Название статьи или книги, фамилия автора, DOI

Метод оптимизации действий оператора радиолокационной станции мониторинга космического пространства на основе графового представления

С.В. Мацеевич1, А.К. Усачева2, А.С. Захаров3

научная статья УДК 621.865.8 Страницы: 77-87 doi.org/10.18127/j19998554-202506-08

  1. 1,2,3 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)

Аннотация

Постановка проблемы. Основным элементом системы мониторинга космического пространства (СМКП) являются радиолокационные станции, которые после зондирования обрабатывают сигнал и передают в центр управления информацию о координатах и состоянии космических аппаратов. Ключевая роль в поддержании характеристик станции на заданном уровне принадлежит операторам. Значительное техническое усложнение радиолокационных станций приводит к увеличению количества информации, предоставляемой оператору. Кроме того, частая необходимость в прогнозировании технических характеристик СМКП также усложняет процесс проведения анализа функционирования системы. В связи с этим появляется необходимость в оптимизации действий оператора.

Цель. Разработать метод оптимизации действий оператора на основе графового представления.

Результаты. Проведён анализ применения методов искусственного интеллекта, в частности, машинного обучения и нейронных сетей, в системах поддержки принятия решений. Для анализа текстовой регламентирующей информации выбрана большая языковая модель BLOOM с открытым исходным кодом, позволяющая сформировать граф последовательности действий. Для анализа и оптимизации графа разработаны оригинальные метод и алгоритм оптимизации последовательности действий оператора, что позволяет повысить эффективность работы его работы за счёт совершенствования методов поддержки принятия решений.

Практическая значимость. Разработанная в рамках исследования программа позволяет сформировать оптимизированную последовательность действий оператора на основе многокритериального анализа (выбор парето-оптимальных решений). Результаты оптимизации могут быть использованы при проектировании систем поддержки принятия решений в части обоснования необходимости и достаточности отображаемой информации на экранах.

Поступила
13.10.2025
Одобрена
22.10.2025
Принята
30.10.2025

Для цитирования

Мацеевич С.В., Усачева А.К., Захаров А.С. Метод оптимизации действий оператора радиолокационной станции мониторинга космического пространства на основе графового представления // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 6. С. 77−87. DOI: 10.18127/j19998554-202506-08

Список источников
  1. Толстых А.В. Обоснование необходимости информационной поддержки оператора радиолокационной автоматизированной измерительно-информационной системы, функционирующего в условиях неопределенности / Сб. ст. по материалам ВНТК, посвященной Дню образования войск связи. Воронеж: ВУНЦ ВВС «ВВА». 2015. С. 214–216.
  2. Садовникова Н.П., Парыгин Д.С., Щербаков М.В. Системы поддержки принятия решений: учеб. пособие. Волгоград: ВолгГТУ. 2021. 108 с.
  3. Ларичев О.И., Петровский А.Б. Системы поддержки принятия решений: современное состояние и перспективы развития // Итоги науки и техники. Теория вероятностей. Математическая статистика. Теоретическая кибернетика. 1987. Т. 21. С. 131–164.
  4. Зюзина А.Д., Мацеевич С.В., Воронин А.С., Мочалов М.Н. Современные системы визуализации текущей обстановки в ЗРК «Пэтриот» и интегрированной системе боевого управления IBCS // Вестник Воздушно-космической обороны. 2023.
    №4 (40). С. 119–126.
  5. Савенков П.А. Использование методов и алгоритмов машинного обучения в системах поддержки принятия управленческих решений // Известия ТулГУ. Технические науки. 2019. № 2.
  6. Михайлова С.С., Мацеевич С.В., Захаров А.С., Шарипов Д.А., Петровский А.В. Расчет показателей готовности выездных бригад на основе модели комплексных аварий на объектах критической инфраструктуры // Нелинейный мир. 2025. Т. 23. № 3. С. 15–24. DOI: https://doi.org/10.18127/ j20700970-202503-03
  7. Самойленко В.С., Федотова А.Ю. Архитектура интеллектуальной системы поддержки принятия решений // Международный научно-исследовательский журнал. 2024. № 8 (146). URL: https://research-journal.org/archive/8-146-2024-august/10.60797/ IRJ.2024.146.10 (дата обращения: 13.02.2025). DOI: 10.60797/IRJ.2024.146.10
  8. Конев К.А. Машинное обучение для поддержки принятия решений в сфере качества на промышленном предприятии // Экономика. Информатика. 2023. № 3.
  9. Ahmad, S.F., Han, H., Alam, M.M. et al. Impact of artificial intelligence on human loss in decision making, laziness and safety in education. Humanit Soc Sci Commun 10. 311 (2023). https://doi.org/10.1057/s41599-023-01787-8
  10. Самойленко В.С., Федотова А.Ю. Архитектура интеллектуальной системы поддержки принятия решений // Международный научно-исследовательский журнал. 2024. № 8 (146). URL: https://research-journal.org/archive/8-146-2024-august/10.60797/ IRJ.2024.146.10 (дата обращения: 13.02.2025). DOI: 10.60797/IRJ.2024.146.10
  11.  Крошилин А.В., Бабкин А.В., Крошилина С.В. Особенности построения систем поддержки принятия решений на основе нечёткой логики // Информатика, телекоммуникации и управление. 2010. № 2 (97).
  12. Мацеевич С.В., Захаров А.С., Владко У.А., Зюзина А.Д., Мочалов М.Н. Применение показателя когнитивной нагрузки графического элемента для обоснования требований к системе визуализации РЛС дальнего обнаружения // Научная визуализация. 2024. 16.3: 87–96. DOI: 10.26583/sv.16.3.09