先根据公式(23)计算每个卫星观测方案的评估信息，
[0133][0134]
其中，qgdd
i
为第i个卫星观测方案的评估信息，j＝1,2,...,n，σ(j)为评估信息的排序，θ(ir
iσ(j)c
)为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的语言项，为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的隶属度，为聚集后的评估信息中第i个卫星观测方案中按照降序原则排列的第j个评估信息中的非隶属度，w
i
为第i个卫星观测方案对应的权重；再根据公式(24)计算每个卫星观测方案评估信息的得分函数，
[0135]
s(qgdd
i
)＝θ(qgdd
i
)(1 μ
i
‑
v
i
)，
ꢀꢀ
(24)
[0136]
其中，θ(qgdd
i
)为第i个卫星观测方案的评估信息对应的语言项的数字形式，μ
i
为第i个卫星观测方案的评估信息对应的隶属度，v
i
为第i个卫星观测方案的评估信息对应的非隶属度。
[0137]
最后，通过步骤s17选择得分函数值最大的卫星观测方案作为最优方案。
[0138]
另一方面，本发明还提供一种基于直觉语言偏好关系粒的卫星观测方案筛选系统，所述筛选系统包括处理器，所述处理器被配置为执行如上述任一所述的筛选方法。
[0139]
在一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的筛选方法。
[0140]
通过上述技术方案，本发明提供的基于直觉语言偏好关系粒的卫星观测方案筛选方法与系统通过采用直觉语言偏好关系粒的方式，并结合pso算法，将各个评估系统的评估信息矩阵进行转化和融合，从而最终得到每个卫星观测方案在融合的评估矩阵中的评估信息，最后通过得分函数的计算来确定最优的卫星观测方案。该方法及系统克服了现有技术中的筛选方法无法同时兼顾多个评估系统的技术缺陷，提高了卫星观测方案筛选的精度。
[0141]
为了进一步确定本发明提供的方法的技术效果，在本发明的一个实施例中，可以采用本发明提供的方法对四个卫星观测方案(d＝{d1,d2,d3,d4})进行筛选。在该实施例中个，评估系统可以表示为1、2和3；且各个评估系统的优先级依次下降。针对该四个卫星观测方案的评估标准，可以采用如表1所示的评估体系，
[0142]
表1
[0143][0144]
基于该表1中的指标体系，可以预先定义语言项集合h＝{h0＝极低,h1＝非常低,h2＝低,h3＝中等,h4＝高,h5＝非常高,h6＝极高}。每个评估系统通过该语言项集合对每个卫星观测方案进行评估，从而得到对应的评估信息矩阵。每个评估信息矩阵如下所示，
[0145][0146][0147][0148]
其中，neg(h
i
)代表语言项h
i
的补充定性值，并且该neg(h
i
)的语义可以通过语言项h
i
来计算。若i＝4,h4对应的信息粒为[0.25,0.32]。如果我们从区间[0.25,0.32]中随机抽样的数值为0.29，那么neg(h
i
)对应的数值是0.71。
[0149]
在该实施例中，我们可以使用pso算法将直觉语言偏好关系中的语言项，隶属度和非隶属度映射为信息粒，需要用到的实验参数值如下：
[0150]
1、在pso中由100个粒子组成。因为在该实验中pso算法中使用更多粒子的运行情况会得到相似的结果。因此，该实验中使用100个粒子来计算最优适应度函数值。
[0151]
2、迭代次数设置为500，因为当迭代次数大于500时适应度函数的结果不会随着迭代次数的增加而进一步变化。
[0152]
3、粒子速度更新公式中的参数为d1＝d2＝2。
[0153]
4、在优化准则中，参数κ设为0.75。
[0154]
获得每个评估信息矩阵后，我们将直觉语言偏好关系中语言项，隶属度和非隶属度转化为相应的信息粒，且预先定义γ＝2。图3显示了pso中基于500次迭代的适应度函数的数值。从该图3中我们可以看到适应度函数值最大为0.7924。且获得的向量p的值为p＝[0.0007,0.0320,0.1320,0.2320,0.3320,0.4320,0.6669,0.7751,4.5580]，从中我们发现语言项集合中各个语言项对应的信息粒为，h0：[0,0.0007),h1：[0.0007,0.0320),h2：[0.0320,0.1320),h3：[0.1320,0.2320),h4：[0.2320,0.3320),h5：[0.3320,0.4320),h6：[0.4320,1]，并且每个评估组成员的个人灵活度为γ1＝0.6669,γ2＝0.7751,γ3＝4.5580。
[0155]
通过获得的最优信息粒的语言项，隶属度和非隶属，并随机采样得到矩阵ir1,ir2和ir3，
[0156][0157][0158][0159]
使用直觉语言优势证据广义补偿加权平均算子(λ＝8,p＝2)获得聚合后的直观语言偏好关系ir
c
，如下所示，
[0160][0161]
运用iliowa算子聚合ir
c
中每个遥感卫星观测方案的评估信息获得每个观测方案的qgdd，并基于得分函数将各个观测方案由大到小排序。
[0162]
首先，利用现存方法根据模糊语言量词“most”(q(r)＝(r)
1/2
)计算iliowa算子中的权重，获得每个观测方案的qgdd
i
(i＝1,2,3,4)，计算结果如下，
[0163]
qgdd1＝<0.2698,(0.5140,0.3478)>,qgdd2＝<0.2539,(0.3165,0.3307)>,
[0164]
qgdd3＝<0.6981,(0.4894,0.3483)>,qgdd4＝<0.7118,(0.3225,0.2298)>.
[0165]
然后，通过得分函数共识计算观测方案qgdd
i
(i＝1,2,3,4)的得分函数，计算结果为：
[0166]
s(qgdd1)＝0.3146,s(qgdd2)＝0.2503,
[0167]
s(qgdd3)＝0.7966,s(qgdd4)＝0.7778.
[0168]
通过比较s(qgdd
i
)(i＝1,2,3,4)的大小，获得遥感卫星观测方案的整体排名，为d3＞d4＞d1＞d2。因此，观测方案d3为最优观测方案。
[0169]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0170]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0171]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0172]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0173]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0174]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0175]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0176]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的
包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0177]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。