Система поддержки принятия решения в автоматизированной системе управления военного назначения

ВОЕННАЯ МЫСЛЬ № 07/2011, стр. 11-17

Система поддержки принятия решения в автоматизированной системе управления военного назначения

Подполковник Л.Ю. КАМЫШАН

КАМЫШАН Алексей Юрьевич родился 23 апреля 1972 года. Окончил Тульское высшее артиллерийское инженерное училище (1994), Общевойсковую академию МО РФ (2007). Проходил службу на испытательном полигоне ГРАУ МО РФ. В настоящее время - старший офицер отдела автоматизированного управления войсками ПривРКВВМВД.

АННОТАЦИЯ. Рассматриваются направления исследований в области разработки системы поддержки принятия решений в автоматизированных системах управления военного назначения, предложен спектральный метод оценки технического уровня ракетно-артиллерийского вооружения тактического звена. КЛЮЧЕВЫЕ СЛОВА: спектральный метод оценки, технический уровень, автоматизированные системы управления, тактическое звено, система поддержки принятия решения, ракетно-артиллерийское вооружение, весовые коэффициенты, ракетные системы залпового огня. SUMMARY. The article considers areas of research in the development of decision support system for automated control systems for military use, proposes a spectral method for estimating the technical level of missile artillery tactical groupl. KEYWORDS: spectral estimation method, technical level, automated control systems, tactical-level, decision support system, missile-and-artillery weapons, weighted coefficients, missile systems of salvo fire.

СОСТАВНОЙ частью автоматизированной системы управления (АСУ) артиллерией тактического звена является автоматическая система поддержки принятия решения (СППР), которая должна помогать командиру (управленцу) выбрать наиболее оптимальный вариант применения вида образца вооружения из множества существующих по определенным критериям. На этапе планирования боевых действий командир оперирует базой данных о наличии, тактико-технических характеристиках и техническом состоянии штатных образцов ракетно-артиллерийского вооружения (РАВ). При этом целесообразно использовать спектральный метод оценки технического уровня РАВ, который позволит своевременно выбрать необходимый состав средств поражения в зависимости от решаемой боевой задачи. Сущность метода состоит в следующем.

Во-первых, формируется целевое назначение образца - его способность наносить ущерб противнику.

Во-вторых, проводится описание каждого из вариантов комплекса ранжирования последовательностью характеристик, обеспечивающих всестороннюю оценку любого из вариантов комплекса. Такими характеристиками при сравнении вариантов является: xt - дальность, х2 - точность, х3 - скорострельность, х4 - масса наличия системы ПАЗ.

В-третьих, осуществляется кодирование характеристик Хij для обеспечения сравнимости их значений, что достигается нормированием значений характеристики по группам: к первой группе относятся характеристики с предпочтительным большим значением (например х1 и х2), ко второй - с минимальным значением (х4), а к третьей - имеющие качественное (описательное) значение. Кодирование характеристик представляется в виде матрицы:

Тогда нормирование характеристики для каждого i-го образца осуществляется по соотношениям:

где - кодированное значение у-ой характеристики данного комплекса,

Качественные или описательные характеристики можно отнести к категориям нечетных переменных, поэтому их кодирование требует определенных правил. В рассмотренном примере наличие системы ПАЗ вдвое увеличивает число вариантов боевого применения по сравнению с изделием, не имеющим ПАЗ. Поэтому для изделия с системой ПАЗ а для изделия без нее

После нормирования все характеристики Хij по каждому i-тому образцу оказываются закодированными в интервале [0,1] в виде матрицы той же размерности, что и матрица (1). Анализ матрицы показывает, что каждый ее элемент Хij определяет степень близости i-го образца по j-ой характеристике к наилучшему значению этой тактико-технической характеристики (ТТХ) для данного набора образцов. Из этого следует, что элементы матрицы отражают цель исследований, а вся матрица в целом описывает общее свойство набора образцов - качество вариантов артиллерийского комплекса.

В-четвертых, определение весовых коэффициентов вi (рангов) характеристик комплексов и пересчет их с учетом значений матрицы является отдельным пунктом рассматриваемого метода. Действительно, не все характеристики комплексов равнозначны, как в рассматриваемом примере характеристики х1, х2 и х3.

Пересчет характеристик осуществляется по формуле:

где вj - весовое значение j-ой характеристики.

Для определения весовых значений вj можно использовать методы экспертных оценок ранговой корреляций или другие.

В результате уточнения j-ой характеристики получим матрицу вида:

В-пятых, осуществив вычисление, получаем числа , характеризующие степень близости сравниваемых образцов по целевому признаку z и вклад (вес) каждой из ТТХ в это свойство.

Наименее трудоемкая процедура вычислений получается при использовании метода итераций (качелей). Суть вычислений состоит в определении для n столбцов матрицы таких положительных чисел и для т строк матрицы таких положительных чисел что числа для строк получаются из чисел для столбцов:

где - уточнение (взвешивание) значения характеристики j-той строки из матрицы

Числа для столбцов матрицы получаются из чисел для строк:

где - числа j-го столбца матрицы .

Учитывая, что важны не сами значения , а соотношения между ними, целесообразно нормировать их значения делением на максимальные значения в наборах чисел (4) и (5) соответственно. Тогда кодированные в интервале [0,1] значения можно получить по формулам:

В формулах (6) для определения числитель представляет собой меру качества i-го образца, полученную на совокупности характеристик, а знаменатель - меру качества лучшего образца в данном наборе. Следовательно, можно считать, что получаемые значения являются коэффициентами сравнения альтернативных вариантов комплексов по совокупности ТТХ (по отношению к лучшему в данном наборе), т. е. относительными мерами качества образцов.

Анализ формул (6) показывает, что веса ТТХ обладают следующими свойствами:

чем ближе значения данной ТТХ у образцов к наилучшему значению из данного набора, тем выше ее вес;

чем больше количество образцов обладает данной ТТХ, тем выше ее вес;

чем большим количеством ТТХ обладает образец и чем ближе они к наилучшему значению, тем больший вклад в формирование веса ТТХ дают величины хij данного образца.

Числовые значения величин получаются последовательными приближениями (итерациями). Количество итераций определяется требуемой точностью искомого результата, т. е. точностью оценки сравниваемых вариантов комплексов.

В качестве нулевого приближения можно взять нормированный набор чисел

Первое приближение (ненормированное) получим в результате подстановки в правые части выражений (4) и (5) нулевых приближений, т. е. набор из т чисел, равных

(т сумм, отвечающим т строкам) и набор п чисел, равных

(п сумм, отвечающих п столбцам).

После нормировки по формулам (6) полученные наборы чисел обозначим и возьмем их в качестве первого приближения.

Второе приближение получаем аналогично первому, т. е. подстановкой значений вместо в выражениях (7), (8) и т. д.

При сравнительно небольшом числе приближений получим числа, близкие к истинным значениям , которые и будут мерами качества i-тых образцов и вкладами j-тых характеристик.

Уясним физический смысл процедуры вычислений. Отметим, что в нулевом приближении наборы чисел т и п не увязаны ни друг с другом, ни с матрицей кодированных значений ТТХ, так как числа приняты равными единице произвольно. Наборы чисел, составляющие первые приближения, получены уже в результате «прохождения через матрицу» и поэтому в известной мере соответствуют свойствам матрицы ТТХ.

Последующие приближения дают все более точные значения чисел ввиду того что при каждом прохождении через матрицу значения (т. е. ТТХ) будут оказывать влияние на предыдущие значения и все точнее отражать структуру и взаимосвязь ТТХ.

Особенностью метода, основанного на спектральном подходе, является то, что нельзя получить абсолютные значения характеристики качества исследуемого объекта, т. е. дается только сравнительная оценка характеристики одного типа у разных объектов.

Однако функция каждого j-го сравниваемого варианта комплекса позволяет оценить вклад применения характеристики тс в изменение значения функции качества в виде частных производных

Последняя зависимость позволяет применить, например, метод крутого восхождения для поиска оптимального значения функции качества наилучшего из сравниваемых вариантов артиллерийского комплекса.

В качестве примера расчета проведем сравнительную оценку ракетной системы залпового огня (РСЗО) отечественного и зарубежного производства методом спектрального анализа. Виды РСЗО и их тактико-технические характеристики представлены в таблице 1.

Таблица 1

Первое. Данные из таблицы 1 представляются в виде матрицы той же размерности:

Второе. Нормирование характеристик для каждого i-ого образца осуществляется по соотношениям (2). В нашем примере получается:

После нормирования все характеристики Xj по каждому i-тому образцу оказывается закодированными в интервале [0,1] в виде матрицы той же размерности, что и матрица X. Анализ матрицы показывает, что каждый ее элемент определяется степенью близости i-того образца по j-той характеристике к наилучшему значению этой тактико-технической характеристики для данного набора образцов. В нашем примере:

Третье. По формуле Фишборна производится определение весовых коэффициентов вi (рангов) характеристик комплексов:

где п - общее количество характеристик;

j - порядковый номер характеристики.

В нашем примере:

Четвертое. Осуществляется пересчет матрицы Х c учетом вi по следующей формуле:

где вi - весовое значение j-той характеристики.

Для этого каждый элемент матрицы Х по строкам умножаем на вj. В результате уточнения характеристик получаем матрицу

В нашем примере:

Пятое. Реализуя вычислительную процедуру, получаем числа щj и рj, характеризующие степень близости сравниваемых образцов по целевому признаку Z и вклад (вес) каждой из характеристик в это свойство. Наименее трудоемкой процедура вычислений получается при использовании метода итераций («качелей»). Суть вычислений состоит в определении для п столбцов матрицы таких положительных чисел и для т строк матрицы таких положительных чисел что числа для строк получаются из чисел для столбцов:

где - уточнение (взвешивание) значения характеристики j-той строки из матрицы .

Числа для столбцов матрицы получаются из чисел для строк:

где - числа j-го столбца матрицы .

Для производства первой итерации берем и, умножая каждый элемент матрицы из пункта четыре:

а) по столбцам на и складывая их, получаем . В нашем примере:

б) по строкам на и складывая их, получаем . В нашем примере:

Учитывая, что важны не сами значения , а соотношения между ними, целесообразно нормировать их значения делением на максимальные значения в наборах чисел (10) и (11) cоответственно. Тогда кодированные в интервале [0,1] значения можно получить по формулам (6). Таким образом, для производства нормировки:

а) по , делим все из пункта пять на max . В нашем примере получаем:

б) делим все из пункта пять на . В нашем примере получаем:

Вторая и последующие итерации производятся аналогично первой до тех пор, пока не станет В нашем примере в результате второй итерации получаем:

При производстве третьей итерации получаем Так как то на этом вычисления прекращаются.

На основании произведенных расчетов составляется кортеж предпочтительности, согласно которому лучшим из оцениваемых образцов является «Ураган»

Таким образом, можно сделать следующий вывод: используя спектральный метод оценки технического уровня ракетно-артиллерийского вооружения в математическом алгоритме и программе автоматической подсистемы поддержки принятия решений автоматизированной системы управления войсками, можно достичь оптимального выбора средств поражения, а по аналогии - и состава средств добывания информации (разведывательных средств) для достижения успеха в боевых действиях при минимальных временных затратах во время планировании боевой операции.

---