Software & Systems

Анализ особенностей современных войн и вооруженных конфликтов показывает, что наряду с другими факторами успех боевых действий на стороне тех, кто имеет более эффективную систему управления группировками войск (сил) за счет качества принимаемых решений органами военного управления (ОВУ) на их боевое применение. В настоящее время в целях повышения оперативности и обоснованности принимаемых ОВУ решений применяются моделирующие комплексы военного назначения (МК ВН), представляющие собой совокупность технических и программных средств, обеспечивающих расчеты и имитационное моделирование военных (боевых) действий [1].

Результаты анализа применения МК ВН на мероприятиях оперативной подготовки показали, что наряду с достоинствами комплексы имеют и ряд существенных недостатков. Основным из них является значительное превышение нормативных сроков представления результатов имитационного моделирования (выходных параметров) в условиях ограничений применения программных средств МК ВН в со-ответствии с их назначением выполняемым алгоритмам работы ОВУ [2]. Следствием недостатка является колоссальный объем исходных данных (входных параметров) об обстановке, своих войсках и противнике, который требуется ввести в МК ВН в условиях временных ограничений, отведенных на применение их программных средств.

Анализ структуры и функциональных возможностей программных средств МК ВН показал, что на оперативность их применения при использовании по назначению существенно влияет продолжительность ввода входной информации о действиях вероятного противни-ка [3]. Повысить оперативность применения МК ВН на этапе ввода входной информации можно путем модернизации существующих программных средств: предлагается выбор предпочтительного варианта входных параметров, определяющего состав вводимых па-раметров и автоматически заменяемых зна-чениями по умолчанию, при ограничениях на допустимую ошибку расчета выходных параметров.

Целью данной работы является оценка влияния замены действительных значений входных параметров об ударе вероятного противника значениями по умолчанию на показатели результатов имитационного моделирования боевых действий, направленных на сокращение временных затрат вводимых параметров.

Структурная схема предлагаемого метода построения программных средств МК ВН представлена на рисунке 1. В рамках создания нового научного метода были разработаны представленные далее новые научные методики.

Методика сбора и обработки статистических данных результатов моделирования

На предварительном этапе для текущего s-го варианта моделирования, выбранного для сбора статистики, формируется перечень задействованных входных параметров – i-x классов средств воздушно-космического нападения (СВКН) противника. Для данного перечня из БД МК ВН считываются значения по умолчанию f-х атрибутов , полученные заблаговременно по статистическим данным результатов совокупности реализаций модели  Каждый i-й входной параметр содержит следующий набор атрибутов, которые могут быть заменены значениями по умолчанию: тип СВКН, номер варианта подвески, режим работы радиоэлектронной станции (РЭС).

В случае отсутствия статистических данных считываются значения, полученные по данным классификаторов моделирующего комплекса  и проводится первый имитационный эксперимент для s-го варианта моделирования при значении всех , соответствующих значениям по умолчанию [4]. После проведения моделирования формируются и сохраняются значения выходных параметров  В качестве примеров выходных параметров могут рассматриваться количество уничтоженных СВКН противника и объектов прикрытия, расход зенитных управляемых ракет и т.д.

Далее для каждого  формируются варианты всех возможных m-х сочетаний значений атрибутов varim с последующим проведением экспериментов по каждому варианту, при этом значения атрибутов прочих  заменяются значениями по умолчанию. По результатам проведенных экспериментов сохраняются новые значения выходных параметров .

После экспериментов определяется признак возможности использования статистических данных  каждого варианта моделирования по каждому :  если   где  – число вариантов моделирования;  – иначе.

Приведенное выражение означает, что  если для всех вариантов varim значения хотя бы одного выходного параметра равны между собой. В результате в БД МК ВН остаются только статистические данные, для которых значения всех выходных параметров не равны между собой либо во всех вариантах моделирования значения одного или нескольких выходных параметров будут равны между собой.

Методика определения значений входных параметров по умолчанию

На предварительном этапе по i-му входному параметру для каждого g-го атрибута Xig, используемого для определения значений по умолчанию, из классификаторов считываются значения атрибутов (Xig)kg, а также перечень ва-риантов varim, содержащий набор сочетаний значений атрибутов  Пусть при опре-делении значений по умолчанию используются атрибуты Xig: Xi1 – крейсерская скорость полета СВКН; Xi2 – дальность полета; Xi3 – высота боевого применения. Пример вариантов значений дальности полета СВКН Xi2 приведен в таблице 1.

Далее определяется наличие достоверных статистических данных результатов моделирования для определения значения по умолчанию. При их наличии значение по умолчанию определяется результатами моделирования, в противном случае – данными из классификаторов. Тогда значения по умолчанию определяются исходя из минимизации суммарного отклонения значений атрибутов Xig от медиан этих атрибутов, в том числе Xig: Me(Xig). Для каждого варианта varim определяются значения атрибутов Xig с учетом вложенной структуры входного параметра.

Пусть в классификаторах имеются данные, приведенные в таблице 2.

По представленным структурам Xig формируются варианты сочетания значений атрибутов. Для каждого варианта рассчитывается суммарное относительное отклонение значений (Xig)m атрибутов Xig от медиан Ме(Xig):

Для рассмотренного выше примера каждое суммарное относительное отклонение представлено в таблице 3.

Далее определяется вариант с минимальным значением отклонения:  Избранному варианту соответствует определенное сочетание значений атрибутов  которые фиксируются как новые значения по умолчанию  полученные по данным классификаторов, и заносятся в БД моделирующего комплекса.

Для числового примера, рассмотренного в таблице 2, сочетания значений по умолчанию соответственно равны:  – F-16 c вариантом подвески № 1 F-16;  – тип СВКН F-16;  – вариант подвески № 1.

Следующий этап данной методики – установление значения по умолчанию с использованием статистических данных  определяемых исходя из минимизации суммарного отклонения значений j-х выходных параметров  варианта varim сочетаний значений атрибутов  от значений выходных параметров  всех других вариантов varik.

Пусть имеются следующие выходные данные:  – число уничтоженных СВКН;  – число уничтоженных объектов прикрытия; – расход зенитных управляемых ракет. Для входного параметра имеются четыре варианта varim сочетания значений атрибутов  (табл. 3), также по результатам моделирования получены значения выходных параметров, приведенные в таблице 4.

Так, для каждого m-го варианта рассчитывается суммарное отклонение значений j-го выходного параметра конкретного варианта от зна-чений конкретного выходного параметра всех других вариантов:  где  – максимальное значение выходного параметра по всем вариантам varim. Отклонения по каждому варианту сведены в таблицу 5.

Таблица 4

Пример числовых значений выходных параметров

Table 4

An example of numeric output parameters

Промежуточный этап методики состоит в следующем. Для каждого m-го варианта рассчитывается суммарное отклонение по всем выходным параметрам:  где wj – весовой коэффициент j-го выходного параметра, рассчитанный с помощью элементов метода анализа иерархии [5].

Таблица 5

Пример суммарных отклонений значений выходного параметра

Table 5

An example of the total deviations of the output parameter values

В качестве примера для расчета суммарного отклонения для каждого m-го варианта взяты следующие значения весовых коэффициентов: w1 = 0,2, w2 = 0,5, w3 = 0,3. Численные значения суммарного отклонения Δim по каждому выходному параметру представлены в таблице 5.

Заключительный этап методики состоит в том, что для выбора варианта varim с минималь-ным отклонением рассчитывается верхняя гра-ница доверительного интервала:  где  и – оценка математического ожидания и среднеквадратического суммарного взвешенного отклонения для каждого варианта соответственно; tβ – коэффициент Стьюдента для заданной доверительной вероятности PДОВ и числа реализации варианта [6].

В итоге определяется вариант, имеющий минимальное значение отклонения:   Избранному варианту соответствует определенное сочетание значений атрибутов , которые фиксируются как новые значения по умолчанию  полученные по статистическим данным, и заносятся в БД.

Методика формирования и выбора предпочтительного варианта ввода входных параметров

На предварительном этапе вычисляется среднее значение ошибки определения  для совокупности вариантов в s-х реализациях модели [7]:  

Затем рассчитывается взвешенная суммарная ошибка по совокупности выходных параметров  в s-х реализациях:  Далее по совокупности s-х реализаций модели определяются математическое ожидание  и дисперсия  ошибки расчета выходных параметров, а также верхняя граница значения ошибки:

Для соблюдения условия ввода данных в условиях временных ограничений определяются параметры закона распределения времени ввода. К ним относятся математическое ожидание  и дисперсия  времени выполнения одной элементарной операции [8]. Кроме того, каждый вариант характеризуется своим значением вектора признаков использования значений атрибутов по умолчанию .

Рассчитываются математическое ожидание и дисперсия времени ввода входных параметров каждого варианта соответственно:

                             (1)

                               (2)

где NПР – число предварительных элементарных операций;  – число экземпляров входного параметра;  – число элементарных операций для ввода входного параметра при задании значений по умолчанию.

Далее для каждого варианта вычисляются суммарная ошибка расчета выходных параметров и верхняя граница времени ввода:

                                     (3)

                                     (4)

Поиск предпочтительного варианта ввода данных определяется исходя из выполнения условий ε ≤ ε0, Tsup → min. Результат поиска – предпочтительный вектор признаков использования значений атрибутов по умолчанию для совокупности входных параметров .

Разработана программа для формирования входных параметров, реализующая предлагаемый метод [9]. Структура макета программы содержит перечень соответствующих программных модулей, представленных на рисунке 2.

На рисунке 3 приведена структурная схема дополнительной БД, включающей в себя объекты и их атрибуты, необходимые для реализации программы [10].

Представленные таблицы связаны с имею-щимися классификаторами моделирующего комплекса: типы СВКН, варианты подвески типов СВКН, типы РЭС и режимы работы РЭС.

Апробация предлагаемого метода и имитационные эксперименты были проведены на базе Военной академии воздушно-космической обороны (г. Тверь) с использованием многофункционального МК ВН «Небосвод 2.0», позволяющего моделировать боевые действия противоборствующих группировок в воз-душно-космической сфере и оценивать их ре-зультаты в едином интерактивном пространственно-временном контуре управления. Программные средства комплекса разработаны в программно-технической среде Microsoft Visual Studio 2015 (язык программирования С++, СУБД PostgreSQL) [11].

На рисунке 4 представлен предпочтительный вариант построения программных средств, предполагающих внедрение технологических решений в универсальную программную архитектуру МК ВН «Выпускник-ВАГШ» (НПО «РусБИТех», г. Тверь), что позволит организовать дальнейшие разработки (модернизацию) перспективных программных средств на единой методической и технологической основе с учетом их использования по назначению.

Заключение

Таким образом, установлено непосредственное влияние замены действительных значений входных параметров значениями по умолчанию на показатели результатов имитационного моделирования боевых действий. Следовательно, для сокращения временных затрат на ввод входных параметров необходимо модернизировать программные средства технологическими разработками таким образом, чтобы с их помощью обеспечить соответ-ствие временных сроков, отведенных на ввод исходных данных, регламентированных нормативными документами, фактическим временным затратам, при этом не превысив допустимую ошибку расчета выходных параметров (результатов моделирования).

Научная новизна исследования заключается в разработке метода построения программных средств МК ВН, отличающегося от существующих тем, что за счет нового построения программных средств осуществляется выбор варианта данных, определяющего состав вводимых параметров и автоматически заменяемых значениями по умолчанию.

Предложенный метод может быть использован при моделировании боевых действий в воздушно-космической сфере с использованием программных средств МК ВН по назначению при подготовке и непосредственно в процессе боевых действий.

Литература

1.    Тиханычев О.В. Субъективные аспекты применения математического моделирования военных действий в практике работы органов военного управления // Военная мысль. 2011. № 10. С. 49–53.

2.    Лясковский В.Л., Ризаев Р.Н., Допира Р.В., Кучеров Ю.С. Методика оценки степени влияния модели системы управления на эффективность применения частей и подразделений радиоэлектронной борьбы в моделирующих комплексах военного назначения // Вопросы радиоэлектроники. 2020. № 10. С. 46–52. DOI: 10.21778/2218-5453-2020-10-46-52.

3.    Голубев Ю.Н., Каргин В.Н. Информационные технологии в управлении войсками // Военная мысль. 2005. № 6. С. 43–45.

4.    Созинов П.А., Глушков И.Н. Имитационное моделирование боевых действий: теория и практика. Тверь, 2013. 528 с.

5.    Иванов В.К., Думина Д.С., Семенов Н.А. Определение весовых коэффициентов для аддитивной фитнес-функции генетического алгоритма // Программные продукты и системы. 2020. Т. 33. № 1. С. 47–53. DOI: 10.15827/0236-235X.129.047-053.

6.    Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. 400 с.

7.    Вентцель Е.С. Теория вероятностей; [пер. с англ.]. М: ЮСТИЦИЯ, 2018. 658 с.

8.    Шеннон Р. Имитационное моделирование систем – искусство и наука. М.: Мир, 1978. 420 с.

9.    Девятков В.В. Методология и технология имитационных исследований сложных систем: современное состояние и перспективы развития. М.: ИНФРА-М, 2013. 448 с.

10. Шлее М. Qt 5.10. Профессиональное программирование на С++. СПб: БХВ-Петербург, 2018. 1072 с.

11. Костров А.С. К вопросу совершенствования программных средств моделирования автоматизированных систем военного назначения // Состояние и перспективы развития математического моделирования сложных процессов в системах военного и двойного назначения: сб. матер. конф. Анапа, 2020. С. 247–255.

References

1. Tikhanychev О.V. Subjective aspects of using mathematical modeling of military operations in the military command and control practice. Military Thought, 2011, no. 10, pp. 49–53 (in Russ.).

2. Lyaskovskiy V.L., Rizaev R.N., Dopira R.V., Kucherov Yu.S. Methodology for assessing the influence of control system on efficiency of application of electronic warfare units in military modeling complexes. Issues of Radio Electronics, 2020, no. 10, pp. 46–52. DOI: 10.21778/2218-5453-2020-10-46-52 (in Russ.).

3. Golubev Yu.N., Kargin V.N. Information technology in the management of troops. Military Article, 2005, no. 6, pp. 43–45 (in Russ.).

4. Sozinov P.A., Glushkov I.N. Simulation of Combat Operations: Theory and Practice. Tver, 2013,
528 p. (in Russ.).

5. Ivanov V.K., Dumina D.S., Semenov N.A. Determination of weight coefficients for additive fitness function of genetic algorithm. Software and Systems, 2020, vol. 33, no. 1, pp. 47–53. DOI: 10.15827/0236-235X.129.047-053 (in Russ.).

6. Buslenko N.P. Modeling Complex Systems. Moscow, 1978, 400 p. (in Russ.).

7. Wentzel E.S. Probability Theory. Moscow, 2018, 658 p. (in Russ.).

8. Shannon R.E. Systems Simulation: The Art and Science. Prentice Hall, 1975, 387 p. (Russ. ed.: Moscow, 1978, 420 p.).

9. Devyatkov V.V. Methodology and Technology of Simulation Studies of Complex Systems: Current State and Prospects of Development . Moscow, 2013, 448 p. (in Russ.).

10. Shlee M. Qt 5.10 Professional Programming on C++. St. Petersburg, 2018, 1072 p. (in Russ.).

11. Kostrov A.S. On the issue of improving software tools for modeling automated systems for military use. Conf. Proc. State and Development Prospects of Mathematical Modeling of Complex Processes in Military and Dual-Use Systems . Anapa, 2020, pp. 247–255 (in Russ.).