کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
383889 660836 2013 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A decision support system for optimal deployment of sonobuoy networks based on sea current forecasts and multi-objective evolutionary optimization
ترجمه فارسی عنوان
سیستم حمایت از تصمیم گیری برای به کارگیری بهینه شبکه های سانوبوی بر اساس پیش بینی های جریان دریایی و بهینه سازی تکاملی چند منظوره
کلمات کلیدی
فهرست مطالب مقاله

 
چکیده
1. مقدمه
2. اظهار مسئله و رویکرد انتخابی
3. نتایج شبیه سازی
4. بحث
5. نتیجه گیری ها
 
ترجمه چکیده
سیستم پشتیبانی تصمیم برای به کارگیری بهینه شبکه های حسگر صوتی شناور برای تشخیص مسیر مشترک در برنامه های کاربردی نظارت زیر آبی پیشنهاد شده و بر روی سناریوی شبیه سازی شده آزمایش شده است. این سیستم به ادغام پیش بینی های جریان آب دریا، مدل های دامنه حسگر و مدل های ساده حرکتی دریفت شناور برای پیش بینی موقعیت های حسگر و عملکرد شبکه زمانی می پردازد. الگوریتم بهینه سازی ژنتیک چند منظوره برای جستجوی مجموعه‏ای از راه حل های استقرار مطلوب (یعنی موقعیت اولیه شناوری سونوبوی های شبکه) توسط بهینه سازی همزمان دو کیفیت سنجه های خدماتی استفاده شده است: میانگین زمانی پوشش حوزه شبکه و پوشش ردیابی. راه حل های یافت شده پس از بهینه سازی، که نشان دهنده مبادلات کارآمد مختلف بین دو سنجه بوده است، می تواند به راحتی توسط طراح عملیات به منظور انتخاب راه حل با توافق مطلوب بین دو هدف متضاد ارزیابی شود. تجزیه و تحلیل حساسیت از طریق تغییر شکل بی بو نیز به منظور آزمون قدرت راه حل ها با توجه به پارامترهای شبکه و عدم اطمینان محیطی انجام شد. نتایج در سناریوی شبیه سازی شده با استفاده از پیش بینی های فعلی احتمالاتی آب دریا ارائه شده اند که نشان دهنده اثر بخشی روش مفروض است. پیش بینی شده که کار بعدی ساخت ابزار کاملاً عملیاتی و آماده استفاده در سناریوهای واقعی باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
A decision support system for the optimal deployment of drifting acoustic sensor networks for cooperative track detection in underwater surveillance applications is proposed and tested on a simulated scenario. The system integrates sea water current forecasts, sensor range models and simple drifting buoy kinematic models to predict sensor positions and temporal network performance. A multi-objective genetic optimization algorithm is used for searching a set of Pareto optimal deployment solutions (i.e. the initial position of drifting sonobuoys of the network) by simultaneously optimizing two quality of service metrics: the temporal mean of the network area coverage and the tracking coverage. The solutions found after optimization, which represent different efficient tradeoffs between the two metrics, can be conveniently evaluated by the mission planner in order to choose the solution with the desired compromise between the two conflicting objectives. Sensitivity analysis through the Unscented Transform is also performed in order to test the robustness of the solutions with respect to network parameters and environmental uncertainty. Results on a simulated scenario making use of real probabilistic sea water current forecasts are provided showing the effectiveness of the proposed approach. Future work is envisioned to make the tool fully operational and ready to use in real scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 40, Issue 10, August 2013, Pages 3886–3899
نویسندگان
, , , , ,