[发明专利]智能性水平分析评估方法及装置、计算机可读存储介质

权利要求书

1.一种智能性水平分析评估方法，其特征在于，包括：

确定评价指标的级数以及每级评价指标包含的下一级评价指标；

根据最末级评价指标生成一个参考数列与n个比较数列，所述参考数列为最末级评价指标的最优值组成的数列，n≥1，每个所述比较数列为一个参评智能体的最末级评价指标的测试值组成的数列；根据所述参考数列与所述比较数列生成倒数第二级评价指标的评分矩阵；

从倒数第二级评价指标开始，依次用每一级评价指标的权重向量与同一级评价指标的评分矩阵相乘，得到每一级评价指标的综合评价，将同一级评价指标的综合评价进行拼接，形成同一级评价指标的上一级评价指标的评分矩阵，直到得到第一级评价指标的评分矩阵；

用所述第一级评价指标的权重向量与所述第一级评价指标的评分矩阵相乘，得到所述第一级评价指标的综合评价，根据所述第一级评价指标的综合评价确定n个参评智能体的智能性水平。

2.根据权利要求1所述的智能性水平分析评估方法，其特征在于，所述根据所述参考数列与所述比较数列生成倒数第二级评价指标的评分矩阵，包括：

对所述参考数列与所述比较数列进行无量纲化处理；

计算所述参考数列与所述比较数列在每个最末级评价指标处的灰色关联系数，用同一倒数第二级指标下的多个不同最末级评价指标的灰色关联系数组成所述同一倒数第二级指标的评分矩阵。

3.根据权利要求1所述的智能性水平分析评估方法，其特征在于，所述参评智能体为无人机。

4.根据权利要求1所述的智能性水平分析评估方法，其特征在于，确定的所述评价指标的级数为四级。

5.根据权利要求4所述的智能性水平分析评估方法，其特征在于，第一级指标为总体智能性评价，第二级指标包括智能性感知指标、智能性决策指标和智能性执行指标，其中，所述智能性感知指标包括三个第三级指标：目标感知指标、状态感知指标和态势感知指标，所述智能性决策指标包括三个第三级指标：基于规则决策、自主决策和自适应决策，所述智能性执行指标包括三个第三级指标：确定式执行、跟随式执行和启发式执行，每个所述第三级指标下包括各自对应的一个或多个第四级指标。

6.根据权利要求1所述的智能性水平分析评估方法，其特征在于，所述从倒数第二级评价指标开始，依次用每一级评价指标的权重向量与同一级评价指标的评分矩阵相乘，得到每一级评价指标的综合评价，将同一级评价指标的综合评价进行拼接，形成同一级评价指标的上一级评价指标的评分矩阵，直到得到第一级评价指标的评分矩阵，包括：

使用层次分析法，计算得到每一第三级指标的权重向量；

用每一第三级指标的权重向量与每一第三级指标的评分矩阵相乘，得到每一第三级指标的综合评价，将每一第二级指标的多个第三级指标的综合评价进行拼接，得到每一第二级指标的评分矩阵；

使用层次分析法，计算得到每一第二级指标的权重向量；

用每一第二级指标的权重向量与每一第二级指标的评分矩阵相乘，得到每一第二级指标的综合评价，将多个第二级指标的综合评价进行拼接，得到第一级指标的评分矩阵。

7.根据权利要求6所述的智能性水平分析评估方法，其特征在于，每一评价指标的权重向量通过如下方法计算得到：

确定当前评价指标的比对矩阵，所述比对矩阵的第a行第b列的元素A(a,b)表示当前评价指标的第a个下一级评价指标相对于第b个下一级评价指标的重要性，A(a,b)＝1/A(b,a)；

将所述比对矩阵的最大特征根对应的特征向量，作为当前评价指标的权重向量。

8.一种智能性水平分析评估装置，其特征在于，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至7中任一项所述的智能性水平分析评估方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的智能性水平分析评估方法。

10.一种智能性水平分析评估装置，其特征在于，包括指标确定模块、第一评分模块、第二评分模块和水平确定模块，其中：

所述指标确定模块，配置为确定评价指标的级数以及每级评价指标包含的下一级评价指标；

所述第一评分模块，配置为根据最末级评价指标生成一个参考数列与n个比较数列，所述参考数列为最末级评价指标的最优值组成的数列，n≥1，每个所述比较数列为一个参评智能体的最末级评价指标的测试值组成的数列；根据所述参考数列与所述比较数列生成倒数第二级评价指标的评分矩阵；

所述第二评分模块，配置为从倒数第二级评价指标开始，依次用每一级评价指标的权重向量与同一级评价指标的评分矩阵相乘，得到每一级评价指标的综合评价，将同一级评价指标的综合评价进行拼接，形成同一级评价指标的上一级评价指标的评分矩阵，直到得到第一级评价指标的评分矩阵；

所述水平确定模块，配置为用所述第一级评价指标的权重向量与所述第一级评价指标的评分矩阵相乘，得到所述第一级评价指标的综合评价，根据所述第一级评价指标的综合评价确定n个参评智能体的智能性水平。