Das schnelle Wachstum des wirtschaftlichen Ökosystems in niedrigen Höhen und die Anwendungen von Drohnenschwärmen in verschiedensten Sektoren stellen für Ingenieure erhebliche Herausforderungen in Bezug auf eine effektive Leistungsevaluation und operative Optimierung dar. Traditionelle Bewertungsmethoden stoßen oft an ihre Grenzen aufgrund der inhärenten Komplexität, der dynamischen Natur und der vielschichtigen Leistungsmerkmale von Drohnenschwärmen. Diese Studie stellt ein neuartiges, auf Bayesian Networks (BN) basierendes Multikriterien-Entscheidungsframework vor, das systematisch Expertenintuition mit Echtzeitdaten integriert. Durch den Einsatz von Varianzzerlegung wird eine theoretisch fundierte, bidirektionale Zuordnung zwischen von Experten zugewiesenen Gewichten und den probabilistischen Parametern des Netzwerks hergestellt, wodurch ein einheitliches Modell aus subjektiver Expertise und objektiven Daten geschaffen wird. Umfassende Validierung demonstriert die Wirksamkeit des Frameworks zur Identifizierung kritischer Leistungsfaktoren, einschließlich Umweltbewusstsein, Kommunikationsfähigkeit und kooperativer Entscheidungsfindung. Letztendlich bietet unsere Arbeit Ingenieuren ein transparentes und anpassungsfähiges Werkzeug, das umsetzbare Erkenntnisse liefert, um die Ressourcenzuteilung zu informieren, die Technologieanwendung zu leiten und die gesamte operative Effektivität komplexer Drohnenschwärme zu verbessern.
Zhong et al. (Mon,) untersuchten diese Frage.