Multiobjective missile rescheduling problem

Abstract

Bu tezde, bir deniz görev grubu (TG) için satıhtan havaya güdümlü mermilerin (SAM) dinamik tahsis problemi çalışılmıştır. Deniz görev grubuna saldıran gemisavar füzelerine (ASM) karşı başlangıçta oluşturulan güdümlü mermi tahsis planının angajmanlar başladıktan sonra ortaya çıkan etmenlerle bozulması sonucu yeniden çizelgeleme durumu ele alınmıştır. Güncellenmiş bir tahsis planı oluşturmak için hava savunmasının etkinliğini ve tahsis planına tutarlılığını dikkate alan iki amaçlı modeller önerilmiştir.Tezin ilk kısmında, hava tehditlerinin tamamını imha etme olasılığını ençoklayan ve ilk tahsis planı ile yeni tahsis planı arasındaki değişim miktarını enazlayan iki amaçlı model sunulmuştur. Problemin hesaplama karmaşıklıkları analiz edilmiş, kesin ve sezgisel çözüm metotları geliştirilmiştir. Tezin ikinci kısmında, dinamik hava savunma senaryosuna ait hızlı karar verme ihtiyacı nedeniyle angajman tahsis planını güncelleyen yarı otonom bir karar verme sistemi geliştirilmiştir. Geliştirilen yöntem, daha önceden karar vericiden alınmış tercih bilgisini kullanan adaptif öğrenme algoritmasını da içeren yapay sinir ağı temeline dayanmaktadır. Karar vericinin tercihlerinin bir kuvazi konkav değer fonksiyonu ile uyumlu olduğunu varsayarak, yapay sinir ağı her bir yeniden çizelgeleme zamanında etkin çözümü seçerek mevcut planı güncellemektedir. Tezin üçüncü kısmında, satıhtan havaya güdümlü mermi sistemlerinin hedefleme değişiklik sayısını enazlayan farklı bir kararlılık kriteri düşünülmüştür. İki amaçlı model geliştirilmiş, çözümler yeni kesin ve sezgisel metotlarla bulunmuştur.

In this thesis, we address dynamic missile allocation problem for a naval task group (TG). We consider rescheduling of surface to air missiles (SAMs) in response to disturbances during the engagement process where a set of SAMs have already been scheduled to a set of attacking anti-ship missiles (ASMs). To produce an updated schedule, we propose mathematical models that consider efficiency of air defense and stability of the schedule. In the first part of thesis, we present a new biobjective mathematical model that maximizes the probability of no-leaker and minimizes total deviation from the existing schedule. We analyze the computational complexity of the problem and develop exact and heuristic solution procedures. In the second part of thesis, we develop a semi-autonomous decision making framework to update the engagement allocation plan due to rapid decision making requirement of a dynamic air defense scenario. The approach is a based on an artificial neural network (ANN) method that includes an adaptive learning algorithm to structure prior articulated preferences of decision maker (DM). Assuming that the DM's preferences are consistent with a quasi-concave utility function, ANN chooses one of the non-dominated solutions in each rescheduling time point and updates the existing schedule. In the third part of thesis, we consider a different stability criterion that minimizes total number of tracking changeover for SAM systems. We formulate the biobjective model and generate solutions by new exact and heuristic methods.