محمد مقدس

این مقاله روی مدل سازی رفتار فرماندهان در شبیه سازی نبرد تمرکز می کند. یک مأموریت نظامی اغلب با اهداف متضاد چندگانه از جمله موفقیت در وظایف، زمان اتمام، نابودی دشمنان و بقای نیروهای خودی همراه است. در این مقاله با در نظر گرفتن سناریوهای غیردفاعی و دفاعی و با استفاده از بهینه سازی چند هدفی، مدلی به منظور کمینه سازی تلفات نیروهای خودی و بیشینه سازی نابودی دشمنان معرفی می شود. همچنین با استفاده از روش وزن دهی و شرایط بهینگی کاروش-کان-تاکر، یک مدل شبکه عصبی بازگشتی زمان پیوسته برای حل مسأله ی بهینه سازی چند هدفی معرفی شده، طراحی می شود. ایده ی اصلی رهیافت شبکه عصبی برای مسأله ِی بهینه سازی چند هدفی معرفی شده، ایجاد یک دستگاه دینامیکی به صورت معادلات دیفرانسیل معمولی مرتبه اول است. شبکه عصبی معرفی شده نیاز به هیچ پارامتر تنظیم کننده ای ندارد و ساختار آن یک پیاده سازی سخت افزاری ساده را امکان پذیر می سازد. روش معرفی شده می تواند به عنوان یک مشاور برای فرماندهی که برای نیروهای تحت امر خود تصمیم می گیرد، عمل کند. در پایان، با استفاده از یک مثال اعتبار و کارایی مدل پیشنهادی نشان داده شده است.

تخصیص مؤثر بودجه دفاعی یکی از وظایف مهم دولت ها در مبارزه با تروریسم است. در این مقاله، با استفاده از بهینه سازی دوسطحی و بازی حرکت پی درپی، یک بازی جدید مهاجم-مدافع چند هدفی به همراه محدودیت بودجه را به منظور مدلسازی روابط راهبردی متقابل بین مهاجم (تروریست ها) و مدافع (دولت ها) معرفی می کنیم. ما بر انواع مختلف حمله ی اتخاذ شده از سوی مهاجم تمرکز می کنیم. با استفاده از شرایط بهینگی کاروش-کان-تاکر، مسأله ی برنامه ریزی دوسطحی پیشنهادی به یک مسأله ی برنامه ریزی یک سطحی با محدودیت های مکمل تقلیل داده می شود. سپس با استفاده از تابع فیشر-برمیستر اختلالاتی، نظریه بهینه سازی و بعضی مفاهیم معادلات دیفرانسیل معمولی، یک شبکه عصبی توانمند برای حل این مسأله ی برنامه ریزی ریاضی یک سطحی طراحی می کنیم. نشان داده می شود که شبکه عصبی معرفی شده پایدار مجانبی و همگرا به جواب بهینه مسأله ی برنامه ریزی دوسطحی است. در پایان با استفاده از دو سناریو، عملکرد و اعتبار روش پیشنهادی را نشان می دهیم.