عبدالرضا اسدی قنبری - آکادمی هوش مصنوعی و فناوری های نوین ،تهران، ایران
سیدعباس ساداتی نژاد - دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران
موسی محمدنیا - آکادمی هوش مصنوعی و فناوری های نوین، تهران، ایران
حسین علایی - گروه مدیریت، دانشگاه جامع امام حسین (ع)، تهران، ایران

امروزه تهدیدات ناشی از اهداف هوایی از مهم ترین چالش ها به شمار می آیند. دو مولفه اصلی در مدیریت این تهدیدات، تصویرسازی و تصمیم گیری بر اساس تصاویر ترسیم شده از آن ها است. در این فرآیند، تصمیمات بر اساس مدل سازی انجام شده از ارزیابی تهدیدات و تخصیص منابع اتخاذ می شوند. در همین راستا، به منظور تصویرسازی دقیق تر شرایط، ماهیت دنباله ای تخصیص منابع درنظر گرفته می شود. از این رو مدلی چند هدفه چند مرحله ای بر اساس سامانه استنتاج فازی و درخت تصمیم ارائه شده است. مهم ترین مزیت سامانه استنتاج فازی در قابلیت کار کردن آن با مقادیر زبانی نهفته است. مزیت اصلی درخت های تصمیم نیز ساختار گرافیکی و توانایی کار کردن آن ها با داده ها غیر کامل یا غیر استاندارد است. همچنین، از دو الگوریتم NSGA-II و SPEA-II برای یافتن راه حل های پارتو استفاده می شود. هر دو الگوریتم با استفاده سه معیار فاصله نسلی به عنوان معیار همگرایی، گستردگی به عنوان معیار تنوع و زمان محاسبات واقعی مقایسه می گردند. در پایان از روش TOPSIS جهت انتخاب تصمیم نهایی استفاده می شود، در حالی که نتایج با استفاده از یک سناریو شبیه سازی شده مورد تحلیل و بررسی قرار خواهند گرفت. نتایج شبیه سازی نشان می دهد که SPEA-II دارای همگرایی و تنوع بهتری است، درحالی که NSGA-II سریع تر بوده و زمان اجرای آن دارای میزان انحراف از معیار کمتری است. ما معتقد هستیم که استفاده از سیستمسامانه استنتاج فازی برای کاربردهای عملی این حوزه مناسب تر از درخت تصمیم است. قطعا در مواردی که با کمبود یا عدم هماهنگی در داده های ورودی روبه رو هستیم، درخت تصمیم می تواند انتخاب ارجح باشد.

تخصیص پویای منابع, الگوریتم ژنتیک با مرتب سازی غیر مغلوب, الگوریتم تکاملی قدرت پارتو, سامانه های استنتاج فازی, درخت تصمیم