مجله دفاع هوافضایی

چکیده سیستم فرماندهی حادثه نیازمند وجود عامل‌هایی است که به طور معمول با تعداد زیادی از وظایف جستجو و نجات، روبرو می‌شوند. علاوه بر این، واکنش‌دهنده‌ها باید در محیط‌های بسیار نامطمئن و پویا که در آن وظایف جدید ظاهر می‌شوند و خطرات ممکن است در فضای فاجعه پخش شوند، کار کنند. بنابراین یافتن تخصیص بهینه و صحیح برای تکمیل تمام فعالیت‌ها در یک زمان مناسب یک چالش محاسباتی بزرگ است.

در ایران، سامانه فرماندهی حادثه به صورت غیرسیستماتیک و غیرهوشمندانه فعالیت می‌کند و حضور یک سامانه تصمیم‌ساز صحیح که دارای توانایی یادگیری بوده و توانایی تصمیم‌های صحیح و سریع را داشته باشد، از اهمیت بالایی برخوردار است.

در این مقاله روشی برای حل مسئله تخصیص، که از مسائل بهینه‌سازی محدودیت توزیع شده می‌باشد، ارائه می‌شود. در این روش از تکنیک‌های تصمیم‌گیری مارکوف و تکنیک‌های یادگیری همچون آتوماتای یادگیر استفاده می‌گردد.

نتایج شبیه‌سازی‌ها و آزمایشات نشان می‌دهد که وجود تکنیک یادگیری و رفتار غیرمتمرکز عامل‌ها، می‌تواند جایگزین روش‌های گذشته شده و کمبود روش‌های قبل را جبران کند. روش پیشنهادی به خوبی می‌تواند در مقابل روش متمرکز و روش‌های گذشته از لحاظ میانگین فعالیت انجام شده در حدود 85 درصد و از لحاظ همگرایی و زمان بسیار بهتر عمل کند.