Модель управления режимами работы системы на основе матрицы решений
DOI:
https://doi.org/10.22213/2410-9304-2022-4-48-55Ключевые слова:
матрица решений, база знаний, иерархия параметров, алгоритм управления, радиосистемаАннотация
В статье приводятся результаты применения модели управления режимами работы системы когнитивного радио. Основным подходом к реализации модели управления является стратегия достижения максимального результата в каждом сценарии применения системы (недостаток времени, ограничения на вычислительные мощности, экономия энергии). В качестве методов реализации модели управления выбраны иерархическая декомпозиция системы и ее анализ методом парных сравнений Саати с последующим формированием матриц расхода ресурсов по результатам оптимизации параметров функционирования системы в различных сценариях применения. Рассматривается иерархическая многоуровневая структура элементов системы, состоящая из четырех уровней, вводится функция эффективности передачи сигналов на заданной иерархии элементов системы. Приводится алгоритм управления системой на основе функции эффективности по матрице решений для четырех сценариев применения системы: полный объем необходимых ресурсов, доступна половина энергетического ресурса, энергетический ресурс почти исчерпан, временной ресурс подходит к концу. В работе рассматриваются четыре режима цифровой передачи данных, три режима цифровой передачи речевых сообщений и шесть аналоговых режимов передачи сообщений в системе когнитивного радио. Приводится оценка максимальной эффективности передачи сигналов в каждом из рассмотренных режимов в соответствии с предложенной иерархией элементов системы. Проводится анализ результатов работы системы когнитивного радио по предложенной модели управления. В работе показано, что в цифровых режимах при управлении по предложенной модели снижение эффективности происходит значительно медленнее, чем при использовании аналоговых режимов, кроме того, в цифровых режимах значительно снижается скорость расхода ресурсов, в то время как в аналоговых режимах она резко возрастает для поддержания максимальной эффективности.Библиографические ссылки
Смирнов В. А., Подоплекин Ю. Ф. Оценка качества интеллектуальной системы для контроля технических объектов // Стандарты и качество. 2021. № 8. С. 98-103. DOI 10.35400/ 0038-9692-2021-8-98-103.
Тагирова К. Ф., Шалупов И. С., Вульфин А. М. Современные интеллектуальные информационные технологии в нефтяной промышленности // Вестник Уфимского государственного авиационного технического университета. 2022. Т. 26, № 3 (97). С. 78-89. DOI 10.54708/ 19926502_2022_2639778.
Механизмы самообучения в мультиагентных робототехнических группировках на основе эволюционного леса деревьев классификации / В. М. Лохин, С. В. Манько, С. А. К. Диане [и др.] // Мехатроника, автоматизация, управление. 2017. Т. 18, № 3. С. 159-165. DOI 10.17587/ mau.18.159-165.
Анализ иерархической модели автоматизированной системы управления параметрами радиолиний когнитивной радиосистемы / Г.А. Благдатский, А. Н. Копысов, В. В. Хворенков, И. С. Батурин // Наукоемкие технологии в космических исследованиях Земли. 2018. № 6 (10). С. 51-67.
Саати Т. Л. Принятие решений при зависимостях и обратных связях: Аналитические сети. М. : Изд-во ЛКИ, 2008. - 360 с.
Saaty, Thomas L. Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors - The Analytic Hierarchy/Network Process // RACSAM (Review of the Royal Spanish Academy of Sciences, Series A, Mathematics) : journal. 2008. June (vol. 102, no. 2). P. 251-318.
К вопросу применения метода парных сравнений при разработке когнитивных систем связи / А. Н. Копысов, Г. А. Благодатский, В. В. Хворенков [и др.] // Технологии разработки и отладки сложных технических систем : сборник материалов VI Всероссийской научно-практической конференции, Москва, 27-28 марта 2019 года / Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет), Центр инженерных технологий и моделирования «Экспонента». М. : Московский государственный технический университет имени Н. Э. Баумана (национальный исследовательский университет), 2019. С. 106-115.
Канторович Л. В. Математические методы организации планирования производства. Л. : Издание Ленинградского государственного университета, 1939.
Ларичев О. И., Кожухаров А. Н. Многокритериальная задача о назначениях // Автоматика и телемеханика. 1977. № 7. С. 71-87.
Lootsma F. Scale sensitivity in the multiplicative AHP and SMART //j. Multi-Criteria Decision Analysis.: 1993. Pp.87-110.
Lootsma F. The multiplicative AHP, SMART and ELECTRE in a common contex / F. Lootsma, H. Schuijt // Journal of Multi-Criteria Decision Analysis.: 1997. Pp. 185-196.
Миркин Б. Г. Методы кластер-анализа для поддержки принятия решений: обзор. М. : ВШЭ, 2011. 88 с.
Черноруцкий И. Г. Методы принятия решений. СПб. : СПбГПУ, 2012. 318 с.
Холодов П. Н. Выбор оптимального решения в проектировании железных дорог на основе многокритериальной оценки : дис. … канд. техн. наук. Иркутск, 2012. 168 с.
Bernasconi M. The Analytic Hierarchy Process and the Theory of Measurement / M. Bernasconi, C. Choirat, R. Seri // Management Science. 2010. Pp.699-711.
Кравченко К. А., Благодатский Г. А., Копысов А. Н. Автоматизация процесса консолидации результатов экспертиз по МАИ // Системы компьютерной математики и их приложения. 2021. № 22. С. 56-62.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2022 Григорий Александрович Благодатский, Максим Михайлович Горохов, Денис Евгеньевич Докучаев, Евгений Васильевич Карачев
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.