Ushbu tadqiqot mobil aerodrom yoritish (Mobile Airfield Lighting, MAL) tizimlarida ko‘p sonli aerodrom yoritish tugunlarining hisoblash, aloqa va energiya resurslarini real vaqtga yaqin rejimda boshqarish uchun bulut–chekka–oxirgi (cloud–edge–end) hamkorlik arxitekturasi va chuqur mustahkamlovchi o‘rganishga asoslangan optimallashtirish usulini ishlab chiqadi. MAL tizimi vaqtinchalik yoki mobil qo‘nish maydonlarida yaqinlashuv, uchish-qo‘nish yo‘lagi va rullash yo‘li yoritgichlarini atrof-muhit va operatsion sharoitlarga ko‘ra boshqarishga mo‘ljallangan taqsimlangan aerodrom yoritish tizimidir. Tadqiqotchilar umumiy tizim kechikishi bilan energiya sarfini birgalikda kamaytiradigan cheklovli optimallashtirish masalasini ta’riflagan; yechim uchun K-medoids yordamidagi qo‘pol resurs taqsimotini Improved Twin Delayed Deep Deterministic Policy Gradient (ITD3) yordamidagi nozik optimallashtirish bilan birlashtirgan. Python 3.12 asosidagi diskret-hodisa simulyatsiyalarida 50–2000 aerodrom yoritish tuguni o‘rganilgan va ITD3 taqqoslangan TAI, DDPG, PPO hamda standart TD3 usullariga nisbatan umumiy kechikish va energiya sarfi bo‘yicha qulayroq natijalar bergan. Biroq bu natijalar haqiqiy ishlayotgan aerodromda o‘tkazilgan dala tekshiruvi emas; haqiqiy MAL dala sinovlari tadqiqotda kelajakdagi tadqiqot yo‘nalishi sifatida qoldirilgan.

Taklif etilgan tizimning asosiy g‘oyasi barcha sensor ma’lumotlarini bitta markazga olib borib, qarorni faqat markazda qabul qilish o‘rniga hisoblashni uch darajaga taqsimlashdir. Yoritish tugunlari yuqori chastotali holat ma’lumotlarini to‘playdi va cheklangan mahalliy amallarni bajaradi; chekka tugunlar mintaqaviy ma’lumotlarni qayta ishlash, vazifalarni rejalashtirish va past kechikishli qarorlarni o‘z zimmasiga oladi; bulut esa uzoq muddatli ma’lumotlarni qayta ishlash, modelni o‘qitish, global optimallashtirish va muvofiqlashtirish vazifalarini bajaradi. Shu tariqa tadqiqot mobil aerodrom yoritishida kechikish, energiya sarfi, kanal taqsimoti va hisoblash quvvatini yagona optimallashtirish doirasida ko‘rib chiqadi.

Mobil aerodrom yoritish tizimidagi asosiy muammo

Aerodrom maydoni yoritilishi uchib chiqish, yaqinlashuv, qo‘nish va rullash paytida uchuvchilarga uchish-qo‘nish yo‘lagi hamda rullash yo‘li geometriyasini, yaqinlashuv o‘qini va operatsion yo‘naltirishni vizual idrok etishga yordam beradi. Ayniqsa ko‘rish darajasi past sharoitlarda yoritishning mavjudligi, boshqaruv kechikishi va to‘g‘ri yorug‘lik konfiguratsiyasining shakllantirilishi operatsion jihatdan muhim bo‘ladi.

An’anaviy aerodrom yoritish tizimlari asosan markazlashgan va zanjirga asoslangan boshqaruv yondashuviga tayanadi. Biroq A-SMGCS Level IV kabi yanada rivojlangan ssenariylarda minglab chiroqlarni havo kemasi harakati bilan bog‘liq holda dinamik boshqarish talab qilinishi mumkin. Manbada bunday holatda soniyasiga o‘n minglab ma’lumot nuqtasigacha yetishi mumkin bo‘lgan ma’lumot yig‘ish yuklari va millisekund miqyosidagi boshqaruv talablari markazlashgan “barcha ma’lumotni markazga yukla, markazda qaror qil” yondashuvini qiyinlashtirishi qayd etiladi.

Mobil aerodrom yoritishi ushbu masshtablanuvchanlik muammosiga qo‘shimcha o‘lchov qo‘shadi. MAL tizimlari doimiy uchish-qo‘nish yo‘lagi infratuzilmasiga bog‘liq bo‘lmagan vaqtinchalik yoki mobil foydalanish maydonlarida atrof-muhit sharoiti va xizmat ko‘rsatilayotgan havo kemasiga qarab yoritish konfiguratsiyasini moslashtirishni maqsad qiladi. Shu sababli faqat chiroqlarni yoqish va o‘chirish yetarli emas; ko‘p sonli tugunlarning aloqasi, hisoblash yuklari, energiya budjeti va kechikish talabi birgalikda boshqarilishi kerak.

Bulut–Chekka–Oxirgi Arxitektura Mobil Aerodrom Yoritishida Nega Qo‘llanadi?

Bulut–chekka–oxirgi arxitektura kechikishga sezgir qarorlarni aerodrom yoritish tugunlariga yaqin chekka resurslarda qayta ishlash, qimmat model o‘qitish va global optimallashtirishni esa bulutga qoldirish uchun qo‘llanadi; shu orqali barcha ma’lumotni markaziy tizimga tashish bilan bog‘liq kechikish, o‘tkazish qobiliyati va yagona nosozlik nuqtasi bosimini kamaytirish ko‘zda tutiladi.

Uch hisoblash qatlami

Tadqiqot taklif etgan taqsimotda chekka tugunlar faqat aloqa uzatgichi emas. Ular hisoblash va saqlash resurslariga ega hamda qamrov doirasidagi aerodrom yoritish tugunlari ma’lumotlarini qayta ishlashi mumkin. Bulut esa butun tarmoqning uzoqroq vaqt masshtabidagi umumiy optimallashtirishini va model o‘qitishni o‘z zimmasiga oladi.

Aloqa modelining birinchi bosqichi: yo‘l yo‘qotilishi

Manba tayanch masofadagi erkin fazo yo‘l yo‘qotilishini Tenglama (1) bilan ta’riflaydi:

\[ L(d_0)=\left(\frac{4\pi d_0 f}{c_v}\right)^2 \]

Bu yerda \(d_0\) tayanch masofa bo‘lib, manba uni odatda 1 m deb ko‘rsatadi. \(f\) tashuvchi chastota, \(c_v\) esa yorug‘lik tezligidir. Ushbu tenglama aloqa bog‘lanishida chastota va masofa asosiy erkin fazo yo‘qotilishiga qanday kirishini belgilaydi. Chastota oshsa, boshqa sharoitlar o‘zgarmaganda, bu had kvadratik tarzda ortadi.

ALN bilan chekka tugun orasidagi masofa

n-chi aerodrom yoritish tuguni bilan m-chi chekka tugun orasidagi masofa Tenglama (2) bilan beriladi:

\[ d_{n,m}=\sqrt{H^2+(x_m-x_n)^2+(y_m-y_n)^2} \]

\(x_n,y_n\) va \(x_m,y_m\) gorizontal koordinatalarni, \(H\) esa geometrik masofaga kiruvchi balandlik komponentini bildiradi. Tenglama tugunlar orasidagi uch o‘lchovli geometrik ajralishni kanal modeliga olib kiradi.

Rayleigh fading sharoitida kanal kuchayishi

Manba kanal kuchayishini Tenglama (3) bilan ta’riflaydi:

\[ g_{n,m}=\frac{1}{L(d_0)} \left(\frac{d_0}{d_{n,m}}\right)^\beta h \]

\(\beta\) yo‘l yo‘qotilishi darajasi bo‘lib, manba erkin fazo uchun odatda 2 qiymatini ko‘rsatadi. \(h\) ko‘p yo‘lli tarqalishning signal amplitudasiga tasodifiy ta’sirini ifodalovchi Rayleigh taqsimotli haddir. Shu sababli tugunlar orasidagi aloqa sifati faqat geometrik masofaga emas, fading ta’siriga ham bog‘liq.

Signal-shovqin-xalaqit nisbati

n-chi ALNning c quyi kanalida m-chi chekka tugunga bog‘lanishi uchun SNR Tenglama (4)da quyidagicha:

\[ \mathrm{SNR}_{n,m,c} = \frac{P_{n,c}g_{n,m}} {\sigma^2+\sum_{n'\neq n}P_{n',c}g_{n',m}} \]

\(P_{n,c}\) n-chi ALNning c quyi kanalidagi uzatish quvvatidir. \(\sigma^2\) shovqin quvvatini, yig‘indi hadi esa shu quyi kanalda boshqa ALNlar hosil qilgan xalaqitni ifodalaydi. Suratda foydali qabul qilingan quvvat oshgani sari SNR ortadi, shovqin yoki umumiy kanal xalaqiti oshgani sari esa SNR kamayadi.

Aloqa tezligi

Manba Shannon munosabatidan kelib chiqib ALN–EN aloqa tezligini Tenglama (5) bilan beradi:

\[ R_{n,m} = B\sum_{c=1}^{C}\log_2 \left(1+\mathrm{SNR}_{n,m,c}\right) \]

\(B\) simsiz kanalning o‘tkazish kengligi, \(C\) quyi kanallar sonidir. Ushbu qiymat keyingi yuklash kechikishi hisoblarining bevosita kirishidir. Bir xil ma’lumot hajmida \(R_{n,m}\) kattalashgani sari ma’lumot uzatish vaqti kamayadi.

Mahalliy hisoblash kechikishi

n-chi ALNning mahalliy dastlabki qayta ishlash kechikishi:

\[ T_n^{local} = \frac{D_n C_n}{cf_n} \]

ko‘rinishidadir. \(D_n\) qayta ishlanadigan ma’lumot miqdorini, \(C_n\) har bir ma’lumot namunasi uchun hisoblash yukini, \(cf_n\) esa ALNning mahalliy hisoblash quvvatini ifodalaydi. Ma’lumot va hisoblash yuki oshgani sari kechikish ortadi, hisoblash quvvati oshgani sari esa kechikish kamayadi.

ALNdan chekka tugunga ma’lumot yuklash vaqti

\[ T_{n,m}^{up} = \frac{|w_n|}{R_{n,m}} \]

Bu yerda \(|w_n|\) yuklanayotgan parametr ma’lumotining hajmidir. Aloqa tezligi bir xil ma’lumot miqdori uchun ikki baravar oshsa, ushbu yuklash kechikishi matematik jihatdan yarmiga tushishi kutiladi.

Bitta ALN uchun umumiy kechikish va energiya

\[ T_n=T_n^{local}+T_{n,m}^{up} \]

\[ E_n= \kappa cf_n^3T_n^{local} + P_{n,c}T_{n,m}^{up} \]

Energiya modelining birinchi hadi mahalliy hisoblashni, ikkinchi hadi simsiz uzatish xarajatini ifodalaydi. Hisoblash chastotasining kubi bilan keluvchi \(cf_n^3\) hadi hisoblash tezligini oshirish energiya jihatidan chiziqli bo‘lmagan xarajat hosil qilishini ko‘rsatadi. Bu munosabat tadqiqotning nega faqat kechikishni kamaytirish o‘rniga kechikish va energiyani birgalikda optimallashtirishini izohlovchi matematik asosdir.

Chekka hisoblash xarajati

m-chi chekka tugunning mahalliy parametr vazifasini qayta ishlashi uchun manba:

\[ T_{m,k}^{com} = \sum_{n=1}^{N} \alpha_{n,m} \frac{|w_n|c_m}{cf_m} \]

\[ E_{m,k}^{com} = \kappa cf_m^3T_{m,k}^{com} \]

tenglamalaridan foydalanadi. \(\alpha_{n,m}\) n-chi ALN m-chi chekka tugunni tanlagan-tanlamaganini belgilovchi ikkilik o‘zgaruvchidir. \(c_m\) chekka tugunning har bitga to‘g‘ri keluvchi hisoblash yukini, \(cf_m\) esa chekka hisoblash quvvatini bildiradi.

Chekkadan bulutga yuklash

\[ T_{m,k}^{up} = \frac{|w_m|}{R_{m,L}} \]

\[ E_{m,k}^{up} = P_m T_{m,k}^{up} \]

\(|w_m|\) m-chi chekka tugun bulutga uzatadigan ma’lumot hajmidir; \(R_{m,L}\) chekka–bulut aloqa tezligi, \(P_m\) esa ushbu bog‘lanish uchun ishlatiladigan uzatish quvvatidir.

Bulut hisoblash kechikishi

Manba bulutdagi qayta ishlash vaqtini Tenglama (11) bilan beradi:

\[ T_{L,k_L}^{com} = \sum_{m=1}^{M} \frac{|w_m|c_L}{cf_L} \]

\(c_L\) bulutning har bitga hisoblash yukini, \(cf_L\) esa bulut hisoblash quvvatini bildiradi. Manbaga ko‘ra, chekka quvvati vazifani bajarishga yetarli bo‘lsa, bulut yordami ishlatilmasligi mumkin va tegishli bulut hisoblash kechikishi nol deb olinadi.

Natijalarni bulutdan qayta tarqatish

Manbada bulut → chekka → ALN qayta tarqatilishi uchun Tenglama (12) va (13) ishlatiladi:

\[ T_{L,k_L}^{down} = \max_{m=1,2,\ldots,M} \left( \frac{|w_L|}{R_{L,m}} + \sum_{n=1}^{N} \alpha_{m,n} \frac{|w_L|}{R_{m,n}} \right) \]

\[ T_{m,k}^{down} = \sum_{n=1}^{N} \alpha_{m,n} \frac{|w_L|}{R_{m,n}} \]

Manba ushbu bo‘limda \(L\) belgisini bulut uchun ishlatgan holda, \(|w_L|\) ifodasini “L-th EN” ma’lumot hajmi sifatida izohlaydi. Bu ifoda avvalgi belgi ta’riflari bilan to‘liq mos ko‘rinmagani uchun Verianla matni notatsiyani sukut bilan o‘zgartirmagan.

Umumiy tizim kechikishi

ALN, chekka va bulut hisoblash/uzatish komponentlari birlashtirilib, umumiy kechikish Tenglama (14a)da hosil qilinadi:

\[ T^{all} = \max_{m\in\{1,2,\ldots,M\}} \left[ \sum_{n\in N_m} \left( T_n^{local}+T_{n,m}^{up} \right) + \left( T_{m,k}^{com} + T_{m,k}^{up} + T_{m,k}^{down} \right) \right] + \left( T_{L,k_L}^{com} + T_{L,k_L}^{down} \right) \]

Bu yerdagi maksimum operator parallel chekka hududlari ichida umumiy tizim javobini eng sekin kritik yo‘l cheklashi g‘oyasini ifodalaydi.

Manba umumiy energiya uchun Tenglama (14b)ni quyidagi notatsiya bilan beradi:

\[ E^{all} = \sum_{n=1}^{N}E_n + \sum_{i=1}^{M}E_{i,n}^{all} \]

Ikkinchi yig‘indidagi \(E_{i,n}^{all}\) belgisi manba matnida alohida batafsil qayta ta’riflanmagani uchun bu yerda boshqa belgi bilan almashtirilmagan.

Nega kechikish va energiya birgalikda optimallashtiriladi?

Faqat kechikishni kamaytirish hisoblash chastotasi yoki uzatish quvvatini oshirib, energiya xarajatini ko‘paytirishi mumkin. Faqat energiyani kamaytirish esa qayta ishlash va ma’lumot uzatishni sekinlashtirib, real vaqt boshqaruvi talabidan oshib ketishga olib kelishi mumkin. Shu sababli tadqiqot ikki maqsadni vaznli yagona maqsad funksiyasida birlashtiradi.

\[ P1: \min_{\alpha_{m,n},cf_i} \lambda_1T^{all}(\alpha_{m,n},f_i) + \lambda_2E^{all}(\alpha_{m,n},cf_i) \]

Manbada kechikish hadida \(f_i\), energiya hadida esa \(cf_i\) notatsiyasi ishlatilgan; Verianla yadrosi bu notatsiya farqini sukut bilan tenglashtirmaydi.

Cheklovlar Tenglama (16)da quyidagicha ta’riflangan:

\[ C1: T_n(\alpha_{m,n},cf_i)\le T_{max} \]

\[ C2: E^{all}\le E_{max} \]

\[ C3: \sum_{n=1}^{N}\phi_{n,c}\le1 \]

\[ C4: 0<cf_i\le f_{max} \]

C1 har bir tugunning ruxsat etilgan maksimal kechikishdan oshishiga yo‘l qo‘ymaydi. C2 umumiy energiya budjetini cheklaydi. C3 bitta quyi kanalni bir vaqtning o‘zida birdan ortiq ALN egallamasligini majburiy qiladi. C4 esa chekka/bulut hisoblash resursining fizik quvvatdan oshishiga yo‘l qo‘ymaydi.

K-Medoids va ITD3 Birgalikda Qanday Ishlaydi?

K-medoids avval ko‘p sonli aerodrom yoritish tugunlarini kechikish xarajatiga ko‘ra chekka tugunlarga qo‘pol tarzda guruhlab, qidiruv fazosini kichraytiradi; ITD3 esa keyin shu boshlang‘ich taqsimot ustida tugun tanlash, kanal taqsimoti va uzluksiz resurs o‘zgaruvchilarini cheklovlar ostida yanada nozik optimallashtiradi.

K-medoids bilan qo‘pol ALN–EN taqsimoti

Manba ALN–EN uchdan-uchgacha kechikish/xarajat ma’lumotini klasterlash xususiyati sifatida ishlatadi. Jarayon besh asosiy bosqichdan iborat: dastlab M ta ALN medoid nomzodi tanlanadi; barcha ALNlar eng past kechikish xarajatiga ega klasterga biriktiriladi; har klasterdagi markaz qayta hisoblanadi va kechikish cheklovini qanoatlantirmaydigan nomzodlar chiqarib tashlanadi; markazlar o‘zgarmaguncha yoki klaster ichidagi masofa o‘zgarishi chegara qiymatidan pastga tushguncha jarayon takrorlanadi; yakunda ITD3 uchun boshlang‘ich kanal/tugun taqsimot matritsasi olinadi.

K-medoids bosqichining vazifasi yakuniy optimumni o‘zi topish emas. Uning asosiy vazifasi minglab tugunlar mavjud bo‘lgan sharoitda ITD3 nozik optimallashtirishni boshlaydigan masala fazosini boshqariladiganroq qilishdir.

ITD3 holat fazosi

Manbaning holat vektori Tenglama (17)da quyidagicha:

\[ S= \{ cf_m, cf_n, P_{n,c}, R_{n,m}, T_n, E_n, E_m^{rem} \} \]

Holat chekka va ALN hisoblash quvvati, uzatish quvvati, aloqa tezligi, bitta tugun kechikishi, ALN energiya sarfi va chekka tugunda qolgan energiya kabi dinamik o‘zgaruvchilarni o‘z ichiga oladi. Barcha holat o‘zgaruvchilari neyron tarmoqni o‘qitishda masshtab farqi ta’sirini kamaytirish uchun [0,1] oralig‘iga normallashtiriladi.

ITD3 harakat fazosi

Manba Tenglama (18)da harakat fazosini quyidagicha beradi:

\[ A= \{ \alpha_{m,n}, \phi_{m,c}, P_m \} \]

\(\alpha_{m,n}\) parametrlar qaysi chekka tugunga yuklanishini belgilovchi ikkilik tanlovni, \(\phi_{m,c}\) esa kanal taqsimotini ifodalaydi. Manba matni \(P_m\)ni shu nuqtada vazifalarga ko‘ra hisoblash resurslarining proporsional taqsimoti sifatida izohlaydi. Biroq avvalgi aloqa/energiya modelida \(P_m\) chekka tugunning uzatish quvvati sifatida ishlatilgan. Manba ichidagi ushbu belgi noaniqligi saqlanishi va boshqa ta’rif bilan sukutda bartaraf etilmasligi kerak.

Mukofot funksiyasi

ITD3 agenti kechikish va energiya qiymatlarini bevosita kamaytirish o‘rniga ularning manfiy vaznli qiymati va cheklov buzilishlarini o‘z ichiga olgan mukofotni maksimal qiladi:

\[ r(S,A) = -\lambda_1\frac{T^{all}(S,A)}{T_{max}} -\lambda_2\frac{E^{all}(S,A)}{E_{max}} -\gamma\sum_{k=1}^{4}Pen_k(S,A) \]

Jazo hadlari manbada:

\[ Pen_1=1 \text{ eğer } T_n>T_{max}, \text{ aksi halde } 0 \]

\[ Pen_2=1 \text{ eğer } E^{all}>E_{max}, \text{ aksi halde } 0 \]

\[ Pen_3=1 \text{ eğer } \sum_n\phi_{n,c}>1, \text{ aksi halde } 0 \]

\[ Pen_4=1 \text{ eğer } f_i>f_{max}, \text{ aksi halde } 0 \]

ko‘rinishidadir. Ishlatilgan jazo koeffitsiyentining tavsiya etilgan qiymati \(\gamma=10\). Shunday qilib, cheklovni buzuvchi harakatlarning mukofoti kamaytirilib, agentning faqat past kechikishli emas, balki amalga oshirilishi mumkin bo‘lgan yechimlarni tanlashi ko‘zda tutiladi.

Standart TD3 ustida qilingan uch asosiy o‘zgarish

Actor va critic tarmoqlari

Manba jadvali actor va Q1 uchun uch o‘lcham qiymati \(256,128,64\)ni bersa-da, tuzilmani “2-layer FC” deb ataydi. Bu yerda arxitekturani manbada yozilmagan qatlam talqini bilan o‘zgartirish o‘rniga asl ko‘rsatish saqlangan.

Aktivatsiya funksiyalari

ReLU:

\[ \operatorname{ReLU}(x)=\max(0,x) \]

Tanh:

\[ \tanh(x) = \frac{e^x-e^{-x}} {e^x+e^{-x}} \]

Softmax:

\[ \operatorname{Softmax}(x_i) = \frac{e^{x_i}} {\sum_{j=1}^{n}e^{x_j}} \]

Tanh uzluksiz actor chiqishida, Softmax esa diskret kanal taqsimoti tarmog‘ida ishlatiladi. Adam optimizer tarmoq og‘irliklarini yangilashda qo‘llanadi.

ITD3 o‘qitish sikli

O‘qitish actor, target actor, ikkita critic va ularning target tarmoqlarini ishga tushirish bilan boshlanadi. Prioritized Experience Replay buferining sig‘imi \(10^6\) etib belgilangan. Actor joriy holatda harakat hosil qiladi va tadqiq qilish uchun Gaussian shovqini qo‘shiladi; tadqiq qilish shovqini o‘qitish davomida 0,1 dan 0,01 gacha kamaytiriladi.

Har bir o‘zaro ta’sirdan \((S,A',r,S')\) tajribasi replay bufferga yoziladi. O‘qitish vaqtida 64 yoki 128 namunali batchlar ustuvorlikka ko‘ra tanlanadi va Importance Sampling Weights yordamida priority sampling keltirib chiqargan og‘ish tuzatiladi. Target critic uchun ikkita Q bahosining minimumidan foydalanilib, TD3ning ortiqcha baholash moyilligi kamaytiriladi.

Critic tarmoqlari maqsad Q-qiymatiga ko‘ra o‘rtacha kvadratik xatoga o‘xshash yo‘qotishlar bilan yangilanadi; actor esa:

\[ L_\pi=-E[Q_1(S,\pi(S))] \]

siyosat yo‘qotishini kamaytirish orqali yangilanadi.

Target tarmoqlarning yumshoq yangilanishida \(\tau=0.005\) ishlatiladi:

\[ \theta_{\pi_{target}} \leftarrow \tau\theta_\pi + (1-\tau)\theta_{\pi_{target}} \]

\[ \theta_{Q_{target}} \leftarrow \tau\theta_Q + (1-\tau)\theta_{Q_{target}} \]

Mukofot funksiyasining harakatlanuvchi o‘rtachasi 500 ketma-ket qadam davomida yaxshilanmasa yoki maksimal o‘qitish qadamlari soniga yetilsa, o‘qitish to‘xtatiladi.

Tadqiqot Usuli va Natijalari

Simulyatsiya Qanday Sharoitlarda O‘tkazildi?

Ishlash samaradorligi Python 3.12da ishlab chiqilgan diskret-hodisa simulyatorida, 50 dan 2000 gacha aerodrom yoritish tuguni va N/25 nisbatdagi chekka tugunlardan foydalanib baholangan; har bir sharoit 100 ms lik 3600 vaqt oralig‘ini qamrab oluvchi 6 daqiqalik simulyatsiya va 10 ta mustaqil tasodifiy urug‘ bo‘yicha baholangan.

\(M=N/25\) qoidasiga ko‘ra tekshirilgan besh ALN masshtabi mos ravishda 2, 4, 20, 40 va 80 ta chekka tugunga to‘g‘ri keladi. Bu qiymatlar manba parametrlashining bevosita matematik natijasidir; alohida tajriba natijasi emas.

ITD3 o‘qitish parametrlari

Manba MAL real vaqt boshqaruvida past kechikish ustuvor bo‘lgani uchun \(\lambda_1=0.7\), \(\lambda_2=0.3\)ni tanlagan. Bu kombinatsiya 0,5/0,5; 0,6/0,4; 0,7/0,3 va 0,8/0,2 variantlari orasida tadqiqot doirasida eng maqbul kechikish–energiya muvozanatini bergan.

Simulyatsiya davomiyligi va takrorlar

Har bir vaqt oralig‘i \(\Delta t=100\) ms. Bitta ishga tushirish \(T=3600\) vaqt oralig‘i davom etadi; bu 360 soniya yoki 6 daqiqalik simulyatsiya qilingan tizim vaqtiga teng. Natijalar turli random seedlar bilan o‘tkazilgan 10 ta mustaqil ishga tushirishning o‘rtachasidir.

Simulyatsiya va o‘qitish Intel Core i9-10700K CPU, NVIDIA RTX 4060 GPU hamda Python 3.12 ishlatilgan platformada bajarilgan.

Taqqoslangan algoritmlar

O‘qitish davomida kechikish va energiya

Manba 5-rasmda o‘qitish epochlari ortgani sari umumiy kechikish va umumiy energiya sarfini taqqoslaydi. ITD3 egri chizig‘i taqqoslangan algoritmlar orasida pastroq barqaror kechikish va energiya hududiga yetadi. Manba shuningdek taxminan 2000 o‘qitish epochidan keyin barcha usullarda qo‘shimcha yaxshilanish kichik bo‘lib qolishini bildiradi.

Grafik xom sonli nuqtalarni jadval ko‘rinishida bermagani uchun Verianla matni 5-rasmdan ko‘z bilan o‘qilgan aniq foizlar yoki nozik samaradorlik farqlarini ishlab chiqarmaydi. Manba bevosita qo‘llab-quvvatlaydigan xulosa algoritmlarning nisbiy tendensiyasi va ITD3ning ushbu simulyatsiya sharoitlaridagi ustun ishlashidir.

Tugunlar soni oshganda nima bo‘ladi?

6-rasmda \(N=50,100,500,1000,2000\) uchun ITD3 xatti-harakati taqqoslanadi. ALN soni oshgani sari ham umumiy kechikish, ham umumiy energiya sarfi ortadi. Manba buni ko‘proq tugunning o‘qitish va qayta ishlash jarayoniga qo‘shilishi mahalliy hisoblash vaqtini va energiya sarfini oshirishi bilan izohlaydi.

Bu topilma usulning masshtablanuvchanligi “tugunlar soni ortgani sari xarajat o‘zgarmaydi” degani emasligini ko‘rsatadi. ITD3 katta masala o‘lchamlarida qiyosiy ustunlik bersa-da, fizik va hisoblash yuki baribir ortadi.

O‘rganish tezligining ta’siri

Manba 7-rasmda actor o‘rganish tezligi \(\mu\) va critic o‘rganish tezligi \(\rho\)ni birga o‘zgartirgan. Boshlang‘ich \(\mu=0.001\) va \(\rho=0.01\) darajalaridan kichikroq qiymatlarga o‘tilganda kechikish va energiya bo‘yicha yaxshilanish kuzatiladi.

\(\mu=0.000025\) va \(\rho=0.00025\) kombinatsiyasi dastlab sekinroq yaqinlashadi, biroq 2000 epochdan so‘ng manba tomonidan eng yaxshi barqaror umumiy kechikish va energiya qiymatlarini beruvchi sozlama sifatida ta’riflangan.

O‘rganish tezliklari yanada kamaytirilib \(\mu=0.00001\), \(\rho=0.0001\) qilinganda samaradorlik yana yomonlashgan. Manba buni juda yuqori o‘rganish tezligi o‘qitish tebranishini, juda past o‘rganish tezligi esa sekin yaqinlashuvni keltirib chiqarishi bilan izohlaydi. 2000 epochdan oldin \(\mu=0.0001\), \(\rho=0.001\) sozlamasi yaqinlashuv tezligi bilan samaradorlik o‘rtasida qulay muvozanat ko‘rsatgan.

ITD3 Natijalari Haqiqiy Aerodromdagi Dala Muvaffaqiyatini Isbotlaydimi?

Yo‘q. Tadqiqotning batafsil samaradorlik bahosi Python asosidagi diskret-hodisa simulyatsiyalaridan iborat va mualliflar haqiqiy aerodrom MAL tizimlaridagi dala sinovlarini kelajakdagi ish sifatida ko‘rsatadi; shu sababli bildirilgan kechikish va energiya ustunliklarini haqiqiy operatsion aerodromda tasdiqlangan samaradorlik sifatida umumlashtirib bo‘lmaydi.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

Manba belgilangan simulyatsiya parametrlari va taqqoslash usullari ostida K-medoids + ITD3 yondashuvi umumiy kechikish va umumiy energiya sarfi bo‘yicha TAI, DDPG, PPO hamda standart TD3ga qaraganda qulayroq samaradorlik berishini qo‘llab-quvvatlaydi.

Manba ITD3 samaradorligi faqat bitta o‘rganish tezligi qiymatiga bog‘liq emasligini, maqbul giperparametr diapazonlarida ustunliklar saqlanishini ham bildiradi. Biroq “maqbul diapazon” va samaradorlik ustunligi ushbu tadqiqot belgilagan simulyatsiya muhiti bilan cheklangan.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

Tadqiqot haqiqiy aerodromda parvoz xavfsizligi o‘lchab bo‘ladigan darajada oshganini, haqiqiy samolyotlarning qo‘nish vaqti kamayganini yoki tizim A-SMGCS Level IV muhitida operatsion sertifikat olganini ko‘rsatmaydi.

Tadqiqot shuningdek haqiqiy aerodrom dala tarmog‘ida o‘lchangan uchdan-uchgacha kechikish taqsimotlarini, dala energiya sarfini yoki uzoq muddatli apparat nosozligi xatti-harakatini bildirmaydi. Bunday xulosalar simulyatsiya samaradorligi doirasidan tashqariga chiqadi.

Manbadagi “prototype” iborasining chegarasi

Xulosa bo‘limida mualliflar “MAL system prototype” ustida eksperimental baholash va keng qamrovli simulyatsiyalar haqida gapiradi. Biroq usul bo‘limida batafsil hujjatlashtirilgan samaradorlik bahosi Python 3.12 asosidagi diskret-hodisa simulyatsiyasidir va haqiqiy aerodrom MAL dala sinovlari kelajakdagi tadqiqot sifatida ko‘rsatilgan. Shu sababli “prototype” iborasini haqiqiy operatsion aerodromda yakunlangan dala tekshiruvi bilan teng deb qabul qilib bo‘lmaydi.

Qayta ishlab chiqarish imkoniyati chegarasi

Manba simulyatsiya topologiyasi, asosiy fizik parametrlar, algoritm taqqoslashlari, o‘rganish tezliklari, replay buffer sig‘imi, batch size, soft-update tezligi, jazo koeffitsiyenti, vaqt oralig‘i va takroriy ishga tushirishlar soni kabi ko‘plab qayta ishlab chiqarish parametrlarini beradi.

Biroq maqolaning Data Availability Statement bo‘limida asosiy ma’lumotlar aerodrom operatsion ma’lumotlarining proprietary xususiyati sababli ommaga taqdim etilmasligi bildirilgan. Bu holat mustaqil tadqiqotchining barcha ma’lumot kirishlarini aynan qayta ishlatib, to‘liq takrorlash o‘tkazishini cheklaydi.

Statistik talqin chegarasi

Simulyatsiya natijalari 10 ta mustaqil random seed ishga tushirishining o‘rtachasi asosida hisobot qilingan. Biroq taqqoslash grafiklarida ishonch oralig‘i, xato chizig‘i, p qiymati yoki statistik ahamiyat testi berilmagan. Shu sababli “ITD3 har qanday sharoitda qat’iy ustun” degan universal statistik xulosa chiqarib bo‘lmaydi.

Kelajakdagi ish

Mualliflar haqiqiy aerodrom MAL tizimlaridagi dala tajribalarini, yanada rivojlangan moslashuvchan mashinaviy o‘rganish usullarini, usulni boshqa aqlli aerodrom ilovalariga kengaytirishni, ilg‘or rag‘batlantirish mexanizmlarini hamda resurslari cheklangan chekka qurilmalar uchun yengil xavfsizlik yechimlari bilan 5G URLLC integratsiyasini kelajakdagi tadqiqot mavzulari sifatida ko‘rsatadi.

Bundan tashqari, DDPG va PPO kabi boshqa chuqur mustahkamlovchi o‘rganish usullari ayni K-medoids klasterlash bosqichi bilan birlashtirilganda qanday o‘zgarishini o‘rganish tavsiya etiladi.

Manba va Usul Haqida Izoh

Asl sarlavha: Edge-Based Intelligent Task Management for Mobile Airfield Lighting Control

Mualliflar: Li Jiang; Hong Wen; Wenjing Hou; Fan Sun

Yozishmalar uchun mualliflar: Hong Wen; Wenjing Hou

Muassasalar: School of Aeronautics and Astronautics, University of Electronic Science and Technology of China; Research and Development Centre, The Second Research Institute of CAAC; Sichuan Intelligent IoT Communication Technology Engineering Research Center, University of Electronic Science and Technology of China; Aircraft Swarm Intelligent Sensing and Cooperative Control Key Laboratory of Sichuan Province.

Jurnal: Aerospace

Nashriyot: MDPI

Jild / Son / Maqola: 13 / 5 / 424

DOI: 10.3390/aerospace13050424

Sanalar: Qabul qilindi: 10 Mart 2026; qayta ko‘rib chiqildi: 29 Aprel 2026; qabul qilindi: 29 Aprel 2026; nashr qilindi: 1 May 2026.

Manba turi: Taqrizli tadqiqot maqolasi; matematik tizim modellashtirish, chuqur mustahkamlovchi o‘rganishga asoslangan optimallashtirish va diskret-hodisa simulyatsiyasi.

Litsenziya: Creative Commons Attribution (CC BY).

Asosiy tizim: Mobile Airfield Lighting (MAL) uchun cloud–edge–end vazifalarni boshqarish.

Asosiy optimallashtirish usuli: K-medoids qo‘pol taqsimot + Improved Twin Delayed Deep Deterministic Policy Gradient (ITD3) nozik optimallashtirish.

Taqqoslangan usullar: TAI, DDPG, PPO, TD3 va ITD3.

Simulyatsiya dasturi: Python 3.12 asosidagi discrete-event simulator.

Hisoblash apparati: Intel Core i9-10700K CPU va NVIDIA RTX 4060 GPU.

Simulyatsiya masshtabi: 50–2000 ALN; EN soni N/25; 100 ms vaqt oralig‘i; 3600 vaqt oralig‘i / ishga tushirish; 10 ta mustaqil random seed.

Moliyalashtirish: Sichuan Science and Technology Program, Grant 2024ZDZX0007; NSFC, Grants U23B2021 va 62302082.

Ma’lumotlarning mavjudligi: Maqola asosidagi ma’lumotlar aerodrom operatsion ma’lumotlarining proprietary xususiyati sababli ommaga ochiq tarzda ulashilmaydi.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildiradi.

Mualliflar hissasi: Konseptuallashtirish: Li Jiang, Hong Wen, Wenjing Hou. Usul: Li Jiang, Hong Wen, Wenjing Hou. Dasturiy ta’minot: Li Jiang, Wenjing Hou. Tekshirish: Hong Wen. Formal tahlil va tadqiqot: Fan Sun. Dastlabki qoralama: Li Jiang, Fan Sun, Wenjing Hou. Ko‘rib chiqish va tahrirlash: Hong Wen, Wenjing Hou.

Manba ichidagi muhim notatsiya chegarasi: Tenglama (18)da ishlatilgan \(P_m\) belgisining izohi avvalgi energiya/aloqa bo‘limidagi ishlatilish bilan to‘liq mos kelmaydi. Xuddi shuningdek, manba Table 1 actor va Q1 tuzilmalaridagi 256/128/64 o‘lchamlarini “2-layer FC” nomi ostida beradi. Verianla matni bu nuqtalarni sukut bilan tuzatmagan, asl manba notatsiyasini saqlagan.

Asosiy metodologik cheklov: Samaradorlik dalili asosan model va simulyatsiya darajasidadir. Haqiqiy aerodrom MAL dala sinovlari hali ushbu tadqiqotning batafsil tekshirish to‘plamiga kirmaydi va mualliflar tomonidan kelajakdagi ish sifatida ko‘rsatilgan.