Оптимальное управление в нейрологических моделях информационного противоборства
https://doi.org/10.23947/2587-8999-2023-7-2-40-51
Аннотация
Рассматриваются две нейрологические модели информационного противоборства. Для каждой из них предложено решение задачи оптимального управления. При этом предполагается, что Планировщик кампании ассоциируется с управляющим органом одной из противоборствующих партий и распределяет во времени доступный ему объем пропагандистского вещания. Таким образом, интенсивность пропагандистского вещания одной из сторон противоборства имеет смысл управления.
Целевой функционал отражает стремление Планировщика максимизировать численность своих сторонников в заданный момент времени при минимизации затрат в течение кампании.
Исследование задачи управления проводится аналитически, с помощью принципа максимума Понтрягина.
Получено оптимальное управление для различных комбинаций параметров.
Стратегия пропагандистской кампании, в зависимости от параметров системы, может быть как «нарастающей» (т. е. проходящей с неубывающей интенсивностью пропагандистского вещания), так и «убывающей» (проходящей с невозрастающей интенсивностью). При «нарастающей» кампании информация предоставляется только на финише, с тем, чтобы впечатление от этой информации не успело потерять силу. В основе стратегии «убывающей» кампании — межличностное общение. Сначала нужно убедить в своей позиции как можно больше индивидов, которые затем будут пересказывать ее собеседникам. Параметры системы определяют баланс между этими типами стратегий.
Об авторе
А. П. Петров
Институт прикладной математики им. М. В. Келдыша РАН
Россия
Россия
Петров Александр Пхоун Чжо, ведущий научный сотрудник, доктор физико-математических наук
125047, г. Москва, Миусская пл., 4
ScopusID: 57192177702
AuthorID: 15671
Список литературы
1. Петров А.П., Маслов А.И., Цаплин Н.А. Моделирование выбора позиций индивидами при информационном противоборстве в социуме. Математическое моделирование. 2015;27(12):137–148. http://www.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=mm&paperid=3684
2. Mikhailov A.P., Pronchev G.B., Proncheva O.G. Mathematical Modeling of Information Warfare in TechnoSocial Environments. Troussov A., Maruev S. “Techno-Social Systems for Modern Economical and Governmental Infrastructures”. IGI Global. 2019:174–210. https://www.doi.org/10.4018/978-1-5225-5586-5, https://www.igi-global.com/chapter/mathematical-modeling-of-information-warfare-in-techno-social-environments/208385
3. Прончева О.Г. О влиянии степени поляризации общества на исход информационного противоборства. Препринты ИПМ им. М. В. Келдыша. 2016;75. 29 с. https://www.doi.org/10.20948/prepr-2016-75, http://library.keldysh.ru/preprint.asp?id=2016-75
4. Прончев Г.Б. О проблемах информационной безопасности использования информационно-коммуникационных технологий и искусственного интеллекта в цифровом здравоохранении. Социально-гуманитарные знания. 2022;2:100–107. https://www.doi.org/10.34823/SGZ.2022.2.51777
5. Boldyreva A., Alexandrov M., Koshulko O., et al. Queries to Internet as a tool for analysis of the regional police work and forecast of the crimes in regions. In: Proc. of 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016). Springer Cham, LNAI. 2017;10061(25):290–302. https://doi.org/10.1007/978-3-319-62434-1_25
6. Boldyreva A., Sobolevskiy O., Alexandrov M., et al. Creating collections of descriptors of events and processes based on Internet queries. In: Proc. of 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016). Springer Cham, LNAI. 2017;10061(26):303–314. https://doi.org/10.1007/978-3-319-62434-1_26
7. Губанов Д.А., Новиков Д.А. Модели совместной динамики мнений и действий в онлайновых социальных сетях. Ч. 1. Исходные данные и первичный анализ. Проблемы управления. 2023;2:37–53.
8. Губанов Д.А. Методы анализа информационного влияния в активных сетевых структурах. Автоматика и телемеханика. 2022;5:87–101.
9. Chartishvili A.G., Kozitsin I.V., Goiko V.L., et al. On an approach to measure the level of polarization of individuals’ opinions. Twelfth International Conference “Management of large-scale system development” (MLSD). 2019;1–5. https://doi.org/10.1109/MLSD.2019.8911015
10. Kozitsin I.V. A general framework to link theory and empirics in opinion formation models. Scientific reports. 2022;12:5543.
11. Чхартишвили А.Г. Задача нахождения медианного предпочтения индивидов в стохастической модели. Автоматика и телемеханика. 2021;5:139–150.
12. Rashevsky N. Outline of a Physico-mathematical Theory of Excitation and Inhibition. Protoplasma; 1933.
13. Рашевский Н. Две модели: подражательное поведение и распределение статуса. Под ред. Г.В. Осипова. Математические методы в современной буржуазной социологии. Сборник статей. Москва: Прогресс; 1966. С. 175–197.
Рецензия
Для цитирования:
Петров А.П. Оптимальное управление в нейрологических моделях информационного противоборства. Computational Mathematics and Information Technologies. 2023;7(2):40-51. https://doi.org/10.23947/2587-8999-2023-7-2-40-51
For citation:
Petrov A.P. Optimal Control in Neurological Models of Information Warfare. Computational Mathematics and Information Technologies. 2023;7(2):40-51. https://doi.org/10.23947/2587-8999-2023-7-2-40-51
Просмотров:
245
Послать статью по эл. почте 