آینده‌پژوهی دفاعی

آینده‌پژوهی دفاعی

تصمیم‌گیری بهینه در مواجهه با عملیات‌های تخریبی دشمن با استفاده از مسئله ممانعت از بیشینه جریان در شبکه‌های پویای چند دوره‌ای در شرایط فازی

نوع مقاله : مقاله علمی- پژوهشی

نویسندگان
حمید بیگدلی 1
سلیم باوندی 2
1 استادیار تحقیق در عملیات، دانشگاه فرماندهی و ستاد آجا
2 پژوهشگر، پژوهشکده عالی جنگ، دانشگاه فرماندهی و ستاد آجا
10.22034/dfsr.2022.547832.1570
چکیده
از دیرباز، یکی از مسائل مهم در جنگ‌ها عملیات‌های دشمن در جهت تخریب امکانات و شبکه‌های ارتباطی بوده است. تخریب پل‌ها و جاده‌ها، حملات هوایی، موشکی یا توپخانه و در سالیان اخیر حملات بی‌شمار سایبری گواه این موضوع است که یکی از اهداف اصلی دشمن در جنگ‌ها، تضعیف از طریق تخریب امکانات و تجهیزات می‌باشد. در مقابل، نیروهای مدافع درصدد استفاده حداکثری از منابع و امکانات خود هستند تا مانع از رسیدن دشمن به هدفش شوند. در این پژوهش، یک مسئله ممانعت پویای چند دوره‌ای در شرایط فازی به‌منظور کمک به تصمیم‌گیرندگان و فرماندهان نظامی برای انتخاب یک راهبرد مناسب مورد بررسی قرار می‌گیرد. در این مسئله، نیرو‌های مدافع در نقش ممانعت کننده سعی در کمینه کردن بیشینه جریان در طول  دوره زمانی دارند به‌طوری‌که در هر مرحله ممانعت کننده و دشمن به‌طور کامل از عملکرد طرف مقابل آگاه هستند. ظرفیت‌های یالی در این مدل به‌صورت متغیرهای فازی در نظر گرفته می‌شوند. برای حل مدل‌ ارائه ‌شده، ابتدا مسئله ممانعت پویای فازی به کمک مفاهیم اندازه اعتبار و برنامه‌ریزی محدودیت شانس به مسئله ممانعت پویای قطعی تغییر شکل می‌دهد. سپس با استفاده از دوگان‌گیری مسئله دوسطحی قطعی ایجاد شده به یک مسئله تک سطحی تبدیل و سپس با استفاده از تعمیم الگوریتم تجزیه بندرز برای حل آن اقدام می‌شود. در نهایت اعتبار مسئله با ارائه یک نمونه عددی مورد ارزیابی قرار می‌گیرد.
کلیدواژه‌ها
ممانعت شبکه
نظریه فازی
اندازه اعتبار
تجزیه بندرز
  • بیگدلی، حمید.، کبیری، مهدی. و طیبی، جواد. (2021). کاربرد مسئله بازی ممانعت شبکه دونفره در شناسایی دشمن. آینده‌پژوهی دفاعی، 6(21): 83–69.
  • عبدالله زاده، ابوالفضل.، امان، مسعود. و طیبی، جواد. (2021). حفاظت از خطوط ارتباطی در برابر عملیات تخریبی با استفاده از ممانعت برش کمینه پویا. فصلنامه علمی علوم و فناوری‌های پدافند نوین، 12(2): 215-205.
  • کبیری، مهدی و طیبی، جواد. (1399). کاربرد مسأله ممانعت از حداکثر جریان در بازی جنگ زمینی. فصلنامه بازی جنگ، 3(6): 53-30.
  • Abdolahzadeh, A., Aman, M., & Tayyebi, J. (2020). Minimum st-cut interdiction problem. Computers & Industrial Engineering, 148: 106708.
  • Afshari Rad, M., & Kakhki, H. T. (2013). Maximum dynamic network flow interdiction problem: New formulation and solution procedures. Computers and Industrial Engineering, 65 (4): 531-536.
  • Assimakopoulos, N. (1987). A network interdiction model for hospital infection control. Computers in Biology and Medicine, 17 (6): 413-422.
  • Bingol, L. (2001). A Lagrangian Heuristic for Solving Network Interdiction Problem, Master’s thesis, Naval Postgraduate School.
  • Carlyle, W. M., Royset, J. O., & Wood, R. K. (2008). Lagrangian relaxation and enumeration for solving constrained shortest-path problems. Networks, 52(4): 256-270.
  • Crainic, T. G., Frangioni, A., & Gendron, B. (2001). Bundle-based relaxation methods for multicommodity capacitated fixed charge network design. Discrete Applied Mathematics, 112(1–3): 73-99.
  • Forghani, A., Dehghanian, F., Salari, M., & Ghiami, Y. (2020). A bi-level model and solution methods for partial interdiction problem on capacitated hierarchical facilities. Computers & Operations Research, 114, 104831.
  • Gutfraind, A. (2011). New Models of Interdiction in Networked Systems on JSTOR. Military Operations Research Society, 44 (2): 25-27.
  • Li, X., & Liu, B. (2006). A Sufficient and necessary condition for credibility measures. International Journal of Uncertainty, Fuzziness and Knowlege-Based Systems, 14(5): 527-535.
  • Lim, C., & Smith, J. C. (2007). Algorithms for discrete and continuous multicommodity flow network interdiction problems. IIE Transactions (Institute of Industrial Engineers), 39(1): 15-26.
  • Liu, B. (2006). A survey of credibility theory. Fuzzy Optimization and Decision Making, 5(4): 387-408..
  • Liu, B., & Liu, Y. K. (2002). Expected value of fuzzy variable and fuzzy expected value models. IEEE Transactions on Fuzzy Systems, 10(4): 445-450.
  • Liu, D. B. (2007). Uncertainty Theory, Springer, Berlin, Heidelberg.
  • Liu, Y. K., & Gao, J. (2011). The independence of fuzzy variables with applications to fuzzy random optimization. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 15 (supp02): 1-20.
  • Lunday, B. J., & Sherali, H. D. (2010). A dynamic network interdiction problem. Informatica, 21(4): 553-574.
  • Lunday, B. J., & Sherali, H. D. (2012). Network interdiction to minimize the maximum probability of evasion with synergy between applied resources. Annals of Operations Research, 196(1): 411-442.
  • Malaviya, A., Rainwater, C., & Sharkey, T. (2012). Multi-period network interdiction problems with applications to city-level drug enforcement. IIE Transactions (Institute of Industrial Engineers), 44(5): 368-380.
  • Phillips, C. A. (1993). The network inhibition problem. Proceedings of the Annual ACM Symposium on Theory of Computing, 776-785.
  • Salmeron, J., Wood, K., & Baldick, R. (2004). Analysis of electric grid security under terrorist threat. IEEE Transactions on Power Systems, 19(2).
  • Soleimani-Alyar, M., & Ghaffari-Hadigheh, A. (2018). Dynamic Network Interdiction Problem with Uncertain Data. International Journal of Uncertainty, Fuzziness and Knowlege-Based Systems, 26 (2): 327-342.
  • Wood, R. K. (1993). Deterministic network interdiction. Mathematical and Computer Modelling, 17 (2): 1–18.
  • Xiao, K., Zhu, C., Zhang, W., & Wei, X. (2020). The Bi-Objective Shortest Path Network Interdiction Problem: Subgraph Algorithm and Saturation Property. IEEE Access, 8, 146535–146547.
  • Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3): 338-353.
  • Zadeh, L. A. (1978). Fuzzy sets as a basis for a theory of possibility. Fuzzy Sets and Systems, 1(1): 3-28.