Эвристическое принятие решений выбора моделей дронов по заданным характеристикам

Цель. Заметный интерес к таким летательным аппаратам, как дроны различного назначения, выдвигает определенные требования к их характеристикам. Характеристики могут быть разделены на информационно-технические и потребительские с финансовой точки зрения. При этом они имеют свои единицы измерения. В связи с этим возникает задача отбора и ранжирования дронов по какому-либо критерию или числовой метрики.

Метод. В данной работе рассматривается определенный эвристический подход к сортировке выборки дронов по ключу предлагаемой метрики. В эвристическом подходе есть определенная вариативность установки привлекательности того или иного дрона на взгляд лица, принимающего решение о приобретении или конкретного выбора из существующей линейки дронов, доступных для обозрения по своим характеристикам.

Результат. Предлагается в имеющихся характеристиках выделить несколько групп, разнородных по своим свойствам, как очевидным, так и интуитивно созданным: «хорошие», «очень хорошие», «менее привлекательные», «наименее привлекательные». Считая, что рассматривается несколько моделей дронов с одинаковыми характеристиками, разделенных на указанные группы, вводятся числовые коэффициенты для формирования метрики, по которой будет осуществляться ранжирование данной линейки или выборки дронов по рассчитанным метрикам.

Вывод. В основе предлагаемого эвристического алгоритма лежит переход к приведенным значениям числовых характеристикам относительно максимального каждой группы характеристик с вычислением среднего арифметического приведенных значений. В зависимости от типа указанных групп введенные в рассмотрение коэффициенты прибавляются или вычитаются от разницы текущей характеристики и ее среднего или разницы среднего и текущей характеристики. На этой основе вычисляются метрики, по которым производится ранжирование данной выборки моделей дронов.

1. Салаев Б. К., Серёгин А. А., Эвиев В. А., Мучаев А. Б., Глечикова Н. А., Юдаев И. В. Анализ применения беспилотных летательных аппаратов в сельском хозяйстве // Вестник аграрной науки Дона. 2022. Т. 15. № 4 (60). С. 29–44.

2. Villa-Henriksen A., Edwards G. T., Pesonen L. A., Green O., Sоrensen C. A. G. Internet of Things in arable farming: Implementation, applications, challenges and potential//Biosyst. Eng.2020. Vol.191. Р. 60–84.

3. Растопчин В. В. Ударные беспилотные летательные аппараты и противовоздушная оборона – проблемы и перспективы противостояния // АвиаПанорама. – 2019. – №12.

4. Леонков А.П. Дроны начинают и выигрывают // Арсенал отечества. 2019. № 1. С. 30–35.

5. Селин А. И., Туркин И. К. Обзор целевых объектов применения беспилотных летательных аппаратов, работающих в составе группы. Научный вестник МГТУ ГА. 2023;26(2):91-105. https://doi.org/10.26467/2079-0619-2023-26-2-91-105

6. Klapa P., Bożek P., Piech I. Charting topographic maps based on UAV data using the image classification method // Geomatics, Landmanagement and Landscape. 2019. № 2. P. 77–85. URL: https://doi.org/10.15576/GLL/2019.2.77.

7. Варламова, Л. (2019). Применение беспилотных летательных аппаратов в обеспечении технологической безопасности. Journal of Technical and Natural Sciences, 5(14), 54-90. URL: https://doi.org/10.5281/zenodo.3519853.

8. Макаров В. В., Протасов С. Н., Стародубов Д. О. Использование совокупности методов контроля для объективной оценки качества услуг мобильной связи // Проблемы современной экономики. 2017. № 2 (62). С. 202–204.

9. Макаров В. В., Гусев В. И., Синица С. А. Методический подход к оценке информационных ресурсов // Информационные технологии и телекоммуникации. СПбГУТ. 2013. №3(3). С. 72–78.

10. Слуцкий М.Г., Макаров В.В., Посадский Д.А. Оценка эффективности СМК и ее взаимосвязь с концепцией TQM // Экономика и бизнес: теория и практика. 2022. № 6-2 (88). С. 168–171.

11. Афонин В. В., Савкина А. В., Никулин В. В. Алгоритм и методика ранжирования группы растровых изображений // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2021. № 4. С. 58–67. DOI: 10.24143/2072-9502-2021-4-58-67.

12. Гладкова М. А., Зенкевич Н. А., Сорокина А. А. Методика интегральной оценки и выбора качества услуг и ее реализация на примере рынка мобильной связи Санкт-Петербурга // Вестник Санкт-Петербургского университета. Сер. Менеджмент. 2011. Вып. 3. С. 60–95.

13. Асанова Н. В., Калинин Я. В., Сагателова Л. С., Тарасова И. А. Интегральная оценка качества транспортного обслуживания крупных городов и городских агломераций // Управление развитием крупномасштабных систем MLSD’2018 : тр. одиннадцатой Междунар. конф. в 3 т. 2018. С. 118–124.

14. Ancuti C. O., Ancuti C., De Vleeschouwer C., Sbert M. Color channel compensation (3C): A fundamental pre-processing step for image enhancement // IEEE Transactions On Image Processing. 2020, 29, pp. 2653–2665.

15. Семейных Н. С., Сопегин Г. В., Федосеев А. В. Оценка физико-механических свойств пористых заполнителей для легких бетонов // Вестник МГСУ. 2018. Т. 13. № 2 (113). С. 203–212. DOI: 10.22227/1997-0935.2018.2.203-212.

16. Никулин В. В., Афонин В. В. Эвристическая оценка качества услуг на примере операторов мобильной связи // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2023. № 2. С. 101-107. https: //doi.org/10.24143/2072-9502-2023-2-101-107.EDN PFVICR.

17. Афонин В.В. Программа оценки качества группы объектов с разнородными свойствами. Свидетельство о регистрации программы для ЭВМ RU 2022669744, 25.10.2022. Заявка № 2022668900 от 17.10.2022.