شبیه سازی عامل مبنای عملیات امداد و نجات در حملات هوا پایه با تاکید بر تخصیص وظایف بین گروه ها

سامانه های چندعاملی (mas) با شبیه سازی اجزای یک سامانه پیچیده به‌عنوان عامل های هوشمند و پیاده سازی شاخص های تصمیم‌گیری آن امکان پیش‌آگاهی از شرایط بحرانی را فراهم می کنند. هدف اصلی این مقاله شبیه سازی عملیات امداد و نجات در حملات هواپایه و افزایش کارایی گروه های امداد و نجات در شرایط بحرانی می باشد. پیاده سازی سامانه شبیه سازی در منطقه 3 تهران در چهار بخش اصلی انجام شد: 1) اولویت دهی منطقه با روش تاپسیس (topsis) در محیط gis، 2) شبیه سازی محیط عملیات با لحاظ عامل های دخیل (عامل های جست‌وجوگر، آزادساز و تیم پزشکی) با نرم‌افزار anylogic، 3) تعریف نحوه همکاری و تخصیص وظایف بین عامل ها، 4) ایجاد سناریوها و تحلیل نتایج مختلف. نقشه ی اولویت زیرساخت ها نشان داد که 21% از بلوک های شهری در اولویت 1 حمله دشمن و به ترتیب 18، 29، 22 و 10 درصد در اولویت‌های 2 تا 5 قرار دارند. با پیاده سازی شبیه‌ساز مشاهده شد که با دو برابر کردن تعداد نیروهای امدادی در سناریوهای مختلف زمان عملیات 47% و تعداد نفرات فوت‌شده 9% کاهش می یابد. نتایج نشان‌دهنده‌ قابلیت استفاده از سامانه های چندعاملی در طراحی سامانه شبیه‌ساز و مدل سازی اجزاء تصمیم گیر بود. شبیه‌ساز ایجاد شده می تواند در مدیریت، تصمیم گیری و پیش‌بینی میزان آسیب پذیری ناشی از حملات هواپایه استفاده شود.

AgentBased Rescue Simulation During Airstrikes with an Emphasis on Task Allocation Between Groups

Multiagent systems (MASs) provide the possibility of prediction in critical situations by simulating the components of a complex system as intelligent agents and implementing its decisionmaking parameters. The main objective of this paper is to simulate the search and rescue operations for airstrikes (simulation of search, rescue and medical agents) and to increase the effectiveness of rescue teams in critical situations. Implementation of this system was carried out in district 3 of Tehran in three main phases: 1) prioritization of the area with the technique for the order of preference by similarity to the ideal solution (TOPSIS) in the GIS environment, 2) simulating the operating environment and establishing cooperation between the rescue groups by the AnyLogic software, and 3) creating scenarios and analyzing the different results. The infrastructure priorities’ map showed that 21 percent of the city’s blocks in the region were priority number one to enemy air attack and the other 18, 29, 22 and 10 percentages were in the second to fifth priorities, respectively.  Implementation of a simulator system revealed that, by doubling the number of rescue forces in different scenarios, the average time of operation was decreased by 47% and the number of fatalities decreased by 9%. The results indicate the value of using multiagent systems in designing a search and rescue simulator system and modeling the decisionmaking components. The output of this article can be used to manage, decide, and predict the extent of the damage caused by air attacks.