Este estudio aborda un problema de asignacin de aeronave a objetivo (ATA) teniendo en cuenta el entorno de las operaciones areas modernas, como el concepto de paquete de ataque, los objetivos mltiples para una salida y la capacidad de supervivencia de los paquetes de ataque. Para el problema ATA, este estudio introduce un modelo matemtico novedoso en el que se integran conceptualmente un problema de encaminamiento de vehculos heterogneos (HVRP) y un problema de asignacin de arma a objetivo (WTA). El HVRP genera las rutas de vuelo para los paquetes de ataque porque este estudio confirma que la capacidad de supervivencia de un paquete de ataque depende de la ruta, y el problema WTA evala la probabilidad de xito en la destruccin del objetivo de las armas asignadas. Aunque la primera versin del modelo se desarrolla como un modelo de programacin no lineal de enteros mixtos (MINLP), este estudio intenta convertirlo en un modelo de programacin lineal de enteros mixtos (MILP) utilizando la transformacin logartmica y mtodos de aproximacin lineal a trozos. Para un problema ATA, esta actividad podra brindar la oportunidad de utilizar los excelentes algoritmos existentes para buscar la solucin ptima de los modelos LP. Para maximizar la eficacia operativa, el modelo MILP determina simultneamente lo siguiente para cada paquete de ataque: (a) tipo de composicin, (b) objetivos, (c) ruta de vuelo, (d) tipos y (e) cantidad de armas para cada objetivo.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Crecimiento de soluciones meromorfas de algunas ecuaciones de -diferencias
Artículo:
Relajación de forma de onda de Schwarz para ecuaciones de calor con condiciones de contorno dinámicas no lineales.
Artículo:
Estabilidad de Hyers-Ulam de Ecuaciones de Series de Potencias
Artículo:
Bifurcación global de soluciones positivas de problemas elípticos asintóticamente lineales
Artículo:
Un modelo de aprendizaje profundo con convolución de grupo aprendible y supervisión profunda para la segmentación de tumores cerebrales