ФОРМАЛЬНА МОДЕЛЬ СЦЕНАРНО-ПРЕЦЕДЕНТНОЇ КООРДИНАЦІЇ ГЕТЕРОГЕННИХ АНСАМБЛІВ БЕЗПІЛОТНИХ АПАРАТІВ ТА АЛГОРИТМ ЇЇ АДАПТАЦІЇ У ДИНАМІЧНИХ СЕРЕДОВИЩАХ

Автор(и)

DOI:

https://doi.org/10.35546/kntu2078-4481.2026.1.53

Ключові слова:

безпілотні апарати; гетерогенні ансамблі; багатoагентні системи; координація БПА; сценарно-прецедентний підхід; формальна модель; база прецедентів; адаптивні алгоритми; підкріплене навчання; розподілене управління; метрика подібності; автономні системи; розвідка; спостереження; моніторинг території

Анотація

У статті розглянуто задачу координації гетерогенних ансамблів безпілотних апаратів (БПА) у динамічних та невизначених умовах із застосуванням сценарно-прецедентного підходу. На відміну від попередніх досліджень, де основний акцент робився на концептуальній моделі системи та загальних принципах її роботи, у даній роботі зосереджено увагу на формальній математичній специфікації ключових елементів підходу. Зокрема, запропоновано формальну модель сценарію виконання місії, структуру прецеденту та організацію бази прецедентів, що дозволяє систематизувати накопичений досвід виконання типових завдань гетерогенними групами БПА. У межах дослідження розроблено модель, орієнтовану на три базові типи апаратів – мікроквадрокоптери, середні мультикоптери та літакові БПА, що відрізняються своїми технічними характеристиками, стійкістю до умов середовища та функціональними можливостями. Модель спрямована на забезпечення ефективної координації при виконанні місій розвідки, спостереження та моніторингу, які потребують узгодженого розподілу ролей, оперативної зміни траєкторій та адаптації поведінки агентів. У статті введено метрику подібності, що дає змогу визначати рівень відповідності між поточним станом середовища, параметрами апаратів та умовами виконання місій, зафіксованими у прецедентах. На її основі запропоновано алгоритм вибору релевантного сценарію з бази прецедентів та механізм його адаптації в реальному часі з використанням принципів підкріпленого навчання. Такий підхід забезпечує гнучке коригування сценарію у відповідь на зміни зовнішніх факторів та поведінки окремих агентів. Результати дослідження демонструють, що формалізована сценарно-прецедентна модель створює передумови для побудови стійких, адаптивних та масштабованих систем координації гетерогенних БПА. Запропоновані рішення формують теоретичну основу для подальшого моделювання, експериментальної перевірки та порівняння з існуючими методами координації в умовах складних, динамічних та непередбачуваних середовищ.

Посилання

Гусєв В. М., Шерстюк В. Г., Левківський Р. М., Сокол І. В. Модель сценарно-прецедентного керування спільним рухом великих гетерогенних ансамблів безпілотних апаратів. Проблеми інформаційних технологій. 2019.№ 25. С. 4–17.

Артюшин Л. Аналіз перспектив реалізації групового застосування груп безпілотних літальних апаратів. Загальні проблеми оборони і автоматизації. 2023. № 19. С. 42–48.

Романюк В. А. Методологічні основи синтезу системи управління групою (роєм) безпілотних літальних апаратів. Сучасні інформаційні системи та технології. 2025. № 2. С. 156–172.

Компанієць О. М., Клюшніков І. М., Касаткін М. В. Моделювання синергетичного безконфліктного руху рою БПЛА метаевристичними підходами. Випробування та сертифікація. 2024. № 3. С. 40–47.

Koval D. Метод технічного обґрунтування вимог до виявлення-розділення груп безпілотних літальних апаратів. Сучасні інформаційні технології. 2020. № 3. С. 33–38. 6. Самойленко В. М. Обґрунтування застосування автономних безпілотних літальних апаратів, оснащених оптико-електронною системою навігації, для виконання завдань підрозділами Національної гвардії України. Честь і Закон. 2023. № 4. С. 83–91.

Guo J., Cao Y. Centralized control strategies for UAV swarm coordination: A survey. IEEE Signal Processing Letters. 2020. Vol. 27. P. 1345–1349.

Olfati-Saber, R. Flocking for multi-agent dynamic systems: Algorithms and theory. IEEE Transactions on Automatic Control. 2006. Vol. 41. P. 483–495.

Brambilla M., Ferrante E., Birattari M., Dorigo M. Swarm robotics: a review from the swarm engineering perspective. Swarm Intelligence. 2013. Vol. 7. P. 1–41.

Yan Z., Jouandeau N., Cherif A. A. A survey and analysis of multi-robot coordination. International Journal of Advanced Robotic Systems. 2013. Vol. 10.

Zhang K., Yang Z., Basar T. Multi-agent reinforcement learning: A selective overview. arXiv. 2021. P. 1–73 URL: https://arxiv.org/pdf/1911.10635 (дата звернення 18.11.2025).

Rahman M., Sarkar N. I., Lutui R. A Survey on Multi-UAV Path Planning: Classification, Algorithms, Open Research Problems, and Future Directions. Drones. 2025. P. 1–32. URL: https://www.mdpi.com/2504-446X/9/4/263 (дата звернення 22.11.2025).

##submission.downloads##

Опубліковано

2026-04-30