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
- 본 논문에서 제안하는 계층적 그리디 알고리즘은 파티션을 나눔으로써 초기 정렬 및 부분 정렬에 소요 되는 시간을 줄일 수 있으며, 목적함수의 특수성을 잘활용하여 대응 표적 별로 파티션을 나눔으로 인하여 획기적으로 처리 시간을 개선하였다. 본 논문에서 제안하는 알고리즘의 효율성을 확인하기 위하여 다음 장에서 실험적인 결과를 분석하고자 한다.
- 본 논문에서는 TWTA 문제 해결을 위한 그리디 휴리스틱 알고리즘을 제안하고자 한다. 제안 알고리즘에서는 처리 시간적 측면에서 효율적으로 구현할 수 있도록 계층적 구조를 적용한 방법을 제안하고자 하며, 제안한 방법이 실 무기체계에 적용할 수 있는 처리시간 성능을 갖는지 실험을 통해서 분석하고자 한다.
- 본 논문에서는 레이지 그리디 방법을 기반으로 하여 그리디 알고리즘의 계산 효율성을 높이기 위해서 계층적인 구조를 적용한 새로운 방법을 제안하며 다음 장에서 자세히 기술하고자 한다.
- 본 논문에서는 위협 표적의 요격을 최대화 할 수있는 표적 기반 무기할당 문제로 한정하고자 하여, 앞서 정의한 변수들을 활용하여 수식 (1)과 같이 목적함 수를 정의하였다. 해당 목적함수는 결정변수 #와 요격확률의 곱의 합을 최대화함으로써 요격확률이 높을 때 표적-발사대 쌍의 발사 시점에 무기할당을 하는 의미로 해석할 수 있다.
- 특히 대 탄도탄을 비롯한 고속 표적에 대한 교전 상황에서는 표적의 속도가 매우 빠르기 때문에 교전 결심에 사용할 수 있는 시간이 매우 제한적이어서, 무기할당 시 발사 시점에 대한 고려가 필수적이다. 본 논문에서는 포대급 의사결정레벨에 적용되는 시간을 고려한 무기할당 문제(Time dependent Weapon Target Assignment : TWTA)를 다루고자한다.
- 이러한 방법들은 처리시간 성능 향상이 두드러지지만 목적함수에 대한 성능 측면에서 레이지 그리디에 미치지 못한다 [2,11] . 본 장에서는 기존 성능을 보장 하면서도 처리시간을 줄일 수 있는 방법을 제안하고자 한다. 제안하고자 하는 알고리즘은 전체 집합 V를여러 개의 파티션으로 나누어 각 파티션 상에서 한계 이익이 가장 큰 요소를 선택한 뒤, 각 파티션에서 선택된 요소들 중에서 가장 한계 이익이 큰 요소를 선택하는 방식의 2단계의 계층적 구조와 레이지 그리디 알고리즘을 병합하여, 소요 시간 측면에서의 효율성을 향상시키는 방법이다.
가설 설정
- t : 표적 인덱스. t∈{1,.
- 이 때 현실적인 조건을 고려하여 ftw,t 값과 ltw,t값 사이는 3초 이상의 간격을 갖도록 설정하였다. 또한 표적 t에 발사대 w를 할당할 때의 보상(PKw,t : 요격확률)은 0에서 99 사이의 랜덤한 값으로 가정하였다.
- 표적 t에대한 발사대 w의 최초발사가능 시점(ftw,t)은 0에서 4 초 사이의 랜덤한 값을 주었으며 표적 t에 대한 발사대 w의 최후발사가능 시점(ltw,t )은 3에서 10초 사이의 랜덤한 값을 가정하였다.
- 시뮬레이션은 발사대를 5대로 가정하여 진행하였으며 위협 표적의 개수를 10개에서 100개까지 10개씩 증가시키며 실행하여 표적 수의 증가에 따른 알고리즘 성능을 비교하였다. 해당 알고리즘에서 표적 t에할당 할 수 있는 유도탄의 개수(FNt)는 1개로 가정하고 요격탄의 발사 간격은 1초로 가정하였다. 표적 t에대한 발사대 w의 최초발사가능 시점(ftw,t)은 0에서 4 초 사이의 랜덤한 값을 주었으며 표적 t에 대한 발사대 w의 최후발사가능 시점(ltw,t )은 3에서 10초 사이의 랜덤한 값을 가정하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.