МОДЕЛЬ МАШИННОГО ОБУЧЕНИЯ УКЛОНЕНИЯ РОЯ ОТ ВОЗДЕЙСТВИЯ АНТОГОНИСТИЧЕСКОЙ СРЕДЫ

Аннотация

Одним из приоритетных направлений теории группового управления на близлежащую перспективу является роевое управление группами малых беспилотных летательных аппаратов – микро-, мини- и нано- классов, выполняющих коллективную задачу в условиях воздействия противника. Здесь сталкиваются две антагонистические стратегии-минимизации потерь с точки зрения атакующего роя и максимизации таких потерь с точки зрения системы обороны. Цель исследования: разработка подхода к решению практической задачи – проникновения роя беспилотных летательных аппаратов на охраняемый системой обороны объект. Задачи исследования заключались в анализе характеристик факторов, влияющих на процессы обнаружения, сопровождения, распознавания намерений роя систе- мой обороны и разработка модели машинного обучения создания пространственно-временных форма- ций, минимизирующих число пораженных системой обороны элементов роя. В качестве основных па- раметров системы обороны выделены дальность обнаружения и продолжительность распознавания роя, время на принятие решения по действиям роя, размер зоны поражения средств обороны. В каче- стве метода исследования выбран метод машинного обучения на сверточных нейронных сетях с под- креплением. Эффект противодействия системе обороны создается за счет динамичности роя; он может активно маневрировать, создавая в процессе осуществления миссии пространственно- временные маневры. Для моделирования ситуации «Рой vs Система обороны» вводится агент роя (ней- ронная сеть с архитектурой трансформер, которая инициирует формации роя) и агент системы обо- роны, которая распознает рой и атакует его, создавая зону поражения в условном центре масс роя. Рой руководствуется стохастическим правилом, предлагая системе обороны (среде) отреагировать на его маневр. Среда отвечает атакой роя, образуя поражающий фактор в той точке, в которой предположительно окажется рой или основная часть роя. Наградой стратегии роя выступает число неуничтоженных объектов в условиях выполнения ограничений; для системы обороны эта «награда» выступает как «наказание». В процессе машинного обучения установлено интересное явление: каждый элемент роя, оставаясь в рамках заданного пространства и реализуя биологические принципы роевого управления без Лидера самостоятельно уклоняется от области поражения, что в совокупности созда- ет случайную для средств обороны пространственно-временную формацию с минимальными потерями элементов роя. Таким образом, методом машинного обучения с подкреплением создана модель, позво- ляющая варьировать поведением роя и синтезировать пространственно-временных формации, за- трудняющие обнаружение, сопровождение, распознавание намерений и принятие решений по воздей- ствию системы обороны на рой атакующих малых беспилотных летательных аппаратов, а также существенно снизить их потери