УДК 629.5.053 Специальные системы управления особыми типами судов
Сформулированы подходы к построению оптимальных маршрутов перехода в районах со сложными навигационными условиями, такими как лед, мелководье, осадки, ветер и т.д. Показана необходимость оперативной обработки большого количества априорной и измеряемой навигационно-гидрографиче-ской и гидрометеорологической информации при плавании в районах с опасными ограничивающими факторами. Указана возможность использования для этого аппарата нейронных сетей (НС). Обоснован набор параметров, необходимых для достижения заданной точности при анализе ситуации. Сформулированы требования к обучающей поверхности нейросети. Отмечена значительная избыточ-ность процедур прямого нейросетевого анализа всего анализируемого района плавания. Показана необходимость предварительной локализации области возможного нахождения оптималь-ного маршрута для уменьшения количества аналитических нейросетевых процедур. Для этого предло-жена методика локализации области нахождения оптимального маршрута с помощью графов
маршрут, экстремальная навигация, ограничивающие факторы, обстановка, нейросеть, морская территориальная активность, искусственные нейронные сети, модель обстановки, графовые модели
1. Агафонов А.А., Максимов А.И., Бородинов А.А. Исследование эффективности вычисления надежного кратчайшего пути с использованием GPU // VI Междунар. конф. и молодёжная школа «Информационные технологии и нано-технологии» (ИТНТ-2020). - 2020. - С. 1-7.
2. Агафонов А. А., Мясников В. В. Метод опреде-ления надежного кратчайшего пути в стохасти-ческой сети с использованием параметрически заданных устойчивых распределений вероятно-стей // СПИИРАН. - 2020. Т. 3. - Вып. 18. - С. 558-582.
3. Бекасов Д.Е. Применение аппарата нечеткой ло-гики при решении задачи поиска пути в неиз-вестном окружении // Молодежный науч.-техн. вестник. МГТУ им.Н.Э. Баумана: электрон. журн. - 2012. - №. 5. - С. 40.
4. Бородин Е.Л., Биденко С.И., Храмов И.С. и др. Геоинформационная поддержка управления морской транспортной активностью: методиче-ский аспект // Эксплуатация морского транс-порта. - 2018 .- № 2. - С. 80 - 85.
5. Бородин Е.Л., Биденко С.И., Храмов И.С. Оценка обстановки в ближней морской зоне с использованием искусственных нейронных се-тей // Эксплуатация морского транспорта. - 2018. - № 4. - С. 82 - 90.
6. Гилимьянов Р.Ф., Рапопорт Л.Б. Метод дефор-мации пути в задачах планирования движения роботов при наличии препятствий // Проблемы управления. - 2012. - № 1. - С. 70-76
7. Емельченков Е. П., Мунерман В. И., Мунерман Д. В., Самойлова Т. А. Один метод построения циклов в графе // Современные информацион-ные технологии и ИТ-образование [Электрон-ный ресурс]. - 2021. - Т. 17. - № 4. URL: http://sitito.cs.msu.ru/index.php/SITITO/article/view/773 (дата обращения: 08.07.2022).
8. Иванов С. В., Белоножко Д. Г., Петрова О. В., Стадник А. Н., Лозовский В. В. Методика опти-мального поиска неравноценных объектов про-тивника на основе решения задачи коммивоя-жера // Стратегическая стабильность. - 2020. - № 4 (93). - С. 46-54.
9. Козлов С. В. Интеллектуальная система под-держки принятия решений «Advanced Tester» // Компьютерная интеграция производства и ИПИ-технологии: сб. материалов X Всерос. конф. (Оренбург,18-19 нояб. 2021). Оренбург: Оренбургский гос. ун-т. - 2021. - С. 127-131.
10. Морозов С. А., Мунерман В. И., Симаков В. А. Экспериментальный анализ многомерно-мат-ричного подхода к построению маршрутов в графе // Изв. вузов. Электроника. - 2022. - Т. 27. - № 5. - С. 676-686. https://doi.org/10.24151/1561-5405-2022-27-5-676-686
11. Мунерман В. И., Мунерман Д. В. О соответ-ствии моделей данных и моделей вычислений // Системы компьютерной математики и их при-ложения. - 2021. - № 22. - С. 146-152.
12. Осипов Г.С., Уманский А.С. Решение задачи Коммивояжера с помощью нейронной сети Хопфилда // Постулат. - 2016. - № 8. - С. 1-4.
13. Павленко М.А., Романюк А.А., Яковлев В.Ю. Решение задачи маршрутизации на основе ис-пользования нейронной сети Хопфилда с разра-боткой функции Ляпунова с заданными свой-ствами // Проблемы телекоммуникаций. - 2012. - № 2 (7). - С. 43-57
14. Семенов С. С., Педан А. В, Воловиков В. С., Климов И. С. Анализ трудоемкости различных алгоритмических подходов для решения задачи коммивояжера // Системы управления, связи и безопасности. - 2017. - № 1. - С. 116-131.
15. Стыценко Ф. В., Сайгин И. А., Барталев С. А. Исследование возможностей многолетнего мо-ниторинга состояния поврежденных пожарами лесов на основе спутниковых данных // Инфор-мационные технологии в дистанционном зонди-ровании Земли - RORSE. 2018. ИКИ РАН. - 2019. - С. 185-190. Doi:https://doi.org/10.21046/rorse2018.185.
16. Федоров А. А., Сошилов И. В., Логинов В. Н. Эвристические алгоритмы поиска маршрутов передачи данных в спутниковых системах и их валидация // ТРУДЫ МФТИ. - 2020. - Т. 12. - № 3. - С. 1-9.
17. Bidenko S.; Chernyi S.; Nikolashin Y.; Borodin E.; Milyakov D. Topologisation of the situation geo-graphical image in the aspect of control of local transport and economic activity. Int. J. Computa-tional Science and Engineering. - 2022. - Vol. 25. No. 2. - Pp.108-115. DOI:https://doi.org/10.1504/IJCSE.2022.10046246
18. De Filippis L., Guglieri G., Quagliotti F. Path plan-ning strategies for UAVs in 3D environments // J. of Intelligent and Robotic Systems. 2012. Vol. 65. No.1-4. Pp. 247-264.DOI:https://doi.org/10.1007/s10846-011-9568-2
19. Dubins L.E. On curves of minimal length with a constraint on average curvature, and with pre-scribed initial and terminal positions and tangents // Amer. J. of Mathematics. - 1957. -Vol. 79. - No. 3. - Pp. 497-516. DOI:https://doi.org/10.2307/2372560
20. Jiang, M. Mobile robot path planning based on dy-namic movement primitives / M. Jiang, Y. Chen, W. Zheng, H. Wu and other. // Proceedings of the IEEE International Conference on Information and Automation. - Ningbo, China: - 2017. - С. 980-985.
21. Miller J. A., Ramaswamy L., Kochut K. J., Fard A. Research directions for big data graph analytics // 2015 IEEE International Congress on Big Data. New York: IEEE, 2015. P. 785-794. https://doi.org/10.1109/BigDataCongress. - 2015. - Р. 132
22. Saha, O. Real-time robot path planning around complex obstacle patterns through learning and transferring options / O. Saha, P. Dasgupta. // Pro-ceedings of the IEEE International Conference on Autonomous Robot Systems and Competitions (IC-ARSC). - Coimbra, Portugal: - 2017. - С. 278-283.
23. Wallgrun J. O. Voronoi graph matching for robot localization and mapping // Transactions on com-putational science IX. B.: Springer. - 2010. Pp. 76-108. DOI:https://doi.org/10.1007/978-3-642-16007-3_4
24. Zeyad, A. A. A Comprehensive Study on Pathfind-ing Techniques for Robotics and Video Games / A. A. Zeyad, S. Shahrizal, K. Hoshang. // International Journal of Computer Games Technology. - 2015. - Article ID 736138. - 11 р.
