최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國軍事科學技術學會誌 = Journal of the KIMST, v.23 no.4, 2020년, pp.337 - 345
신민규 (한국과학기술원 항공우주공학과) , 박순서 (한국과학기술원 항공우주공학과) , 이단일 (한국과학기술원 항공우주공학과) , 최한림 (한국과학기술원 항공우주공학과)
The Weapon-Target Assignment(WTA) problem can be formulated as an optimization problem that minimize the threat of targets. Existing methods consider the trade-off between optimality and execution time to meet the various mission objectives. We propose a multi-agent reinforcement learning algorithm ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
평균 필드 게임는 무엇인가? | 하지만 다수의 에이전트 환경에서 고려할 상호작용의 수가 많아 내쉬 균형 전략을 찾기 어려운 문제가 있다. 이를 해결하기 위해 에이전트 주변의 상호작용을 하나의 평균 상호작용으로 고려하여 문제의 복잡도를 줄인 다음 내쉬평균을 찾는 이론인 평균 필드 게임(Mean Field Game, MFG)이 도입되었다. MFG는 다수의 에이전트가 소규모로 상호작용하는 환경에서 전략적인 의사 결정을 하기 위한 연구로 최근에 에이전트 수가 급증할 때 차원의 저주 문제를 완화하고자 멀티 에이전트 강화학습에 적용되었다[8]. | |
다수의 에이전트 환경에서 내쉬 균형 전략을 찾기 어려운 문제를 어떻게 해결할 수 있는가? | 하지만 다수의 에이전트 환경에서 고려할 상호작용의 수가 많아 내쉬 균형 전략을 찾기 어려운 문제가 있다. 이를 해결하기 위해 에이전트 주변의 상호작용을 하나의 평균 상호작용으로 고려하여 문제의 복잡도를 줄인 다음 내쉬평균을 찾는 이론인 평균 필드 게임(Mean Field Game, MFG)이 도입되었다. MFG는 다수의 에이전트가 소규모로 상호작용하는 환경에서 전략적인 의사 결정을 하기 위한 연구로 최근에 에이전트 수가 급증할 때 차원의 저주 문제를 완화하고자 멀티 에이전트 강화학습에 적용되었다[8]. | |
유도탄 운용기술의 발달은 무엇을 가능하게 했는가? | 유도탄 운용기술의 발달로 교전 중 운용 가능한 유도탄 수가 계속 증가하고 있으며, 다수의 유도탄으로 좁은 영역을 집중공격하는 전략적 운용이 가능해졌다. 방어 요격체계 입장에서는 이러한 공격 형태에 대하여 요격탄을 효율적으로 할당하기 위해 추가로 고려해야 할 제약 조건이 증가하기 때문에 해법의 복잡도 증가한다. |
Lloyd, S. P. and Witsenhausen, H. S., "Weapon Allocation is NP-complete," Summer Computer Simulation Conference, 1986.
Ahuja, R. K., Kumar, A., Jha, K. C., & Orlin, J. B., "Exact and Heuristic Algorithms for the Weapon-Target Assignment Problem," Operations Research, 55(6), pp. 1136-1146, 2007.
Shin, M. K., Lee, D., & Choi, H. L., "Weapon-Target Assignment Problem with Interference Constraints using Mixed-Integer Linear Programming," 2019.
Lee, Z. J., Su, S. F., Lee, C. Y., "Efficiently Solving General Weapon-Target Assignment Problem by Genetic Algorithms with Greedy Eugenics," IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol. 33, No. 1, pp. 113-121, 2003.
Lee, D., Shin, M. K., & Choi, H. L., "Weapon Target Assignment Problem with Interference Constraints," AIAA Scitech 2020 Forum. 2020.
Cho, D. H., & Choi, H. L., "Greedy Maximization for Asset-based Weapon-Target Assignment with Time-Dependent Rewards," Cooperative Control of Multi-Agent Systems: Theory and Applications, pp. 115-139, 2017.
Mnih, Volodymyr, et al., "Playing Atari with Deep Reinforcement Learning," arXiv preprint arXiv:1312.5602, 2013.
Yang, Yaodong, et al., "Mean Field Multi-Agent Reinforcement Learning," arXiv preprint arXiv:1802.05438, 2018.
M. Zhang, J. Zhang, G. Cheng, C. Chen and Z. Liu, "Fire Scheduling for Multiple Weapons Cooperative Engagement," 2016 10th International Conference on Software, Knowledge, Information Management & Applications(SKIMA), Chengdu, pp. 55-60, 2016.
Mouton, H., Roodt, J., & Le Roux, H., "Applying Reinforcement Learning to the Weapon Assignment Problem in Air Defence," Scientia Militaria: South African Journal of Military Studies, 39(2), pp. 99-116, 2011.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.