کاربرد الگوریتم ژنتیک و شبکه‌های عصبی در بهینه‌سازی سامانه C4I زیردریایی

با توجه به اهمیت مباحثی مانندBMS[1] و C2[2] و [3] C4I  و [4]C4ISR در سطح جهان و رشد روز افزون این فناوری‌ها مخصوصا" در زیردریایی‌ها، هوشمند نمودن این سامانه‌‌ها،کاهش زمان پردازش اطلاعات و افزایش دقت اطلاعات منتجه، از مباحث اساسی حوزه دفاع دریایی می‌باشد. از این‌رو انتخاب هوشمندانه حسگرهای جمع آوری اطلاعات وکشف و آشکارسازی اهداف از مباحث جدی این عرصه خواهد بود. به همین منظور در این مقاله سعی گردیده است تا با استفاده از ابزارهایی مانند الگوریتم ژنتیک و شبکه های عصبی، انتخاب حسگرها را به گونه‌ای هوشمند طرح ریزی نماییم. استفاده از شبکه عصبی در واقع به منظور دست‌یابی به مقدار برازندگی[5] هر کروموزوم الگوریتم ژنتیک می‌باشد که به وسیله آن قادر خواهیم بود بهترین پیکربندی[6] حسگری را برای پایش محیط مورد نظر با توجه به شرایط محیطی، کارآیی حسگرها و ویژگی اهداف بدست آوریم. بدین منظور الگوهای متنوع در شرایط متفاوت برای 6 حسگر مختلف اعمال گردید و مقادیر نرخ تشخیص وجود هدف توسط این حسگرها جمع آوری گردید، که از این مقادیر نیز برای فرآیند آموزش شبکه عصبی استفاده شده است. با توجه به این‌که در زیردریایی‌ها در هر شرایط حداقل یکی از حسگرها دارای خروجی نبوده و خاموش بودن آن تاثیری در کشف و آشکارسازی هدف ندارد بنابراین می‌توان با دستورات منطقی آن حسگر را از ورودی شبکه عصبی حذف کرده و با توجه به کاهش ورودی‌ها و در نتیجه تعداد نرون‌ها و پارامترها سرعت و عملکرد شبکه عصبی را بهبود بخشید. در پایان نیز نتایج حاصل از اجرای این روش با حالات معمول مقایسه گردیده است که نشان دهنده افزایش سرعت و بهبود عملکرد شبکه خواهد بود. 1.Battle Management Systems 2. Command and Control 3. Command, Control, Communications, Computers, Intelligence 4. Command, Control, Communications, Computers, Intelligence, Surveillance and Reconnaissance 5.Fitness function 6.configuration