Моделирование оптимальных стратегий сотрудников ОВД при массовых беспорядках по критерию Байеса Текст научной статьи по специальности «Компьютерные и информационные науки»

Кодекса приводится по состоянию на 23 сентября 2013 г. - М.: Омега-Л, 2013. -193 с.

5. Саати Т. Принятие решений. Метод анализа иерархий. - М.: Радио и связь, 1993. - 278 с.

МОДЕЛИРОВАНИЕ ОПТИМАЛЬНЫХ СТРАТЕГИЙ СОТРУДНИКОВ ОВД ПРИ МАССОВЫХ БЕСПОРЯДКАХ ПО КРИТЕРИЮ БАЙЕСА

Н.В. Пешкова, адъюнкт, Воронежский институт МВД России, г. Воронеж

В процессе своей жизнедеятельности человек нередко сталкивается с различными формами социальной напряженности, которые порой перерастают в экстремальные ситуации, приобретающие характер массовых беспорядков. В связи с этим можно считать целесообразным моделирование массовых мероприятий. В данном случае используется автоматная модель Байесовского типа, так как массовые мероприятия, переходящие в массовые беспорядки, носят вероятностный характер.

Конечный детерминированный автомат задается кортежем [1]

А = (я, х, y, /, g),

где ^ - вектор состояний автомата;

(х, у) - входной и выходной алфавиты соответственно; / - функция перехода; g - функция выхода.

При заданном начальном условии данный автомат каждой входной последовательности ставит в соответствие детерминированную выходную последовательность. В настоящей работе рассматривается возможность приложения автоматов к моделированию ситуаций социального характера -массовым мероприятиям, строится БтиЬтк модель, и находятся предельные состояния автомата при использовании им Байесовских стратегий.

При построении автомата, моделирующего игры с неполной определенностью входные значения (а, а2,..., ак) являются смешанными стратегиями природы. Критерий Байеса дает выбор оптимальной стратегии, которая подается на вход автомата. Но тогда входной сигнал может перевести систему в новое состояние со своей платежной матрицей, которая имеет свои смешанные стратегии. Мы получили новый тип полудетерминированных автоматов, входной сигнал которых зависит как от случайного выбора стратегии природы, так и детерминированного выбора вторым игроком (человеком) своей стратегии (по критерию Байеса).

Массовые мероприятия и модели толпы.

Рассмотрим понятие толпы. Толпа - бесструктурное скопление людей, лишенных ясно осознаваемой общности целей, но взаимно связанных сходством эмоционального состояния и общим объектом внимания [13].

Для построения автоматной модели мы определяем следующие состояния участников массового мероприятия:

^ - простая толпа; - конвенционная толпа;

- агрессивная толпа; - действующая толпа.

Сигналами для изменения состояния являются с одной стороны стратегии органов правопорядка, а с другой стороны - степень опасности лиц, находящихся в толпе. Для простоты, мы будем рассматривать 3 основные стратегии сотрудников МВД:

а - стратегия ослабления

а2 - стратегия действия (выжидания либо реагирования); а - стратегия усиления.

Соответственно, выделим следующие категории участников толпы по степени опасности:

Ь3 - наиболее опасные; Ь2 - опасные;

Ьх - надеющиеся на мирный исход события. Сформируем группы сотрудников ОВД в стратегии:

а - (группы организации управления, группы обеспечения режимных ограничений);

а2 - (группы ведения силовых действий); а3 - (группы всестороннего обеспечения).

В состав категорий участников толпы по степени опасности мы включим следующие группы лиц:

Ь3 - (организаторы, зачинщики, активные участники, конфликтные

личности, добровольно заблуждающиеся, эмоционально-неустойчивые, примкнувшие, любопытствующие);

Ь - (активные участники, конфликтные личности, добровольно заблуждающиеся, эмоционально-неустойчивые, примкнувшие,

любопытствующие);

Ь - (конфликтные личности, добровольно заблуждающиеся, эмоционально-неустойчивые, примкнувшие, любопытствующие).

По предположению митингующие придерживаются смешанной стратегии. То есть с вероятностью Ь2 состояние толпы не меняется, а с

1 - Ь

вероятностью ь = Ь = демонстрация может перейти в одно из смежных состояний. Функция перехода для данного автомата имеет вид

аЬ а1Ь3 аЬ а2^ а2Ь3 а3Ь1 а3Ь2 а3Ь3

¿1 ¿3 ¿4 ¿3 ¿3 ¿3 ¿3

5 2 Б 2 ¿3 ^ 2 ^ 2

S 2 ¿3 ¿4 ¿3 ¿4 ^ 2 ¿3

¿4 5 2 Я 4 ¿4 3 2 ¿3 ¿4 ¿1 £ 2 ¿3

Данная таблица была составлена путем мониторинга массовых беспорядков, произошедших в России за последние 10 лет.

Путем анализа конкретных массовых мероприятий, когда система находилась в четырех различных начальных состояниях, также используя функцию перехода, мы сформировали модель выбора оптимальных стратегий сотрудников ОВД по критерию Баейса.

Модель автомата в системе 81шиИпк.

Отличительной особенностью предлагаемой модели (рис.) от [4] является использование обратной связи в подсистеме принятия решения.

-1 3 4 1 3 3 1 3 3 "

1 2 3 1 2 2 1 1 1

2 3 4 1 3 4 1 2 3

2 4 4 2 3 4 1 2 3

0.9 Ь1

(1 -u)/2

2 4 6 4 3 2 6 4 3

C1

■ In 1 Out1 —1

F У1

Ь fcn У3

a У4

m

In2Out2 -

Embedded Function 4

Subsystem2

[Ш

In 1 Out1

In2Out2

Subsystem1

4 5 6

5 4 3 H 7 6 4

C4

'7 8 6 ' 9 7 3 9 7 6

Subsystem3

5 7 6

6 5 6 9 7 6

0.584

15.44

0.9657

0.05674

17.05

F

C2

Рис. Модель полудетерминированного конечного автомата Байесовского типа

Работа автомата описывается следующим образом.

1. На основе данных платежных матриц (р, р, р, р) подсистема Subsystem 1 формирует оптимальные стратегии оперативного штаба ОВД по критерию Байеса. Для этого используются априорные значения вероятности изменения состояния толпы (коэффициенты b), получаемые мониторингом оперативной обстановки на месте проведения массового мероприятия.

2. Далее, выбранные сигналы-стратегии (a, b) поступают на программируемый контроллер Embedded MATLAB Function4. работа которого заключается в определении вероятности изменения состояния оперативной обстановки при заданных значениях переходной матрицы.

3. Полученные значения поступают на вход рекурсивного фильтра Subsystem2, с 4 линиями задержки, которые определяют предельные состояния системы при выбранных стратегиях.

4. Блок обработки результатов вычислений Subsystem3, дает численные значения выигрыша или проигрыша оперативного штаба при принятии того или иного решения.

Несложно рассчитать количество автоматов, задаваемой данной схемой. Силовые структуры имеют 3 стратегии, каждая из которых действует в одном из 4 состояний, т.е. 3 4 = 12 комбинаций. В ответ на каждую стратегию силовиков, митингующие могут применить одну из 3 своих стратегий,

394

меняющих или не меняющих одно из 4 состояний, т.е. 43 = 64 комбинации. В результате мы получим систему с различными автоматами.

6412 = 272 = 4 722 366 482 869 646 000 000

Использование предложенного подхода позволяет построить детализированную модель в виде автоматов Байесовского типа, в котором учтены возможные варианты развития оперативной обстановки и действия органов внутренних дел. Описанный нами подход может быть использован для обработки модели действий не только в случае пресечения массовых беспорядков, но и при возникновении чрезвычайных обстоятельств другого типа.

Список использованной литературы

1. Кобринский Н.Е., Трахтенброт Б.А. Введение в теорию конечных автоматов. М.: Физматгиз, 1962. - 404 с.

2. Dumachev V.N. On semideterministic finite automata games type // Applied Mathematical Sciences, 2014, Vol. 8, no. 119. 5933-5941.

3. Мокшарцев Р.И., Мокшарцева А.В. Социальная психология. Учеб. пособ. Серия Высш. образ. / Москва-Новосибирск: Инфра-М, 2001 - 408 с.

ОРГАНИЗАЦИЯ ПОИСКА В БАЗЕ ДАННЫХ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРИНЯТИЯ РЕШЕНИЙ

М.В. Питолин, доцент, к.т.н., доцент, С.Г. Мачтаков, начальник кафедры, к.т.н., Воронежский институт МВД России, г. Воронеж

Системы управления базами данных являются основой построения автоматизированных информационных систем. При этом, как правило, возникает необходимость ассоциативного поиска объекта в базе данных информационной системы по дополнительным ключевым признакам. Вследствие этого, в состав СУБД целесообразно включить подсистему ассоциативного поиска такой информации, позволяющую находить необходимый объект по графическим или звуковым признакам.

Основная задача ассоциативного поиска состоит в определении: «Относятся ли два различных образа к одному и тому же объекту или нет?» Прямые способы сравнения образов использовать нельзя, так как они не учитывают особенностей, существенных для правильного распознавания. Поэтому основным компонентом подсистемы ассоциативного поиска является подсистема распознавания образов конкретного вида, например, геометрических фигур и объектов на изображениях. Одним из целесообразных подходов к построению таких систем является использование искусственных нейронных сетей (ИНС).