Модель графового представлення інформаційно-комунікаційних мереж спеціального призначення для задач маршрутизації та управління топологією

Ключові слова: прогнозування, наземно-повітряна комунікаційна мережа, система управління, MANET, FANET, інформаційно-комунікаційна мережа спеціального призначення, графова модель, кватерніонне представлення, добуток Гамільтона, активна топологія, субоптимальна маршрутизація, управління топологією, прийняття рішень

Анотація

У сучасних наземно-повітряних інформаційно-комунікаційних мережах спеціального призначення класу MANET/FANET однією з ключових задач є формалізоване представлення їх структури, стану та динаміки функціонування в умовах високої мобільності вузлів, нестабільності радіоканалів, обмеженості енергетичних ресурсів, змінного інформаційного навантаження та зовнішніх деструктивних впливів. Класичне графове подання мережі у вигляді множини вузлів і ребер із скалярними вагами не повною мірою відображає взаємозалежність радіоресурсних, комунікаційних, енергетичних характеристик каналів зв’язку. У статті запропоновано кватерніонно-графову модель представлення наземно-повітряної інформаційно-комунікаційної мережі спеціального призначення, яка передбачає зонально-ієрархічну декомпозицію мережі на наземний, повітряний, сенсорний, базовий та міжсегментний графи. Для кожного ребра динамічного графа формується вектор характеристичних ознак, що включає показники , , пропускної здатності, затримки, енергетичного ресурсу та ризику радіоелектронного впливу. Зазначені ознаки агрегуються у кватерніон стану ребра, компоненти якого характеризують радіоресурсну якість, комунікаційну спроможність, стійкість каналу. На відміну від адитивної згортки скалярних ваг, інтегральний стан маршруту визначається на основі добутку Гамільтона, що дозволяє враховувати порядок проходження ребер, спрямований характер маршруту та накопичувальний ефект зміни якості каналів уздовж шляху. Запропоновано алгоритм визначення активної топології та субоптимального маршруту, який забезпечує вибір множини доцільних для підтримання ребер і маршруту з максимальним значенням критерію субоптимальності. Отримана модель створює математичну основу для адаптивного управління маршрутизацією і топологією наземно-повітряних мереж в умовах динамічного середовища функціонування.

Посилання

Yoo T., Lee S., Yoo K., Kim H. Reinforcement Learning Based Topology Control for UAV Networks. Sensors. 2023. Vol. 23, No. 2. Article 921. DOI: 10.3390/s23020921.

Wang Z., Yao H., Mai T., Xiong Z., Wu X., Wu D., Guo S. Learning to Routing in UAV Swarm Network: A Multi-Agent Reinforcement Learning Approach. IEEE Transactions on Vehicular Technology. 2023. Vol. 72, No. 5. P. 6611–6624. DOI: 10.1109/TVT.2022.3232815.

Tho M. C., et al. QLR-FANET: A Q-learning and rate control-based routing protocol for flying ad hoc networks. ETRI Journal. 2025. DOI: 10.4218/etrij.2024-0298.

Ding R., Chen J., Wu W., Liu J., Gao F., Shen X. Packet Routing in Dynamic Multi-Hop UAV Relay Network: A Multi-Agent Learning Approach. IEEE Transactions on Vehicular Technology. 2022. Vol. 71, No. 9. P. 10059–10072. DOI: 10.1109/TVT.2022.3182335.

Almansor M. J., et al. Routing protocols strategies for flying Ad-Hoc network: A comprehensive survey. Egyptian Informatics Journal. 2024. DOI: 10.1016/j.eij.2024.100469.

Опубліковано
2026-05-29
Як цитувати
Зінченко , Н., Чурілов , І., & Бєляков , Р. (2026). Модель графового представлення інформаційно-комунікаційних мереж спеціального призначення для задач маршрутизації та управління топологією. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (63), 327-336. https://doi.org/10.36910/6775-2524-0560-2026-63-36