یک سیستم تعاملی-تکاملی پشتیبان تصمیم لجستیک نظامی مبتنی بر درک زبان طبیعی و بهینه سازی فازی

سیستم های پشتیبان تصمیم مرسوم برای لجستیک نظامی اغلب از مدل های بهینه سازی «جعبه سیاه» بهره می برند که فاقد شفافیت و قابلیت انطباق یا با ترجیحات در حال تکامل فرماندهان هستند. این مقاله یک چارچوب نوآورانه برای یک سیستم پشتیبان تصمیم تعاملی تکاملی ارائه می دهد که شکاف بین استدلال کیفی انسانی و مدل سازی کمی را با استفاده از هوش مصنوعی زبانی پر می کند. در این چارچوب فرمانده نیازها و محدودیت های عملیاتی را به طور طبیعی و از طریق گفتار بیان می کند. یک ماژول پردازش زبان طبیعی پیشرفته این اظهارات را تفسیر کرده و آنها را به صورت وزن های فازی اهداف چندگانه زمان، هزینه (امنیت) و تعدیل های پارامتریک روی شبکه ترجمه می کند. این ورودی ها به یک مدل بهینه سازی چند هدفه فازی تغذیه می شوند که مسیر(های) بهینه را محاسبه می نماید. نوآوری اصلی در حلقه بازخورد یادگیری سیستم نهفته است؛ اگر فرمانده مسیر پیشنهادی را رد کند می تواند دلیل خود را به زبان ساده بیان کند. سیستم با تحلیل این بازخورد درک خود از اولویت های فرمانده را اصلاح کرده، پارامترهای مدل را به روزرسانی نموده و یک مسیر اصلاح شده ارائه می دهد. این فرآیند تکراری تا دستیابی به رضایت کامل کاربر ادامه می یابد.

کلیدواژه ها:

لجستیک نظامی ، سیستم پشتیبان تصمیم تعاملی ، بهینه سازی چند هدفه فازی ، پردازش زبان طبیعی ، هوش مصنوعی قابل توضیح