基于加权TOPSIS与Dirichlet分布权重敏感性分析的多目标卫星星座设计优化方法

《Aerospace》：A Simulation and TOPSIS Approach to the Satellite Constellation Design Problem Mikkel S?by Kramer, Frederik Christensen, Veronica Hjort, Peter Nielsen and Alex Elkj?r Vasegaard

　　

摘要：本文提出一种融合加权TOPSIS(Technique for Order Preference by Similarity to Ideal Solution，理想解相似性排序偏好技术)多准则决策分析(MCDA, Multi-Criteria Decision Analysis)与Dirichlet分布抽样权重敏感性分析的系统性工程框架，用于解决多目标卫星星座设计优化中主观赋权导致的方案鲁棒性不足问题。研究人员首先建立涵盖覆盖性能、成本及可靠性的评价指标体系并对各备选星座方案量化打分，随后通过TOPSIS计算各方案相对贴近度(Ci)以确定初步最优解，继而以原始权重向量为集中参数从Dirichlet分布中重复抽取扰动权重样本重新运行TOPSIS，统计各备选方案在不同权重组合下成为最优解的频率及其排名波动方差，以此量化评价选型结果对权重变化的敏感程度。案例研究表明，所提方法不仅能给出单一权重下的最优星座构型，还能识别出对权重设定不敏感的稳健方案，弥补了传统MCDA仅输出单一排序而忽视权重不确定性的缺陷。该框架适用于各类含主观赋权的工程系统概念设计阶段，有助于提升航天系统工程决策过程的透明度与可信度。

研究背景与意义

卫星星座设计属典型的多目标、多约束复杂系统工程问题，需在覆盖性能（如全球重访时间、覆盖率）、系统成本（卫星数与轨道面数）、运载火箭兼容性及在轨可靠性等相互冲突的指标间寻求折衷。传统做法常依赖专家经验对各指标赋予固定权重后采用多准则决策分析(MCDA, Multi-Criteria Decision Analysis)——如TOPSIS(Technique for Order Preference by Similarity to Ideal Solution，理想解相似性排序偏好技术)——选出最优方案，然而权重选取具有高度主观性，微小权重变动可能导致排序翻转，现有文献往往未对此开展充分探讨，使最终推荐构型的鲁棒性存疑。针对上述问题，研究人员以小型对地观测低地球轨道(LEO, Low Earth Orbit)星座为对象，将加权TOPSIS与基于Dirichlet分布的权重敏感性分析相结合，构建可量化评价方案权重依赖性的决策框架，相关成果发表于《Aerospace》。

主要关键技术方法

①建立由m个评价指标组成的评估指标体系，对n个备选星座方案获取原始绩效值v_ij（i=1,…,n；j=1,…,m），按效益型与成本型分别归一化；②由决策者给定原始权重向量W=(w₁,…,w_m)，线性加权聚合得综合评价值并构造正理想解a⁺与负理想解a^?；③计算各方案到正、负理想解的欧氏距离d_i⁺与d_i^?，求相对贴近度C_i=d_i^?/(d_i⁺+d_i^?)，C_i∈[0,1]，值越大越优，据此初选最佳方案；④设α_i=c·w_i（c∈?），令新权重向量V?～Dir(α₁,…,α_m)，Dirichlet分布保证样本分量均∈(0,1)且∑=1，E[V_i]=α_i/α₀=w_i，Var[V_i]=α_i(α₀?α_i)/α₀²(α₀+1)，其中α₀=∑α_i；⑤蒙特卡洛抽样生成N组扰动权重，逐次重算TOPSIS排序并记录各方案获选最优解频次及平均排名，通过排名方差与频次分布评估敏感性。

研究结果

Establishment of the Ideal and Anti-Ideal Solutions（正、负理想解确立）

研究人员对每个准则j分别从所有方案取最大值与最小值构成正理想解a⁺={ (max_iv_ij|j∈J⁺, min_iv_ij|j∈J^?) }与负理想解a^?={ (min_iv_ij|j∈J⁺, max_iv_ij|j∈J^?) }，其中J⁺为效益型指标集、J^?为成本型指标集，完成基准参照点定义。

Euclidean Distance to Ideal and Anti-Ideal Solutions（至正、负理想解欧氏距离计算）

对方案i分别计算d_i⁺=√∑_j=1^m(a_j⁺?v_ij)²与d_i^?=√∑_j=1^m(a_j^??v_ij)²，量化各备选与两极点的偏离程度。

Relative Closeness to the Ideal Solution（相对贴近度）

依公式C_i=d_i^?/(d_i⁺+d_i^?)求得各方案相对贴近度，C_i→1表明距正理想解近且距负理想解远，为优选方向，完成基准TOPSIS排序。

Sensitivity Analysis via Dirichlet-Distributed Weight Sampling（基于Dirichlet分布权重抽样的敏感性分析）

以α_i∝w_i设定Dirichlet集中参数，经大规模蒙特卡洛抽样获多组扰动权重并反复执行前述TOPSIS流程，统计各星座方案当选首位之频率及排名标准差。结果表明仅靠基准权重排序选出的"最优"方案在某些邻近合理权重组合下失去优势，而敏感性分析能甄别出全权重空间内综合表现稳定——即获优频率高且排名波动小——的稳健星座构型，证实引入权重不确定性量化可有效避免因主观赋权偏差导致错误决策。

讨论与结论

研究结论指出：(1)传统加权TOPSIS可在给定权重下给出满足多指标折衷的候选最优卫星星座；(2)由于权重赋值具主观性，单一TOPSIS结果不足以表征方案鲁棒性；(3)以原始权重为集中参数从Dirichlet分布中抽取扰动权重并重复TOPSIS评估，可定量获得各备选方案成为最优解的概率（频次/N）及排名离散度（方差），从而区分对权重变化敏感与鲁棒的方案；(4)该方法作为系统性灵敏度检验模块可无缝嵌入现有MCDA流程，提升了多目标航天系统概念设计阶段决策的可信度与可追溯性，对同类含主观赋权工程问题的方案比选具普遍借鉴价值。