CC BY
32Исследование операций 2.0: от истоков к современным реалиям
С.А. АНТИПОВА, кандидат физико-математических наук
Полковник О.М. ТЛЯШЕВ, кандидат технических наук
АННОТАЦИЯ
ABSTRACT
Обсуждается вопрос о необходимости интенсификации взаимодействия фундаментальных исследований в области математики и информационных технологий с военной наукой и практикой.
The paper discusses the need to intensify the interaction of basic research in mathematics and information technology with military science and practice.
КЛЮЧЕВЫЕ СЛОВА
KEYWORDS
Система управления, исследование операций, математическое моделирование, эффективность, алгоритм, производительность вычислений, нейронные сети, искусственный интеллект.
Control system, operations research, mathematical modeling, efficiency, algorithm, computational performance, neural networks, artificial intelligence.
ИССЛЕДОВАНИЕ операций (ИО) в классическом определении1 предполагает разработку и/или использование математических методов, позволяющих установить закономерности и оценить ожидаемую эффективность процессов, протекающих в производственной, экономической, военной сферах в целях получения рекомендаций при обосновании решений по управлению этими процессами.
Цель исследования операций — предварительное количественное обоснование оптимального решения; создание возможностей для руководства (начальника, командира) по принятию в сжатые сроки рациональных решений в конкретной сложившейся обстановке, обеспечивающих выполнение задач при ограниченных ресурсах.
Алгоритмы принятия решений включают формализованное описание и построение совокупности точно заданных правил решения задач планирования, управления, прогнозирования, принятия решений: они отвечают за то, как система прогнозирует поведение внешней среды, а также дальнейшее состояние ее объектов.
При этом само принятие решения на основе проведенного исследования выходит за рамки исследования операций и относится к компетенции руководителя (командира, начальника), а также группы экспертов, которым предоставлено право выбора окончательного варианта с возложением соответствующей ответственности за это решение.
Цель настоящей статьи — показать, что реалии сегодняшних дней постепенно вытесняют традиционные подходы в исследовании операций, требуя инициализации современных методов, инструментов, средств коммуникации и автоматизации (обладающих интеллектом, мобильностью, обеспечивающих обработку информации в реальном времени) и порядка их применения, при планировании операций любой сложности и размаха, оптимизации облика перспективного оружия, его конструктивных элементов, технических решений военной и специальной техники, способов их применения.
Но начнем с некоторых исторических аспектов зарождения исследования операций как самостоятельной прикладной дисциплины. Что связы-
вает Архимеда, Эпаминонда, Филиппа II Македонского, военных новаторов эпохи Возрождения, Себастьена Ле Претра (маркиз де Вобан)*, Г. Жо-мини, Ф. Ланчестера, лорда Тиверто-на, А. Хилла**, Т. Эдисона и многих других талантливых ученых? Все они стремились дать определения и найти решения проблем конструкции оружия, военной организации и тактических приемов путем сбора разнообразных данных, подвергая их более или менее строгому научному, часто математическому, анализу. Об этом свидетельствует тысячелетняя история оружия и военного искусства. По мере того как наука, особенно математика, и военная техника с течением времени становились все более изощренными, количественный и качественный анализ боевых действий усложнялся, получение оптимальных решений задач, возникающих в процессе функционирования или создания сложных систем, предполагало использование новых инструментов, опирающихся на точные науки и эмпирические методы исследования.
* Себастьен Ле Претр (маркиз де Вобан) — французский военный инженер, маршал (1703). ** Арчибальд Хилл — английский физиолог, один из основоположников биофизики и исследования операций. Лауреат Нобелевской премии 1922 года по физиологии и медицине.
Исследование операций получило широкое распространение для анализа военной тактики и стратегии как в Великобритании, так и в Соединенных Штатах Америки во время Второй мировой войны после его признанного вклада в противовоздушную оборону Великобритании в 1940 году. Вместе с тем
и Первая мировая война также была примечательна применением научных методов ведения войны. В 1915 году лорд Тивертон (граф Холсбери с 1921 г.) инициировал изучение стратегических бомбардировок, и в своем отчете Воздушному совету Великобритании в сентябре 1917 года (озаглавленном «Система бомбометания лорда Тивертона») он затронул ряд тем, таких как выбор целей, значение крупномасштабных бомбардировок, и ввел понятие «вероятность круговой ошибки»2.
Хотя рекомендации Тивертона так и не были реализованы во время Первой мировой войны, они полностью соответствовали стратегической роли, отведенной Королевским военно-воздушным силам с момента их формирования в 1918 году вплоть до окончания Второй мировой войны. Чуть ранее, в 1914 году, перед началом Первой мировой войны знаменитый английский инженер Ф. Ланчестер опубликовал свои идеи по предсказанию исхода воздушного боя в серии статей журнала Engineering. Они были опубликованы в виде книги в 1916 году под названием «Авиация в войне: рассвет четвертого рукава»3 и включали описание ряда дифференциальных уравнений, которые известны как степенные законы Ланчестера-Осипова* и сегодня включены практически во все классические учебники по исследованию операций.
* В статье «Влияние численности сражающихся сторон на их потери», опубликованной журналом «Военный сборник» в 1915 году, генерал-майор Корпуса военных топографов Российской империи М.П. Осипов также описал математическую модель глобального вооруженного противостояния сражающихся сторон.
Таким образом, можно с полной уверенностью утверждать, что Ти-вертон, Ланчестер, Осипов, Хилл и другие ученые в начале XX века заложили фундаментальные предпосылки для возникновения исследования операций как самостоятельной дисциплины во многом ввиду нарастающей геополитической напряженности, стремительного ускорения военных угроз и усложнения методов вооруженного противоборства, особенно явно проявившегося во время Первой мировой войны.
Однако именно период Второй мировой войны окончательно закрепил новую научную область исследования операций для оказания системной и технологической помощи военным. Эта практика впервые успешно апробирована в Великобритании, где и инженеры, и офицеры не знали, как использовать зарождающуюся радиолокационную технологию с максимальной эффективностью. Меры противодействия и контрмеры, разработанные в ответ на появление нового оружия, появившегося во время Второй мировой войны, привели к циклу непрерывных инноваций не только технологий, но и тактики ведения боя, методологии обучения военнослужащих, а также протоколов, необходимых для обслуживания сложных технических устройств. Вторая мировая война противопоставила системы системам, а управление этой эволюцией стало главной задачей зародившейся науки.
«Оперативные исследования фактически были рождены радаром», — писал в своих послевоенных мемуарах сэр Роберт Александр Уотсон-Уотт, шотландский физик, пионер в области радиолокации4. В 1936 году он возглавил Британское министерство авиации, которое до конца года построило сеть из пяти РЛС — системы раннего предупреждения «Цепной дом» (обосновав при этом оптимальное рас-
стояние между станциями). Эта сеть сыграла впоследствии важнейшую роль в борьбе с налетами немецкой авиации на Великобританию в годы Второй мировой войны.
Поскольку модели ИО имеют математическую природу, существует мнение, что исследование операций является исключительно математической дисциплиной, тем не менее понятие оптимальности решений не может исключать и влияние человеческого фактора в случаях, когда строгий математический расчет является избыточным, а те или иные результаты могут быть достигнуты простыми, на первый взгляд неочевидными априорными действиями. Эта особенность была также выявлена британскими учеными во время Второй мировой войны — помимо специалистов инженерной направленности в команду исследователей привлекались психологи, социологи, нейробиологи и т. д.
Один из выработанных принципов заключался в том, что оперативные группы должны формироваться по запросу командира для оказания ему помощи, функционируя как неотъемлемая часть его командования и работая в тесном сотрудничестве с военным штабом и подчиненными (рис. 1 а, б, в) не только в целях выработки рекомендаций, но и на этапах уяснения задачи, оценки обстановки и в конечном итоге при формирова-
нии решения. Этот подход позволял избегать избыточной сложности при подборе инструментов решения, более чувствительно анализировать характер реальной задачи, правильно подбирать необходимые для оптимизации критерии эффективности.
После того как был установлен критерий эффективности и изучены количественные данные, выбирались характеристики (параметры) операций, т. е. те числовые показатели, с которыми дальше проводился математический анализ. Такими параметрами, например, являются дальности обнаружения, скорости самолетов или кораблей, скорострельность орудий и др.
Так, требуемая эффективность в операциях (боевых действиях) с точки зрения достижения цели и использования инструментов ИО концентрируется на двух условиях: достижение цели является необходимым условием целенаправленной деятельности группы военных совместно с аналитиками и учеными различного профиля деятельности, а целенаправленное использование именно требуемых ресурсов (в том числе математических, вычислительных) является достаточным условием.
Отдельным немаловажным фактором как развития, так и применения методов исследования операций как полноценного рабочего метода являются непосредственные вычисли-
Тивертон, Манчестер, Осипов, Хилл и другие ученые в начале XX века заложили фундаментальные
предпосылки для возникновения исследования операций как самостоятельной дисциплины во многом ввиду нарастающей
геополитической напряженности, стремительного ускорения военных угроз и усложнения методов вооруженного
противоборства, особенно явно проявившегося во время Первой мировой войны. Вторая мировая война окончательно закрепила новую научную область исследования операций для оказания системной и технологической помощи военным.
Рис. 1. Ретроспективные фотографии процессов работы операционных аналитиков Великобритании и США во время Второй мировой войны и в раннем послевоенном периоде: а) штаб-квартира оперативного командования Королевского флота Western Approaches Command (Ливерпуль, 1944 г.)5; б) инженерное консультирование командования6; в) событийно-статистический анализ действий противника аналитиком оперативного командования7; г), д) проведение расчетов на программируемом электронном цифровом компьютере ENIAC (1946 г.)8.
тельные инструменты. Построенный по заказу армии США в Лаборатории баллистических исследований для расчетов стрельбы и официально введенный в строй 15 февраля 1946 года ENIAC стал первым электронным цифровым компьютером, который можно было перепрограммировать для решения полного диапазона задач, в том
числе упрощенного моделирования тактико-технических характеристик военной техники (рис. 1 г, д). При этом отдельные экспериментальные расчеты, в первую очередь касающиеся моделирования процессов термоядерного синтеза, выполнялись на нем уже и в заключительном периоде Второй мировой в начале 1945 года9.
Рис. 2. Ретроспективные фотографии первых вычислительных машин СССР: а) инженеры-кибернетики возле МЭСМ (1951 г.); б) главный конструктор С.А. Лебедев и его ученик В.А. Мельников возле большой электронной вычислительной машины общего назначения (БЭСМ-1, 1953 г.)10
Наиболее важные практические шаги на пути создания технических вычислительных средств в СССР были сделаны И.С. Бруком, Б.И. Ра-меевым, запатентовавшими в качестве изобретения автоматическую цифровую вычислительную машину (АЦВМ) в 1948 году. Практически параллельно С.А. Лебедевым велась работа по созданию модели электронной счетной машины (МЭСМ) на принципах построения, близких архитектуре вычислительных машин Джона фон Неймана (двоичная система счисления для представления данных и команд, принцип центрального управления операциями, адресность команд для доступа к массивам чисел, однородность памяти). А уже в 1951 году АЦВМ М-1 и МЭСМ (рис. 2 а) были введены в постоянную эксплуатацию, позволяя решать сложные задачи со множеством алгебраических и дифференциальных уравнений в частных производных с сотнями неизвестных и заложив тем самым прочный фундамент для синергии методов математики и возможностей ЭВМ в сфере вооруженной борьбы. Так, серийный выпуск машин БЭСМ (рис. 2 б) различной конфигурации, не имеющих аналогов долгие годы на всем евразийском континенте, позволил развернуть уникальный стратегический комплекс противоракетной
обороны (Система «А») СССР, обеспечить расчеты траектории полетов искусственных спутников Земли, а также ряда других задач, связанных с программной реализацией детерминированных и стохастических моделей военного назначения.
И хотя некоторые теоретические основы ИО советскими учеными были почерпнуты из базисных научных трудов основоположника кибернетики и теории искусственного интеллекта Н. Винера11, учебника Ф.М. Морза и Дж.Е. Кимбелла12, рассекреченного уже в послевоенный период, гениальность советских ученых состоит в непосредственном прикладном развитии математического аппарата ИО и успешной его апробации в различных предметных отраслях. Для многих военных специалистов и по сей день настольными книгами остаются труды Е.С. Вентцель13, К.В. Тараканова14 и многих других советских математиков-кибернетиков.
К математическим методам исследования операций относятся статистические методы (последовательного анализа, статистических испытаний), методы оптимизации способов действий (линейное и нелинейное программирование, теория игр и т. д.), методы количественной оценки эффективности поиска, обнаружения целей и выхода на цель с ходу, методы
количественной оценки эффективности применения средств поражения, базирующиеся на теории вероятностей, поиска, боевой эффективности, а также иной математический аппарат, применяемый для описания многих операций, развивающихся в форме случайного процесса.
В более общем виде основные математические «инструменты» исследования операций представлены на рисунке 3, при этом каждый из методов может применяться как самостоятельно, так и в комплексе с другими в зависимости от постановки и сложности исходной задачи.
Рис. 3. Основные математические «инструменты» исследования операций
Кратко пройдемся по каждому направлению с приведением некоторых практических примеров применения.
Эвристические алгоритмы применяются для поиска приближенных решений сложных комбинационных проблем, которые зачастую невозможно получить строгими оптимизационными алгоритмами; по сути, представляют собой прямой поиск. Недостатком их является тот факт, что качество найденного решения по отношению к оптимальному установить, как правило, невозможно15.
Основная идея динамического программирования (ДП) заключается в отыскании оптимального решения многомерной задачи путем ее декомпозиции на ряд одномерных оптимизационных задач; при этом вычисления выполняются рекур-рентно, т. е. оптимальное решение
одной подзадачи используется в качестве исходных данных для другой. Большинство проблем принятия решений в неопределенных и стохастических средах можно смоделировать на основе марковского процесса принятия решений, который обычно реализуется посредством ДП. Однако с увеличением масштаба и числа показателей вычислительная сложность быстро становится критичной. Альтернативным вариантом может являться применение глубокого обучения с подкреплением — методологии машинного обучения, в которой изучается последовательное принятие решений для достижения поставленной цели.
Модели управления запасами традиционно предполагают решение задач, направленных на минимизацию совокупных операционных
затрат по размещению, транспортировке, хранению складских запасов материальных средств.
Модели линейного программирования (ЛП) являются примером принятия решений в условиях определенности, когда данные уже известны с установленной точностью. Теория игр находится в тесной связи с линейным программированием, так как любую конечную игру двух лиц с нулевой суммой можно представить в виде задачи ЛП.
Методы нелинейного программирования во многом являются для аналитиков «спасательным кругом», когда линеаризация приводит к потере смысла задачи, недопустимому искажению объективных закономерностей, например, при решении многих задач оптимизации применения разнотипных средств поражения, сил и средств разведки т. д.
Теория очередей предназначена для изучения и рационального выбора структур систем массового обслуживания и оценки производительности протекающих в них процессов на основе расчета вероятностных характеристик и построения стохастических моделей. Особенностью применения этого метода являются довольно жесткая формализация исходной задачи, а также наличие четких ограничений.
Альтернативным подходом к анализу сложных ситуаций, которые так или иначе можно рассматривать как систему массового обслуживания, является имитационное моделирование, когда исходная система разбивается на ряд довольно небольших с точки зрения функциональности модулей для численной оценки их характеристик с последующим обобщением поведения по результатам агрегирования данных после каждого прогона-испытания. Использование современных имитационных моделей базируется, как правило, на идее ме-
тода Монте-Карло, в основе которого лежит выборка из псевдослучайных чисел для получения вероятностных или детерминированных оценок каких-либо величин. Несмотря на гибкость и относительную простоту данного метода, применение его требует сверхбыстрых вычислений, упирается в сложность верификации результатов моделирования и зависит от степени детализации и качества исходных данных.
Байесовские сети как частный случай графовых моделей находят широкое применение в системах поддержки принятия решений. Наиболее перспективен данный метод при разработке надежных систем связи, включая обнаружение областей активности устройств, кластеризации пользователей или объектов, оценку производительности каналов и т. д.
Чуть более подробно следует остановиться на методах прогнозирования. К ним относятся регрессионные модели, методы экспоненциального сглаживания, модели ARIMA Бок-са-Дженкинса и т. д. Рекуррентная нейронная сеть, а также ее разновидность LSTM* имеют способность улавливать закономерности временных рядов и вследствие этого получили широкое распространение для прогнозирования будущего тренда данных. Самые ранние алгоритмы прогнозирования — прототипы нынешних глубоких нейросетей с более чем 3 слоями, имеющими несколько уровней нелинейных признаков с учетом основополагающих принципов функционирования перцептро-на**, впервые детально описаны советскими учеными-кибернетиками А.Г. Ивахненко и В.Г. Лапой16. Уже позднее, в работе Ивахненко17, описывалась сеть с 8 слоями, обученная на основе метода группового учета аргументов, позволяющего находить закономерности в неявных данных и представлять их в виде адекватной
* LSTM — Long-Short Term Memory (долгая кратковременная память). ** Идею кибернетической модели мозга человека развил американский нейрофизиолог Фрэнк Розенблатт в статье 1958 года «Перцептрон: Вероятностная модель хранения и организации информации в головном мозге». Он предложил схему устройства, моделирующего процесс человеческого восприятия, и назвал его «перцептроном». Перцептрон — это базовая упрощенная математическая модель искусственного нейрона, которая сводится к вычислению взвешенной суммы по всем входным сигналам нейрона и генерации на ее основе выходного сигнала.
математической модели. При этом, хотя точность прогнозирования на каждом последующем шаге рекурсивного обучения и увеличивалась за счет усложнения модели, недостаток вычислительных ресурсов ограничивал ее полноценное использование. Тем не менее уже в конце 1980-х годов ряд исследователей18 пришли к выводу, что для эффективной работы подобных алгоритмов потребуются массивно-параллельные архитектуры вычислительных систем.
Однако практические результаты теории предсказания в Советском Союзе в свое время были реализованы в виде различных систем и устройств. Так, в Институте кибернетики АН УССР в 60-е годы XX века была разработана система «Альфа», применявшаяся в различных областях науки и техники для предсказания циклических и марковских процессов, а также довольно специализированных показателей: амплитуды следующей морской волны, глубины рек с последующим анализом возможных изменений рельефа дна, прогноза возникновения тех или иных метеорологических явлений в заданном сегменте местности и др.
Анализ истории развития и применения методов исследования операций примерно до начала XXI века позволил прийти к выводу о том, что их эффективность во многом зависела от организации системы управления при том факте, что и вычислительные
возможности были весьма скромными по сравнению с современными суперкомпьютерами и квантовыми вычислителями, да и классический математический аппарат быстро упирался в границы применимости при «столкновении» с ЛФ-полными*** задачами.
*** ЛФ-полные задачи — недетерминированные вычислительные задачи с полиномиальным временем решения.
Ключевым моментом являлась централизация управления силами и средствами по принципам «сверху вниз» и «снизу вверх», в целом довольно гибко подстраивающаяся под характер вооруженных конфликтов и позволяющая адаптировать методы ИО под требуемую задачу преимущественно на стратегическом и оперативном уровнях. Это, конечно, не означает, что при принятии решения, к примеру, на бой совсем не использовались математические методы или средства автоматизации. Безусловно, они имели место, но скорее как исключение. Тем не менее их роль зачастую сводилась к простейшим тактическим расчетам и во многом опиралась на диалектико-ма-териалистические методы мышления командира при принятии решения. Один из ярких примеров приведен
А. Чаковским в романе «Блокада» об интуитивных и творческих способностях Маршала Советского Союза Г.К. Жукова: «Жуков, глядя на карту, не просто воспроизводил картину прошедшего боя — он умел предвидеть характер будущего сражения, в считаные минуты как бы "проигрывал" различные варианты сначала за себя, потом за противника».
В последнее время становится очевидно, что при проведении боевых действий могут быть задействованы многочисленные высокомобильные управляемые в реальном времени или даже автономные (с самостоятельным правом выбора целей) средства поражения и прогноз-предсказание исхода такой операции, а также принятие оптимального (как минимум, адекватного) решения по противодействию командиром-человеком, даже с гениальными способностями, просто невозможно.
Теория исследования операций — быстро развивающаяся междисциплинарная область знаний. Ее непосредственное применение в работе командующего (командира) и штаба приводит к тому, что совершенствование методики этой работы вызывает необходимость не только совершенствования теории исследования операций, но и пересмотра организации и принципов взаимодействия различных звеньев системы управления.
Нынешние операции классифицируются по масштабам, уровням, типам, видам, условиям проведения и применяемому оружию, а опыт во-
Альтернативным подходом к анализу сложных ситуаций, которые так или иначе можно рассматривать как систему массового обслуживания, является имитационное моделирование.
енных конфликтов последних десятилетий свидетельствует о значительном увеличении масштабов и динамики боевых действий с применением новейшего вооружения, военной и специальной техники (ВВСТ)19. Усиление децентрализации и возрастание роли стационарных и мобильных компонент автоматизированных систем управления (АСУ), а также их вычислительных возможностей, появление новых стандартов и технологий связи, в том числе космической, позволяющей практически моментально доводить разведывательную информацию и целеуказание до любых районов ведения боевых действий вплоть до отдельного носителя боезаряда, обусловливают интенсификацию процессов перехода от вертикальных (линейно-циклических) способов системы управления войсками и оружием к сетецентрическим формам его организации.
Сетецентрический принцип организации предполагает формирование военной сетевой структуры, способной самосинхронизироваться снизу, а не изменяться в соответствии с указаниями сверху (центра). Формы и способы действий разрабатываются низами сетевой структуры в интересах достижения действий вышестоящего командования. Реализация данного принципа зависит от сверхнадежной коммуникационной среды управления войсками (силами), высокоинформативных средств разведки, программной реализации гибридных математических моделей, исполняемых на самых разнообразных устройствах. При таком подходе степень осведомленности командиров всех уровней управления (тактического в первую очередь) резко возрастает, что приводит к повышению качества принимаемых решений, динамичности, активности и результативности управления операциями (боевыми
действиями). К настоящему моменту сложились все необходимые научно-технические и технологические условия для реализации указанного принципа, позволившие с момента успешного применения радара в 1935 году вплотную приблизиться к массовому внедрению высокопроизводительных чипов в различные портативные устройства с расширенными функциями отслеживания, распознавания и передачи данных в режиме реального времени и т. д.
В первую очередь это связано с экспоненциальным ростом производительности суперкомпьютеров (рис. 4) (от 500 флопс ЕЛ1АС (1946 г.)
до 1,102 экзафлопс Frontier (2022 г.)), широко применяемых для моделирования технических характеристик перспективной техники, настольных персональных компьютеров (от 1—2 килофлопс в конце 1970-х гг. до ~5 терафлопс к 2022 г.), мобильных устройств (~1700 гигафлопс в 2022 г.). По некоторым прогнозам, уже к 2030 году пиковая производительность суперкомпьютеров достигнет значений порядка десятка зеттафлопс, а носимых устройств (мобильных устройств, планшетов и др.) — уровня сотен терафлопс, позволяя решать широкий спектр задач, в том числе непосредственно на поле боя20.
Й '3 ° $
i & if i I я i
II
10 000 000 000 000 000,00000 100 000 000 ООО 000.00000 1 000 ООО ООО 000,00000 10 000 000 000,00000 100 ООО 000.00000 1 000 000.00000 10 000,00000 100,00000 1.00000 0.01000 0.00010
• О
1940 1950 I960 J970 ¡980 1990 2000 2010 2020 2030 Год
Рис. 4. Упрощенная диаграмма роста производительности вычислительной техники (суперкомпьютеров)
Классические методы исследования операций по-прежнему востребованы и находят широкое применение в автоматизированных системах управления, средствах автоматизации, основой функционирования которых является именно специальное математическое и программное обеспечение.
Однако результаты применения методов (моделей, алгоритмов, расчетов) не всегда валидны и своевременны, причем проблема не столько
в технических возможностях тех же АСУ (хотя такая проблема тоже имеется, особенно в части реализации многокритериальных оптимизационных задач), сколько в искажении централизованных принципов организации управления информационными процессами сбора, переработки, консолидации и передачи данных, что зачастую приводит к уменьшению эффективности системы управления и снижению оперативности ее функ-ционирования21. Отдельным вопро-
сом являются, собственно, сами математические методы и алгоритмы, которые зачастую в реальных условиях не позволяют находить неявные закономерности в данных; составление целевых функций вызывает особую трудность.
Кроме того, если говорить о применении непосредственных методов ИО, то основное затруднение, возникающее при обработке разнотипной информации, заключается в том, что с увеличением ее размерности даже относительно простой алгоритм в режиме реального времени и непрерывного обновления данных может оказаться неработоспособным из-за недостаточных вычислительных мощностей.
При этом данные гипервариа-бельны и зачастую противоречивы, проверить или учесть их, полагаясь на полуавтоматическую обработку или логическое мышление командира в динамически развивающихся условиях, попросту невозможно. А если добавить к этому несвоевременность поступления и передачи информации, то имеем увеличение времени цикла управления, уменьшение периодичности обновления данных и, как следствие, возможную потерю управления.
В сфере боевого применения войск (сил) на оперативном уровне и выше, а также в сфере военного строительства применение инструментов исследования операций (математических моделей) при централизованном подходе позволили достичь значительных успехов. Однако в тактическом звене результаты применения математических моделей гораздо скромнее.
Очевидно, что тактическое звено как наиболее индетерминированное выходит на первый план ввиду основных особенностей:
• формальное (математическое) описание события/действия либо нельзя составить с достаточной точ-
ностью при данном уровне математических методов, либо такое описание слишком громоздко;
• величины и понятия, описывающие события/действия, нельзя или крайне затруднительно выразить в числовом виде (например, психологическое состояние бойца; применение рефлексивных методов управления противником*);
* Совокупность методов, средств и приемов информационно-психологического воздействия на противника; в основе лежит идея предопределения будущего путем посыла информационного сообщения в целях детерминирования поведения противника. Рефлексивные технологии в организации и ведении противоборства боевых систем также выступают важнейшим инструментом при выработке замысла и принятии решения на операцию и боевые действия.
• наблюдаемый объект непрерывно изменяет свое состояние, познать его во всех деталях, число которых увеличивается, в сжатые сроки почти невозможно;
• время отклика результатов реализации математических методов должно быть соизмеримо с реальным ходом боевых действий.
Успех любой военной операции предполагает высокую скорость, мобильность, точность применения средств поражения, их максимальную независимость от различных условий применения, чему активно способствует использование автономных и полуавтономных функций в системах вооружения, включая современные пилотируемые и беспилотные платформы. При этом способность тактического звена управления к само-
синхронизации позволит увеличить скорость противоборства боевых систем, что во многом будет связано с применением продвинутых математических методов (нейросетевых алгоритмов обработки текстовой, визуальной, геопространственной, спектральной, сигнальной информации; алгоритмов прогнозирования способов действий и т. д.) и программной средой, обеспечивающей в реальном масштабе времени комплексную многоуровневую и непрерывную обработку сведений, данных об объектах воздействия, а также получение информации и новых знаний. Особенно актуальным является делегирование части функциональных задач командира (оператора) системе с выстраиванием высокомобильных связей между компонентами (подразделениями). Естественно, в данном случае речь идет о сверхзащищенных системах, в основе которых лежат на-тивные мультимодальные модели искусственного интеллекта (ИИ).
Одним из очевидных направлений развития систем ИИ является нейроморфность, т. е. использование принципов организации и функционирования мозга в вычислительных системах. Несмотря на тот факт, что и обучение (дообучение в системах реального времени) нейронных сетей (моделей ИИ) также является трудо-затратной операцией, а инференс* зачастую нужно проводить на самых разных устройствах, в том числе прямо на конечном, миниатюризация и ускорение работы процессоров с функцией дообучения на устройстве (реализация периферийных вычислений с низким энергопотреблением и высокой производительностью) произведут революцию
* Инференс — использование предобученных нейронных сетей.
в применении методов ИИ в военном деле, в том числе в технологиях и способах выработки оптимальных решений в ходе планирования, подготовки и проведения боевых действий любого масштаба и уровня.
Таким образом, с точки зрения практического и методического применения инструментов исследования операций происходит переосмысление тактики и стратегии их использования, начиная с момента зарождения в начале XX века, основополагающего опыта активного применения во Второй мировой войне до настоящего времени; подготавливается технологический базис для новых реализаций с учетом меняющихся угроз, сфер, форм и способов ведения операций (боевых действий).
В качестве заключения отметим следующее.
С одной стороны, по причине стремительного развития вооружений и военной техники, повышения уровня ее автономности, мобильности и интеллектуальности, динамики и разнообразия форм и способов вооруженной борьбы, классические инструменты теории ИО во многом достигли предела эффективного использования.
С другой стороны, революционные изменения в развитии информационных технологий, появление новейших инструментов моментального сбора, надежного хранения и интеллектуальной обработки огромных объемов разнородной информации и подготовки оперативных решений на уровне человеческих способностей или даже превышающих их в условиях временных и других ограничений явно указывают на направления дальнейшего совершенствования методов операционных исследований с точки зрения как теоретических подходов, так и способов организации формирования и применения их результатов.
Критичными условиями для реализации перехода к новой парадигме «Исследование операций 2.0» являются наличие современных отечественных доверенных аппаратно-программных платформ как общего назначения, так и специализированных, и освоение актуальных математических теорий, включая методы искусственного ин-
теллекта, применительно к решению специальных военных задач. Преодоление указанных условий в текущих обстоятельствах — это задача, которая требует мобилизации академической и прикладной науки, а также существенного повышения качества подготовки специалистов оборонно-промышленного комплекса и военных инженеров.
ПРИМЕЧАНИЯ
1 Волгин Н.С. Исследование операций. СПб.: ВМА,1999. Ч. 1. 366 с.
2 Kirby M. W. Early Operations Research in World War One: Viscount Tiverton and the Strategic Bombing of Germany // Military Operations Research. 2004. Issue 9(2). P. 5—15.
3 Lanchester F.W. Aircraft in Warfare: The Dawn of the Fourth Arm. London: Constable and Co, Ltd., 1916. 243 p.
4 Watson-Watt R. (1957) Three Steps to Victory, Odhams Press (London, UK). P. 230.
5 About Western Approaches. URL: https://liverpoolwarmuseum.co.uk/gallery/ (дата обращения: 19.01.2023).
6 Erik P. Rau, Combat science: the emergence of Operational Research in World War II // Endeavour. 2005. Volume 29. Issue 4. P. 156—161.
7 About Western Approaches.
8 Jean Jennings Bartik computing museum. URL: https://www.nwmissouri. edu/archives/computing/index.htm (дата обращения: 19.01.2023).
9 Charles R. Shrader, History of Operations Research in the United States Army, Volume i: 1942—1962, Office of the deputy under secretary of the Army for operations research United States Army Washington, D.C., 2006.
10 Серия БЭСМ — вычислительных машин Института точной механики и вычислительной техники им. С.А. Лебедева Академии наук СССР. URL: https:// www.besm-6.su/besm-series.html (дата обращения: 05.04.2023).
11 Винер Н. Кибернетика или управление и связь в животном и машине. М.: Советское радио, 1968. 325 с.
12 Morse P.M., Kimball G.E. Methods of Operations Research. Cambridge, MA: Technology Press of MIT / New York: John Wiley & Sons, 1951. 158 p.
13 Вентцель Е.С. Введение в исследование операций. M.: Советское радио, 1964. 381 c.
14 Тараканов К.В. Математика и вооруженная борьба. M.: Воениздат, 1974. 240 c.
15 Таха Х.А. Введение в исследование операций. 10-е изд. СПб.: Изд. дом «Диалектика», 2019. 1056 c.
16 Ивахненко А.Г., Лапа В.Г. Кибернетические предсказывающие устройства. К.: Наукова думка, 1965. 213 c.
17 Ivakhnenko A.G. Polynomial theory of complex systems // IEEE Transactions on Systems, Man, and Cybernetics. 1971. Issue 4. P. 364—378.
18 Anderson J.A. and Hinton G.E. Parallel models of associative memory. Hillsdale, NJ: Lawrence Erlbaum Associates, 1981.
19 Степшин М.П., Аниконов А.В. Развитие вооружения, военной и специальной техники и их влияние на характер будущих войн // Военная Мысль. № 12. 2021. С. 35—43.
20 Computing 2030 by Huawei Technologies Co. Ltd., 2021. URL: http://www-file.huawei. com/-/media/corp2020/pdf/giv/industry-reports/computing_2030_en.pdf (дата обращения: 05.04.2023).
21 Алтухов П.К. и др. Основы теории управления войсками. M.: Воениздат, 1984. 240 c.
