کاربرد الگوریتم ژنتیک و شبکه های عصبی در بهینه سازی سامانه C4I زیردریایی

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 452

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MSTJ-62-62_006

تاریخ نمایه سازی: 21 فروردین 1397

چکیده مقاله:

با توجه به اهمیت مباحثی مانند BMS و C و CFI و CFISR در سطح جهان و رشد روز افزون این فناوری ها مخصوصا در زیردریایی ها، هوشمند نمودن این سامانه ها، کاهش زمان پردازش اطلاعات و افزایش دقت اطلاعات منتجه، از مباحث اساسی حوزه دفاع دریایی می باشد. از این رو انتخاب هوشمندانه حسگرهای جمع آوری اطلاعات و کشف و آشکارسازی اهداف از مباحث جدی این عرصه خواهد بود. به همین منظور در این مقاله سعی گردیده است تا با استفاده از ابزارهایی مانند الگوریتم ژنتیک و شبکه های عصبی، انتخاب حسگرها را به گونهای هوشمند طرح ریزی نماییم. استفاده از شبکه عصبی در واقع به منظور دستیابی به مقدار برازندگی هر کروموزوم الگوریتم ژنتیک می باشد که به وسیله آن قادر خواهیم بود بهترین پیکربندی 6 حسگری را برای پایش محیط مورد نظر با توجه به شرایط محیطی، کارآیی حسگرها و ویژگی اهداف بدست آوریم. بدین منظور الگوهای متنوع در شرایط متفاوت برای حسگر مختلف اعمال گردید و مقادیر نرخ تشخیص وجود هدف توسط این حسگرها جمع آوری گردید، که از این مقادیر نیز برای فرآیند آموزش شبکه عصبی استفاده شده است. با توجه به این که در زیردریایی ها در هر شرایط حداقل یکی از حسگرها دارای خروجی نبوده و خاموش بودن آن تاثیری در کشف و آشکارسازی هدف ندارد بنابراین می توان با دستورات منطقی آن حسگر را از ورودی شبکه عصبی حذف کرده و با توجه به کاهش ورودی ها و در نتیجه تعداد نرونها و پارامترها سرعت و عملکرد شبکه عصبی را بهبود بخشید. در پایان نیز نتایج حاصل از اجرای این روش با حالات معمول مقایسه گردیده است که نشان دهنده افزایش سرعت و بهبود عملکرد شبکه خواهد بود.

کلیدواژه ها:

نویسندگان

مجید آقابابایی

استادیار دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)

محمد خویشه

کارشناس ارشد دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)