Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2021-21-6-848-857
УДК 004.942
Проактивное управление составом и структурой системы пространственного мониторинга в условиях воздействия дестабилизирующих факторов
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Шайдулин З.Ф., Балдычев М.Т., Тимошенко А.В., Омельшин А.А. Проактивное управление составом и структурой системы пространственного мониторинга в условиях воздействия дестабилизирующих факторов // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21, № 6. С. 848–857. doi: 10.17586/2226-1494-2021-21-6-848-857
Аннотация
В работе рассмотрены вопросы повышения целевого показателя функционирования системы пространственного мониторинга, выраженного в максимизации количества обнаруженных объектов поиска в условиях воздействия дестабилизирующих факторов. Показано, что такая задача может быть решена путем интеграции имитационного моделирования и искусственного интеллекта в модуле моделирования и прогнозирования подсистемы проактивного управления системы пространственного мониторинга. В рамках предложенного подхода имитационная модель позволяет генерировать множество вариантов течения антагонистического конфликта и используется в качестве площадки для обучения нейросетевого модуля, который отвечает за структуру системы пространственного мониторинга. Взаимодействие нейросетевого модуля с имитационной моделью реализовано посредством интеграции интеллектуального агента. Реализован процесс обучения «с подкреплением». Выявлено, что предлагаемая интеграция возможна путем применения агентно-ориентированного подхода. На основе данного подхода представлено структурно-функциональное описание имитационной модели действия системы пространственного мониторинга в условиях воздействия дестабилизирующих факторов. Представленные результаты подтверждают эффективность рекомендаций по управлению элементами системы при использовании обученного в ходе имитационного моделирования нейросетевого модуля. Выполнено сравнение с базовыми стратегиями поиска объектов. Определены перспективы применения нейросетевых технологий и машинного обучения «с подкреплением» в подсистеме проактивного управления системы пространственного мониторинга и пути их достижения.
Ключевые слова: проактивное управление, агентно-ориентированный подход, имитационное моделирование, нейросетевые технологии, теория игр, машинное обучение, обучение «с подкреплением»
Благодарности. Часть исследования выполнена при поддержке гранта Российского научного фонда № 21-19-00481.
Список литературы
Благодарности. Часть исследования выполнена при поддержке гранта Российского научного фонда № 21-19-00481.
Список литературы
-
Соколова И.С., Тырсин А.Н. Использование энтропийно-вероятностного моделирования в задачах мониторинга и управления сложными системами // Современные технологии. Системный анализ. Моделирование. 2012. № 4. С. 35–39.
-
Охтилев М.Ю., Мустафин Н.Г., Миллер В.Е., Соколов Б.В. Концепция проактивного управления сложными объектами: теоретические и технологические основы // Известия вузов. Приборостроение. 2014. Т. 57. № 11. С. 7–15.
-
Имитационное моделирование боевых действий: теория и практика / под ред. П.А. Созинова, И.Н. Глушкова. Тверь, 2013. 528 с.
-
Андреев Г.И., Созинов П.А., Тихомиров В.А. Основы теории принятия решений. М.: Радиотехника, 2017. 648 с.
-
Богданов О.А., Смирнов А.А., Ковалев Д.В. Имитационное моделирование противоборства в воздушно-космической сфере // Программные продукты и системы. 2016. № 1. С. 160–165. https://doi.org/10.15827/0236-235X.113.160-165
-
Осипов М.П. Влияние численности сражающихся сторон на их потери // Военный сборник. 1915. № 10. С. 93–96.
-
Воробьев А.А., Загодарчук И.В., Филяев М.П. Имитационное моделирование в военном деле // Научные проблемы материально-технического обеспечения Вооруженных Сил Российской Федерации: сборник научных трудов. 2018. № 3(9). С. 42–49.
-
Aksarayli M., Yildiz A. Process optimization with simulation modeling in a manufacturing system // Research Journal of Applied Sciences, Engineering and Technology. 2011. V. 3. N 4. P. 318–328.
-
Kang B.G., Choi S.H., Kwon S.J., Lee J.H., Kim T.G. Simulation-based optimization on the system-of-systems model via model transformation and genetic algorithm: A case study of network-centric warfare // Complexity. 2018. P. 4521672. https://doi.org/10.1155/2018/4521672
-
Ankenman B., Nelson B.L., Staum J. Stochastic kriging for simulation metamodeling // Operations Research. 2010. V. 58. N 2. P. 371–382. https://doi.org/10.1287/opre.1090.0754
-
Chen W., Gao S., Chen C.H., Shi L. An optimal sample allocation strategy for partition-based random search // IEEE Transactions on Automation Science and Engineering. 2014. V. 11. N 1. P. 177–186. https://doi.org/10.1109/TASE.2013.2251881
-
Абчук В.А. Справочник по исследованию операций. М.: Воениздат, 1979. 368 с.
-
Куцев Л.Н., Мещеряков Г.А., Ткаченко П.Н. и др. Математические модели боевых действий. М.: Советское радио, 1969. 240 с.
-
Вентцель Е.С. Элементы теории игр. М.: Физматгиз, 1961. 68 с.
-
Галяев А.А., Маслов Е.П., Рубинович Е.Я. Об одной задаче управления движением объекта в конфликтной среде // Известия Российской академии наук. Теория и системы управления. 2009. № 3. С. 134–140.
-
Дюбин Г.Н., Суздаль В.Г. Введение в прикладную теорию игр. М.: Наука, 1981. 336 с.
-
Chen X., Jiang N., Jing Y., Stojanovski G., Dimirovski G. Differential game model and its solutions for force resource complementary via lanchester square law equation // IFAC Proceedings Volumes. 2011. V. 44. N 1. P. 1429–1433. https://doi.org/10.3182/20110828-6-IT-1002.01042
-
Shoham Y., Leyton-Brown K. Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations. London: Cambridge University Press, 2008. 532 p. https://doi.org/10.1017/CBO9780511811654
-
Новиков Д.А. Рациональная интеллектуализация МАС // Теория активных систем-2011: Труды международной научно-практической конференции. Т. 3. М.: Институт проблем управления им. В.А. Трапезникова РАН, 2011. С. 233–238.
-
Корепанов В.О. Модели рефлексивного группового поведения и управления. М.: ИПУ РАН, 2011. 133 с.
-
Weiss G. Multiagent Systems: a Modern Approach to Distributed Artificial Intelligence. Massachusetts: MIT Press, 1999. 619 с.
-
Борщев А.В., Mahdavi A., Жеребцов А.А. Имитационные модели как виртуальная среда для обучения и тестирования искусственного интеллекта для бизнес-приложений // Девятая всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» (ИММОД-2019): Труды конференции. Екатеринбург: Издательство Уральского государственного педагогического университета, 2019. с. 20–29.
-
Кутузов О.И., Татарникова Т.М. Общее в подходе к имитационному моделированию инфокоммуникационных и транспортных сетей // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 5. С. 912–917. https://doi.org/10.17586/2226-1494-2019-19-5-912-917
-
Викснин И.И., Ляховенко Ю.А., Турсуков Н.О. Моделирование поведения неорганизованной группы в случае чрезвычайной ситуации // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 6. С. 1130–1138. https://doi.org/10.17586/2226-1494-2019-19-6-1130-1138
-
Alsalehi S., Mehdipour N., Bartocci E., Belta C. Neural network-based control for multi-agent systems from spatio-temporal specifications [Электронный ресурс]. URL: https://arxiv.org/pdf/2104.02737.pdf (дата обращения: 23.05.2021).
-
Arulkumaran K., Deisenroth M.P., Brundage M., Bharath A.A. Deep reinforcement learning: A brief survey // IEEE Signal Processing Magazine. 2017. V. 34. N 6. P. 26–38. https://doi.org/10.1109/MSP.2017.2743240
-
Lin L.-J. Self-improving reactive agents based on reinforcement learning, planning and teaching // Machine Learning. 1992. V. 8. N 3-4. P. 293–321. https://doi.org/10.1007/BF00992699
-
Боев C.Ф., Тимошенко А.В., Чеботарь И.В., Балдычев М.Т. Метод комплексного применения бортовых радиотехнических и радиолокационных средств для распознавания радиомолчащих воздушных объектов в условиях радиоэлектронного подавления // Журнал радиоэлектроники. 2017. № 4. С. 2.
-
Ha D., Schmidhuber J. World Models [Электронный ресурс]. URL: https://arxiv.org/pdf/1803.10122.pdf(дата обращения: 17.04.2021).
-
Петросян Л.А., Гарнаев А.Ю. Игры поиска: учебное пособие. СПб.: Изд-во СПбГУ, 1992. 216 с.
-
Петросян Л.А., Зенкевич Н.А. Оптимальный поиск в условиях конфликта: учебное пособие. Л.: Изд-во ЛГУ, 1987. 77 с.
-
Абчук В.А., Суздаль В.Г. Поиск объектов. М.: Советское радио, 1977. 336 с.
-
Taillandier P., Bourgais M., Caillou P., Adam C., Gaudou B. A BDI agent architecture for the GAMA modelling and simulation platform // Lecture Notes in Computer Science. 2017. V. 10399. P. 3–23. https://doi.org/10.1007/978-3-319-67477-3_1
-
Bratman M. Intention, Plans, and Practical Reason. Harvard University Press, 1987. 208 c.
-
Корепанов В.О., Новиков Д.А. Задача о диффузной бомбе // Проблемы управления. 2011. № 5. С. 66–73.
-
Куприянов А.И. Радиоэлектронная борьба. М.: Вузовская книга, 2013. 360 с.