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
- 식 (1)을 이용하여 최대 탐지확률을 구하기 위해서는 모든 탐색경로들을 구하여만 한다. T 시간 크기의 탐색경로를 적용한다면 NP-hard 문제가 되기 때문에 본 연구에서는 작은 시간 간격만 고려한 근사 확률을 이용하고자 한다. 시간 간격을 ‘5(steps)’로 정의할 때 근사 비탐지확률 계산은 다음과 같다:
- 두 번째로는 선택한 셀에서 어떠한 방법으로 탐색할 것인지에 대한 연구이다. 이 부분은 탐색 패턴에 해당되며 가장 효과적인 탐색패턴을 찾아 본 연구의 탐색경로와 융합하여 활용한다면 의사결정지원 시스템에서 효과적인 탐색 논리로 활용될 수 있다.
- 본 연구는 빠른 시간 내에 탐지확률을 최대화하는 탐색순서를 구하는 알고리듬을 제시하고자 한다. 실험 결과를 통하여 기존 연구보다 우수하면서 의사결정지원 시스템에 유용하게 적용할 수 있는 표적 탐색 논리임을 보이고자 한다.
가설 설정
- 기존 연구 모형들은 Fig. 3 (a)와 같이 4각형 셀에서 탐색자가 매 단위시간 동안 1개의 셀을 탐색하는 것으로 가정한다. 이 연구 모형의 단점은 탐색자가 표적에서 멀리 있는 경우 현실성이 낮다는 것이다.
- 11: 구성된 비순환 네트워크에서 최단경로를 구하면 비탐지확률을 최소화하는 탐색경로가 구하여 진다.
- ② 표적은 인접 셀로만 이동하며 Markov process로 가정한다.
- ③ 수상함정의 최대 이동속도는 탐색속도보다 3배 빠르며 수중 탐지가 불가능하다.
- ④ 탐색구역(셀)의 크기는 직경이 1.25NM로서 탐지확률은 40%로 가정한다.
- Dell et al.의 연구에서는 다수 탐색자에 의한 이동표적 탐색 문제에 대하여 표적의 이동 확률은 Markov process 형태로 가정하였고 탐색경로를 구하는 방법으로 7가지 알고리듬을 제시하였다[5]. 제시한 알고리듬 중 유전자 알고리듬만이 크기가 가장 큰 문제에서 사용가능하였으며, 탐색자가 3개인 실험에서는 셀 크기가 25개까지 수행이 가능하였으며 CPU 시간도 100분 이상 소요되었다(1996년 PC 성능 기준).
- 3척의 수상함정과 1대의 대잠헬기를 탐색 세력으로 구성하였다. 표적 위치와 침로속력은 제3의 정보에 의해 확인된 것이며 최초 정보를 기준으로 표적의 이동 위치를 Markov process로 가정하여 탐색경로를 구한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.