Tehokas ilmaisku. Terminologiaa. Ilmaisku. Tavoitteiden saavuttaminen. Suunnittelun tavoitteet. S ysteemianalyysin Laboratorio Teknillinen korkeakoulu

Samankaltaiset tiedostot
Aseiden leviämisen estäminen

Päätöksentekomenetelmät

Päätöksentekomenetelmät

Dynaaminen ohjelmointi ja vaikutuskaaviot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Yhteistyötä sisältämätön peliteoria jatkuu

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Kokonaislukuoptimointi hissiryhmän ohjauksessa

Harjoitus 4: Matlab - Optimization Toolbox

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Gaussinen vaikutuskaavio Tommi Gustafsson 45434f Tfy IV

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Harjoitus 8: Excel - Optimointi

Demo 1: Branch & Bound

Luento 10 Kustannushyötyanalyysi

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

Yhteistyötä sisältämätön peliteoria

Demo 1: Excelin Solver -liitännäinen

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Diskreettiaikainen dynaaminen optimointi

Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Prof. Marko Terviö Assist. Jan Jääskeläinen

TIEA382 Lineaarinen ja diskreetti optimointi

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

Referenssipiste- ja referenssisuuntamenetelmät

Demo 1: Simplex-menetelmä

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi.

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Nollasummapelit ja bayesilaiset pelit

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita.

Malliratkaisut Demot

Malliratkaisut Demo 1

Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization

Harjoitus 9: Optimointi I (Matlab)

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Haitallinen valikoituminen: Kahden tyypin malli

Osa 12b Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Chs 16-17)

Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista

Dynaaminen ohjelmointi ja vaikutuskaaviot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3

Kimppu-suodatus-menetelmä

Pelien teoriaa: tasapainokäsitteet

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari

Luento 8. June 3, 2014

73125 MATEMAATTINEN OPTIMOINTITEORIA 2

Harjoitus 5 ( )

Taakanjakosektorin päästövähennysten kustannukset ja joustot

1. Lineaarinen optimointi

Optimal Harvesting of Forest Stands

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Toimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015

SISÄLLYS.

Ketterä ja asiakaslähtöinen palvelukehitys tietoliikenneteollisuudessa

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

Viikko 1: Johdantoa Matti Kääriäinen

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Projektiportfolion valinta

Malliratkaisut Demot

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen I UUSINTATENTTI

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

Piiri K 1 K 2 K 3 K 4 R R

Johdatus verkkoteoriaan luento Netspace

Osakesalkun optimointi

Optimoinnin mahdollisuudet tilaus- ja toimitusketjujen hallinnassa. Helsinki, Olli Bräysy

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina

Projektiportfolion valinta

Lääkintähelikopterikaluston mallintaminen

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14)

Luento 7: Kokonaislukuoptimointi

Metsänhoidon suositusten digitaalinen transformaatiokirjasta sähköiseen palveluun. Kati Kontinen, Tapio Oy

Malliratkaisut Demot

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

Suomenlahden öljykuljetusten biologisten riskien mallintaminen ja päätösanalyysi Bayes-verkoilla

Valikoima, laatu ja mainonta

Sopimusteoria: Salanie luku 3.2

Harha mallin arvioinnissa

TIIVISTELMÄRAPORTTI. Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Harjoitus 6 ( )

Harjoitus 9: Optimointi I (Matlab)

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Haitallinen valikoituminen

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Luento 6: Monitavoitteinen optimointi

Harjoitus 7: vastausvihjeet

Optimoinnin monet tavoitteet

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

MAT PÄÄTÖKSENTEKO JA ONGELMANRATKAISU

Eläkelaitoksen Optimointimallin Rakentaminen

Työvuorosuunnittelun optimointi (valmiin työn esittely)

Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista

Harjoitus 5 ( )

SEKASTRATEGIAT PELITEORIASSA

Transkriptio:

Tehokas ilmaisku -Päätösanalyysi suunnittelun tukena- Ilmaisku Terminologiaa saattajat viholliskohde lento saattajat yhteinen viholliskohde määrittää lennon maantieteellinen läheisyys t tukevat toisiaan en valinnassa keskeistä yhteensopivuus suorituskyvyn suhteen taktisten ominaisuuksien suhteen aseistuksen suhteen saattajien tehtävänä suojatulen antaminen vihollisen ilmatorjunnan eliminointi saattajien määrä riippuu saatavuudesta tehtävän luonteesta olosuhteista en ominaisuuksista Suunnittelun tavoitteet Tavoitteiden saavuttaminen Ilmaiskun tavoitteena on viholliskohteiden tuhoaminen mahdollisimman nopeasti ja vähäisin kustannuksin Iskun suunnittelun tavoitteet ovat hyvin samankaltaiset päätöksenteon on oltava nopeaa virhearvioihin ei ole varaa Suunnittelulle asetettujen tavoitteiden saavuttamista mitataan aikaansaadun odotusarvoisen tuhon perusteella odotusarvoisten omien tappioiden perusteella päätöksentekoon kuluneen ajan perusteella 1

Päätösanalyysin ja mallintamisen metodiikka sää Ilmaiskun vaikutuskaavio uhat maasta vaikutuskaaviot lentokaluston allokointi taistelun aikana päätöspuut n huomioiminen olemassaolevat taistelumallit Theater Attack Model (TAM) TAC Thunder Conventional Targeting Effectiveness Model (CTEM) JFACC Tiedustelu& vakoilu kohteiden priorisointi kokoonpanon valinta JFLCC aseistus saatavilla säätiedotus lentokoneet saatavilla hyökkäysreitin valinta uhat ilmasta kohdetiedot aikaansaatu tuho vihollisen aikeet omat lopputulos Huomion arvoista vaikutuskaaviossa Sattumasolmujen suuri määrä tiedustelu & vakoilu tiedusteluun liittyvä epävarmuus saatujen tietojen luotettavuus epävarmaa sää ja säätiedotteet vihollisen aikeet lopputulokseen suoraan vaikuttavat tekijät tyypiltään sattumasolmuja odotusarvo kriteerinä optimoinnissa aikaansaatu tuho viholliskohteessa omat iskun aikana hyökkäysreitin valinta Huomion arvoista vaikutuskaaviossa päätöksenteko determinististä JFACC ja JFLCC tapahtumasolmuja vaikutus näkyy välillisesti kohteiden valinnassa (päätössolmu) aikajänne on yhden tehtävän suorittamisaika pidemmällä aikajänteellä kaluston ja aseistuksen saatavuus olisivat päätössolmuja (vs. tapahtumasolmut) kolme päätössolmua kohteiden priorisointi kokoonpanon valinta t aseistus saattajat Säätilan huomioiminen päätöspuun avulla päätöspuut vs. vaikutuskaavio yksityiskohtaisuus kronologia tapahtumat etenevät ajassa (vs. kiinteä tarkasteluperiodi) notaatiot kuten vaikutuskaaviossa ympyrä kuvaa epävarmuutta neliö kuvaa päätöksentekotilannetta päätöspuista tulee helposti kompleksisia yksityiskohtaisuus operationalisointi epävarmuus esitetään tarkkoina todennäköisyysjakaumina Päätöspuu säälle toimeksiantopäätös n sään ATO (0.6) n sään ATO n sään ATO GW ATO/Good weather (0.7) MW ATO/ Marginal weather BW ATO/Bad weather 2

Säätilan huomioiminen päätöspuun avulla ATO:n (Air Tasking Order) valinnan perusteet odotusarvoinen TVD (Target Value Destroyed) sakkofunktion arvo P riippuu omista tappioista odotusarvoiset omat expected attrition (EA) valitaan parhaan odotusarvoisen lopputuloksen (= TVD - P * EA) tuottava ATO Olemassaolevien mallien hyödyntäminen useita valmiita taistelusuunnittelun malleja Theater Attack Model (TAM) lineaarisen ohjelmoinnin malli yksinkertainen, mutta vaatii muistikapasiteettia helposti laajennettavissa ja varioitavissa rajoitusehtoja muuttamalla TAC Thunder kalustoresurssien allokointi tehokasta Conventional Targeting Effectiveness Model (CTEM) vahvuudet paljolti kuten TAM:issa Päätöksenteon vaiheet resurssien allokointiongelma luonteeltaan kokonaislukuoptimointia olemassaolevien mallien ja optimointialgoritmien hyödyntäminen Vaihe 2: Säätilan huomioiminen päätöspuut valitaan en perusteella parhaan odotusarvoisen lopputuloksen tuottava strategia odotusarvoisen hyödyn maksimointi resurssien optimaalinen allokointi lentojen välillä tyypillinen kokonaislukuoptimoinnin ongelma päätösmuuttujat diskreettejä (esim. lukumäärä, koko) tarvittavan kaluston koostumus hävittäjät pommittajat saattajat aseistus Kokonaislukuoptimoinnilla pyritään löytämään tehtävään sopiva tulivoimaltaan ylivoimainen kombinaatio hävittäjät ja pommittajat lukumäärältään rajoitettujen saattajien allokointi air-to-air saattohävittäjät SEAD (Suppression of Enemy Air Defence) pommikoneet maksimoitava kohdefunktio odotusarvoinen TVD (Target Value Destroyed) minimoitava sakkofunktio vaihtoehdon aiheuttamat odotusarvoiset omat päätösmuuttujat kokonaislukuoptimointitehtävässä lentokoneiden lukumäärä, tyyppi ja sijainti aseistuksen lukumäärä, tyyppi ja sijainti dummy-muuttujina saattajien tarve SEAD air-to-air escort 3

Herkkyystarkastelua kalustotyypin valinnan kriteerit yhteensopivuus lukumäärän valinnan kriteerit tehtävän laajuus sijainnin valinnan kriteerit maasto-olosuhteet optimoidaan karttamatriisia käyttämällä ajallisesti staattinen tilanne kohdefunktiona TVD - P * EA jos P = 0,tavoitteena ainoastaan max {TVD} SEAD ja air-to-air escort pyrkivät lähinnä eliminoimaan ilmapuolustusta odotusarvoisen TVD:n maksimoimiseksi P:n kasvaessa omia tappioita pyritään yhä tehokkaammin välttämään suojatulen määrä kasvaa painopiste siirtyy taistelukeskuksesta poispäin turvallisemmille alueille, mikäli saatavilla ei ole riittävästi suojaa Herkkyystarkastelua Vaihe 2: Säätilan huomioiminen kohdefunktion arvo ei ole erityisen herkkä optimointimenetelmän valinnalle jatkuva-aikainen LP-formulointi diskreetti MIP optimointiin käytettävä aika sen sijaan riippuu merkittävästi optimointimenetelmästä optimointiaika vähenee huomattavasti siirryttäessä LP:stä MIP:hen kyseessä nopea päätöksentekotilanne n merkitys ilmaiskun onnistumiselle suuri todennäköisyyksien avulla virhearviointi johtaa helposti tehtävän keskeyttämiseen tiettyjen aseiden käyttö vaatii minimiolosuhteet myös vihollisen ilmapuolustuksen arvioinnin kannalta huomioitava kolme mahdollista a kunkin n osalta ratkaistaan optimi ratkaisemalla Vaiheen 1 LP- tai MIP-ongelma eri säätilojen kohdefunktiot poikkeavat toisistaan optimaalinen strategia kullekin elle ratkaistaan odotusarvoperusteisesti päätöspuun avulla tiedossa olevien Päätöspuu säälle toimeksiantopäätös n sään ATO (0.6) n sään ATO n sään ATO GW ATO/Good weather (0.7) MW ATO/ Marginal weather BW ATO/Bad weather Päätöspuu ilman tta Päätöksenteko on mahdollista myös ilman tta kohdefunktion arvo eri skenaarioissa riippuu sta erilainen asevalikoima eri säätyypeille esimerkissä odotusarvoisen tuloksen maksimoi n sään ATO (Air Tasking Order) 4

n sään ATO EV = 108,8 203,5 36,1 Ehdollisuus ja täydellinen informaatio toimeksiantopäätös n sään ATO EV = 119,4 n sään ATO EV = -19,0 62,4 yleensä käytettävissä on ehdolliset todennäköisyydet ATO:n valinta en mukaan yleisin tapaus joskus säästä voidaan olla varmoja etukäteen ns. täydellinen informaatio ensimmäinen päätöksenteon taso poistuu ATO voidaan valita aina oikein usein säätä ei voida tietää varmasti Päätöspuu kun käytössä on ennuste toimeksiantopäätös n sään ATO (0.485) EV=139,7 (0.215) EV=169,6 n sään ATO n sään ATO (0.825) (0,093) (0,082) / (0.082) Lopputulos =TVD-P*EA 203,5 36,1-19,0 62,4 avulla. Kotitehtävä 1. Miksi saatavilla oleva aseistus ja lentokalusto ovat ilmaiskun vaikutuskaaviossa tapahtumasolmuja eivätkä päätössolmuja? Eikö Yhdysvaltain armeijalla ole riittävästi resursseja? 2. Mitä mieltä olet kuvatun kaltaisen iskun suunnittelusta odotusarvoisen tuhon ja omien tappioiden perusteella? Pystyisikö suunnittelun metodiikkaa muuttamaan siten, että se ottaisi paremmin huomioon eettiset ja moraaliset näkökohdat (liittyen siviiliuhreihin, luontotuhoihin tms.)? Koeta miettiä aihetta laajemmin eri näkökulmista ja myös pidemmällä aikavälillä. Voit esittää mahdollisen parannusehdotuksesi esim. sakkofunktion 5