BAYESIAN NETWORK OF TRUST IN A DECISION MAKING SYSTEM WHEN CONTROLLING A UAV

Abstract

в современном мире спектр использования беспилотных летательных аппаратов (БПЛА) расширяется. Разделяется контролированное управление (через пульт управления) и бесконтрольное управление БПЛА. Задача автоматизации включает в себя исключение влияния человека из основного процесса. Таким образом, бесконтрольное управление БПЛА является актуальной задачей. Ранее были рассмотрены основные системы поддержки и принятия решений на основе машинного обучения, глубокого обучения, Байесовских сетей, теории игр. В результате сравнения был сделан выбор в пользу Байесовских сетей, так как в этом случае не требуется проведения предварительного обучения, достигается высокая скорость выполнения расчётов и реализуется возможность работы с разной входной информацией, влияющей на событие в точке. В текущей работе были проанализированы алгоритмы отыскания кратчайшего расстояния: алгоритм Флойда-Уоршелла, алгоритм Форда-Беллмана, алгоритм Дейкстры. Сравнительный анализ показал, что алгоритм Форда-Беллмана является оптимальным для решения задачи поиска кратчайшего пути в городской среде (количество ребер меньше, чем количество вершин, так как существование ребер ограничено знанием местности). Также было продемонстрированно использование Байесовских сетей доверия в системе поддержки принятия решений с применением d-разделения. Были сформулированы критерии оптимальности при выборе оптимального пути: наличие минимального расстояния между исходными точками, наличие наибольшего среднего коэффициента доверия the range of unmanned aerial vehicles (UAVs) is expanding in today's world. A distinction is made between controlled control (via a control panel) and uncontrolled control of UAVs. The task of automation includes the exclusion of human influence from the main process. Thus, uncontrolled control of UAVs is an actual task. Earlier, the main systems of support and decision making based on: machine learning, deep learning, Bayesian networks, game theory were considered. As a result of comparison the choice was made in favor of Bayesian networks, as in this case it is not required to carry out preliminary training, achieves high speed of calculations and realizes the possibility of working with different input information affecting the event at a point. In the current work we analyzed the following algorithms for finding the shortest distance: Floyd-Worshell algorithm, Ford-Bellman algorithm, Dijkstra algorithm. The comparative analysis showed that the Ford-Bellman algorithm is optimal for solving the problem of finding the shortest path in an urban environment (the number of edges is less than the number of vertices, since the existence of edges is limited by knowledge of the terrain). The use of Bayesian trust networks in a decision support system using d-separation has also been demonstrated. Optimality criteria for choosing the optimal path were formulated: presence of the minimum distance between the initial points, presence of the largest average confidence coefficient