شبيه‌سازي نبرد با استفاده از شبكه‌هاي عصبي زمان پيوسته

Combat simulation using continuous time neural networks

اين مقاله روي مدل‌سازي رفتار فرماندهان در شبيه‌سازي نبرد تمركز مي‌كند. يك مأموريت نظامي اغلب با اهداف متضاد چندگانه از جمله موفقيت در وظايف، زمان اتمام، نابودي دشمنان و بقاي نيروهاي خودي همراه است. در اين مقاله با در نظر گرفتن سناريوهاي غيردفاعي و دفاعي و با استفاده از بهينه‌سازي چند هدفي، مدلي به‌منظور كمينه‌سازي تلفات نيروهاي خودي و بيشينه‌سازي نابودي دشمنان معرفي مي‌شود. همچنين با استفاده از روش وزن‌دهي و شرايط بهينگي كاروش-كان-تاكر، يك مدل شبكه عصبي بازگشتي زمان پيوسته براي حل مسأله‌ي بهينه‌سازي چند هدفي معرفي شده، طراحي مي‌شود. ايده‌‌ي اصلي رهيافت شبكه عصبي براي مسأله‌ِي بهينه‌سازي چند هدفي معرفي شده، ايجاد يك دستگاه ديناميكي به صورت معادلات ديفرانسيل معمولي مرتبه اول است. شبكه عصبي معرفي شده نياز به هيچ پارامتر تنظيم كننده‌اي ندارد و ساختار آن يك پياده‌سازي سخت‌افزاري ساده را امكان‌پذير مي‌سازد. روش معرفي شده مي‌تواند به عنوان يك مشاور براي فرماندهي كه براي نيروهاي تحت امر خود تصميم مي‌گيرد، عمل كند. در پايان، با استفاده از يك مثال اعتبار و كارايي مدل پيشنهادي نشان داده شده است.

This paper focuses on modeling the behavior of commanders in a combat simulation. A military mission is often associated with multiple conflicting goals, including task success, completion time, enemies’ elimination, and own forces survival. In this paper, considering defensive and non-defensive scenarios, and using multi-objective optimization, a model is presented in order to minimize own forces loss and to maximize enemies’ elimination. Also, based on the weighting method and the Karush-Kuhn-Tucker optimality conditions, a continuous time feedback neural network model is designed for solving the proposed multi-objective optimization problem. The main idea of the neural network approach for the proposed multi-objective optimization problem is to establish a dynamic system in the form of first order ordinary differential equations. The proposed neural network does not require any adjustable parameter and its structure enables a simple hardware implementation. The proposed method can act as a consultant for the commander who decides for its forces. Finally, the validity and efficiency of the proposed model are demonstrated by an example.