[논문]다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘

윤문형

doi:10.5392/jkca.2018.18.08.118

다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘
A Weapon Assignment Algorithm for Rapid Reaction in Multi-Target and Multi-Weapon Environments 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.18 no.8, 2018년, pp.118 - 126

초록
AI-Helper

교전 초기에 높은 위협도를 가진 다수의 표적에 대해 적을 신속하게 제압하기 위해서는 단 시간 내에 가능한 많은 무장을 발사할 수 있도록 적시에 효과적인 무장 할당을 수립하여 교전 효과를 극대화하는 것이 중요하다. 본 논문에서는 다표적 다무장 환경에서 신속 대응 무기 체계를 위한 무장 할당 알고리즘을 제안한다. 제안하는 알고리즘에서는 무장군 별 방위각 크기 기준으로 표적을 정렬하여 방위각 기준으로 표적군-무장군 간 집단 할당을 수행한 후, 산출된 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 복잡도 낮은 연산으로 신속 대응이 가능한 사격 계획을 수립하여 교전 효과를 극대화한다. 본 논문에서는 제안하는 알고리즘의 시뮬레이션 및 가시화를 통해 성능 평가 및 검증을 수행하였다. 성능 평가 결과, 제안하는 알고리즘은 대규모의 전장 환경에서도 빠른 시간 내에 높은 표적 할당률을 보이는 효과적인 무장할당을 수행함으로써 신속 발사 무기 체계에 적용할 시에 높은 효용성 및 효과가 기대된다.

Abstract ▼ AI-Helper

In order to dominate the multiple-targets of high threat in the initial stage of combat, it is necessary to maximize the combat effect by rapidly firing as many weapons as possible within a short time. Therefore, it is mandatory to establish the effective weapon allocation and utilize them for the combat. In this paper, we propose a weapon assignment algorithm for rapid reaction in multi-target and multi-weapon environments. The proposed algorithm maximizes the combat effect by establishing the fire plan that enables the rapid action with the operation of low complexity. To show the superiority of our algorithm, we implement the evaluation and verification of performances through the simulation and visualization of our algorithm. Our experimental results show that the proposed algorithm perform the effective weapon assignment, which shows the high target assignment rate within the fast hour even under the large-scale battle environments. Therefore, our proposed scheme are expected to be highly useful when it is applied to real weapon systems.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

먼저, 첫 번째는 표적에 대한 위협도 평가 단계로써, 적군 자산의 공격 위협으로부터 아군 자산을 보호하기 위해 표적의 다양한 특성을 기반으로 위협을 평가하고, 이를 수치로 정량화된 위협도를 도출한다. 두 번째 단계는 사격계획의 핵심절차인 무장 할당을 수행하는 단계로써, 최소의 아군무장으로 적군 자산을 타격하여 적군의 피해를 극대화하는 것을 목적으로 하며, 앞서 도출된 위협도를 기반으로 표적-무장 간 할당을 도출한다.
본 논문에서는 다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘을 제안하였다. 기존 무장 할당 알고리즘의 경우, 최적의 해를 도출하기 위한 많은 연산을 필요로 하며, 이는 신속한 사격 계획을 수립하는데 과도한 지연을 초래한다.
본 논문에서는 다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘을 제안한다. 제안하는 알고리즘에서는 표적과 무장의 위치 및 방위각, 무장의 사거리, 표적의 위협도 등을 고려한 효과적이면서도 효율적인 무장 할당을 도출하여 신속 대응을 가능하게 한다.
기존 무장 할당 알고리즘의 경우, 최적의 해를 도출하기 위한 많은 연산을 필요로 하며, 이는 신속한 사격 계획을 수립하는데 과도한 지연을 초래한다. 본 논문에서는 다표적다무장 환경에서 신속 대응 무기 체계 개발에 적용할 수 있도록 최단 시간 내에 사격 계획을 도출하기 위한연산을 최소화하는 무장 할당 방법을 제안하였다. 제안하는 알고리즘에서는 무장군 별 방위각 크기 기준으로 표적을 정렬하여 방위각 기준으로 표적군-무장군 간 집단 할당을 수행한 후, 산출된 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 복잡도 낮은 연산으로 신속 대응이 가능한 사격 계획을 수립하여 교전효과를 극대화한다.
기존의 무장 할당 알고리즘은 표적 및 무장의 수가 증가할경우 최적해를 도출하기 위한 연산이 기하급수적으로 증가한다는 문제점이 있다. 본 논문에서는 대규모 무장할당 문제의 불합리한 효율성을 개선하기 위해, 복잡도 낮은 연산으로 무장-표적 할당을 도출하기 위한 방위각 및 위협도 기반의 무장 할당 알고리즘을 제안한다.
따라서 낮은 복잡도로 최소한의 연산을 수행하여 무장 할당을 신속하게 도출하기 위한 연구가 필수적이다. 이를 위해, 본 논문에서는 다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘 연구를 진행한다.

가설 설정

따라서, j번째 무장의 위치는 전체 무장의 위치 행렬 L 의 j번째 행벡터인 w_j = [l_jx,l_jy,l_jz] 로 나타낼 수 있다. 무장군은 동일한 효과를 가지는 무장들로 구성되어있는 것으로 가정한다.

제안 방법

제안하는 알고리즘은 크게 두 단계로 구성된다. 먼저, 무장군 단위로 단일 표적과의 방위각을 연산하고, 이를 기반으로 표적군-무장군 간 집단 할당을 수행한다. 이후, 집단 할당 결과 내에서 단일 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 최종 무장 할당 결과를 도출한다.
기존 연구에서의 사격계획 알고리즘의 일반적인 절차는 크게 2단계로 구성된다[1]. 먼저, 첫 번째는 표적에 대한 위협도 평가 단계로써, 적군 자산의 공격 위협으로부터 아군 자산을 보호하기 위해 표적의 다양한 특성을 기반으로 위협을 평가하고, 이를 수치로 정량화된 위협도를 도출한다. 두 번째 단계는 사격계획의 핵심절차인 무장 할당을 수행하는 단계로써, 최소의 아군무장으로 적군 자산을 타격하여 적군의 피해를 극대화하는 것을 목적으로 하며, 앞서 도출된 위협도를 기반으로 표적-무장 간 할당을 도출한다.
[그림 4]에서 i)는 무장군-표적군 집단 할당을 나타내며, ii)는 무장-표적 개별 할당을 나타낸다. 앞서 언급한 바와 같이, 제안하는 알고리즘은 무장군 별 방위각 크기 기준으로 표적을 정렬하고, 이를 기반으로 무장의 사거리 및 표적과 무장군 간의 방위각을 기준으로 표적군을 설정하는 집단 할당을 수행한다. 이후 할당받은 표적군에 포함되는 표적들의 위협도 기준으로 무장-표적 간 개별 할당을 수행한다.
만큼 반복하여 모든 표적에 대해서 내림차순 정렬할 수 있다. 위의 과정을 가용한 무장군 수 B_Nm만큼 반복 수행하여, 각 무장군 별 산출된 방위각 크기 기준으로 표적을 정렬한다.
본 논문에서는 다표적다무장 환경에서 신속 대응 무기 체계 개발에 적용할 수 있도록 최단 시간 내에 사격 계획을 도출하기 위한연산을 최소화하는 무장 할당 방법을 제안하였다. 제안하는 알고리즘에서는 무장군 별 방위각 크기 기준으로 표적을 정렬하여 방위각 기준으로 표적군-무장군 간 집단 할당을 수행한 후, 산출된 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 복잡도 낮은 연산으로 신속 대응이 가능한 사격 계획을 수립하여 교전효과를 극대화한다. 제안하는 알고리즘은 시뮬레이션및 가시화를 통해 성능 평가 및 검증을 수행하였으며 높은 효용성 및 효과를 확인하였다.
본 논문에서는 다표적-다무장 환경에서 신속 대응을 위한 무장 할당 알고리즘을 제안한다. 제안하는 알고리즘에서는 표적과 무장의 위치 및 방위각, 무장의 사거리, 표적의 위협도 등을 고려한 효과적이면서도 효율적인 무장 할당을 도출하여 신속 대응을 가능하게 한다. 제안하는 알고리즘은 크게 두 단계로 구성된다.

데이터처리

본 장에서는 제안하는 알고리즘의 우수성을 보이기위해 시뮬레이션 및 가시화를 통해 성능 평가 및 검증을 수행하였다. 본 시뮬레이션은 Matlab R2016a[12]을 기반으로 하여, [표 1]과 같은 가상의 대지 공격 무장 환경을 구성하여 수행하였다.

이론/모형

본 장에서는 제안하는 알고리즘의 우수성을 보이기위해 시뮬레이션 및 가시화를 통해 성능 평가 및 검증을 수행하였다. 본 시뮬레이션은 Matlab R2016a[12]을 기반으로 하여, [표 1]과 같은 가상의 대지 공격 무장 환경을 구성하여 수행하였다.

성능/효과

이후 할당받은 표적군에 포함되는 표적들의 위협도 기준으로 무장-표적 간 개별 할당을 수행한다. 성능 평가 결과, 본 알고리즘은 임의의 위치에 표적 및 무장군을 생성하는 가상 환경에서도 집단 할당 및 개별할당이 정상적으로 수행되었으며, 다양한 가상 환경에서의 반복 수행에 따른 정상 결과를 확인함으로써 본 알고리즘의 신뢰성을 확인하였다
성능 평가 결과, 제안하는 알고리즘은 대규모의 표적이 배치된 전장 환경에서도 빠른 무장 할당이 가능함을 입증하였으며, 신속 대응 무기 체계에서의 활용 가능성을 확인하였다. 성능 평가를 통해 제안하는 알고리즘은 다수의 무장 및 표적이 존재하는 환경에서도 복잡도 낮은 최소화된 연산으로 적시에 효과적인 대규모 무장 할당의 수행이 가능함을 입증하였다.
성능 평가 결과, 제안하는 알고리즘은 대규모의 표적이 배치된 전장 환경에서도 빠른 무장 할당이 가능함을 입증하였으며, 신속 대응 무기 체계에서의 활용 가능성을 확인하였다. 성능 평가를 통해 제안하는 알고리즘은 다수의 무장 및 표적이 존재하는 환경에서도 복잡도 낮은 최소화된 연산으로 적시에 효과적인 대규모 무장 할당의 수행이 가능함을 입증하였다.
[그림 6]은 제안하는 알고리즘의 평균 수행 시간을 나타낸다. 성능평가 결과, 표적 및 무장의 수가 증가하는 경우에도 평균 수행시간의 증가는 크지 않음을 확인하였다. 제안하는 알고리즘에서는 방위각 및 위협도 기준의 무장 할당 알고리즘으로 기존 알고리즘에서의 반복 연산을 개선함으로써 복잡도를 낮추고 연산량을 감소시키는 것이 가능하다.
위와 같이 방위각 및 위협도 기준의 2단계 무장 할당알고리즘으로 기존 무장 할당 알고리즘의 반복 연산에 따른 불합리한 효율성을 개선할 수 있으며, 낮은 복잡도의 최소화된 연산으로 다표적-다무장 환경에서 신속대응 무기 체계를 위한 무장-표적 할당 도출이 가능하다.
제안하는 알고리즘은 표적 수나 무장군 수가 증가하는 경우에도 98% 이상의 높은평균 표적 할당율을 보였다. 이를 통해, 대규모의 전장환경에서도 무장 할당이 가능함을 확인하였다.
성능평가 결과, 표적 및 무장의 수가 증가하는 경우에도 평균 수행시간의 증가는 크지 않음을 확인하였다. 제안하는 알고리즘에서는 방위각 및 위협도 기준의 무장 할당 알고리즘으로 기존 알고리즘에서의 반복 연산을 개선함으로써 복잡도를 낮추고 연산량을 감소시키는 것이 가능하다.
이후, 집단 할당 결과 내에서 단일 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 최종 무장 할당 결과를 도출한다. 제안하는 알고리즘은 다표적-다무장환경에서 무장 할당 수행을 위한 연산 복잡도와 연산량을 감소시킴으로써, 무장 할당 도출 시간을 최소화한다. 이로써 빠르게 도출된 무장 할당을 활용한 신속 대응이 가능하다.
제안하는 알고리즘에서는 무장군 별 방위각 크기 기준으로 표적을 정렬하여 방위각 기준으로 표적군-무장군 간 집단 할당을 수행한 후, 산출된 표적의 위협도 기준으로 표적-무장 간 개별 할당을 수행하여 복잡도 낮은 연산으로 신속 대응이 가능한 사격 계획을 수립하여 교전효과를 극대화한다. 제안하는 알고리즘은 시뮬레이션및 가시화를 통해 성능 평가 및 검증을 수행하였으며 높은 효용성 및 효과를 확인하였다. 향후 연구로는 무장 장치에 실제 적용을 통해 그 효용성 및 우수성을 확인하는 것이다.
[그림 5]는 표적 수 증가에 따른 평균 표적 할당율(Hit Ratio)을 나타낸다. 제안하는 알고리즘은 표적 수나 무장군 수가 증가하는 경우에도 98% 이상의 높은평균 표적 할당율을 보였다. 이를 통해, 대규모의 전장환경에서도 무장 할당이 가능함을 확인하였다.

후속연구

무장 할당은 NP-완전(NP-complete) 문제에 속하므로, 표적 및 무장의 수가 증가함에 따라 최적해를 찾기 위한 연산양이 기하급수적으로 증가한다는 문제점이 있다. 기존의 무장 할당 알고리즘의 연구는 최적의 해를 도출하기 위한 방법만을 고려했을 뿐 다표적-다무장 환경에서 신속 대응 관점에서 효율적인 방법은 제시되지 않아, 기존 방법을 적시에 적을 타격하기 위한 신속 대응 무기 체계 개발에 적용하는 것은 적합하지 않다는 한계점이 있다. 이러한 기존 무장 할당 알고리즘 연구의 비효율성을 개선하는 것은 매우 중요한 문제이다.
제안하는 알고리즘은 시뮬레이션및 가시화를 통해 성능 평가 및 검증을 수행하였으며 높은 효용성 및 효과를 확인하였다. 향후 연구로는 무장 장치에 실제 적용을 통해 그 효용성 및 우수성을 확인하는 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	GA란 무엇인가?	GA는 생물의 진화 과정을 기반으로 한 최적화 탐색알고리즘으로써, 선택과 교차, 변이 등의 생물 진화 단계를 통한 최적 해를 도출한다[2]. GA 기반의 무장 할당 알고리즘[3][4]은 연산을 수행함에 따라 점차적으로 무장 할당의 최적해에 가까운 근사해로 수렴하게 된다.
	GA 기반의 무장 할당 알고리즘의 단점은 무엇인가?	GA 기반의 무장 할당 알고리즘[3][4]은 연산을 수행함에 따라 점차적으로 무장 할당의 최적해에 가까운 근사해로 수렴하게 된다. 그러나 특정 범위에 도달하면 중복성이 많이 발생하여 정확한 해에 대한 효율성이 낮다는 단점이 있다.
	무장 할당의 문제점은 무엇인가?	무장 할당은 NP-완전(NP-complete) 문제에 속하므로, 표적 및 무장의 수가 증가함에 따라 최적해를 찾기 위한 연산양이 기하급수적으로 증가한다는 문제점이 있다. 기존의 무장 할당 알고리즘의 연구는 최적의 해를 도출하기 위한 방법만을 고려했을 뿐 다표적-다무장 환경에서 신속 대응 관점에서 효율적인 방법은 제시되지 않아, 기존 방법을 적시에 적을 타격하기 위한 신속 대응 무기 체계 개발에 적용하는 것은 적합하지 않다는 한계점이 있다.

참고문헌 (12)

M. Azak and A. Bayrak, "A New Approach for Threat Evaluation and Weapon Assignment Problem, Hybrid Learning with Multi-Agent Coordination," Proc. of the International Symposium on Computer and Information Sciences, pp.1-6, 2008.
S. Sivanandam and S. Deepa, Introduction to Genetic Algorithms, Springer, 2009.
P. Li, L. Wu and F. Lu, "A Mutation-Based GA for Weapon-Target Allocation Problem Subject to Spatial Constraints," Proc. of the International Workshop on Intelligent Systems and Applications, pp.1-4, 2009.
G. Shang, Z. Zaiyue, Z. Xiaoru, and C. Cungen, "Immune Genetic Algorithm for Weapon-Target Assignment Problem," Proc. of the Workshop on Intelligent Information Technology Application, pp.145-148, 2017.
K. Doerner, W. Gutjahr, R. Hartl, C. Strauss, and C. Stummer, "Pareto Ant Colony Optimization: A Metaheuristic Approach to Multiobjective Portfolio Selection," Annals of Operations Research, Vol.131, Issue.1-4, pp.79-99, 2004.

상세보기
Y. Li, Y. Kou, Z. Li, A. Xu, and Y. Chang, "A Modified Pareto Ant Colony Optimization Approach to Solve Biobjective Weapon-Target Assignment Problem," International Journal of Aerospace Engineering, Vol.2017, Article ID.1746124, pp.1-14, 2017.

상세보기
G. Shang, "Solving Weapon-Target Assignment Problems by a New Ant Colony Algorithm," Proc. of the International Symposium on Computational Intelligence and Design, Vol.2, pp.221-224, 2008.
S. Chen, J. He, and H. Liu, "Realization and Simulation of Parallel Ant Colony Algorithm to Solve WTA Problem," In Proc. of the International Conference on Systems and Informatics, pp.2458-2461, 2012.
J. Zhang and X. Wang, "ACGA Algorithm of Solving Weapon-Target Assignment Problem," Open Journal of Applied Sciences, Vol.2, No.4B, pp.74-77, 2012.
S. Bisht, "Hybrid Genetic-Simulated Annealing Algorithm for Optimal Weapon Allocation in Multilayer Defence Scenario," Defence Science Journal, Vol.54, No.3, pp.395-405, 2004.

상세보기
이준복, 다수무장-다수표적에 대한 실시간 동적교전 할당 알고리즘 연구, 한국과학기술원, 2009.
http://www.mathworks.com, 2018.7.2.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증