Pekiştirmeli öğrenme ve yapay sinir ağları ile suüstü harbinin modellenmesi

Abstract

Bu çalışmada, savaş stratejilerinin yapay zekâ algoritmaları ile hem gerçek hayata en yakın, hem de en uygun sonuçları alacak şekilde belirlenerek savunma sektöründeki harcamalardan tasarruf edilebilecek planlamaların yapılabilmesi veya gerçek harp ortamında ortaya çıkabilecek ihtiyaçların belirlenebilmesi amaçlanmıştır. Literatür araştırması kapsamında deniz harbinde bir mühimmatın isabet durumuna etki eden faktörler araştırılmış ve bu faktörler dikkate alınarak olası bir angajmanda ihtiyaç duyulacak mühimmat miktarları için regresyon yöntemi uygulanmıştır. Regresyon yöntemleri kapsamında yapay sinir ağları kullanılarak suüstü harbindeki bir unsurun diğerine hangi füzeden kaç adet atması gerektiği hesaplanmıştır. Akabinde doğrusal programlama ile söz konusu unsurun üzerinde taşıdığı füzelerin hangisinden kaç adet kullanması gerektiği hesaplanmıştır. Doğrusal programlamadaki karar mekanizmasını mühimmatın regresyon modeli ile belirlenen imha gücü ve bu mühimmatın birim maliyeti oluşturmuştur. Son olarak Q-öğrenme algoritmasıyla herhangi bir deniz harbi rasgele bir şekilde defalarca simüle edilmiş, bu sayede dost ve düşman unsurların harekât tarzlarının optimize edilmesini sağlayan bir model geliştirilmiştir. Modelin geliştirilmesi için kullanılacak algoritmalar literatür araştırmasıyla ortaya çıkarılmıştır. Literatür araştırması sırasında bir deniz harbini simüle eden benzer bir çalışmaya rastlanamamıştır. Bu sebeple bir deniz harp nevi olan suüstü harbinin simüle edilmesini sağlayan bu model ile doğası gereği belirsizlikler taşıyan harp ortamlarında daha doğru stratejilerin daha hızlı bir şekilde geliştirilebilmesine katkı sağlanacağı değerlendirilmektedir.In this study, it is aimed to make plans that can save on expenditures in the defense sector or to determine the needs that may arise in the real war environment by determining the war strategies with artificial intelligence algorithms. Within the scope of the literature research, the factors affecting the accuracy of an ammunition in naval warfare were investigated, and the regression method was applied for the amount of ammunition that would be needed in a possible engagement, taking these factors into account. Within the scope of regression methods, using artificial neural networks, how many missiles should be fired by an platform in surface warfare to another is calculated. Then, with linear programming, it was calculated how many and which missiles it should use. The decision mechanism in linear programming was determined by the regression model of the ammunition and the unit cost of this ammunition. Finally, any naval warfare has been randomly simulated many times with the Q-learning algorithm, thus a model has been developed that optimizes the operational styles of friendly and enemy elements. Algorithms to be used for the development of the model were revealed through literature research. During the literature search, no similar study simulating a naval warfare could be found. For this reason, it is considered that this model, which allows simulating surface warfare, which is a type of naval warfare, will contribute to the development of more accurate strategies more quickly in warfare environments that are inherently uncertain.