확장된 DEVS 형식론 기반 페더레이션의 변환을 통한 C3 복합 체계의 분석 방법 Method for Analysis of C3 System of Systems Using Transformation of Federation Based on an Extended DEVS Formalism원문보기
통신 시스템과 지휘통제 시스템으로 구성된 C3 시스템에 대한 복합체계 기반 분석 방법은 상세한 분석이 가능하다는 장점을 지니지만, 한 번 수행하는데 긴 실행 시간을 요구하고, 이는 다양한 시나리오의 분석을 어렵게 한다. 이를 해결하기 위해, 본 논문에서는 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 복합 체계 분석 방법에 대해 제안한다. 본 변환 기법은 분석하고자 하는 이외의 시스템을 추상하여, 정확성을 유지하면서 실행 시간을 단축하고, 이는 model hypothesis와 function identification이 주가 된다. model hypothesis에서는 확장된 DEVS 형식론을 통해 시뮬레이션 가능한 추상화된 모델을 구성할 수 있고, function identification에서는 해당 모델이 타 시스템으로부터 받는 영향을 표현할 수 있다. 통신 및 C2 시스템 분석에 대한 실험을 통해, 제안한 방법은 일정 오차 범위 이내에서 정확성을 보존하면서 시뮬레이션 시간을 단축하였고, 이를 통해 C3 이외의 다양한 복합 체계에 대한 탐색적 분석이 가능할 것으로 기대한다.
통신 시스템과 지휘통제 시스템으로 구성된 C3 시스템에 대한 복합체계 기반 분석 방법은 상세한 분석이 가능하다는 장점을 지니지만, 한 번 수행하는데 긴 실행 시간을 요구하고, 이는 다양한 시나리오의 분석을 어렵게 한다. 이를 해결하기 위해, 본 논문에서는 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 복합 체계 분석 방법에 대해 제안한다. 본 변환 기법은 분석하고자 하는 이외의 시스템을 추상하여, 정확성을 유지하면서 실행 시간을 단축하고, 이는 model hypothesis와 function identification이 주가 된다. model hypothesis에서는 확장된 DEVS 형식론을 통해 시뮬레이션 가능한 추상화된 모델을 구성할 수 있고, function identification에서는 해당 모델이 타 시스템으로부터 받는 영향을 표현할 수 있다. 통신 및 C2 시스템 분석에 대한 실험을 통해, 제안한 방법은 일정 오차 범위 이내에서 정확성을 보존하면서 시뮬레이션 시간을 단축하였고, 이를 통해 C3 이외의 다양한 복합 체계에 대한 탐색적 분석이 가능할 것으로 기대한다.
The system of systems (SoS) based analysis method for the C3 system consisting of the communication system and the command and control (C2) system has the advantage that detailed analysis is possible, but it requires long execution time per one trial, which makes the analysis of various scenarios di...
The system of systems (SoS) based analysis method for the C3 system consisting of the communication system and the command and control (C2) system has the advantage that detailed analysis is possible, but it requires long execution time per one trial, which makes the analysis of various scenarios difficult. To solve this problem, this paper proposes a method for analysis of C3 SoS using a transformation of a federation into an integrated simulation. This transformation technique reduces the execution time while maintaining accuracy by abstracting the system other than the one to be analyzed, consisting of model hypothesis and function identification. The former can construct an abstracted model for the simulation through the proposed extended Discrete Event Systems Specification (DEVS) formalism and the latter can express the characteristics of the model influenced by other systems. From the case study on C and C2 analysis, the experimental results show that this method shortened the time considerably while maintaining the accuracy within an acceptable error range and we expect that this method will enable the exploratory analysis of the complex systems other than C3.
The system of systems (SoS) based analysis method for the C3 system consisting of the communication system and the command and control (C2) system has the advantage that detailed analysis is possible, but it requires long execution time per one trial, which makes the analysis of various scenarios difficult. To solve this problem, this paper proposes a method for analysis of C3 SoS using a transformation of a federation into an integrated simulation. This transformation technique reduces the execution time while maintaining accuracy by abstracting the system other than the one to be analyzed, consisting of model hypothesis and function identification. The former can construct an abstracted model for the simulation through the proposed extended Discrete Event Systems Specification (DEVS) formalism and the latter can express the characteristics of the model influenced by other systems. From the case study on C and C2 analysis, the experimental results show that this method shortened the time considerably while maintaining the accuracy within an acceptable error range and we expect that this method will enable the exploratory analysis of the complex systems other than C3.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이를 통해, 동일한 입력 파라미터에 대해 유사한 정확도의 출력을 발생하는 것을 목표로 한다. 또한, 궁극적으로 전체 시뮬레이션 실행 시간이 제한된 경우에 보다 많은 실험 점을 분석할 수 있게 하는 것을 목표로 한다.
본 논문에서는 변환 과정에 대한 설명과 변환된 단일 시뮬레이션을 통한 민감도 분석을 통해, 제안한 연구의 적용 가능성을 보여준다. 논문의 구성은 다음과 같다.
본 섹션에서는 앞에서와 같이 변환이 완료된 단일 시뮬레이션에 대한 민감도 분석을 통해 각 시스템 분석에 주요한 영향을 미치는 파라미터 식별을 목표로 한다. 이를 위해 ‘method of morris’라고 알려진 elementary effects test를 수행하였다(Morris, 1991; Pianosi et al.
본 섹션에서는 앞의 C3 federation을 사용하여 변환 전ㆍ후 발생하는 정확도 및 시뮬레이션 속도에 대해 분석하는 것을 목표로 한다. 이를 위해, 실험 계획법을 기반으로 하여 147개의 실험 점은 FCC(Face-centered Central Composite) design 통해서, 55개의 실험 점은 LH(Latin Hypercube) design을 통해서 총 202개의 training을 위한 실험 점과 55개의 testing을 위한 실험 점을 임의로 추출하였고, 이에 대해 30번 반복 시뮬레이션을 수행하였다.
이를 해결하기 위해, 본 논문에서는 Figure 2에서와 같이 C3 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 분석 방법에 대해 제안하다. 이를 통해, 동일한 입력 파라미터에 대해 유사한 정확도의 출력을 발생하는 것을 목표로 한다. 또한, 궁극적으로 전체 시뮬레이션 실행 시간이 제한된 경우에 보다 많은 실험 점을 분석할 수 있게 하는 것을 목표로 한다.
C3 페더레이션을 사용하여 C3 복합체계에 대한 시뮬레이션 기반 분석을 하는 경우, 상세한 분석이 가능하다는 장점이 있지만 긴 시뮬레이션 실행 시간이 소요된다는 단점이 있다. 이를 해결하기 위해, 본 논문은 페더레이션으로부터 단일 시뮬레이션으로의 변환을 통한 C3 복합체계의 분석 방법을 제안하였다. 제안하는 방법은 모델의 전체적인 구조를 가정하는 model hypothesis 과정과 모델내부의 세부적인 행위를 묘사하는 function identification과정이 주가 되고, 본 논문에서는 전반적인 과정 및 구현에 대해서 설명하였다.
가설 설정
C2 시스템 분석을 위해 통신 시뮬레이터를 추상화하는 과정에 있어서는 sb로 전송 성공률과 전송 지연시간을 갖는 추상화된 통신 모델을 가정하였고, 이에 대한 behavior function을 각 각 6(traffic 사이의 간격과 전장기능 파라미터)－5－1 layer recurrent neural network 형태로 학습하였다. 또한, 통신 시스템 분석을 위해 C2 시뮬레이터를 추상화하는 과정에 있어서는 2장에서 같이 sb로 4개(idt, pc, tst, tet)를 갖는 모델을 가정하였고, 이에대한 behavior function을 각 각 6(전송성공률과 전송지연시간 및 전투논리 파라미터)－5－1 layer feedforward neural network 형태로 학습하였다.
Table 1과 2는 각 각 C2 시뮬레이터와 통신 시뮬레이터의 입력에 해당하는 전투논리(CO: Combat operation)와 전장 기능(BF: Battlefield function) 파라미터를 의미하고, Table 3과 4는 각 각 시뮬레이터와 통신 시뮬레이터의 출력에 해당하는 전투력(CP: Combat power)과 통신기능 성능(FP: Functional performance)의 지수를 나타내고, 이를 변환 전ㆍ후 정확도 측정 지수로 가정하였다.
첫 번째 단계인 준비 단계에서는, 변환하고자 하는 대상인 federation과 해당 federation의 입력 파라미터에 대해 식별된 전체 design space에 대해 준비한다. 또한, federation은 이미 검증이 완료된 상태임을 가정한다.
로 전송 성공률과 전송 지연시간을 갖는 추상화된 통신 모델을 가정하였고, 이에 대한 behavior function을 각 각 6(traffic 사이의 간격과 전장기능 파라미터)－5－1 layer recurrent neural network 형태로 학습하였다. 또한, 통신 시스템 분석을 위해 C2 시뮬레이터를 추상화하는 과정에 있어서는 2장에서 같이 sb로 4개(idt, pc, tst, tet)를 갖는 모델을 가정하였고, 이에대한 behavior function을 각 각 6(전송성공률과 전송지연시간 및 전투논리 파라미터)－5－1 layer feedforward neural network 형태로 학습하였다. 학습이 완료된 후에는 각 실험 점에 대해 단일 시뮬레이션을 30번 반복수행하였다.
통신 시스템 분석을 위해 C2 시뮬레이터를 추상화하는 과정을 예로 들면, 통신 시스템 분석에 있어서 네트워크 node의 움직임을 나타내는 mobility model과 트래픽 교환을 나타내는 traffic model이 필요하다는 것을 알 수 있고 이를 가정할 수 있다(Gebali, 2015; Bai and Helmy, 2004). 즉, 추상화 하고자 하는 모델의 하위 모델을 가정할 수 있다.
제안 방법
우선 분석하고자 하는 대상 시스템이 무엇인지를 식별한다. 그 후 분석하고자 하는 대상 시스템, 즉 시뮬레이터는 그대로 유지하고, 그 이외의 시스템들을 모델의 structure를 가정하는 model hypothesis 과정과 모델의 behavior를 예측하는 function identification 과정을 거쳐 추상화된 모델을 만든다. 그리고 추상화된 모델과 기존 시뮬레이터를 결합하여 하나의 단일 시뮬레이션을 구성한다.
이 과정에 있어서, 통신 시뮬레이터의 입력은 C2시뮬레이터의 출력에 해당하고, 통신 시뮬레이터의 출력은 C2 시뮬레이터의 입력에 해당하기 때문에, 앞에서 식별된 데이터의 순서를 역으로 하여 데이터 셋을 구성한다. 그 후, artificial neural network, regression surface model 등과 같은 형태로 behavior function (BF)을 위한 regression model을 가정한 후 이를 training 도구를 통해 학습한다. 최종적으로 학습이 완료된 모델은 소스코드 혹은 dll 로 생성한 후, 가정한 모델 및 분석하고자 하는 시뮬레이터에 결합하여 전체 단일 시뮬레이션을 구성한다.
, 2009). 그리고 이 과정에서 federation 수행 시, 두 시뮬레이터 사이에 주고받는 데이터와 시뮬레이터의 출력을 추출하여, 각 각 추상화된 모델 학습과 추상화된 모델의 정확도 측정에 사용한다.
또한, 통신 시뮬레이터는 전투 개체들 사이의 정보 교환을 묘사하고, DSDV(Destination-Sequenced Distance Vector)protocol 기반의 MANET(Mobile Ad hoc network)를 구성을 NS3 시뮬레이터로 구현하였다. 그리고 이들이 하나의 전장 환경에 놓인 것처럼 묘사하기 위해, C2 시뮬레이터의 전투 개체와 통신 시뮬레이터의 네트워크 노드의 위치 정보를 공유하였고, 이를 위해 HLA-compliant 한 형태로 구성하여 C3 federation을 구성하였다(Kang et al.,2018b).
그 후 분석하고자 하는 대상 시스템, 즉 시뮬레이터는 그대로 유지하고, 그 이외의 시스템들을 모델의 structure를 가정하는 model hypothesis 과정과 모델의 behavior를 예측하는 function identification 과정을 거쳐 추상화된 모델을 만든다. 그리고 추상화된 모델과 기존 시뮬레이터를 결합하여 하나의 단일 시뮬레이션을 구성한다. 최종적으로 단일 시뮬레이션이 구성된 후에는 equivalence test 등과 같은 통계적 검증 과정을 수행 한다(Bae et al.
또한, 모델의 behavior가 타 시뮬레이터로부터 영향을 받는 것을 표현해주기 위해서, BF(Behavior Function)를 정의하였고 이는 시뮬레이션 엔진 상에서 δext 함수 호출 후, BF함수가 호출되어 Sb 값을 갱신한다.
또한, 실험을 통해 변환과정에서 발생하는 정확도 및 시뮬레이션 속도 분석과 변환 후 민감도 분석을 통해 제안하는 방법의 적용가능성에 제시하였다. 비록 본 논문에서는 제안하는 방법을 C3 체계에만 적용하였지만, 도메인에 무관한 방법이므로 추후 연구에서는 이를 다양한 연구에 적용할 예정이다.
이를 위해, C2 시뮬레이터는 전투 개체 131개(108 병사, 12 분대 C2, 4 소대 C2, 1 중대 C2, and 6 간접화기)의 군사 운용 논리를 묘사하고, DEVS formalism 기반으로 DEVSimHLA 환경에서 구현되었다. 또한, 통신 시뮬레이터는 전투 개체들 사이의 정보 교환을 묘사하고, DSDV(Destination-Sequenced Distance Vector)protocol 기반의 MANET(Mobile Ad hoc network)를 구성을 NS3 시뮬레이터로 구현하였다. 그리고 이들이 하나의 전장 환경에 놓인 것처럼 묘사하기 위해, C2 시뮬레이터의 전투 개체와 통신 시뮬레이터의 네트워크 노드의 위치 정보를 공유하였고, 이를 위해 HLA-compliant 한 형태로 구성하여 C3 federation을 구성하였다(Kang et al.
본 C3 federation은 보병 중대 규모의 방어 작전 시뮬레이션을 대상으로 한다. 이를 위해, C2 시뮬레이터는 전투 개체 131개(108 병사, 12 분대 C2, 4 소대 C2, 1 중대 C2, and 6 간접화기)의 군사 운용 논리를 묘사하고, DEVS formalism 기반으로 DEVSimHLA 환경에서 구현되었다. 또한, 통신 시뮬레이터는 전투 개체들 사이의 정보 교환을 묘사하고, DSDV(Destination-Sequenced Distance Vector)protocol 기반의 MANET(Mobile Ad hoc network)를 구성을 NS3 시뮬레이터로 구현하였다.
반면, 부분 모델의 경우에는 알지 못하는 모델의 behavior를 표현할 수 있도록 기존 DEVS formalism의 원자모델(Atomic Model)을 확장하였다. 이를 위해, 기존 classic 원자모델에서의 상태(S: State)를 모델 phase에 대한 state (Sp)와 모델 behavior에 대한 state (Sb)로 분류하였다. 또한, 모델의 behavior가 타 시뮬레이터로부터 영향을 받는 것을 표현해주기 위해서, BF(Behavior Function)를 정의하였고 이는 시뮬레이션 엔진 상에서 δext 함수 호출 후, BF함수가 호출되어 Sb 값을 갱신한다.
본 섹션에서는 앞의 C3 federation을 사용하여 변환 전ㆍ후 발생하는 정확도 및 시뮬레이션 속도에 대해 분석하는 것을 목표로 한다. 이를 위해, 실험 계획법을 기반으로 하여 147개의 실험 점은 FCC(Face-centered Central Composite) design 통해서, 55개의 실험 점은 LH(Latin Hypercube) design을 통해서 총 202개의 training을 위한 실험 점과 55개의 testing을 위한 실험 점을 임의로 추출하였고, 이에 대해 30번 반복 시뮬레이션을 수행하였다.
이를 해결하기 위해, 본 논문에서는 Figure 2에서와 같이 C3 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 분석 방법에 대해 제안하다. 이를 통해, 동일한 입력 파라미터에 대해 유사한 정확도의 출력을 발생하는 것을 목표로 한다.
이를 해결하기 위해, 본 논문은 페더레이션으로부터 단일 시뮬레이션으로의 변환을 통한 C3 복합체계의 분석 방법을 제안하였다. 제안하는 방법은 모델의 전체적인 구조를 가정하는 model hypothesis 과정과 모델내부의 세부적인 행위를 묘사하는 function identification과정이 주가 되고, 본 논문에서는 전반적인 과정 및 구현에 대해서 설명하였다.
5에서의 X21)를 의미한다. 즉, 시뮬레이션 도중, 통신 시뮬레이터로 부터의 출력, C2 시뮬레이터의 입력 파라미터, 사전에 function identification을 통해 식별된 prediction 함수를 사용하여 sb를 예측한 후, 이를 사용하여 시뮬레이션을 진행한다. 그리고 이와 같은 과정들이 model hypothesis 단계에서 이루어진다.
C3 federation을 사용하여 C3 복합 시스템에 대해 시뮬레이션 기반 분석을 수행한다는 것은 크게 2가지로 분류할 수 있다. 첫 번째는 적 생존율 등과 같은 C2 시스템의 출력인 전투력(CP: Combat Power)을 분석하는 과정에 있어서, C2의 의사 결정 시간 등과 같은 C2 시스템의 입력인 전투논리(CO: Combat Operation) 뿐만 아니라 통신 장비의 전송 출력 등과 같은 통신(C) 시스템의 입력인 전장 기능(BF: Battlefield Function)을 함께 고려하는 것이고, 이를 통해 전투력 분석에 있어서 통신 효과를 고려하여 분석할 수 있다. 두 번째는 통신의 전송 지연 시간 등과 같은 통신 시스템의 출력인 통신 기능 성능(FP: Functional Performance)을 분석하는 과정에 있어서, 통신 시스템의 입력인 전장기능 뿐만 아니라 C2 시스템의 입력인 전투 논리도 함께 고려하는 것이고, 이를 통해 실제 전장과 유사한 환경에 대한 통신 분석이 가능하다.
또한, 통신 시스템 분석을 위해 C2 시뮬레이터를 추상화하는 과정에 있어서는 2장에서 같이 sb로 4개(idt, pc, tst, tet)를 갖는 모델을 가정하였고, 이에대한 behavior function을 각 각 6(전송성공률과 전송지연시간 및 전투논리 파라미터)－5－1 layer feedforward neural network 형태로 학습하였다. 학습이 완료된 후에는 각 실험 점에 대해 단일 시뮬레이션을 30번 반복수행하였다. 본 실험의 학습과 검증은 MATLAB neural network toolbox v.
대상 데이터
본 C3 federation은 보병 중대 규모의 방어 작전 시뮬레이션을 대상으로 한다. 이를 위해, C2 시뮬레이터는 전투 개체 131개(108 병사, 12 분대 C2, 4 소대 C2, 1 중대 C2, and 6 간접화기)의 군사 운용 논리를 묘사하고, DEVS formalism 기반으로 DEVSimHLA 환경에서 구현되었다.
본 실험의 학습과 검증은 MATLAB neural network toolbox v.11과 R studio(‘equivalence’ package v.0.7.2) 환경에서 수행되었다.
이론/모형
이를 위해 ‘method of morris’라고 알려진 elementary effects test를 수행하였다(Morris, 1991; Pianosi et al., 2015).
이를 표현하기 위해서 본 연구에서는 Figure 5에서와 같이, 상위 모델과 하위 모델을 각 각 전체 모델(Entire Model)과 부분 모델(Sub-Model)로 정의하였다. 전체 모델의 경우에는 DEVS(Discrete EVent System specification) formalism의 결합모델(Coupled Model) 표기법을 차용하여 이를 표현하였다. 반면, 부분 모델의 경우에는 알지 못하는 모델의 behavior를 표현할 수 있도록 기존 DEVS formalism의 원자모델(Atomic Model)을 확장하였다.
성능/효과
45%의 relative RMSE(Root Mean Square Error)가 측정되었다. 또한, 통신 시스템 분석에 있어서는 packet delivery ratio와 end-to-end delay에 대해 각 각 5.32%와 5.98%의 relative RMSE가 측정되었다. 반면 시뮬레이션 속도 측면 경우에는, 변환 전 30번 수행하는 하나의 실험 점 기준으로 약 28.
59시간이 소요되었다. 변환과정에서 데이터 처리 및 학습에 소요되는 시간이 0.05시간과 0.04 시간임을 고려하였을 때, 전자의 경우 약 80.08배, 후자의 경우 약 5.15배의 속도 측면에서의 개선이 있음을 확인 할 수 있다. 즉, 5~6% 이내 내에서의 오차를 감수한다면, 단축된 시뮬레이션 시간을 바탕으로 페더레이션을 대체한 단일 시뮬레이션을 사용하여 추가적인 분석이 가능하다.
후속연구
또한, 실험을 통해 변환과정에서 발생하는 정확도 및 시뮬레이션 속도 분석과 변환 후 민감도 분석을 통해 제안하는 방법의 적용가능성에 제시하였다. 비록 본 논문에서는 제안하는 방법을 C3 체계에만 적용하였지만, 도메인에 무관한 방법이므로 추후 연구에서는 이를 다양한 연구에 적용할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
C3 시스템에 대한 복합체계 기반 분석 방법은 무엇으로 구성되어 있는가?
통신 시스템과 지휘통제 시스템으로 구성된 C3 시스템에 대한 복합체계 기반 분석 방법은 상세한 분석이 가능하다는 장점을 지니지만, 한 번 수행하는데 긴 실행 시간을 요구하고, 이는 다양한 시나리오의 분석을 어렵게 한다. 이를 해결하기 위해, 본 논문에서는 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 복합 체계 분석 방법에 대해 제안한다.
C3 시스템에 대한 복합체계 기반 분석 방법의 장단점은 무엇인가?
통신 시스템과 지휘통제 시스템으로 구성된 C3 시스템에 대한 복합체계 기반 분석 방법은 상세한 분석이 가능하다는 장점을 지니지만, 한 번 수행하는데 긴 실행 시간을 요구하고, 이는 다양한 시나리오의 분석을 어렵게 한다. 이를 해결하기 위해, 본 논문에서는 페더레이션으로부터 단일 시뮬레이션으로의 변환 기법을 통한 C3 복합 체계 분석 방법에 대해 제안한다.
네트워크 중심전(NCW)은 시스템 관점에서 어떤 부분에 해당하는가?
, 2002). 이와 같은 NCW는 시스템(체계) 관점에서 보면, 전투 개체의 의사 결정 및 전투를 수행하는 지휘통제(C2: Command and Control) 시스템과 통신을 수행하는 통신(C: Communication) 시스템으로 구성된 C3 복합 시스템에 해당된다. 그리고 이러한 C3 복합 시스템을 구성하기 위해, 모델링 및 시뮬레이션 분야에서는 Figure 1에서와 같이 지리적으로 독립된 환경에서 도메인에 특화된 도구를 사용하여 각 각의 시뮬레이터를 개발 한 후, 이를 HLA(High Level Architecture) 등과 같은 연동 환경에서 함께 수행하고 이를 C3 federation이라 한다(IEEE, 2010)
참고문헌 (15)
Bae, J.W., J.H. Kim, I.C. Moon, and T.G. Kim (2016) "Accelerated simulation of hierarchical military operations with tabulation technique", Journal of Simulation, 10(1), 36-49.
Bai, F. and A. Helmy (2004) A survey of mobility models in wireless ad hoc networks, University of Southern California, USA.
Bigelow, J.H. and P.K. Davis (2003) Implications for model validation of multiresolution, multi perspective modeling and exploratory analysis, Rand, USA
Gebali, F. (2008) Analysis of Computer and Communication Networks, Springer, Canada.
IEEE Computer Society (2010) IEEE standard for modeling and simulation: High level architecture - HLA framework and rules, IEEE Standard 1516-2010.
Kang, B.G., K.M. Seo, and T.G. Kim (2018) "Communication analysis of network-centric warfare via transformation of system of systems model into integrated system model using neural network", Complexity, 2018, 1-16.
Kang, B.G., K.M. Seo, B.S. Kim, and T.G. Kim (2018) "Simulation-based analysis of C system in C3 system of systems via machine-learning based abstraction of C2 System", Journal of the Korea Society for Simulation, 27(1), 61-73.
Miner, N.E., B.P. Van Leeuwen, M.A. Smith, K.M. Welch, and M.D. Estill (2011) Bridging the Information Gap Between Diverse Modeling and Simulation Tools, Sandia National Lab, USA.
Porche, I., L. Jamison and T. Herbert (2004) Framework for Measuring the Impact of C4ISR Technologies and Concepts on Warfighter Effectiveness Using High Resolution Simulation, Rand, USA
Sanchez, S.M. and H. Wan (2009) "Better than a petaflop: The power of efficient experimental design", Proceedings of the 2009 Winter Simulation Conference, Austin, USA, 60-74.
Worden, K. et al. (2007) "Identification of pre-sliding and sliding friction dynamics: Grey box and black-box models", Mechanical systems and signal Processing, 21(1), 514-534.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.