선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 군에서 실시하는 전투모의훈련에 Genetic algorithm을 이용하여 훈련의 효율성을 향상시키고, 부대의 전투력 유지와 기동력을 향상시키는 방향으로 이끌어가고자 한다. 실험에서 적군의 포병공격으로 인한 예상 피해지역, 전장 지역의 경사도 및 장애물로 인하여 이동 속도 감소를 고려한 Genetic algorithm으로 소부대 이동경로를 생성하였다.
- 부대의 기동 능력은 전장지역에서 안전하고 신속한 부대 이동을 보장하고 화력에서 동시타격을 위해 중요한 평가요소가 되고 있다. 본 논문에서는 기동 평가 모델에서 부대 기동에 대한 최적경로를 생성하고 부대 이동의 적합한 경로를 제시하여 부대 기동 평가에 활용하고자 한다. 가상 시뮬레이션 상황에서 적 포병공격은 아군의 소부대 이동 중에 비전투손실과 이동시간의 지연에 영향을 주는 데, 이를 비전투손실을 최소화하고 소부대 전투력 유지를 고려한 Genetic algorithm(J.
- 본 논문의 실험은 Genetic algorithm을 기반으로 생성된 소부대 이동경로를 비교 실험을 통해 성능을 평가한다.
제안 방법
- 세 번째 실험은 전장 지역 규모의 증가에 따라 증가된 전장 정보를 효과적으로 활용하여 최소의 Simulation time 으로 소부대 이동경로가 생성되는 것을 입증하고자 한다. Matrix size가 증가함에 따라 증가된 지역 정보를 토대로 각각의 알고리즘들을 적용하여 소부대 이동경로를 생성하고 비교한다.
- ➀번은 초기집단생성이며, 무작위로 n개의 경로를 생성한다. ➁, ➆번은 무작위로 생성된 경로와 재생산된 경로에 대해 적합도 평가를 실시하고 ➂번 정지조건판단으로 적합한 경로가 생성되었는지 확인하게 된다. ➃번은 초기집단생성으로 구성된 경로들을 토너먼트 선택, ➄번 교배, ➅번 돌연변이를 통하여 재생산한다.
- 본 논문에서는 기동 평가 모델에서 부대 기동에 대한 최적경로를 생성하고 부대 이동의 적합한 경로를 제시하여 부대 기동 평가에 활용하고자 한다. 가상 시뮬레이션 상황에서 적 포병공격은 아군의 소부대 이동 중에 비전투손실과 이동시간의 지연에 영향을 주는 데, 이를 비전투손실을 최소화하고 소부대 전투력 유지를 고려한 Genetic algorithm(J. H. Holland 등, 1975)을 이용하여 부대의 최적 이동경로 생성과정 모델을 제안한다.
- 기동 계획을 수립하는 과정에서 Algorithm을 적용하여 부대 이동경로를 생성하게 된다. 기동 계획을 수립하는 과정에서 Genetic algorithm, Dijkstra algorithm, Greedy algorithm을 적용하여 생성된 경로의 결과를 비교 평가한다.
- ➃번은 초기집단생성으로 구성된 경로들을 토너먼트 선택, ➄번 교배, ➅번 돌연변이를 통하여 재생산한다. 다양한 요소를 고려한 적합도 평가를 실시하고 정지조건판단으로 최적의 해를 도출한다. 적 공격에 의한 예상 피해지역과 이동시간을 고려하고 복잡한 전장지역에서 소부대 이동경로를 생성하기 위해 Genetic algorithm을 적용한다.
- 두 번째 실험은 알고리즘들을 기반으로 생성된 소부대 이동경로가 적군의 공격에 따라 안전한 이동경로인지 확인하고, 목표지점까지 이동 중에 발생하는 전투력 감소 현황을 확인하여 각각의 알고리즘 기반의 소부대 최적 이동경로 생성 모델의 성능을 비교한다.
- 본 실험에서는 실험의 복잡성을 줄이기 위해 소부대 출발지점에서 목표지점까지 고도값(h)을 제외하며 지역 사이의 이동거리는 동일하게 설정하고 소부대 이동시간과 전투력 감소 현황으로 비교를 하게 된다. 전장지역을 Matrix로 표현하여 지역사이의 이동 거리는 1km로 동일 하게 설정하며, 소부대의 이동 방향은 6개 방향(북쪽, 남쪽, 북동쪽, 남동쪽, 북서쪽, 남서쪽)에서 2개 방향(북쪽, 동쪽)으로 제한하고, 소부대 최대 이동속도는 10km/h로 제약조건을 설정한다.
- 본 실험은 Intel Core2 Duo 2.66GHz, 2GB RAM 환경에서 실시하였으며, Algorithm들은 Java 언어를 통해 Linkedlist와 Array를 활용하여 구현하였다.
- 세 번째 실험은 전장 지역 규모의 증가에 따라 증가된 전장 정보를 효과적으로 활용하여 최소의 Simulation time 으로 소부대 이동경로가 생성되는 것을 입증하고자 한다. Matrix size가 증가함에 따라 증가된 지역 정보를 토대로 각각의 알고리즘들을 적용하여 소부대 이동경로를 생성하고 비교한다.
- 소부대 최적 이동경로 탐색과 생성을 위한 방법으로 Greedy algorithm과 Dijkstra algorithm을 이용한 이동경로 생성 방법을 설명하고자 한다.
- 군에서 실시하는 전투모의훈련에 Genetic algorithm을 이용하여 훈련의 효율성을 향상시키고, 부대의 전투력 유지와 기동력을 향상시키는 방향으로 이끌어가고자 한다. 실험에서 적군의 포병공격으로 인한 예상 피해지역, 전장 지역의 경사도 및 장애물로 인하여 이동 속도 감소를 고려한 Genetic algorithm으로 소부대 이동경로를 생성하였다. Greedy algorithm은 Globally optimal path를 생성하지 못하고, Dijkstra algorithm은 Algorithm 계산시간에서 지연이 발생하지만 Genetic algorithm은 Algorithm 계산시간을 최소화하여 최적의 경로를 생성하게 되었다.
- 첫 번째 실험은 제안된 모델과 비교 모델들의 이동 구간 별로 소부대 이동 소요시간을 측정하고 출발지점에서 목표지점까지 소부대 총 이동시간을 비교하여 Genetic algorithm을 기반으로 생성된 소부대 최적 이동경로 모델의 성능을 입증한다.
이론/모형
- 비교 실험을 통해 성능을 입증하기 위해 Greedy algorithm을 기반으로 생성된 소부대 이동경로, Dijkstra algorithm을 기반으로 생성된 소부대 이동경로들과 비교하며, DEVS(Bernard P. Zeigler 등, 2000)기법으로 모델링하고 시뮬레이션 한다.
- 다양한 요소를 고려한 적합도 평가를 실시하고 정지조건판단으로 최적의 해를 도출한다. 적 공격에 의한 예상 피해지역과 이동시간을 고려하고 복잡한 전장지역에서 소부대 이동경로를 생성하기 위해 Genetic algorithm을 적용한다.
- 선택은 무작위로 생성된 초기 집단에서 적합도가 우수한 경로를 선택하는 과정이 된다. 토너먼트 선택(Tournament selection)방법(D. E. Goldberg, 1990)을 적용하며 초기 집단에서 2개의 경로를 선택하고, 2개의 염색체 중에 적합도가 최적인 이동경로를 선택한다.
성능/효과
- 그림 14에서 Genetic algorithm을 통해 생성되는 소부대 이동경로 모델은 Simulation time이 2sec내외인 결과를 보여주고 있으며, Dijkstra algorithm을 기반으로 생성된 소부대 이동경로 모델은 5×5 matrix부터 7×7 matrix까지 Simulation time이 3sec이내가 되었지만 8×8 matrix에서 25min이상 증가하는 결과를 확인할 수 있다. Dijkstra algorithm을 기반으로 생성된 소부대 이동경로 모델은 Matrix size가 증가함에 따라 Simulation time이 기하급수적으로 증가함을 확인하였지만 Genetic algorithm기반으로 생성된 소부대 이동경로 모델은 2sec내외로 변동이 없는 것을 확인할 수 있었다.
- Genetic algorithm을 기반으로 생성된 소부대 이동경로 모델은 이동시간과 전투력 유지를 고려하여 생성하기 때문에 전투력 감소 현황에서 다른 알고리즘들에 비해 높은 전투력을 유지할 것으로 판단하였다.
- Greedy algorithm과 Dijkstra algorithm기반으로 생성된 소부대 이동경로는 이동시간만을 고려하게 되며, Dijkstra algorithm은 최적의 이동시간을 고려하여 소부대 이동경로를 생성하였지만 적군의 공격에 의한 피해 지역에 대해 고려하지 못하여 Genetic algorithm을 기반으로 생성된 소부대 이동경로 모델보다 전투력이 낮은 것을 확인할 수 있다. Genetic algorithm의 적합도 평가를 통해 이동시간 및 소부대 전투력 등의 다양한 요소를 고려하여 이동경로를 생성할 수 있는 것을 확인할 수 있다.
- 그림 13은 각각의 알고리즘들의 기반으로 생성된 소부대 이동경로에 발생하게 되는 전투력 감소 현황을 보여주고 있다. Greedy algorithm과 Dijkstra algorithm기반으로 생성된 소부대 이동경로는 이동시간만을 고려하게 되며, Dijkstra algorithm은 최적의 이동시간을 고려하여 소부대 이동경로를 생성하였지만 적군의 공격에 의한 피해 지역에 대해 고려하지 못하여 Genetic algorithm을 기반으로 생성된 소부대 이동경로 모델보다 전투력이 낮은 것을 확인할 수 있다. Genetic algorithm의 적합도 평가를 통해 이동시간 및 소부대 전투력 등의 다양한 요소를 고려하여 이동경로를 생성할 수 있는 것을 확인할 수 있다.
- 그림 14에서 Genetic algorithm을 통해 생성되는 소부대 이동경로 모델은 Simulation time이 2sec내외인 결과를 보여주고 있으며, Dijkstra algorithm을 기반으로 생성된 소부대 이동경로 모델은 5×5 matrix부터 7×7 matrix까지 Simulation time이 3sec이내가 되었지만 8×8 matrix에서 25min이상 증가하는 결과를 확인할 수 있다.
- 세 번째 실험을 통해서 Dijkstra algorithm은 Matrix가 증가함에 따라 이동경로 생성을 위해 필요한 메모리가 증가하여 Simulation time이 지연되는 것을 확인하였고, Genetic algorithm은 초기집단 생성과 선택, 교배, 돌연변이를 통한 다양한 탐색 방법이 메모리 활용을 최소화하게 되어 Simulation time의 지연시간이 발생하지 않는 것으로 판단된다.
- 소부대 이동경로 생성과정에서 전장 지역의 다양한 요소를 고려하여 소부대 이동경로를 생성하게 되면 이동시간을 단축시키고, 전투력 감소를 최소화할 수 있다는 것을 확인할 수 있었다. 하지만 전장 지역의 규모가 증가하면 전장 지역의 정보도 증가하게 된다.
- 실험에서는 Genetic algorithm을 통해 100%의 전투력을 유지하고 이동시간을 고려하는 경우에 Dijkstra algorithm으로 생성된 이동경로보다 이동시간이 지연되는 현상이 발생하였다. 하지만 Genetic algorithm기반으로 생성된 이동경로에서 전투력을 50%유지하는 조건으로 변경한 경우에는 그림 12에서 나온 그래프에 따라 목표지점까지 총 이동시간이 동일한 것을 알 수 있게 되었다.
- Genetic algorithm은 전장 지역의 다양한 요소를 고려하여 경로를 생성하였지만 Greedy algorithm, Dijkstra algorithm은 다양한 요소를 고려하여 생성하는 것이 불가능하다. 이러한 상황을 DEVS 모델링 및 시뮬레이션 기법을 이용한 비교 실험을 통해 Algorithm 계산시간에서 효율성을 확인하였고, 전투모의훈련에서 부대 이동 경로를 생성하기 위해 Genetic algorithm이 적절하다는 것을 확인하였다.
- 전장 지역 정보의 증가로 인해 Dijkstra algorithm을 통해 소부대 이동경로가 생성되는 시간이 증가할 것으로 예상하였으며, Genetic algorithm을 통해 소부대 이동경로가 생성되는 시간도 증가할 것으로 판단하였다.
- 첫 번째 실험과 두 번째 실험을 통해 Genetic algorithm을 기반으로 생성된 소부대 이동경로 모델이 전투력이 일부 감소해도 이동시간에서 Dijkstra algorithm으로 생성된 이동경로와 동일한 시간 소요를 확인할 수 있었고, Dijkstra algorithm을 통해 생성된 이동경로가 비교적 낮은 전투력을 유지하게 되었다.
후속연구
- 향후 Genetic algorithm의 다양한 요소를 고려한 것과, Algorithm 계산시간의 효율성을 이용하여 적용할 수 있는 분야를 찾고 Genetic algorithm을 적절하게 활용할 수 있는 방향으로 진행하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.