Xây dựng hệ thống hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không

vấn đề ch nh đó là: quản lý và hiển thị bức tranh tình huống trên không đã nhận dạng; đánh giá mức độ đe dọa của các mục tiêu đối với khu vực bảo vệ của trung đoàn; t nh toán và chỉ thị

MỤC LỤC

MỤC LỤC 1

LỜI CAM ĐOAN 4

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT 5

DANH MỤC CÁC BẢNG 6

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 7

MỞ ĐẦU 9

Chương I: MỘT SỐ KIẾN THỨC CƠ BẢN 13

I.1 LOGIC MỜ 13

I.1.1 Tập mờ, biểu diễn tập mờ và hàm thuộc 13

I.1.2 Các toán tử trên tập mờ 18

I.1.3 Biểu diễn một luật mờ 19

I.1.4 Quá trình giải mờ 21

I.2 MẠNG BAYES VÀ ỨNG DỤNG 25

I.3 MỘT SỐ KỸ THUẬT RA QUYẾT ĐỊNH 30

I.3.1 Tổng quan về ra quyết định 30

I.3.2 K thuật Weighted Sum Model WSM 32

I.3.3 Một số k thuật khác 33

I.4 CÁC MÔ HÌNH HỆ THỐNG CHỈ HUY TÁC CHIẾN TRÊN THẾ GIỚI 38

I.4.1 Mô hình hệ thống chỉ huy tác chiến hiện đại 38

I.4.2 Hệ thống chỉ huy tác chiến truyền thống 41

I.4.3 Giao thức truyền thông Asterix trong hệ thống chỉ huy tác chiến 43

Chương II MÔ TẢ BÀI TOÁN H TR CHỈ HUY TÁC CHIẾN 45

VÀ PHƯƠNG PHÁP GIẢI QUYẾT 45

II.1 MÔ HÌNH BÀI TOÁN H TR TÁC CHIẾN 45

II.1.1 Thông tin đầu vào 46

II.1.2 Thông tin đầu ra 46

II.1.3 Mô tả chi tiết thông tin đầu vào, đầu ra 46

II.2 CÁC VẤN ĐỀ CHÍNH HỆ THỐNG H TR CHỈ HUY TÁC CHIẾN CẦN

GIẢI QUYẾT 50

II.2.1 Quản lý, hiển thị bức tranh tình huống trên không 50

II.2.2 Đánh giá đe dọa threat evaluation 50

II.2.3 T nh toán chỉ thị mục tiêu cho các đơn vị thuộc quyền 51

II.3 GIẢI QUYẾT CÁC VẤN ĐỀ 52

II.3.1 Quản lý, hiển thị bức tranh tình huống trên không RAP 52

II.3.2 Đánh giá hiểm họa Threat evaluation 52

II.3.3 T nh toán chỉ thị mục tiêu 63

Chương III: XÂY DỰNG HỆ THỐNG H TR CHỈ HUY TÁC CHIẾN 68

III.1 PHẠM VI VÀ CHỨC NĂNG 68

III.1.1 Phạm vi 68

III.1.2 Chức năng cơ bản 69

III.1.3 Sơ đồ phân cấp chức năng 71

III.1.4 Sơ đồ luồng dữ liệu 72

III.2 CÁC LƯU ĐỒ THUẬT TOÁN 72

III.2.1 Khởi tạo và kết thúc phiên làm việc 72

III.2.2 Nhận thông báo từ trung tâm cấp trên 75

III.2.3 Lưu đồ gửi thông tin về trung tâm cấp trên 76

III.2.4 Nhận thông báo mục tiêu và hiển thị tình huống trên nền bản đồ 76

III.2.5 Lưu đồ gửi nhận thông báo văn bản trực tiếp 78

III.2.6 Lưu đồ thuật toán đánh giá mức độ nguy hiểm 78

III.2.7 Lưu đồ thuật toán t nh toán chỉ định mục tiêu 80

III.3 GIAO THỨC TRUYỀN THÔNG HỆ THỐNG 81

III.4 GIAO DIỆN NGƯỜI VẬN HÀNH HỆ THỐNG 85

III.4.1 Tổ chức thử nghiệm: 85

III.4.2 Một số giao diện khi chạy thử chương trình: 85

Chương IV: KẾT QUẢ VÀ BÀN LUẬN 88

IV.1 Các kết quả đạt được trong luận văn 88

IV.1.1 Về lý thuyết 88

IV.1.2 Về thực nghiệm 88

IV.2 Hướng nghiên cứu tiếp 88

KẾT LUẬN VÀ KIẾN NGHỊ 89

TÀI LIỆU THAM KHẢO 90

LỜI CAM ĐOAN

Tôi xin cam đoan, luận văn tốt nghiệp Thạc s này là công trình nghiên cứu của bản thân tôi dưới sự hướng dẫn của TS Huỳnh Thị Thanh Bình Các kết quả trong luân văn tốt nghiệp là trung thực, không phải sao chép toàn văn của bất kỳ công trình nào khác Tôi xin chịu hoàn toàn trách nhiệm về nội dung quyển luận văn này

Tác giả

Phan Doãn Hiếu

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

AHP Analytic Hierachy Process

ASTERIX All Purpose STructured Eurocontrol SuRveillance Information

Exchange

C4ISR Command, Control, Computing, Communication and Intelligence,

Surveillance and Reconnaissance CPA Closest Point of Approach

CPTs Conditional Probability Table

TBH Time Before Hit

TLPK Tên lửa phòng không

TOPSIS Technique for Order Preference by Similarity to Ideal Solution Ttvhl Thời gian trong vùng hỏa lực (vùng tiêu diệt)

UAV Unmannded Aerial Vehicle

WPM Weighted Product Model

WSM Weighted Sum Model – Mô hình tổng trọng số

WGS84 World Geodetic System 84

DANH MỤC CÁC BẢNG

Bảng 1.1 Bảng liên hệ mờ 20

Bảng 1.2 Bảng luật mờ 23

Bảng 2.1 Tham số dùng để đánh giá hiểm họa sử dụng mạng Bayes 54

Bảng 2.2 Bảng phân phối xác suất có điều kiện cho Threat 55

Bảng 2.3 Thiết lập tập mờ và khoảng giá trị 61

Bảng 2.4 Ma trận chuyển đổi 62

Bảng 2.5 Bảng thời gian bay tới của mục tiêu 65

Bảng 2.6 Giá trị các thuộc tính trong chỉ thị mục tiêu 67

Bảng 3.1 Bảng mô tả biểu đồ chuyển dịch trạng thái 74

Bảng 3.2 Các thành phần dữ liệu của CAT061 83

Bảng 3.3 Các thành phần dữ liệu của CAT062 84

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Hình 1.1 Độ thuộc của x vào tập rõ A 13

Hình 1.2 Biểu diễn tập mờ 16

Hình 1.3 Các mô hình hàm thuộc đặc trưng 17

Hình 1.4 Biểu diễn từ nhấn 18

Hình 1.5 Hợp của hai tập mờ 19

Hình 1.6 Tập bù của tập mờ 19

Hình 1.7 Tính toán trong logic mờ 21

Hình 1.8 Biểu diễn các hàm thuộc 23

Hình 1.9 Mạng Bayes đơn giản 25

Hình 1.10 Mạng Bayes cho vấn đề ung thư 28

Hình 1.11 Các bước ra quyết định 30

Hình 1.12 Hệ thống C2STRIC Thụy Điển 39

Hình 1.13 Sơ đồ cấu trúc hệ thống C4ISR 40

Hình 1.14 Sơ đồ C4ISR cho phòng không không quân 40

Hình 1.15 Mô hình tác chiến truyền thống 42

Hình 1.16 Cấu trúc của một khối dữ liệu ASTERIX 43

Hình 1.17 Vị trí của ASTERIX trong mô hình OSI 44

Hình 2 1 Mô hình bài toán HTTC 45

Hình 2.2 Các tham số mục tiêu 47

Hình 2.3 Khu vực bảo vệ 49

Hình 2.4 Khu vực tiêu diệt 49

Hình 2.5 Đánh giá mức độ đe dọa 51

Hình 2.6 Mô tả điểm tiếp cận gần nhất 53

Hình 2.7 Các tham số dùng cho đánh giá hiểm họa 54

Hình 2.8 Cấu trúc của mạng Bayes dùng cho đánh giá hiểm họa 55

Hình 2.9 Hàm thuộc cho khoảng cách 57

Hình 2.10 Hàm thuộc cho Threat 57

Hình 2.11 Hàm thuộc cho TBH 58

Hình 2.12 Hàm thuộc cho Speed 58

Hình 2.13 Phương pháp đánh gia hiểm họa bằng tính toán mờ 60

Hình 2.14 Góc tương đối của qu đạo và vùng bảo vệ 61

Hình 2.15 Chỉ thị mục tiêu bằng mô hình tối ưu 65

Hình 2.16 Các tham số chỉ thị mục tiêu 66

Hình 2.17 Chỉ thị mục tiêu bằng k thuật WSM 67

Hình 3.1 Sơ đồ tổng quan hệ thống HTTC 68

Hình 3.2 Các chức năng cơ bản của HTTC 69

Hình 3.3 Sơ đồ phân cấp chức năng 71

Hình 3.4 Sơ đồ luồng dữ liệu 72

Hình 3.5 Lưu đồ chuyển đổi trạng thái phiên làm việc 73

Hình 3.6 Quản lý kết nối theo k thuật multithread 73

Hình 3.7 Lưu đồ thuật toán nhận thông báo từ TTCT 75

Hình 3.8 Lưu đồ gửi thông báo tới TTCT 76

Hình 3.9 Lưu đồ thuật nhận mục tiêu từ TTCT 77

Hình 3.10 Lưu đồ gửi nhận văn bản 78

Hình 3.11 Lưu đồ thuật toán đánh giá threat của mục tiêu đối với KVBV 79

Hình 3.12 Lưu đồ thuật toán t nh toán đề xuất chỉ thị mục tiêu 80

Hình 3.13 Giao diện hệ thống HTTC 85

MỞ ĐẦU

Trong những năm gần đây, cùng sự phát triển của công nghệ thông tin và truyền thông, các hệ thống tự động hóa chỉ huy và điều khiển được các quốc gia trên thế giới đặc biệt tập trung phát triển và triển khai Hiện nay hệ thống tự động hóa chỉ huy và điều khiển trong Phòng không - Không quân phổ biến trên thế giới là C4ISR (Command, Control, Communications, Computers, Intelligence, Surveilance and Reconnaissance) Hệ thống này liên kết các thông tin từ các nguồn phát hiện khác nhau, sau đó giải mã, tiền xử lý, phân tích các tình huống và đưa ra các mệnh lệnh chỉ huy đến các đơn vị thực thi nhiệm vụ Với hệ thống có mức độ tự động hóa cao thì các bước này được thực hiện tự động hoàn toàn Ví dụ, khi hệ thống phát hiện có máy bay địch xâm phạm, uy hiếp không phận quốc gia thì hệ thống sẽ tự động chỉ huy các đơn vị tên lửa, không quân… thực hiện ngay việc tiêu diệt mục tiêu địch

mà không cần phải chờ đến sự can thiệp của con người

Ở nước ta hiện nay trang thiết bị, vũ kh lạc hậu, không đồng bộ nên ở các trung đoàn tên lửa phòng không việc chỉ huy tác chiến gặp rất nhiều khó khăn Công tác quản lý mục tiêu, tình huống trên không phải thực hiện thông qua ghi chép, nhập số liệu, kẻ vẽ bằng tay Việc truyền nhận thông báo thực hiện bằng đường thoại, hoặc phát Morse, điều này dẫn đến sự chậm trễ trong việc phát hiện, đánh giá các tình huống, sót lọt mục tiêu Đặc biệt, trong những tình huống cần đánh giá tức thời thì rất khó thể đảm bảo được tính chính xác, tin cậy và kịp thời

Ngoài ra, để trang bị được hệ thống tự động hóa chỉ huy và điều khiển thì vũ khí, trang bị cần phải đồng bộ và cần phải đầu tư kinh ph rất lớn Hơn nữa, các hệ thống mua của các nước thì t nh năng không phù hợp với điều kiện của chúng ta

Để hỗ trợ cho quá trình chỉ huy tác chiến của trung đoàn tên lửa phòng không trong điều kiện hiện nay, tôi đã chọn đề tài nghiên cứu với mục đ ch tạo ra sản phẩm hỗ trợ việc chỉ huy tác chiến cho trung đoàn tên lửa phòng không Hệ thống hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không giải quyết ba

vấn đề ch nh đó là: quản lý và hiển thị bức tranh tình huống trên không đã nhận dạng; đánh giá mức độ đe dọa của các mục tiêu đối với khu vực bảo vệ của trung đoàn; t nh toán và chỉ thị mục tiêu cho các đơn vị hỏa lực thuộc quyền của trung đoàn

Nghiên cứu giải pháp, xây dựng sản phẩm để hỗ trợ công tác chỉ huy tác chiến cho trung đoàn tên lửa phòng không Sản phẩm phải hỗ trợ tốt việc quản lý các mục tiêu, tình huống trên không, đồng thời hỗ trợ cho người chỉ huy trong việc đánh giá các tình huống xảy ra, chỉ thị mục tiêu cho các đơn vị thuộc quyền của trung đoàn một cách có hiệu quả

III Nội dung nghiên cứu

1 Nghiên cứu cơ bản về lý thuyết mờ và ứng dụng; một số k thuật ra quyết định cơ bản; ứng dụng của mạng Bayesian làm cơ sở cho các phương án giải quyết bài toán hỗ trợ chỉ huy tác chiến của trung đoàn tên lửa phòng không

2 Tìm hiểu 2 mô hình chỉ huy tác chiến đang được sử dụng phổ biến: hiện đại và truyền thống làm cơ sở tham chiếu, so sánh

3 Nghiên cứu giao thức ASTERIX dùng để trao đổi thông tin trong hệ thống

tự hóa chỉ huy và điều khiển

4 Nghiên cứu một số phương án giải quyết các vấn đề của mô hình bài toán đánh giá hiểm họa, chỉ thị mục tiêu trong tác chiến phòng không

5 Nghiên cứu một số k thuật lập trình trong Windows: Multithread, Socket, ngôn ngữ C++ để thiết kế và xây dựng hệ thống

6 Xây dựng hệ thống: Thiết kế và xây dựng phần mềm hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không

IV Bố cục luận văn

Luận văn được bố cục thành các chương sau

 Chương I Các kiến thức cơ bản

Chương này trình bày một số kiến thức cơ bản về lý thuyết về logic mờ, mô hình tính toán mờ, mạng Bayesian, các k thuật ra quyết định làm cơ sở lý thuyết

cho các giải phải về t nh toán đe dọa và chỉ định mục tiêu cho đơn vị hỏa lực Ngoài

ra chương này cũng trình bày tổng quan về hệ thống hỗ trợ chỉ huy tác chiến phòng không hiện đại C4ISR trên thế giới cũng như hệ thống chỉ huy tác chiến truyền thống và giao thức trao đổi thông tin ASTERIX Mục đ ch của việc trình bày hai hệ thống này là nhằm làm cơ sở so sánh với hệ thống xây dựng

 Chương II Mô hình bài toán và cách giải quyết vấn đề

Chương này đưa ra mô hình bài toán hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không, nêu ra một số vấn đề chính mà hệ thống hỗ trợ chỉ huy tác chiến (gọi tắt là hệ thống hỗ trợ tác chiến – hệ thống HTTC) cần phải giải quyết Đây là những bài toán lớn, phức tạp, đòi hỏi nhiều kiến thức Với phạm vi giải quyết trong một trung đoàn, luận văn chỉ đưa ra một số giải pháp để giải quyết các vấn đề trên như giải pháp bằng mạng Bayes, giải pháp bằng logic mờ, sử dụng k thuật ra quyết định WSM để giải quyết vấn đề tính toán chỉ thị mục tiêu cho các đơn

vị thuộc quyền của trung đoàn

 Chương III Thiết kế và xây dựng hệ thống hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không

Chương này trình bày về các chức năng, thiết kế k thuật của hệ thống hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không Hệ thống HTTC cho trung đoàn tên lửa phòng không được thiết kế và xây dựng dựa trên các k thuật tính toán

mờ và k thuật ra quyết định WSM Hệ thống sử dụng giao thức Asterix của Châu

âu và được xây dựng bằng ngôn ngữ C++

 Chương IV Kết quả và bàn luận

Nêu lên một số kết quả đạt được của sản phẩm, một số bàn luận

Luận văn đã trình bày rõ lý thuyết cơ bản và ứng dụng của nó Luận văn đã xây dựng được mô hình bài toán hỗ trợ tác chiến và đưa ra được một số giải pháp để giải quyết vấn đề Sản phẩm của luận văn có thể ứng dụng vào thực tế của trung đoàn tên lửa phòng không nhằm nâng cao chất lượng quản lý và bảo vệ vùng trời

Tổ quốc

VI Ý nghĩa của luận văn

Sản phẩm tạo ra có ý nghĩa thực tiễn, có khả năng áp dụng thực tế ở đơn vị, đáp ứng với nhu cầu cấp thiết hiện nay của đơn vị Sản phẩm đã bước đầu tự động hóa được quá trình thu nhận bức tranh tình huống trên không Thay vì phải có các nhân viên nghe điện thoại, đi tiêu đồ, hệ thống sẽ tự động nhận mục tiêu và hiển thị lên bảng tiêu đồ Mặt khác, hệ thống tự động đánh giá được mức độ nguy hiểm của các mục tiêu đối với khu vực bảo vệ của trung đoàn và đưa ra được những đề xuất cho người chỉ huy trong việc đánh giá tình huống, chỉ thị mục tiêu cho cấp dưới Sản phẩm có ý nghĩa thiết thực trong việc nâng cao chất lượng sẵn sàng chiến đấu của trung đoàn tên lửa phòng không

Tác giả xin chân thành cảm ơn các thầy cô giáo trong bộ môn Khoa học máy

t nh Trường Đại học Bách Khoa Hà nội, các bạn bè đồng nghiệp đã giúp đỡ và tạo điều kiện thuận lợi trong thời gian thực hiện luận văn Đặc biệt tác giả xin bày tỏ lòng biết ơn sâu sắc tới TS Huỳnh Thị Thanh Bình đã quan tâm, tận tình hướng dẫn giúp tác giả xây dựng và hoàn thành luận văn này

Với năng lực hạn chế của bản thân cũng như những nguyên nhân chủ quan, khách quan, luận văn không tránh những thiếu sót Tác giả rất mong được sự góp ý của quý thầy cô, các bạn bè và đồng nghiệp để luận văn được hoàn thiện hơn

Chương I: MỘT SỐ KIẾN THỨC CƠ BẢN

Chương này trình bày kiến thức cơ bản về logic mờ, mạng Bayesian và một số

k thuật ra quyết định được sử dụng làm nền tảng lý thuyết cho các phương pháp giải quyết các vấn đề đánh giá hiểm họa, tính toán chỉ mục tiêu cho đơn vị thuộc quyền Chương này cũng trình bày khái quát 2 mô hình chỉ huy tác chiến hiện đại

và truyền thống điển hình trên thế giới dùng làm tham chiếu, so sánh cho việc xây dựng hệ thống hỗ trợ chỉ huy tác chiến cho trung đoàn tên lửa phòng không

I.1 LOGIC MỜ

I.1.1 Tập mờ, biểu diễn tập mờ và hàm thuộc

L.A Zadeh là người sáng lập ra lý thuyết tập mờ Khởi đầu là bài báo “Fuzzy Sets” vào năm 1965 Ý tưởng nổi bật của khái niệm tập mờ của Zadeh là từ những khái niệm trừu tượng về ngữ nghĩa của thông tin mờ không chắc chắn như trẻ, nhanh, cao- thấp, rất nguy hiểm…, Ông đã tìm ra cách biểu diễn nó bằng một khái niệm toán học được gọi là tập mờ, như một khái niệm trực tiếp của khái niệm tập hợp kinh điển [2]

Cho một tập vũ trụ U Tập tất cả các tập con của U ký hiệu là P(U) và nó trở

thành một đại số tập hợp với các phép tính hợp , giao , hiệu \ và lấy phàn bù –,

(P(U), , , \, –) Bây giờ mỗi tập hợp A  P(U) có thể được xem như là một hàm

A x khi x

A

0

1 ) (



Mặc dù 

A và A là hai đối tượng toán học hoàn toàn khác nhau, nhưng chúng đều biểu diễn cùng một khái niệm về tập hợp: x  A khi và chỉ khi 

A (x) = 1, hay x thuộc vào tập A với “độ thuộc vào” bằng 1 Vì vậy, hàm 

A (x) = 0 thì x  A hay x

 A với độ thuộc là 0 tức là độ thuộc 0%

Trên cách nhìn như vậy, chúng ta hãy chuyển sang việc tìm kiếm cách thức biểu diễn ngữ nghĩa của khái niệm mờ, chẳng hạn, về lứa tuổi “trẻ” Giả sử tuổi của

con người nằm trong khoảng U = [0, 120] t nh theo năm Theo ý tưởng của Zadeh,

khái niệm trẻ có thể biểu thị bằng một tập hợp như sau: Xét một tập hợp A

ẻ những người được xem là trẻ Vậy, một câu hỏi là “Một người x có tuổi là n được hiểu là

một tập hợp kinh điển A đã đề cập ở trên

Một câu hỏi tự nhiên xuất hiện là tại sao người có tuổi 30 có lẽ chỉ thuộc vào tập A

ẻ với độ thuộc 0.6 mà không phải là 0.65? Trong lý thuyết tập mờ chúng ta không có ý định trả lời câu hỏi kiểu như vậy mà ghi nhận rằng tập mờ của một khái niệm mờ phụ thuộc mạnh mẽ vào chủ quan của người dùng hay, một cách đúng đắn hơn, của một cộng đồng, hay của một ứng dụng cụ thể

Biểu diễn tập mờ, hàm thuộc

Cho một tập vũ trụ U Tập hợp A ~ được xác định bởi đẳng thức:

A ~ = {u/ A~ (u): u  U,  A~ ((u)  [0, 1]} được gọi là một tập hợp mờ trên tập U

Biến u lấy giá trị trong U được gọi là biến cơ sở (hay biến ngôn ngữ) và vì vậy tập U còn được gọi là tập tham chiếu hay miền cơ sở Hàm  A~ : U  [0, 1] được gọi là hàm thuộc (membership function) và giá trị A~ (u) tại u được gọi là

độ thuộc của phần tử u thuộc về tập hợp mờ A~

[2]

Có nhiều cách biểu diễn hình thức một tập mờ Trong trường hợp U là một

tập hữu hạn, đếm được hay vô hạn liên tục, tập mờ A ~ có thể được biểu diễn bằng các biểu thức hình thức như sau:

Xét tập U gồm 5 người là x1, x2, … x5 tương ứng có tuổi là 10, 15, 50, 55,

70 và A~ kà tâp các người “Trẻ” Khi đó ta có thể xây dựng hàm thuộc như sau:

 Với khái niệm thấp sẽ đƣợc biểu diễn trong tập rõ và tập mờ nhƣ sau:

Thông thường hàm thuộc μ A có 4 dạng đặc trưng phổ biến sau [17]:

- Loại hình tam giác

1 1.2 1.4

µ(A)

0

Từ nhấn:

Theo [2], ta có thể tạo một khái niệm mới từ những khái niệm đã có bằng cách sử dụng từ nhấn dạng sau:

Cao ⇒ Rất cao, Hơi cao

Việc tạo ra một khái niệm mới từ khái niệm cũ sử dụng từ nhấn trong tập

mờ, người ta chỉ cần biến đổi hàm thuộc của khái niệm cũ [2]

Hình 1.4 Biểu diễn từ nhấn I.1.2 Các toán tử trên tập mờ

Hình 1.5 Hợp của hai tập mờ Tập bù (NOT)

A = {1/0, 1.1/0, 1.2/0, 1.3/0, 1.4/0, 1.5/0, 1.6/0, 1.7/0.5, 1.8/1, 1.9/1, 2/1}

NOT A = {1/1, 1.1/1, 1.2/1, 1.3/1 1.4/1, 1.5/1, 1.5/1,1.6/1, 1.7/0.5, 1.8/0, 1.9/0, 2/0}

Hình 1.6 Tập bù của tập mờ

I.1.3 Biểu diễn một luật mờ

Một sự kiện được biểu diễn ở dạng: X is A, trong đó X là biến ngôn ngữ, A là giá trị ngôn ngữ, khi đó mỗi sự kiện tương ứng một tập mờ Ví dụ: “Chiều cao thấp”

ở đây X là chiều cao, A là thấp

Luật mờ đơn giản được biểu diễn như sau:

IF X is A THEN Y is B Thông thường tập mờ A, B biểu diễn bằng

mờ dạng IF A THEN B có thể biễu diễn bởi một ma trận M gọi là ma trận liên hệ mờ

có k ch thước nxm (với n, m là lược lượng tập vũ trụ mờ A và B) Có hai cách để xây dựng ma trận này:

Max-min: Mij= min(μA(ai), μB(bj)) (1.11) Max-product: Mij = μA(ai)*μB(bj) (1.12)

Để tìm được B’ khi biết A’ người ta sử dụng công thức xác định như sau:

B’j = max(min(μA’(ai), Mi,j)) (1.13)

Ví dụ 1.3: Áp dụng max-min, cho luật IF A THEN B, trong đó:

A = {a1/0, a2/0.5, a3/1 a4/0.5, a5/0}, B = {b1/0, b2/0.6, b3/1, b4/0.6, b5/0}

Ma trận liên hệ mờ có k ch thước 5x5 được xây dựng như sau:

Min(0,0) Min(0, 0.6) Min(0,1) Min(0, 0.6) Min(0,0)

Min(0.5,0) Min(0.5,0.6) Min(0.5,1) Min(0.5,0.6) Min(0.5,0)

Min(1,0) Min(1,0.6) Min(1,1) Min(1,0.6) Min(1,0)

Min(0.5,0) Min(0.5,0.6) Min(0.5,1) Min(0.5,0.6) Min(0.5,1)

Min(0,0) Min(0,0.6) Min(0,1) Min(0,0.6) Min(0.0)

Với tập A’ = {a1/0, a2/0.5, a3/0, a4/0, a5/0} cùng với ma trận M5x5 liên hệ mờ trên ta t nh B’ như sau:

B1’ = max(min(0,0), min(0.5,0), min(0,0), min(0,0), min(0,0)) = 0

B2’ = max(min(0,0), min(0.5,0.5), min(0,0.6), min(0,0.5), min(0,0)) = 0.5

B3 ’

= max(min(0,0), min(0.5,0.5), min(0,1), min(0,0.5), min(0,0)) = 0.5

B4 ’

= max(min(0,0), min(0.5,0.5), min(0,0.6), min(0,0.5), min(0,0)) = 0.5

B5’ = max(min(0,0), min(0.5,0), min(0,0), min(0,0), min(0,0)) = 0

B’ = {b1/0, b2/0.5, b3/0.5, b4/0.5, b5/0}

Đối với luật mờ nhiều giả thiết, ví dụ:

IF A1 AND A2 AND A3 AND…AND An THEN B

IF A1 OR A2 OR A3 OR…OR An THEN B

Ta không thể xây dựng được ma trận quan hệ mờ như trước được mà theo cách tiếp cận của Kosno(1992) là tách thành n luật mờ rời rạc Sau đó dựa trên các giả thiết A1 ’

Tổ hợp kết quả của nhiều luật mờ

Trong hệ chuyên gia có thể tồn tại nhiều luật mờ dạng:

I.1.4 Quá trình giải mờ

Tính toán logic mờ gồm 3 bước được thể hiện trong hình 1.7

Hình 1.7 Tính toán trong logic mờ

Quá trình giải mờ (defuzzification) là quá trình cuối cùng trong mô hình tính toán logic mờ Giải mờ là bước chuyển từ kết quả suy diễn mờ sang biến đầu ra, tức

là biến từ giá trị tập mờ sang giá trị tập rõ

Theo [2], có nhiều phương pháp khử mờ như: Lambda – cut sets, Centriod Method, Height Method, Weghted Average Method, Min – Max method, Centre of sums, Centre of largest area Phương pháp được sử dụng thông thường là phương pháp Centroid

Giả sử đầu ra của một luật được xem như là một véc tơ phù hợp (fit vector) trong đó bao gồm các phần tử biểu diễn độ thuộc của các tập mờ đầu ra Giá trị tập

rõ theo phương pháp Centroid được xác định bằng công thức sau [12]:

Trong đó: Vk là giá trị trung tâm của các véc tơ phù hợp, n là số các luật,

mo y là giá trị của hàm thuộc đối với mỗi tập, yj là giá trị trung tâm của cá tập này

Trong hình 1.8, các hàm thuộc có khoảng giá trị như sau:

Input 1:

- Tập ZERO chạy từ 0 – 7, giá trị trung tâm 3.5

- Tập SMALL chạy từ 5 – 11, giá trị trung tâm 8

- Tập MEDIUM chạy từ 10 -16, giá trị trung tâm 13

- Tập LARGER chạy từ 14 – 20, giá trị trung tâm 16

Input 2:

- Tập ZERO chạy từ 0 – 12, giá trị trung tâm 6

- Tập SMALL chạy từ 8 – 24, giá trị trung tâm 16

- Tập MEDIUM chạy từ 18 -30, giá trị trung tâm 24

- Tập LARGER chạy từ 20 – 40, giá trị trung tâm 32

Output:

- Tập ZERO chạy từ 0 – 25, giá trị trung tâm 12.5

- Tập SMALL chạy từ 15 – 60, giá trị trung tâm 37.5

- Tập MEDIUM chạy từ 50 -70, giá trị trung tâm 62.5

- Tập LARGER chạy từ 70 – 100, giá trị trung tâm 85

Ví dụ 1.4: Các luật mờ đƣợc biểu diễn bởi bảng sau:

Input2 Input1 Zero Small Medium Large

Zero Small Zero Medium Small

Small Zero Medium Small Medium

Medium Large Small Medium Zero

Large Medium Large Large Large

Bảng 1.2 Bảng luật mờ

Giá trị dòng và cột biểu diễn các giá trị của các đầu vào Với bảng 1.2 ở trên,

ta có 2 đầu vào Input1 và Input 2 Giá trị của của các ô là giá trị đầu ra của các luật

mờ, ví dụ IF Input1 is Zero AND Input2 is Zero THEN Output is Small Trong

đó các hàm thuộc của giá trị Input1, Input2 và Output đƣợc biểu diễn trong hình sau

Hình 1.8 Biểu diễn các hàm thuộc

Ví dụ 1.5: Giả sử trong một hệ thống ta sử dụng 2 luật sau

1) IF Input1 is Medium AND Input2 is Small THEN Ouput is Small và

2) IF Input1 is Large AND Input2 is Medium THEN Output is Large

Với giá trị của các đầu vào nhƣ sau: Input1 = 15.75, Input2 = 20

Trong luật 1: “Input1 là Medium” có giá trị đúng là = 0.25, “Input2 is Small” có

giá trị đúng là 0.5 Theo phép giao thì “Ouput is Small” có giá trị là Min (0.25, 0.5) = 0.25 và kết quả ta đƣợc véc tơ phù hợp 1 (fit vector1) = (0, 0.25, 0, 0)

Trong luật 2: “Input1 is Large” có giá trị đúng là 0.583, “Input2 is Medium” có

giá trị đúng là 0.333 Theo phép giao thì “Ouput is Large” có giá trị là Min (0.583, 0.333) = 0.333 và kết quả ta đƣợc véc tơ phù hợp 2 (fit vector2) = (0, 0, 0, 0.333) Vec tơ phù hợp đầu ra sẽ đƣợc tính bằng tổng các véc tơ phù hợp, tức là: Vector = (0, 0.25, 0, 0.333) (do hai luật trên có cùng trọng số là 1) Mặt khác véc tơ trọng tâm ở đây là 12.5, 37.5, 62.5, 85 Do đó giá trị Vk đƣợc tính theo

công thức 1.15 nhƣ sau:

của đầu ra

I.2 MẠNG BAYES VÀ ỨNG DỤNG

Mạng Bayes là một đồ thị biểu diễn phân phối xác suất trên một tập biến Nó thường dùng để mã hóa các tri thức của chuyên gia và ý niệm của họ về một lĩnh vực nào đó Mạng Bayes còn được gọi là mạng ý niệm (Belief network), hoặc mạng Nhân quả (Causal network) [1]

Các nút trong mạng Bayes biểu diễn các biến cần quan tâm (ví dụ: nhiệt độ của thiết bị, giới tính của bệnh nhân… và các cung biểu diễn thông tin hoặc mối quan hệ phụ thuộc nhân quả giữa các biến Các phụ thuộc được định lượng bởi xác suất có điều kiện Ví dụ:

Hình 1.9 mô tả mối quan hệ nhân quả giữa các mùa trong năm X1), trời mưa (X2), vòi phun (X3 , đường ướt (X4 và đường trơn X5) Do không có cung giữa X1

và X5 nên mối quan hệ giữa hai biến này được hiểu rằng không có ảnh hưởng trực tiếp giữa mùa và sự kiện đường trơn

Hình 1.9 Mạng Bayes đơn giản

Theo [1], đặc điểm quan trọng nhất của mạng Bayes là khả năng biểu diễn thế

giới thực nhờ các mũi tên trong đồ thị Trong ví dụ hình 1.9, nếu vòi phun mở thì có khả năng đường ướt (dự đoán ; nếu đường ướt thì có khả năng là do vòi phun mởhoặc do trời mưa; nhưng nếu sau đó ta thấy rằng vòi phun mở thì khả năng có mưa

sẽ giảm (giải thích)

Ngữ nghĩa xác suất: Mọi mô hình xác suất phải biểu diễn được phân phối

đồng thời của một tập biến Mạng Bayes tránh phải lưu trữ toàn bộ phân phối đồng thời của một tập biến U = {X1, , Xn}, bằng cách tham số hóa phân phối đồng thời theo một cách cục bộ nhờ quy tắc xích P(x1,, , xn) = , trong đó Pa(xi) là các nút cha của xi Về mặt cục bộ mỗi biến sẽ độc lập với các biến không là hậu duệ của nó khi cho trước các giá trị của các biến cha của nó

Ở v dụ hình 1.9, X4 độc lập với X1 khi cho trước X2, X3 Từ đó:

P(X4|X1, X2,X3) = P(X4|X2, X3)

Ngữ nghĩa xác suất rất hữu ch trong việc xây dựng cấu trúc mạng Bayes bởi

vì việc lựa chọn các biến cha của một biến có ảnh hướng trực tiếp tới nó tự động thỏa điều kiện độc lập cục bộ và ngữ nghĩa toàn cục đôi khi sẽ dẫn đến những giải thuật suy luận khác nhau

Lập luận biến cố (Evidential reasoning): Việc t nh toán xác suất của một tập

biến nào đó được thực hiện dựa vào xác suất có điều kiện biểu diễn bởi mạng

Hiển nhiên chi ph t nh toán theo cách trên rất lớn và phụ thuộc vào số nút trong mạng, số giá trị mà biến có thể nhận, nói khác đi là phụ thuộc vào cấu trúc của mạng Hầu hết mọi giải thuật suy luận đều có độ phức tạp NP [1]

Định nghĩa mạng Bayes:

Mạng Bayes biễu diễn phân phối trên một tập biến U = {V1, , Vn} gồm hai thành phần [1], [3]:

Đồ thị G không chu trình, có hướng gọi tắt là DAG (directed acyclic

graph), mỗi đỉnh Vi của đồ thị biểu diễn một biến cần quan tâm Cạnh giữa hai đỉnh

Vi và Vj biểu diễn mỗi quan hệ phụ thuộc nhân quả giữa 2 biến được biểu diễn bởi hai đỉnh; nếu không có cạnh giữa hai đỉnh thì hai biến biểu diễn bởi hai đỉnh này độc lập có điều kiện với nhau Các đỉnh cha của đỉnh V ký hiệu là Pa V , với các thực thể là pa V Ký hiệu Fv = {V} ᴗ Pa V là họ hàng của V Cấu trúc DAG này

mã hóa các nhận định độc lập, điều này hạn chế một số tương tác có thể xảy ra giữa các biến Đỉnh V độc lập với các đỉnh không là hậu duệ của nó khi cho trước giá trị của các đỉnh cha Pa(V)

Một phần định lượng của G: Về mặt ngữ nghĩa, một biến chỉ ở một trạng thái

nhưng vì ta không biết là trạng thái nào nên phần định lượng của đồ thị là một bản phân phối xác suất biểu diễn ý niệm về trạng thái của các biến Mỗi biến V trong G được định lượng bởi một bảng xác suất có điều kiện P V|Pa V , tức biểu diễn cường độ của sự phụ thuộc giữa V và Pa V Vì P V|Pa V là một hàm của Fv, nên

ta xem nó theo cách sau đây: với mỗi thực thể Pa V , một số thực thuộc [0,1] được gán cho mỗi giá trị v của V sao cho tổng của chúng bằng 1 Khi Pa V ≠ Ø,

P V|Pa V được gọi là xác suất có điều kiện của V với Pa V đã cho; ngược lại

P V|Pa V = P V và gọi là xác suất tiên nghiệm của V

Hàm phân phối biểu diễn bởi mạng Bayes cho phép thu gọn không gian biểu diễn của phân phối xác suất đồng thời Giả sử các biến là nhị phân, thay vì phải lưu

2n cấu hình của phân phối xác suất ta chỉ cần lưu cấu hình, trong đó

pa i là tập các nút cha của nút thứ i trong mạng

Như vậy phân bố xác suất đồng thời trên U như sau:

2 nút Xray và Dyspnoea Với cách xây dựng như vậy, ta được 1 phương án của mạng Bayes như sau:

Hình 1.10 Mạng Bayes cho vấn đề ung thư

Nút Cancer có hai nút cha là Pollution và Smoker và giá trị của bộ hai nút cha tương ứng là {<H, T>, <H, F>, <L, T>, <L, F>} Xác suất có điều kiện cho bệnh ung thư xẩy ra tương ứng với các trường hợp trên là <0.05, 0.02, 0.03, 0.001> và như thế xác suất để không xảy ra bệnh ung thư tương ứng với các trường hợp trên là

<1 - 0.05, 1 - 0.02, 1 - 0.03, 1 - 0.001> = <0.95, 0.98, 0.97, 0.999> Tương tự ta

t nh xác suất P X = Posible|C = <0.9, 0.2> tương ứng với C = <T, F> và P D = T|C = <0.65, 0.30> tương ứng với C = <T, F>

Mô hình mạng Bayes được ứng dụng rộng khắp, trong nhiều lĩnh vực khác nhau như kinh tế, y học, điều khiển tự động, xã hội, tin học, xử lý ảnh và viễn thông Mục đ ch của nó là dùng để: dự đoán, chuẩn đoán, điều khiển, phân t ch, mô phỏng một hệ thống

I.3 MỘT SỐ KỸ THUẬT RA QUYẾT ĐỊNH

I.3.1 Tổng quan về ra quyết định

1 Định nghĩa: “Ra quyết định là một nghiên cứu về việc xác định và lựa chọn

các phương án dựa trên các giá trị và các quan hệ ưu tiên của người ra quyết định

Ra quyết định có nghĩa rằng có rất nhiều phương án được xem xét nhưng ta chọn một phương án phù hợp nhất với mục đ ch mong muốn” [3]

2 Các bước ra quyết định

Ra quyết định được bắt đầu với việc xác định những người ra quyết định và các bên liên quan trong quyết định nhằm giảm bớt sự bất đồng có thể về định nghĩa vấn đề, các yêu cầu, các mục tiêu và các tiêu chuẩn Do đó một tiến trình ra quyết định chúng có thể chia thành 8 bước sau [3][15]:

B

Đi

B

B 3

u

B 4

B 5

B 6

B 7

B Xác nhâ

Hình 1.11 Các bước ra quyết định

Bước 1 Định nghĩa vấn đề

Bước này phải xác định được nguyên nhân ch nh, các vấn đề liên quan, các giả thiết giới hạn Mục đ ch của bước này là làm cho vấn đề được rõ ràng, và được mô

tả trong cả điều kiện ban đầu và điều kiện mong muốn

Bước 2 Xác định các yêu cầu (determining requirements)

Các yêu cầu là những điều kiện mà bất kỳ phương án được chấp nhận nào cũng phải đáp ứng Trong toán học, các yêu cầu này là các ràng buộc mô tả một tập các phương án khả thi của vấn đề quyết định Bước này rất quan trọng ngay cả khi cách đánh giá chủ quan hay phán xét có thể có xảy ra trong các bước tiếp theo, các yêu cầu phải được thể hiện dưới dạng định lượng ch nh xác, tức là với bất kỳ phương án nào thì yêu cầu cũng phải rõ ràng cho dù có đáp ứng các yêu cầu hay không

Bước 6 Lựa chọn các thuật ra quyết định

Có nhiều k thuật để giải quyết bài toán ra quyết định Việc lựa chọn một k thuật th ch hợp phụ thuộc vào bài toán quyết định cụ thể và vào mục tiêu của người ra quyết định Đôi khi k thuật càng đơn giản càng tốt

Bước 7 Đánh giá các phương án so với tiêu chu n

Tùy thuộc vào tiêu chuẩn, đánh giá có thể khách quan hoặc chủ quan Khi đánh giá k thuật ra quyết định đã chọn ở bước 6 có thể được áp dụng để xếp hạng các

phương án và chọn ra một tập con các phương án mong muốn nhất

Bước 8 Xác nhận lời giải

Các phương án sau khi lựa chọn ở bước 7 sẽ được xác nhận lại xem có phù hợp với các yêu cầu và mục tiêu của bài toán ra quyết định hay không

I.3.2 K thuật Weighted Sum Model WSM

Có rất nhiều k thuật để giải bài toán ra quyết định Mỗi k thuật có các đặc điểm riêng của nó Chúng ta có nhiều cách để phân loại các k thuật giải bài toán ra quyết định Cách thứ nhất là phân loại chúng theo dữ liệu mà chúng sử dụng Đó là các k thuật có t nh xác định, t nh ngẫu nhiên, hoặc t nh mờ Tuy nhiên ta cũng có thể kết hợp các dạng dữ liệu trên [15]

Một cách khác để phân loại các k thuật giải bài toán ra quyết định là phụ thuộc vào số người ra quyết định Vì thế ta có ra quyết định đơn và ra quyết định dựa trên nhóm Trong k thuật ra quyết định đơn cũng được chia thành các k thuật khác nhau v dụ: WSM, AHP, AHP sửa đổi, WPM, TOPSIS và SAW

K thuật WSM ra đời sớm nhất và được sử dụng rộng rãi K thuật WPM được xem như là k thuật được sửa đổi từ k WSM để khắc phục một vài điểm yếu của nó K thuật WSM được sử dụng thông thường nhất, đặc biệt là trong các bài toán một chiều

Nếu có m phương án và n thuộc t nh thì phương án tốt nhất thõa mãn công thức sau:

bài toán ra quyết định nhiều chiều Khi đó với sự kết hợp nhiều chiều khác nhau và các đơn vị khác nhau, k thuật này không sử dụng được

Ví dụ 1.8:

Giả sử rằng bài toán ra quyết định đa mục tiêu liên quan tới 4 thuộc t nh mà được biểu diễn ch nh xác cùng đơn vị và 3 phương án Các trọng số tương đối của 4 thuộc t nh được xác định là w1 = 0.02, w2= 0.15, w3 = 0.40, w4 = 0.25 Các giá trị

K thuật Weighted Product Model (WPM)

K thuật WPM gần giống với k thuật WSM Sự khác nhau ở đây là thay vì sử dụng phép cộng, k thuật này sử dụng phép nhân Mỗi phương án được so sánh với các phương án khác bởi việc nhân các t số của mỗi thuộc t nh với nhau Mỗi t số được lũy thừa với số mũ tương đương với trọng số tương đối của thuộc t nh tương ứng Nhìn chung, để so sánh Ak với Al ta t nh kết quả sau:

Trong đó n là số thuộc t nh, xij là giá trị thực của phương án thứ i trong giới hạn thuộc t nh j và wj là trọng số của thuộc t nh thứ j

Nếu R > 1 thì phương án k là kỳ vọng hơn phương án l Phương án tốt nhất là phương án mà nó tốt hơn hoặc t nhất là bằng với tất cả các phương án khác

K thuật WPM thường được gọi là phân t ch không thứ nguyên vì cấu trúc này loại bỏ bất kỳ đơn vị t nh toán nào Do vậy, k thuật WPM có thể được sử dụng trong bài toán ra quyết định một chiều và nhiều chiều Một thuận lợi của k thuật này là thay vì sử dụng các giá trị thực tế, nó có thể sử dụng các giá trị tương đối Điều này đúng vì:

K thuật Analytic Hierarchy Process AHP

K thuật AHP dựa trên việc phân t ch một vấn đề ra quyết định đa mục tiêu phức tạp thành một hệ thống phân cấp Bước cuối cùng trong k thuật giải quyết cấu trúc của một ma trận m x n trong đó m là số phương án và n là số thuộc t nh

Ma trận này được xây dựng bởi việc sử dụng sự quan trọng tương đối của các phương án trong giới hạn của thuộc t nh Vector (xi1,xi2, xin với mỗi i là vector trị riêng ch nh của ma trận nghịch đảo n x m mà được xác định bởi sự so sánh từng đôi của sự tác động của m phương án trên thuộc t nh thứ i Các giá trị xij trong ma trận

m x n tương ứng với giá trị tương đối của phương án Ai trong giới hạn của thuộc

t nh Gj Trong k thuật AHP = 1

Phương án tốt nhất được chỉ ra bởi môi liên quan sau:

Như vậy k thuật AHP sử dụng các giá trị tương đối thay vì các giá trị thực

Do vậy, nó có thể được sử dụng trong bài toán ra quyết định một chiều và nhiều chiều

K thuật AHP sửa đổi

Belton và Gear đã cải tiến k thuật AHP Họ đã chứng minh rằng có mâu thuẫn xảy ra khi k thuật AHP được sử dụng Họ trình bày một v dụ mà liên quan tới 3 thuộc t nh và 3 phương án Trong v dụ này, phương án tốt nhất thay đổi khi một phương án đồng nhất với một trong các phương án không tối ưu được thêm vào Thực chất của mâu thuẫn này là trường hợp các giá trị tương đối cho mỗi thuộc

t nh cộng lại bằng 1, chúng ta chia mỗi giá trị tương đối với giá trị lớn nhất của các giá trị tương đối Ta trình bày chi tiết hơn trong v dụ dưới đây

Ví dụ 1.10

Giả sử rằng dữ liệu thực hiện bài toán ra quyết định đa mục tiêu với 3 phương án và 3 thuộc t nh như sau:

Thuộc t nh

G1 G2 G31/3 1/3 1/3

dữ liệu trên, ma trận quyết định với dữ liệu tương đối nhận được như sau:

Thuộc t nh

G1 G2 G31/3 1/3 1/3

A1 1/11 9/11 8/18

A2 9/11 1/11 9/18 A3 1/11 1/11 1/18

Do đó, dễ dàng ta có các giá trị của AHP như sau: 0.45, 0.47, 0.08 Vì vậy thứ tự của 3 phương án là : A2 > A1 > A3

Ta thêm một phương án mới là A4 mà là bản sao với phương án A2 Hơn nữa,

ta giả sử rằng các trọng số tương đối về sự quan trọng của 3 thuộc t nh vẫn giống nhau Khi phương án A4 được xem xét, chúng ta dễ dàng t nh được ma trận quyết định mới như sau:

Tương tự, ta có thể t nh được vector AHP là 0.37, 0.29, 0.06, 0.29 Vì vậy, thứ tự với 4 phương án như sau: A1 > A2 > A4 > A3 Kết quả này mâu thuẫn với kết quả trước đó vì A2 > A1.

Sau khi sử dụng k thuật AHP cải tiến với dữ liệu này, ma trận quyết định được t nh như sau:

Thuộc t nh

G1 G2 G31/3 1/3 1/3

A1 1/9 9/9 8/9

A2 9/9 1/9 9/9 A3 1/9 1/9 1/9 A3 9/9 1/9 9/9 Vector AHP cuối cùng là : 2/3, 19/27, 1/9, 19/27 Do đó thứ tự cảu các phương án như sau: A2 > A4 > A1 > A3

Ngoài các k thuật trên, còn có một số k thuật nữa như ELECTRE, TOPSIS, SAW

I.4 CÁC MÔ HÌNH HỆ THỐNG CHỈ HUY TÁC CHIẾN TRÊN THẾ GIỚI I.4.1 Mô hình hệ thống chỉ huy tác chiến hiện đại

Với sự phát triển của khoa học công nghê đặc biệt là công nghệ thông tin, tự động hóa và thông tin liên lạc, quân đội các nước trên thế giới đã và đang áp dụng những thành quả đó vào việc xây dựng các hệ thống chỉ huy và điều hành tác chiến Một trong những hệ thống tác chiến hiện đại phổ biến trên thế giới đó là hệ thống thông tin, chỉ huy và điều hành tích hợp C4ISR (Command, Control, Computing, Communication and Intelligence, Surveillance and Reconnaissance)

Hệ thống C4ISR là một hệ thống quan yếu cho các lực lượng quân sự, thích hợp cho xu hướng mà các môi trường tác chiến thực tế đều phức tạp, đòi hỏi sự hiệp đồng tác chiến đúng lúc và ch nh xác của nhiều lực lượng chuyên biệt khác nhau Hiện nay C4ISR là hệ thống hoàn chỉnh về các mặt từ thông tin, cấu trúc, dịch vụ và giải pháp

Lĩnh vực áp dụng hệ thống C4ISR:

- Cảnh giới và bảo vệ không phận, vùng biển

- Dẫn đường cho máy bay dân sự và quân sự

- Quản lý bay, hỗ trợ tác chiến …

Một hệ thống C4ISR cho phòng không hường có những ính năng sau:

• Kết nối và xử lý dữ liệu từ thu thập từ các hệ thống giám sát, tình báo: các trạm radar, hệ thống cảm biến, camera giám sát, quan sát mắt, UAV…để bảo đảm khả năng nhận biết tình hình nhanh chóng

• Kết nối, chia sẻ thông tin liên lạc liên tục và đảm bảo với các đơn vị tác chiến thông qua nhiều phương tiện liên lạc khác nhau: mạng đường trục, vô tuyến điện, vệ tinh…, đảm bảo hỗ trợ nhiều giao diện và giao thức thông tin

• Hệ thống chuyên dụng cho các điều hành viên có thể tương tác, quản lý hệ thống, quản lý nguồn lực, truy cập đến các cơ sở dữ liệu được bảo mật và kết nối thông tin liên lạc với các đơn vị trong nội bộ cũng như các đơn vị tác chiến bên ngoài

Hệ thống C2STRIC của Thụy Điển là một ví dụ điển hình

Hình 1.12 Hệ thống C2STRIC Thụy Điển

Về mặt cấu trúc, hệ thống C4ISR là một hệ thống gồm nhiều mạng máy tính cục bộ kết nối với nhau thông qua các kênh kết nối tin cậy Mỗi một mạng cục bộ sẽ đảm nhận nhiệm vụ ở những khu vực khác nhau Các mạng cục bộ được phân cấp

về mặt chức năng tùy thuộc vào mô hình tác chiến ở các quốc gia khác nhau Ví dụ, một hệ thống C4ISR có thể có 1 trung tâm chỉ huy cao nhất gọi là trung tâm quốc gia, dưới trung tâm quốc gia là các trung tâm ở các vùng, miền khác nhau gọi là các trung tâm vùng, … Cứ như vậy hệ thống được xây dựng phủ hết không gian cần quản lý Tùy theo quy mô, phạm vi tác chiến, mô hình tác chiến được chia ra các cấp khác nhau: 2, 3, 4… cấp Thông thường, hệ thống C4ISR được phân thành 3 cấp Dữ liệu được chuyển từ sensor về các trung tâm điều hành và chỉ huy cấp vùng, sau đó thông tin này sẽ được tổng hợp, xử lý và được chuyển lên trung tâm quốc gia Sau khi các trung tâm tập hợp, xử lý, đánh giá phân loại, các thông tin này cùng với các mệnh lệnh sẽ được chuyển xuống các trung tâm chỉ huy đơn vị hỏa lực cấp

dưới để theo dõi và thực hành chiến đấu Đối với các hệ thống hiện đại, các trung tâm quốc gia, trung tâm vùng có thể điều khiển trực tiếp đến các giàn hỏa lực

Hình 1.13 Sơ đồ cấu trúc hệ thống C4ISR

Hình 1.14 Sơ đồ C4ISR cho phòng không không quân