多场景的装备组合方法、系统、计算机设备和存储介质
文献发布时间:2023-06-19 11:11:32
技术领域
本申请涉及战略管理技术领域,特别是涉及一种多场景的装备组合方法、系统、计算机设备和存储介质。
背景技术
现实战场情况下,有相当多的装备或者装备系统,要在不同场景下使用,要满足不同的任务需求,要服务于不同的任务方向。
同一种装备或者装备组合在不同的任务方向或者任务场景下的贡献率必然是不同的,除专用装备外,即使是某些通用装备在不同场景下贡献率也不尽相同,甚至差别较大,此时如何进行装备组合选择或装备发展的优先排序,是本章要讨论的问题。在现有的研究成果中,评估贡献率时都是面向某个具体的单个场景,但是,装备体系的贡献率评估研究大多是用于未来装备的论证的,那么生产的装备是要面向多场景的,而不是针对单独某个场景。同一种装备,尤其是通用装备在未来作战运用中必然是在不同场景完成各种不同任务,因此不同装备或装备组合在不同场景下贡献率不同。如果仅用一种场景贡献率确定发展优先排序,有一定的片面性。
发明内容
基于此,有必要针对上述技术问题,提供一种多场景的装备组合方法、系统、计算机设备和存储介质。
第一方面,本发明实施例提供了一种多场景的装备组合方法,包括以下步骤:
根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
对装备体系下有n个装备组合e
利用所述多场景关联度计算所述装备组合e
进一步的,所述根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度,包括:
获取多个场景的正态分布中的场景关联度均值;
利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
进一步的,所述利用所述多场景关联度计算所述装备组合e
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
进一步的,所述聚合方式包括加和方法、几何加权方法和鲁棒系列方法。
另一方面,本发明实施例还提供了一种多场景的装备组合系统,包括
场景关联模块,用于根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
体系贡献模块,用于对装备体系下有n个装备组合e
装备组合模块,用于利用所述多场景关联度计算所述装备组合e
进一步的,所述场景关联模块包括算法代入单元,所述算法代入单元用于:
获取多个场景的正态分布中的场景关联度均值;
利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
进一步的,所述装备组合模块包括贡献率确定单元,所述贡献率确定单元用于:
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
进一步的,所述装备组合模块还包括聚合计算单元,所述聚合计算单元对综合体系贡献率的计算包括加和方法、几何加权方法和鲁棒系列方法。
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,所述处理器执行所述计算机程序时实现以下步骤:
获根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
对装备体系下有n个装备组合e
利用所述多场景关联度计算所述装备组合e
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
对装备体系下有n个装备组合e
利用所述多场景关联度计算所述装备组合e
本申请的有益效果是:本发明实施例提供通过一种多场景的装备组合方法、系统、计算机设备和存储介质。该方法包括:根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;对装备体系下有n个装备组合e
附图说明
图1为一个实施例中多场景的装备组合方法的流程示意图;
图2为一个实施例中多场景关联度获取方法的流程示意图;
图3为一个实施例中多场景下体系贡献率获取的流程示意图;
图4为一个实施例中多场景的装备组合系统的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种多场景的装备组合方法,包括以下步骤:
步骤101,根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
步骤102,对装备体系下有n个装备组合e
步骤103,利用所述多场景关联度计算所述装备组合e
具体地,本实施例考虑到各任务场景之间存在交互影响情况,进行多场景交互影响的武器装备组合贡献率进行分析,首先基于PageRank计算各场景重要度,再对各装备组合在各场景下的贡献率进行计算,最后得到各装备组合针对所有场景的综合体系贡献率,按综合贡献率大小确定优先发展顺序。通过装备组合多场景发展规划即考虑未来可能的多种场景,对装备组合方案进行综合分析与评估,进而针对装备组合未来发展进行最优规划,实现对多场景下装备组合发挥最大效率提供技术支持,提高战备水平和场景装备管理效率。
在一个实施例中,如图2所示,多场景关联度获取方法包括:
步骤201,获取多个场景的正态分布中的场景关联度均值;
步骤202,利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
步骤203,通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
具体地,PageRank算法是一种根据网页之间的相互的超链接计算,解决链接分析中网页排名的问题。PageRank值是代表网络上某个页面重要性的一个数值,主要取决于与其链接的网页的数量和质量。本实施例所做的改动是将多场景下正态分布中的关联度均值作为原PageRank算法中每个节点的输入值,在进行马可夫迭代之前,不同场景的初始重要度设为已知,更有利于凸显不同场景在整个国防战略中的重要性。最后对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
在一个实施例中,如图3所示,通过体系贡献率获取装备组合发展规划包括:
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
进一步的,所述聚合方式包括加和方法、几何加权方法和鲁棒系列方法。
具体地,根据得到n个场景的重要度PR
其中,
下面根据场景重要度计算每个方案的综合体系贡献率,针对装备组合e
(1)加和方法
(2)几何加权方法
(3)鲁棒系列方法
最差场景表现
在此评价方法下,最优解可表示为mi n-max形式:
最差加权场景表现
根据三种聚合方式来确定最终的综合体系贡献率,并得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了多场景的装备组合系统,包括:
场景关联模块,用于根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
体系贡献模块,用于对装备体系下有n个装备组合e
装备组合模块,用于利用所述多场景关联度计算所述装备组合e
在一个实施例中,如图4所示,所述场景关联模块包括算法代入单元,所述算法代入单元用于:
获取多个场景的正态分布中的场景关联度均值;
利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
在一个实施例中,如图4所示,所述装备组合模块包括贡献率确定单元,所述贡献率确定单元用于:
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
在一个实施例中,如图4所示,所述装备组合模块还包括聚合计算单元,所述聚合计算单元对综合体系贡献率的计算包括加和方法、几何加权方法和鲁棒系列方法。
关于多场景的装备组合系统的具体限定可以参见上文中对于多场景的装备组合方法的限定,在此不再赘述。上述多场景的装备组合系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
对装备体系下有n个装备组合e
利用所述多场景关联度计算所述装备组合e
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取多个场景的正态分布中的场景关联度均值;
利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述聚合方式包括加和方法、几何加权方法和鲁棒系列方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据网页之间的相互超链接计算的排序方法,获取不同场景下的多场景关联度;
对装备体系下有n个装备组合e
利用所述多场景关联度计算所述装备组合e
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取多个场景的正态分布中的场景关联度均值;
利用网页之间的相互超链接计算的排序方法中的PageRank算法,将所述场景关联度均值代入所述PageRank算法;
通过不同场景之间的关联网络,对不同场景中初始重要度在所述PageRank算法下,进行传播直至收敛,得到所述多场景关联度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在PageRank算法下,获取不同场景下得到n个场景的重要度表示为:PR
根据所述场景重要度PR
根据所述综合体系贡献率,得出装备组合优先发展顺序,获取装备组合在所有场景下确定武器装备的发展规划方案。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述聚合方式包括加和方法、几何加权方法和鲁棒系列方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
- 多场景的装备组合方法、系统、计算机设备和存储介质
- 产品组合方法、系统、计算机设备及存储介质