AN IMPROVED METHOD FOR PREDICTING THE FLIGHT PATH OF A CRUISE MISSILE BASED ON THE ANT COLONY ALGORITHM
DOI:
https://doi.org/10.26906/SUNZ.2023.2.063Keywords:
cruise missile, air enemy, flight path, target, ant algorithm, radar reconnaissanceAbstract
The subject matter of the article is the method for predicting the flight path of cruise missiles based on the ant colony algorithm. The goal is to obtain adequate results in predicting the trajectory of cruise missiles when planning the use of air defense forces and means and choosing their rational construction. Task: analysis of known methods for estimating the flight path of a cruise missile; modelling the flight path of cruise missiles as a search for a sequence of actions of a cruise missile that can move from one place to another, avoiding any obstacles on the flight path; improvement of the method for predicting the flight path of cruise missiles. The methods used are: methods of system analysis, probability theory, methods of swarm intelligence, mathematical statistics. The following results are obtained. The method of predicting the flight path of cruise missiles based on the ant colony algorithm has been improved, in which, unlike the known ones: the calculation of the flight path of a cruise missile provides for the calculation of the objective function; the determination of the set of agent movement areas; the pheromone concentration on the agent movement routes, and the movement of agents along certain movement areas. The operability of an improved method for predicting the actions of an air enemy based on the ant colony algorithm has been tested. Conclusions. It has been established that in all cases the method of predicting the actions of an air enemy based on the ant colony algorithm provides the shortest route length from the starting point of the route to the objects of destruction. The direction of further research is the construction of radar reconnaissance based on the results of modelling options for the actions of an air enemy.Downloads
References
Amble J. Intelligence and the Future Battlefield, with Lt. Gen. Scott Berrier / J. Amble // Modern War Institute. – October 25, 2019. URL: https://mwi.usma.edu/mwi-podcast-intelligence-future-battlefield-lt-gen-scott-berrier/.
Air & Space Operations Review : A Journal of Strategic Airpower & Spacepower. – 2022. – Vol. 1. – No. 4. URL: https://www.airuniversity.af.edu/ASOR/.
Синтез адаптивних структур системи зенітного ракетно-артилерійського прикриття об’єктів і військ та оцінка її ефективності (теорія, практика, тенденції розвитку) : монографія / Торопчин А. Я. та ін. Харків : ХУ ПС, 2006. 349 с.
Городнов В. П., Єрмошин М. О., Шулежко В. В. Методика оцінки статистичних параметрів удару повітряного противника при відновленні системи зенітного ракетно-артилерійського прикриття. Наука і техніка Повітряних Сил Збройних Сил України. Харків: ХУ ПС, 2013. № 1(10). С. 57–60.
Пуховий О. В. Удосконалена методика визначення варіанту бойового застосування угруповання радіотехнічних військ. Системи озброєння і військова техніка. 2012. № 3(31). С.66–70.
Моделювання бойових дій військ (сил) протиповітряної оборони та інформаційне забезпечення процесів управління ними (теорія, практика, історія розвитку) : монографія / Городнов В. П та ін. Харків : ХВУ, 2004. 410 с.
Ярош С. П., Рогуля О. В. Аналіз тактики бойового застосування крилатих ракет при нанесенні ударів по важливих державних об’єктах та угрупованнях військ. Збірник наукових праць Харківського національного університету Повітряних Сил. 2019. № 3(61). С. 35–44. https://doi/org/10.30748 /zhups.2019.61.06.
Жарик О. М., Тристан А. В. Військова операція Азербайджану в Нагірному Карабасі в контексті розвитку Повітряних Сил Збройних Сил України. Наука і техніка Повітряних Сил Збройних Сил України. 2021. № 2(43). С. 19–24. https://doi/org/10.30748/nitps.2021.43.02.
Ярошенко Я., Герасименко В., Блискун О., Базіло С., Ікаєв Д. Досвід застосування безпілотної авіації у вірменоазербайджанському конфлікті восени 2020 року. Уроки для України. Воєнно-історичний вісник. 2021. № 2(40). С. 53–71. https://doi/org/10.33099/2707-1383-2021-40-2-53-71.
Олексенко О. О., Ярошенко Я. В. Розробка методу оптимального маршруту польоту безпілотного літального апарату на основі мурашиного алгоритму. Сучасний стан проведення наукових досліджень у IT-технологіях, галузях електроніки, інженерії, нанотехнологіях та транспортній сфері : кол. наук. монографія. Вінниця, 2021. Вид. 1. С. 147–158. https://doi.org/10.36074/csriteenat.ed-1.10.
Олексенко О. О., Герасименко В. В. Метод визначення варіантів польоту безпілотного літального апарату на основі макс-мінного мурашиного алгоритму. Сучасний стан проведення наукових досліджень у IT-технологіях, галузях електроніки, інженерії, нанотехнологіях та транспортній сфері : кол. наук. монографія. Вінниця, 2021. Вид. 2. С. 2–10. https://doi.org/10.36074/csriteenat.ed-2.01.
Khudov, H., Oleksenko, O., Kuchuk, N., Yaroshenko, Y., Ishchenko, O., Ikaiev, D., Kireienko V. Determining the unmanned aerial vehicle optimal flight route based on the ant colony optimization. Turkish Online Journal of Qualitative Inquiry (TOJQI). 2021. Vol. 12, Issue 6, pp. 5173–5178.
Khudov, H., Oleksenko, O., Lukianchuk, V., Herasymenko, V., Yaroshenko, Y., Ishchenko, O., Ikaіev, D., Golovchenko O., Volobuiev, A., Drob, Y., Solomonenko, Y., Khizhnyak, I. The Determining the Flight Routes of Unmanned Aerial Vehicles Groups Based on Improved Ant Colony Algorithms. International Journal of Emerging Technology and Advanced Engineering. 2021. Vol. 11. Issue 09, pp. 23–32. https://doi/org/10.46338/ijetae0921_03.
Олексенко О. О., Худов Г. В., Гниря В. В., Неводничий А. О. Методика прогнозування дій повітряного противника на основі мурашиного алгоритму. Перспективи розвитку озброєння та військової техніки Сухопутних військ : тези доп. Міжн. наук.-техн. конф.(м. Львів, 14-15 трав. 2020 р.). Львів, 2020. С. 250.
M. Dorigo, K. Socha. An Introduction to Ant Colony Optimization. Technical Report Series. Iridia : Universite Libre de Bruxelles, 2006. 19 p.
M. Dorigo, M. Birattari, T. Stützle, Ant Colony Optimization. Artificial Ants as a Computational Intelligence Technique. IEEE Computational Intelligence Magazine, 2006. № TR/IRIDIA/2006-023.14 p. https://iridia.ulb. ac.be/IridiaTrSeries/rev/IridiaTr2006-023r001.pdf.
M. Dorigo, T. Stützle. Ant Colony Optimization: Overview and Recent Advances. M. Gendreau and Y. Potvin, editors, Handbook of Metaheuristics, 2nd edition. in International Series in Operations Research & Management Science, Springer, Verlag, New York, 2010. Vol. 146. P. 227–263.
