OPARTE NA WIEDZY MODELE I ALGORYTMY PLANOWANIA ORAZ SYMULACJI PRZEMIESZCZANIA W SYSTEMACH WOJSKOWYCH KLASY DSS I CGF

Zbigniew TARAPATA Wojskowa Akademia Techniczna Wydział Cybernetyki, Instytut Systemów Informatycznych ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa zbigniew.taraata@wat.edu.l OPARTE NA WIEDZY MODELE I ALGORYTMY PLANOWANIA ORAZ SYMULACJI PRZEMIESZCZANIA W SYSTEMACH WOJSKOWYCH KLASY DSS I CGF Streszczenie: W racy zarezentowano modele i algorytmy lanowania oraz symulacji rzemieszczania wielu obiektów w wojskowych systemach klasy DSS i CGF bazujących na wiedzy. Studium rzyadku dotyczy idei oraz modelu decyzyjnego i sterowania związanego z automatem decyzyjnym do marszu na szczeblu batalionu. Automat realizuje dwa główne rocesy: lanowania decyzji do marszu i bezośredniego sterowania rzebiegiem (symulacją) marszu. Rozatrzono wybrane asekty teoretyczne i raktyczne modelowania i otymalizacji rocesu lanowania marszu, symulacji i sterowania jego rzebiegiem. Oisano sosób imlementacji automatu oraz wybrane wyniki symulacji w interaktywnym systemie wsomagania szkolenia oeracyjnego Złocień. Słowa kluczowe: lanowanie tras, symulacja rzemieszczania, synchronizacja rzemieszczania, systemy wsomagania decyzji, algorytmy transortowe WPROWADZENIE Jednymi z najistotniejszych roblemów transortowych sotykanych w literaturze są roblemy związane z lanowaniem rzemieszczania. Problemy te są istotne nie tylko w zastosowaniach wojskowych, ale również w: sieciach komuterowych, mobilnych robotach, systemach ewakuacji, systemach nawigacji samochodowej, grach komuterowych [8]. W zastosowaniach wojskowych roblemy te sotykane są zarówno w symulatorach ola walki (wyznaczanie tras rzed rozoczęciem symulacji działań, jak i w trakcie ich trwania), jak również w systemach wsomagania decyzji, które wsierają zautomatyzowane systemy dowodzenia klasy C4ISR (Command, Control, Communications, Comuters, Intelligence, Surveillance and Reconnaissance) [3], [5], [7], [9], [0], [4], [5]. Oisywane systemy owinny bazować na wiedzy, a modele i algorytmy wsomagania decyzji oraz symulacji owinny z tej wiedzy korzystać [4], [3]. Wiedza jest rzetworzoną, na odstawie ewnych reguł, informacją ochodzącą z różnego rodzaju tematycznych baz danych (o terenie, regulaminów działań taktycznych, uzbrojenia i srzętu wojskowego, struktur wojsk, it.) i obejmuje takie elementy, jak: rzejezdność wskazanych fragmentów terenu, wzorce sytuacji decyzyjnych, wzorce wariantów działań dla różnych rodzajów działań, itd. Symulacja oarta na wiedzy, czyli z wykorzystaniem modeli i metod sztucznej inteligencji, rozwijana jest od óźnych lat siedemdziesiątych i wczesnych osiemdziesiątych orzedniego wieku, a ionierem tych badań była RAND Cororation w USA. W szczególności dotyczy to systemów klasy CGF (Comuter Generated Forces) lub SAF/SAFOR (Semi-Automated Forces), w których komuter zarządza zachowaniem symulowanych obiektów jednej lub obu stron konfliktu na wirtualnym olu walki [4], [2]. Automatyczne generowanie i symulowanie niektórych elementów ola walki 970

(w szczególności związanych z rzeciwnikiem) umożliwia sztabom ćwiczących wojsk rzerowadzenie ćwiczeń, gdyż wojska rzeciwnika są automatycznie odgrywane. Wszystkie rocesy (strzelanie, rzemieszczanie, wykrywanie, it.) realizowane rzez taki automat są bardzo złożone i mają wływ na dokładność i adekwatność modelu symulacyjnego. Jednym z elementów, które w tego tyu systemach są istotne, są moduły lanowania tras dla wirtualnych obiektów symulowanego/generowanego ola walki [3], [9], [4], [8]. W rozdziałach oraz 3 racy [9], Autor uzasadnia otrzebę stosowania tego tyu rozwiązań owołując się szeroko na literaturę związaną z systemami agentowymi (agentbased simulation systems), które są odstawą systemów klasy CGF. Systemy wsomagania decyzji (Decision Suort Systems (DSS)) oarte na wiedzy związane są rzede wszystkim z systemami ekserckimi [3]. W niniejszej racy zostaną zarezentowane elementy automatu decyzyjnego do marszu, który realizuje dwa główne rocesy: lanowania decyzji do marszu i sterowania (zarządzania) rzebiegiem symulacji marszu. Proces lanowania decyzji do marszu obejmuje: organizację marszu (ustalenie liczby kolumn marszowych jednostek, ustalenie orządku jednostek w tych kolumnach, wyznaczenie liczby i miejsc ostojów), wyznaczenie otymalnych dróg dla jednostek, wyznaczenie szczegółowego harmonogramu marszu (otymalizującego osiągnięcie ewnych unktów synchronizacji) dla każdej jednostki z kolumn marszowych. Problemy lanowania zsynchronizowanego rzemieszczania znane są w literaturze, n. w lanowaniu wszelkiego rodzaju rozkładów jazdy (ociągów, autobusów, samolotów, mieszanych środków komunikacji). W racy wykorzystuje się zaroonowane modele (rozdział 2) i metody (rozdział 3) do lanowania marszu wielu kolumn/obiektów wojskowych na wirtualnym olu walki. Proces zarządzania symulacją marszu (rozdział 4) obejmuje: dowodzenie, meldowanie oraz reakcję na sytuacje awaryjne owstałe w czasie symulacji marszu (n. ojawienie się rzeciwnika na trasie marszu, niemożność rzemieszczania się zalanowaną trasą, itd.). Automat został zaimlementowany w języku ADA i rerezentuje dowódcę szczebla batalionu (najniższym szczeblem ćwiczących wojsk jest szczebel brygady). Stanowi element składowy rozroszonego, interaktywnego systemu symulacyjnego SSWSO Złocień rzeznaczonego do rzerowadzania komuterowych ćwiczeń sztabów wojsk [], []. System Złocień został zbudowany i wdrożony w Siłach Zbrojnych RP rzez zesół z Wydziału Cybernetyki WAT.. MODEL TERENU OPARTY NA WIEDZY Model terenu S 0, którego używać będziemy, jako modelu środowiska ola walki (stosowany w systemie Złocień), bazuje na informacjach rzetworzonych z cyfrowej may terenu w formacie VPF (Vector Product Format). Model składa się z dwóch sieci: Z w ostaci regularnej siatki kwadratów terenu, która rerezentuje wybrany fragment terenu oraz Z 2 rerezentującej sieć drogowo-kolejową [5]: S t = Z t Z t () ( ) ( ), ( ) O 2 Regularna siatka kwadratów Z dzieli obszar zainteresowania na kwadraty o tych samych wymiarach (200m 200m), a każdy z kwadratów jest jednorodny z unktu widzenia charakterystyk terenu (stoień osłabienia rędkości, zdolność do maskowania, stoień widoczności, itd.). Sieć Z używana jest do lanowania i symulacji rzemieszczania na rzełaj, n. odczas lanowania i symulacji natarcia. W sieci Z 2 wierzchołkami są skrzyżowania, a łukami odcinki dróg. Model ten używany jest do lanowania szybkiego rzemieszczania o drogach, n. odczas lanowania i symulacji marszu. Oba te modele zależą od czasu i mogą być rerezentowane rzez graf Berge a G definiujący strukturę terenu 97

lub/i sieci drogowo-kolejowej, G = VG, AG, V G zbiór wierzchołków grafu (V G =W dla Z oisuje środki kwadratów terenu, a V G =W 2 dla Z 2 oisuje skrzyżowania), A G zbiór łuków grafu, A G V G V G. Zakładamy, że na każdym łuku grafu zdefiniowana jest funkcja d : V V R + {0}, która oisuje odległość geograficzną między dwoma wierzchołkami, G G slowd funkcja f : VG V G [0,], która oisuje stoień osłabienia rędkości między dwoma wierzchołkami wynikający z warunków toograficznych (ostać tej funkcji bazuje na ewnych regułach oartych o wiedzę i doświadczenie eksertów) i funkcja FCam oisująca zdolność do maskowania w kwadracie (w chwili t T), FCam: V G T [0,]. Model ten jest bardziej rozbudowany (tutaj rzedstawiamy jedynie jego niezbędny do dalszych rozważań fragment), a jego szczegóły można znaleźć w [5], [9]. Stosuje się również wielorozdzielcze modele terenu, a ich ois można znaleźć, n. w [9]. 2. PLANOWANIE PRZEMIESZCZANIA OBIEKTÓW NA PRZYKŁADZIE MARSZU Proces lanowania marszu związany z automatem decyzyjnym zawiera wyznaczenie takich elementów, jak: organizacja marszu (kolejność jednostek w kolumnie, liczba i miejsca ostojów), otymalne trasy dla jednostek, szczegółowy harmonogram marszu dla każdej jednostki. Proces lanowania marszu startuje w chwili t, kiedy batalion id otrzymuje rozkaz do marszu SO(id, t) od rzełożonego (dowódcy brygady). Struktura SO(id, t) jest nastęująca: ( 0 ) SO( id, t ) t ( id, t ), t ( id, t ), MD( id, t ) (2) = S gdzie: SO(id, t) rozkaz rzełożonego batalionu id do marszu; t 0 ( id, t ) - czas gotowości dla jednostki id; ts ( id, t ) - chwila rozoczęcia marszu rzez jednostkę id; MD( id, t ) - szczegółowy ois rozkazu do marszu. Definicja MD( id ) (omijamy t) jest nastęująca: ( ) =, MD( id ) = S( id ), D( id), RP( id ), IP( id) = in ( id), it ( id ) (3) gdzie: S( id ), D( id ) - odowiednio, rejony wyjściowy i docelowy dla id; RP(id) rejon odoczynku dla id (o 24. godzinach marszu), ocjonalny; IP(id) wektor unktów ośrednich dla id (trasa marszu musi rzechodzić rzez te unkty), in (id) -ty unkt ośredni, in ( id ) W W2, in (id)=ps(id) jest unktem wyjściowym marszu (w tym unkcie formuje się kolumna marszowa) i jest wymagany, inne unkty ośrednie są ocjonalne, it (id) moment osiągnięcia -tego unktu ośredniego (ocjonalny); NIP liczba unktów ośrednich. Po otrzymaniu rzez batalion id brygadowego rozkazu do marszu, automat decyzyjny rozoczyna lanowanie decyzji do marszu dla id. Biorąc od uwagę SO( id, t ), dla każdej jednostki id (szczebla komanii i równoważnego) bezośrednio odległej batalionowi id wyznaczana jest rzez automat decyzja do marszu MDS(id ): NIP ( ) MDS( id ') = S( id '), D( id '), PS( id '), PD( id '), RP( id '), µ id ', S( id '), D( id ') (4) gdzie: S( id '), D( id ') - odowiednio, rejony wyjściowy i docelowy dla id, S( id ') S( id ), D( id ') D( id) ; RP(id ) rejon odoczynku dla id (o 24. godzinach marszu), RP( id ') RP( id ), arametr ocjonalny; PS(id ) unkt wyjściowy dla id, taki sam dla wszystkich id id oraz PS( id ') = in ( id) W W2 ; PD(id ) unkt docelowy dla id, taki sam dla wszystkich id id oraz PD( id ') W W2 ; µ ( id ', S, D) - droga dla id z obszaru 972

S(id )=S do obszaru D(id )=D, µ ( id ', S, D) ( w( id ', m), v( id ', m )) m =, LW ( µ ( id ', S, D )) =, w( id ', m) - m-ty wierzchołek na drodze dla id, w( id ', m) W W2, S,D W W 2 i w( id ',) S, ( ', ( ( ',, ))) w id LW µ id S D D ; LW(µ(id, S, D)) liczba wierzchołków (kwadratów lub/i skrzyżowań) na drodze µ(id,s,d) dla id ; v( id ', m) - rędkość dla id na łuku rozoczynającym się w m-tym wierzchołku drogi. Warto odkreślić, że droga µ ( id ', S, D) może składać się z ciągów wierzchołków sieci Z (t) oraz Z 2 (t) (kiedy douszczamy zejście z drogi na kwadraty (jeżeli jest to możliwe) i na odwrót). Organizacja marszu zawiera wyznaczenie takich elementów, jak: liczba kolumn, kolejność jednostek w kolumnie marszowej oraz liczbę i miejsca ostojów. Liczba (#) kolumn wynika z regulaminów taktycznych i zależy od szczebla dowodzenia: dla batalionu #kolumn=, dla brygady #kolumn {,2,3}; dla dywizji #kolumn {3,4,5}. Kolejność jednostek w kolumnie marszowej wynika również z regulaminów taktycznych (atrz Tabela 2, algorytm Units_Order_In_March_Column_Determ(id )). Liczba ostojów c ( id ) wyliczana jest nastęująco (algorytm Number_of_Stos_Determ(id ), Tabela 2): c stos ( ) vavg ( id ) ( tsto( id ) + s) td ( id, t) ts ( id, t) trest ( id ) vavg ( id ) Lath ( id ) ( id ) =,0 gdzie: td( id, t ) - ożądana chwila zakończenia marszu rzez id, ts( id, t ) - chwila rozoczęcia marszu dla id (jak w (2)), t ( id, t) > t ( id, t) 0, t ( id) - czas trwania odoczynku dla id, vavg ( id ) - średnia rędkość marszu dla id, Lath( id ) - długość drogi wyznaczonej dla id (w km), tsto( id ) - czas trwania ostoju dla id, s - odstę czasu między ostojami. W raktyce, wartości arametrów są nastęujące: t ( id) 24h, [ ] v ( id ) 30, 40 km/h, ( ) h avg t id, s [ ] sto D S rest rest stos (5) 3,4 h. Miejsca ostojów wyznaczane są o ustaleniu dróg, a algorytm Place_Of_Stos_Determ(id ) (Tabela 2) bierze od uwagę c ( id ) i funkcję FCam (z rozdziału 2), aby wyznaczyć otymalne miejsca ostojów. stos Szczegółowy harmonogram rzemieszczania dla jednostki id jest definiowany nastęująco: H( id ', t ) = S, D, µ ( id ', S, D), T( id ', S, D) (6) 0 gdzie: t 0 moment rozoczęcia realizacji harmonogramu; T ( id ', S, D ) - wektor chwil osiągnięcia wierzchołków drogi dla id, T ( id ', S, D ) = t ( id ', m ), t( id ', m ) - m =, LW ( µ ( id ', S, D )) chwila osiągnięcia m-tego wierzchołka z drogi dla id, j= ( ( ', ), ( ', + ) ) m L w id j w id j t( id ', m) = t0 + (7) v( id ', j) gdzie L(w(id,j),w(id,j+)) oisuje odległość geometryczną między j-tym i (j+)-szym wierzchołkiem drogi, LW ( µ ( id ', S, D) - liczba wierzchołków drogi dla id. Po wyznaczeniu MDS(id ) dla każdej jednostki id odległej batalionowi id, wyracowana decyzja jest rzesyłana do każdej z tych jednostek. Idea wyznaczania trasy marszu dla jednostki id została zarezentowana na Rys. i jest realizowana rzez rocedurę March_Schedule_Determ(id ). W ogólności, automat wykorzystuje dwie kategorie kryteriów dla harmonogramu zsynchronizowanego rzemieszczania K kolumn obiektów (jednostek). Dla uroszczenia 973

rzyjmijmy, że batalion id jest równoważny k-tej kolumnie, k=,,k, tzn. k id. Ponadto, 0 r R rzyjmijmy nastęujące oznaczenia: I ( s, t ) = I = ( i ( k) = s, i ( k),..., i ( k),..., i k ( k) = t ) - wektor k k k k k k r wierzchołków drogi k-tego obiektu, s S, t D, i ( k ) - r-ty wierzchołek drogi k-tego k k r r obiektu, τ ( k) - chwila osiągnięcia wierzchołka i ( k ) rzez czoło k-tego obiektu, v r r+ - r r rędkość k-tego obiektu na łuku ( i ( k), i ( k) ) między wierzchołkami i k i k r r+ ( ) oraz ( ) i ( k ), i ( k ) + jego drogi, d r r+ - odległość terenowa i ( k ), i ( k ), R k - liczba łuków należących do drogi I k. S P 2 P 3 D P Rys.. Przykład trasy marszu dla trzech jednostek id id (wyełnione kwadraty) z rejonu wyjściowego S do rejonu docelowego D (kroki rerezentują skrzyżowania dróg). Zdefiniowano trzy unkty ośrednie: P =PS, P 2 i P 3 =PD (drogi dla wszystkich jednostek muszą rzechodzić rzez te unkty). P jest unktem wyjściowym marszu (w tym unkcie formowana jest kolumna marszowa rozważanych trzech jednostek), P 3 jest unktem końcowym marszu (w tym unkcie kolumna marszowa jest rozwiązywana), P 2 jest innym unktem ośrednim marszu. Droga między P i P 3 jest wsólna dla wszystkich jednostek, jednakże każda z jednostek ma inną drogę ze swojego odobszaru w S do P oraz z P 3 do odobszaru w D. Źródło: oracowanie własne. Pierwszą kategorią kryteriów jest czas rzemieszczania K obiektów z dwoma odstawowymi funkcjami: R τ k ( k) k {,..., K } lub K Rk τ ( k) (8), (9) Drugą kategorią kryteriów jest "odległość" między czasami osiągnięcia unktów wyrównania rzez wszystkie K obiekty. Definiujemy dwie funkcje w ramach tej kategorii: k = NIP K τ τ ( k) lub min ( τ τ ( k) ) {,..., NIP} k {,..., K} = k= (0), () gdzie: τ ( k ) chwila osiągnięcia -tego wierzchołka wyrównania (in (id) z (3)), τ d r r+ i ( k ), i ( k ) = τ + (2) v 0 ( k) ( k) i r ( k) = r {,..., R } in ( k) = i r ( k), k τ r {0,..., Rk } r r+ i ( k ), i ( k ) r r ( k ) = τ ( k). Biorąc od uwagę, że k {,..., K} jednostka id odowiada k-temu obiektowi możemy zaisać:, d r r + L ( w k r w k r + ), ( ) = ( ) r i ( k) w( k, r) i k i k ( ), ( ) (, ), (, ) r k in id. k id, v r r+ v( k, r), i ( k ), i ( k ) 974

Jeden z roblemów synchronizacji rzemieszczania K obiektów wykorzystujący miary (8)-(9) może być zdefiniowany nastęująco: dla ustalonych dróg I k dla każdego k-tego obiektu wyznaczyć takie v +, r = 0, R, k =, K, że r r i ( k ), i ( k ) k rzy ograniczeniach: NIP K = k= ( τ τ ) ( k ) min (3) v + v k r = R k = K (4) r r ( ), 0,,, i ( k ), i ( k ) k v + > r = R k = K (5) r r 0, 0,,, i ( k ), i ( k ) k gdzie v ( k ) oznacza maksymalną rędkość k-tego obiektu wynikającą z jego arametrów technicznych. Pewne rozszerzenia oisywanego roblemu oraz metody ich rozwiązania zawiera rozdział 3. 3. ROZSZERZENIA PROBLEMU PLANOWANIA PRZEMIESZCZANIA ORAZ METODY ICH ROZWIĄZANIA Biorąc o uwagę lanowanie tras dla wielu obiektów możemy rozatrywać różne rozszerzenia roblemu (3)-(5): (a) dodając nastęującą gruę ograniczeń, d 0 ( ), ( ) * ( ) r r+ i k i k τ k + τ, k =, K (6) v r {0,..., Rk } r r+ i ( k ), i ( k ) oszukiwać będziemy takiego harmonogramu rzemieszczania, w którym chwila osiągnięcia wierzchołka docelowego rzez najwolniejszy obiekt jest nie większa, niż chwila * 0 * otymalna τ (lub ewna ustalona chwila T τ ); (b) możemy oszukiwać zarówno dróg I k oraz rędkości v +, r = 0, R, k =, K r r i ( k ), i ( k ) k ; drogi dla K obiektów muszą być rozłączne lub nie (b) albo muszą rzechodzić rzez z góry ustalone unkty (wierzchołki) lub te unkty wyliczane są dynamicznie (b2). W ierwszym rzyadku (b) mamy do czynienia z roblemem NP-trudnym obliczeniowo, który możemy rozwiązać stosując ewne algorytmy rzybliżone dla znajdowania dróg rozłącznych, n. zawarte w [9]. Autor wsomnianej monografii [9] definiuje ewne modyfikacje klasycznych roblemów oraz oisuje aroksymacyjny algorytm rozwiązania tych roblemów w sieci tyu krata bazującej na danych ochodzących z cyfrowych baz terenu. Skuia się rzy tym na najtrudniejszej (z unktu widzenia złożoności obliczeniowej) wersji roblemu, rzadziej wystęującej w literaturze, związanej z wyznaczaniem K> dróg rozłącznych między wskazanymi K arami węzłów, dodatkowo z zadanymi unktami ośrednimi, rzez które drogi muszą rzechodzić. Porównuje otrzymane rozwiązania z rozwiązaniami uzyskanymi innymi metodami, n. rozwiązując zadanie rogramowania liniowego algorytmem simleks (zaimlementowanym w solverze GAMS/CPLEX). W drugim rzyadku (b2) możemy zastosować odejście dwuetaowe: (*) znajdując iteracyjnie najlesze drogi dla K obiektów używając metod znajdowania m-tej (-szej, 2-giej, 3-ciej, itd.) najkrótszej drogi dla każdego 975

z K obiektów; (**) synchronizując rzemieszczanie K obiektów orzez rozwiązanie roblemu (3)-(5) z użyciem algorytmów oisanych, n. w [7]; (c) możemy sformułować zadanie otymalizacji dwukryterialnej używając jednego z kryteriów (8)-(9) oraz jednego z kryteriów (0)-() i rozwiązując je z wykorzystaniem jednej z metod oisanych, n. w [6], [9]. Szczegółowy ois modeli i algorytmów harmonogramowania zsynchronizowanego rzemieszczania wielu obiektów zawarty jest w [7], [9]. W celu oszukiwania dróg dla obiektów, w systemie Złocień stosowanych jest szereg zmodyfikowanych algorytmów oszukiwania dróg najkrótszych (ADN) takich, jak Dijkstry, A* [6], geometryczny ADN []. Algorytm wyznaczania dróg geometrycznych uzuełnia dwa klasyczne algorytmy (Dijkstry, A*) i jest używany w rzyadku dużych rozmiarów sieci (domyślnie owyżej 0000 wierzchołków, ale jest to arametr ustalany w tzw. kalibratorze systemu [2]). Modyfikacje wsomnianych algorytmów dotyczą nastęujących rozszerzeń: (a) wyznaczania dróg w różnych konfiguracjach (a) z unktu (rejonu) do unktu (rejonu); (a2) rzechodzące rzez wybrane unkty (rejony); (a3) omijające wybrane unkty (rejony, rzeszkody); (a4) wewnątrz lub na zewnątrz ewnego rejonu; (a5) tylko o drogach; (a6) tylko na rzełaj ; (a7) o drogach i na rzełaj ; (b) jeżeli nie zostanie odany obszar wewnątrz którego ma być oszukiwana droga, to algorytm sam dobiera iteracyjnie obszar rostokątny bazujący na rostej łączącej unkt startowy z docelowym, w celu minimalizacji czasu obliczeń; (c) jeżeli wymagamy znalezienia drogi o sieci drogowej, a w odanych wierzchołkach (kwadratach), rzez które droga ma rzechodzić nie ma żadnego węzła sieci drogowej, to algorytm może zawsze oszukiwać (jeśli wybierzemy taką ocję) węzłów drogowych najbliższych kwadratom, rzez które ma rzechodzić droga na kierunku od źródła do celu [5]; (d) wyznaczania dróg dwukryterialnych [6]. W ogólności, modelowanie i otymalizacja rzemieszczania wielu obiektów (w celu zsynchronizowanego ich rzemieszczania) są rocesami bardzo skomlikowanymi. Złożoność tych rocesów zależy od wielu czynników: liczby konwojów (im większa liczba konwojów tym roblem harmonogramowania bardziej złożony); liczby obiektów w każdym konwoju (im dłuższy konwój, tym bardziej skomlikowane harmonogramowanie); Czy konwoje mają być synchronizowane w czasie rzemieszczania? Czy konwoje mogą być niszczone (atakowane) w czasie rzemieszczania? Czy struktura oraz arametry sieci drogowej mogą zmieniać się w czasie? Czy konwoje mają być rzemieszczane rozłącznymi drogami? Czy konwoje muszą osiągać ewne wyznaczone unkty w określonym czasie? Czy konwoje muszą startować w tym samym czasie? Czy konwoje muszą rzemieszczać się tylko w ewnych asach terenu? Czy konwoje mogą być rozłączane i złączane w czasie marszu? Czy trasy dla konwojów muszą rzechodzić rzez ewne ustalone unkty?, itd. 4. SYMULACJA PRZEMIESZCZANIA I PROCES STEROWANIA MARSZEM Proces bezośredniego sterowania marszem zawiera takie fazy, jak: dowodzenie, meldowanie i reagowanie na sytuacje awaryjne w czasie marszu [8]. Automat do marszu na szczeblu batalionu reaguje na ewne sytuacje awaryjne zarezentowane w Tabeli (rocedura React_To_Fault_Situations(id ), Tabela 2). Sytuacje, które wymagają meldowania do rzełożonego dowódcy batalionu są nastęujące: osiągnięcie unktów ośrednich, rejonu ostoju lub odoczynku; zmniejszenie rędkości owodujące oóźnienie; wykrycie skażenia; wykrycie ola minowego; osiągnięcie stanu zaasów aliwa na oziomie 75% i 50% stanu normatywnego; utracenie zdolności do rowadzenia marszu (meldowanie rzyczyny utraty zdolności); wykrycie jednostek rzeciwnika. 976

Podczas symulacji rzemieszczania, jednostki na drodze widziane są dwojako: (a) jako zajmujące ewne odcinki drogi i skrzyżowań (elementy sieci Z 2 ), (b) jako zajmujące ciąg kwadratów sieci Z, rzez które odcinek drogi rzebiega. W rzyadku (a) rzemieszczane jest czoło i ogon kolumny i rejestrowane są łuki sieci Z 2, na których znajdują się czoło i ogon kolumny oraz stoień okonania każdego z tych łuków. W rzyadku (b) wyznaczane jest ołożenie czoła i ogona kolumny na kwadratach sieci Z 2 i rzemieszczany jest taki "ciąg" kwadratów (od czoła do ogona). Przemieszczanie jednostki (rozwiniętej w kolumnę) o drodze realizowane jest orzez wyznaczenie ciągu wierzchołków (skrzyżowań) i/lub kwadratów oraz łuków (odcinków dróg) sieci Z 2 używając algorytmów oisanych w orzednim rozdziale i nastęnie realizację (symulację) rzemieszczania od jednego wierzchołka do drugiego wierzchołka (rocedura Simulate_Unit_Movement(id ), Tabela 2). Ważnym roblemem odczas symulacji jest ustalenie aktualnej rędkości rzemieszczania się jednostki id o odcinku drogi (rocedura Adat_March_Velocity(id ), Tabela 2). Procedura ustalania rędkości wewnątrz j-tego kwadratu (na j-tym odcinku) rozatruje dwa rzyadki: (a) kiedy jednostka id nie rowadzi walki w j-tym kwadracie; (b) kiedy jednostka id rowadzi walkę w j-tym kwadracie. Tabela. Wybrane sytuacje awaryjne w czasie symulacji marszu i reakcje automatu Sytuacje awaryjne odczas symulacji marszu Aktualna rędkość odległej jednostki różni się od rędkości lanowanej Osiągnięcie jednego z krytycznych oziomów aliwa w jednostce odległej Wykrycie jednostki rzeciwnika Wykrycie ola minowego Brak możliwości rowadzenia marszu (zniszczenie części trasy marszu (n. mostu) lub inna rzyczyna braku rzejezdności) Źródło: oracowanie własne. Reakcje automatu Jeżeli jednostka jest czołem kolumny i nie orusza się z zalanowaną rędkością, to zwiększ rędkość (w rzyadku oóźnienia) lub zmniejsz rędkość (w rzyadku rzysieszenia); Jeżeli jednostka nie jest czołem kolumny, to rzystosuj rędkość jednostki do rędkości jednostki orzedzającej ją w kolumnie. Meldowanie do automatycznego dowódcy. Próba tankowania na najbliższym ostoju lub tankowanie niezwłoczne, jeśli to możliwe Jeżeli otencjał jednostki rzeciwnika jest odowiednio duży (owyżej ewnej wartości granicznej) i odległość między jednostką własną, a jednostką rzeciwnika jest mała, to zatrzymanie jednostki, rzejście do obrony i meldowanie do dowódcy. W rzeciwnym rzyadku, tylko meldowanie do dowódcy Zatrzymanie i meldowanie do dowódcy Jeżeli odcinek drogi jest nierzejezdny z owodu zniszczenia róba znalezienia objazdu. Meldowanie do dowódcy; Jeżeli inny owód nierzejezdności rzejście do obrony i meldowanie do dowódcy 977

Tabela 2. Procedury automatu decyzyjnego zaimlementowane na otrzeby rocesu lanowania marszu i sterowania jego rzebiegiem Procedury zaimlementowane i używane dla każdej jednostki id id w rocesie lanowania decyzji Units_Order_In_March_Column_Determ(id ) Column_Length_Determ(id ) Number_of_Stos_Determ(id ) Place_Of_Stos_Determ(id ) Ending_Point_PD_Determ(id ) March_Schedule_Determ(id ): Paths_Determ(id ) Path_ S_To_PS_Determ(id ) Common_Path_PS_To_PD(id ) Path_ PD_To_D_Determ(id ) Detailed_Schedule_Determ(id ) Źródło: oracowanie własne. Procedury zaimlementowane i używane dla każdej jednostki id id w rocesie bezośredniego sterowania marszem March_Simulation(id ): Simulate_Unit_Movement(id ) React_To_Fault_Situations(id ) Fuel_Consumtion_Determ(id ) Adat_March_Velocity(id ) Reort_To_Commander(id ) W rzyadku (a) aktualna rędkość v cur (id, j) jednostki id w j-tym kwadracie obliczana jest nastęująco: slowd gdzie: (, ) slowd v cur (id,j)=min{ (, ) v id j,v dec (id,j)} (7) v id j - maksymalna rędkość jednostki id w j-tym kwadracie slowd z uwzględnieniem warunków toograficznych, ( ) v id, j = v ( id ) FOP( id, ), v ( id ) - maksymalna rędkość jednostki id wynikająca z arametrów technicznych ojazdów tech należących do jednostki, v ( id ) = min v ( ), ZVeh(id) zbiór ojazdów należących do ZVeh ( id ) jednostki id, v tech () maksymalna rędkość ojazdu (wynikająca z arametrów technicznych), FOP(id, ) f - funkcja osłabienia rędkości dla jednostki id w j-tym șlowd j j kwadracie (na łuku (j,j)); v dec (id,j) rędkość wynikająca z decyzji dowódcy (równa v(id,j) we wzorze (7)). Jeśli jednostka id jest czołem kolumny i nie rzemieszcza się z zalanowaną rędkością v dec (id,j) wówczas rędkość jest zwiększana (w rzyadku oóźnienia) lub zmniejszana (w rzyadku rzysieszenia). Jeżeli jednostka id nie jest czołem kolumny wówczas rędkość jednostki id jest dostosowywana do rędkości jednostki orzedzającej w kolumnie. W rzyadku (b) aktualna rędkość v cur (id, j) jednostki id w j-tym kwadracie wyliczana jest jak oniżej: slowd { ( ) } v ( id, j) = min f v ( id, ), U, U, dist, v ( id, j) (8) cur A B dec gdzie: f(,,, ) funkcja oisująca rędkość w kwadracie w zależności od v slowd (id, ), otencjałów jednostki id strony A (U A ) oraz B (U B ) z którymi walczą, odległości (dist) między walczącymi stronami. Procedury zaimlementowane i używane na etaie lanowania decyzji i bezośredniego sterowania marszem zawiera Tabela 2. W celu lanowania i sterowania rzemieszczaniem K jednostek odczas symulacji marszu zaroonowany został Movement Synchronization Manager (MSM) (Rys.2). 978

Rys. 2. (a) Idea Movement Synchronization Managera; (b) Diagramy klas dla akietu jądra symulacji. Źródło: oracowanie własne. Pierwszy krok (rzed symulacją) olega na uruchomieniu Movement Planning Manager (MPM), który lanuje rzemieszczanie K obiektów, rozwiązując jeden z roblemów otymalizacyjnych zdefiniowanych w rozdziale 3 (w zależności od referencji użytkownika). Moduł MSM rozoczyna działanie wówczas, gdy startuje symulacja rzemieszczania. Przechowywana jest w nim m.in. informacja o wzorcu ugruowania (GP) K monitorowanych jednostek, tyie "miary odległości" (TDM) między aktualnym ugruowaniem, a wzorcem ugruowania oraz douszczalna wartość "miary odległości" (AVD). Kiedy rozoczyna się symulacja rzemieszczania, MSM informowany jest o każdej zmianie ołożenia monitorowanych jednostek i w takiej sytuacji uruchamiana jest rocedura From-Pattern Distance Calculator. Procedura ta wylicza "odległość" omiędzy aktualnym ugruowaniem, a GP biorąc od uwagę TDM, AVD i aktualne ołożenie K jednostek odlegających monitorowaniu. Nastęnie uruchamiana jest rocedura Movement Plan Modification Decision-Maker. Jeżeli wyliczona "odległość" jest większa niż douszczalna jej wartość AVD i istnieje łączność między dowódcą jednostki, a jednostką monitorowaną (symulujemy dowódcę, który widzi lub wie o odstęstwie od lanu marszu i odejmuje decyzję o synchronizacji rzemieszczania jednostek mu odległych rzekazując ją rzez sieć łączności) wtedy uruchamiany jest Movement Planning Manager (MPM), aby znaleźć nowy harmonogram dla K jednostek. Szczegółowo rocedura ta oisana jest w [9], rozdz.5.3. 5. PODSUMOWANIE Modele i metody zarezentowane w racy używane są w rzeczywistym systemie symulacyjnego wsomagania szkolenia oeracyjnego wojsk [] oraz/lub mogą być użyte w systemach tyu Comuter Generated Forces. Zarezentowany automat decyzyjny do marszu został zaimlementowany i rzetestowany na wielu scenariuszach (nie tylko do marszu). W tyowym scenariuszu liczba kwadratów terenu wynosiła kilkadziesiąt tysięcy, a liczba rzemieszczanych jednostek nawet setki. Zarezentowane metody wraz z ich imlementacją są bardzo obiecujące w kontekście efektywności i zarządzania ćwiczeniami wsomaganymi komuterowo tyu CAX. Używając, dla rzykładu, automatu decyzyjnego na szczeblu batalionu możemy oszczędzić wiele czasu oraz ludzi (brak odgrywki zastęowanej 979

rzez automat), dlatego też nawet złożone ćwiczenia mogą być rzerowadzone efektywnie i niskokosztowo z uruchomieniem wielu scenariuszy działań. Jeden z asektów automatyzacji rocesów decyzyjnych lanowanie, synchronizacja i symulacja rzemieszczania jest istotny nie tylko w systemach tyu CGF. Systemy symulacyjne wsomagające ćwiczenia sztabowe lub zarządzanie kryzysowe owinny być wyosażone w moduły zarządzania rzemieszczaniem wielu obiektów. Jakość tego zarządzania ma wływ na dokładność, efektywność i inne charakterystyki symulowanego systemu. Bardzo ważnym roblemem, który dotyczy automatyzacji rocesów decyzyjnych jest kalibracja modeli symulacyjnych złożonych rocesów [2]. Umożliwia ona dostrajanie tych modeli. Proces ten ma wływ na jedną z najważniejszych cech modelu symulacyjnego, jaką jest adekwatność. BIBLIOGRAFIA [] Antkiewicz R., Najgebauer A., Taraata Z., Rulka J., Kulas W., Pierzchała D., Wantoch- Rekowski R.: The Automation of Combat Decision Processes in the Simulation Based Oerational Training Suort System, Proceedings of the IEEE Symosium on Comutational Intelligence for Security and Defense Alications, Honolulu (Hawaii) 2007. [2] Antkiewicz R., Najgebauer A., Rulka J., Taraata Z.: Calibration of simulation models of selected battlefield rocesses, Proceedings of the st Military Communication and Information Systems Conference, ISBN 83-92020--, 8-9.09, Gdynia (Poland) 2006. [3] Cambell C., Hull R., Root E., Jackson L.: Route Planning in CCTT, in Proceedings of the 5th Conference on Comuter Generated Forces and Behavioural Reresentation, Technical Reort, Institute for Simulation and Training,. 233-244, 995. [4] Domke U.: Comuter Generated Forces - Background, Definition and Basic Technologies, RTO-EN-07, SAS Lecture Series on Simulation of and for Military Decision Making, Rome, Italy, 5-6 October, 200. [5] Karr C.R., Craft M.A., Cisneros J.E.: Dynamic Obstacle Avoidance, Proceedings of the Conference on Distributed Interactive Simulation Systems for Simulation and Training in the Aerosace Environment, The International Society for Otical Engineering, 9-20 Aril, Orlando (USA) 995,. 95-29. [6] Korf R.E.: Artificial Intelligence Search Algorithms, in Algorithms Theory Comutation Handbook, Boca Raton, FL: CRC Press (999). [7] Kreitzberg T., Barragy T., Nevin B.: Tactical Movement Analyzer: A Battlefield Mobility Tool, Proceedings of the 4th Join Tactical Fusion Symosium, Laurel (USA), 990. [8] Lavalle S.: Planning Algorithms, Cambridge University Press, 2006. [9] Longtin M., Megherbi D.: Concealed Routes in ModSAF, in Proceedings of the 5th Conference on Comuter Generated Forces and Behavioural Reresentation, Technical Reort, Institute for Simulation and Training, Orlando (USA), 995,. 305-34. [0] Najgebauer A.: Informatyczne systemy wsomagania decyzji w sytuacjach konfliktowych. Modele, metody i środowiska symulacji interaktywnej, Sulement do Biuletynu Wojskowej Akademii Technicznej, Warszawa, 999. [] Najgebauer A.: Polish Initiatives in M&S and Training. Simulation Based Oerational Training Suort System (SBOTSS) Zlocien, Proceedings of the ITEC 2004, London (UK) 2004. [2] Petty M.D.: Comuter Generated Forces in Distributed Interactive Simulation, Proceedings of the Conference on Distributed Interactive Simulation Systems for Simulation and Training in the Aerosace Environment, The International Society for Otical Engineering, 9-20 Aril, Orlando (USA) 995,. 25-280. [3] Pohl J., Chaman A., Pohl K., Primrose J., Wozniak A.: Decision-Suort Systems: Notions, Prototyes, and In-Use Alications With Emhasis on Military Alications, Design Institute Reort: CADRU--97, Collaborative Agent Design Research Center (CADRC), California Polytechnic State University, San Luis Obiso (CA, USA), 2003. 980

[4] Reece D., Kraus M., Dumanoir P.: Tactical Movement Planning for Individual Combatants, Conf. on Comuter Generated Forces and Behavioral Reresentation, Orlando (USA) 2000. [5] Taraata Z.: Models and Methods of Movement Planning and Simulation in Simulation Aided System for Oerational Training, Proceedings of the 6th NATO Regional Conference on Military Communication and Information Systems, ISBN 83-92020-0-3, 06-08 October, Zegrze (Poland) 2004,. 52-6. [6] Taraata Z.: Selected Multicriteria Shortest Path Problems: an Analysis of Comlexity, Models and Adatation of Standard Algorithms, International Journal of Alied Mathematics and Comuter Science, vol.7, No.2 (2007),. 269-287. [7] Taraata Z.: Aroximation Scheduling Algorithms for Solving Multi-objects Movement Synchronization Problem, ICANNGA'2009, Lecture Notes in Comuter Science, vol.5495 (2009), Sringer, Heidelberg,.577-589. [8] Taraata Z.: Movement Simulation and Management of Cooerating Objects in CGF Systems: a Case Study, KES-AMSTA 200, Lecture Notes in Artificial Intelligence, vol.6070 (200), Sringer, Heidelberg,.293-304. [9] Taraata Z.: Models And Algorithms For Knowledge-Based Decision Suort And Simulation In Defence And Transort Alications, Rozrawa habilitacyjna, Wojskowa Akademia Techniczna, Warszawa, 20 (w druku). KNOWLEDGE-BASED MODELS AND ALGORITHMS OF MOVEMENT PLANNING AND SIMULATION IN MILITARY DSS AND CGF SYSTEMS Abstract: In the aer models and algorithms of movement lanning and simulation in knowledge-based military Decision Suort Systems and Comuter Generated Forces are resented. A case study deals with the idea and model of command and control rocess alied for the decision automata for march on the battalion level. The automaton executes two main rocesses: decision lanning rocess and direct march control. Some theoretical and ractical asects of modelling and otimization of lanning rocess, march simulation and control are considered. The automata imlementation rocess and exerimentation aroach are resented. Some results of march lanning and realization (simulation) in distributed interactive simulation system SBOTSS Zlocien for CAX es (Comuter Assisted Exercises) are discussed. Key words: route lanning, movement simulation, movement synchronization, decision suort systems, transort algorithms 98