不确定条件下自主无人机集群策略的图模糊逐步权重评估比率分析-折中排序法多准则决策框架

《Scientific Reports》：A picture fuzzy SWARA–VIKOR framework for evaluating drone-swarm navigation and mission-coordination strategies under uncertainty

　　

摘要

智能决策框架需要具备处理操作不确定性、模糊的专家判断以及任务属性之间相互作用的能力，以便高效地导航和协调自主无人机集群的任务。传统的优化和决策模型无法有效地表示模糊的专家判断以及以非线性方式影响系统行为的关键导航和协调因素。为克服这些局限，本研究提出了一种图模糊逐步权重评估比率分析—VI?ekriterijumsko KOmpromisno Rangiranje（PF-SWARA–VIKOR）框架，用于在不确定条件下评估无人机集群策略。PF-SWARA 权重计算从基于专家的筛选阶段开始，以确定各准则的相关性，仅让最相关的准则进入权重计算与排序阶段。与传统的直觉模糊集相比，图模糊集（PFSs）通过正向度、中性度、负向度和拒绝度来建模专家评分，从而提供了对不确定性和犹豫的更完整表示。准则权重通过 PF-SWARA 获得，而五种策略——集中式、分散共识式、领导者-跟随者式、混合自适应式和行为响应式协调策略——由 PF-VIKOR 进行排序。根据假设性应用结果，\({U}_{4}\) 为第一优选方案，因其具有最小的折中值 \({\mathcal{Q}}_{4}=0.0000\)，偏好顺序为 \({U}_{4}\succ {U}_{2}\succ {U}_{1}\succ {U}_{5}\succ {U}_{3}\)。影响最大的准则为 \({L}_{7}\) 和 \({L}_{1}\)，权重分别为 \(0.1360\) 和 \(0.1357\)。此外，在 \(\tau =0.1 \sim 0.9\) 的所有取值范围内，\({U}_{4}\) 均排名第一，但中间各方案的排序会随群体效用与个体遗憾的相对强弱而变动。由于案例研究使用了模拟专家和假设性评估，所得结果仅具有方法论适用性，不具备实证推广性。