مدل سازی و حل بهینه مساله تخصیص و زمان بندی حسگر- سلاح/تهدید به صورت یکپارچه با الگوریتم فراابتکاری مبتنی بر GRASP
Publish place: Electronic and cyber defense، Vol: 8، Issue: 1
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 616
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PADSA-8-1_005
Index date: 9 August 2020
مدل سازی و حل بهینه مساله تخصیص و زمان بندی حسگر- سلاح/تهدید به صورت یکپارچه با الگوریتم فراابتکاری مبتنی بر GRASP abstract
امروزه در نبرد ها استفاده از سامانه های هوشمند بسیار متداول شده است. در همین راستا سلاحهای هوشمند کاربرد فراوانی پیدا کرده اند که عمدتا وابسته به حسگر هستند. تطابق حسگر با سلاح و تهدید یا به اختصار تخصیص حسگر-سلاح/تهدید یکی از چالشهای صحنه نبرد و در زمره مسائل بهینهسازی تخصیص منابع پیچیده است به گونهای که نتیجه نبردهای پیشرفته امروزه تا حد زیادی وابسته به استفاده هوشمندانه از حسگرها و سلاحهای موجود برای افزایش تاثیرآنهاست. در این مقاله مساله حسگر-سلاح/تهدید به صورت یکپارچه مدل سازی شده است. مدل ارائه شده به دنبال حداکثر نمودن تخریب تهدیدها در یک افق زمانی مشخص و با رعایت محدودیت های عملیاتی می باشد. برای حل مدل از نرم افزار CPLEX استفاده شده است. همچنین یک الگوریتم فراابتکاری مبتنی بر GRASP برای حل مساله توسعه داده شده است. در پایان، با استفاده از تعدادی نمونه مساله که به صورت تصادفی ساخته شدهاند، نتایج پیاده سازی کلیه روش ها ارائه و مقایسه شده اند.
مدل سازی و حل بهینه مساله تخصیص و زمان بندی حسگر- سلاح/تهدید به صورت یکپارچه با الگوریتم فراابتکاری مبتنی بر GRASP Keywords:
مدل سازی و حل بهینه مساله تخصیص و زمان بندی حسگر- سلاح/تهدید به صورت یکپارچه با الگوریتم فراابتکاری مبتنی بر GRASP authors
رضا قربانی صابر
دانشجوی کارشناسی ارشد، گروه مهندسی صنایع
محمد رنجبر
دانشیار دانشگاه فردوسی مشهد
سعید بلوچیان
دانشیار دانشگاه آزاد اسلامی
احمد ایزدی پور
استادیار، گروه مهندسی برق، دانشگاه امام رضا (ع)، مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :