Mohó algoritmusok a légvédelemben
Legalábbis Fredrik Johansson, a svédországi Skövde Egyetem Informatikai Kutatóközpontjának doktori tézisei szerint, melyeket a stratégiai célpontokat ellenséges támadástól, például rakétáktól megvédő, a veszélyt kiértékelő, támadó fegyvereket lokalizáló TEWA (Threat Evaluation & Weapon Allocation) rendszerekre dolgozott ki.
A rendszer felfedezi az ellenséges mozgásokat, elemez, majd felkészül az elhárításra. A végső döntést – lőni vagy nem lőni – a humán operátor hozza meg. A működését optimalizáló algoritmusokat illetően megoszlanak a vélemények; egyre több javaslat lát napvilágot. Johansson saját módszerével tesztelt, és az eredmények alapján jutott arra a következtetésre, hogy a gyakorlatban a mohó algoritmusok működnek legjobban.
Ezek az algoritmusok nagyjából az ágensrendszerek és a nagyobb rajok elvei szerint működnek (viszont sokkal szélesebb skálán, mint az említett részecske-rajok): helyi optimumok megvalósításával igyekeznek megtalálni a globális optimumot. Nagy előnyük a gyorsaság, viszont távolról sem tökéletesek. Átfogó és szerteágazó irányelvek alapján dolgoznak, és mivel nem tesztelnek mindent, nincs szükségük az összes lehetséges alternatíva tesztelésére, riválisaiknál hamarabb jönnek rá a legjobbnak tűnő megoldásra. Márpedig egy katonai-védelmi rendszernél a gyorsaság az egyik legfontosabb kritérium – annál jobb és biztonságosabb, minél kevesebb (másodpercekben mérhető) idő telik el a veszély észlelése és az operátor utasítása között.
Johansson következtetése: a választást a TEWA rendszer fegyvereinek és a rendszer által kezelendő célpontoknak a száma határozza meg. Ha mindkét szám tíz felett van, jöhetnek a kevésbé „pepecselő” mohó algoritmusok, ha kevesebb, célravezetőbbek az egyszerűbb megoldások. Míg a korábbi javaslatok szerzői külön kezelték a veszély kiértékelését és a fegyverek lokalizálását, Johansson – elsőként a világon – a kettőt együtt, egységes rendszerként kezeli.