KR101416916B1 - Optimization distribution system of items in military logistics based on multi agent system and control method of the same - Google Patents
Optimization distribution system of items in military logistics based on multi agent system and control method of the same Download PDFInfo
- Publication number
- KR101416916B1 KR101416916B1 KR1020130155773A KR20130155773A KR101416916B1 KR 101416916 B1 KR101416916 B1 KR 101416916B1 KR 1020130155773 A KR1020130155773 A KR 1020130155773A KR 20130155773 A KR20130155773 A KR 20130155773A KR 101416916 B1 KR101416916 B1 KR 101416916B1
- Authority
- KR
- South Korea
- Prior art keywords
- agent
- agents
- consuming
- clustering
- simulation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/003—Simulators for teaching or training purposes for military purposes and tactics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템 및 그것의 제어방법에 관한 것이다.
The present invention relates to an optimal distribution system of materials in an agent-based military simulation environment and a control method thereof.
오늘날 다양한 군사기술의 발달과 함께 다양한 전장 상황을 기반으로 하는 군사 시뮬레이션 기법들이 많이 개발되고 있다. Today, with the development of various military technologies, many military simulation techniques based on various battlefield situations are being developed.
예를 들어, 군사 시뮬레이션 환경에서 멀티-에이전트를 활용한 연구가 활발히 진행되고 있다. 특히, 지능형 멀티-에이전트를 활용하여, 다양한 조건과 환경에 적합한 시뮬레이션 환경을 구축할 수 있을 뿐만 아니라, 비용도 절감된다.For example, research using multi-agents in military simulation environments is actively underway. Especially, by using intelligent multi-agent, it is possible not only to construct a simulation environment suitable for various conditions and environments, but also to reduce costs.
여기서, 에이전트(Agent)란, 특정 목적을 위하여, 사용자를 대신하여 작업을 수행하는 자율적인 프로세스를 말한다. 이러한 에이전트는, 대게 독자적으로 존재하지 않고 어떤 환경(예, 운영체제, 네트워크)의 일부가 되거나 또는 그 안에서 하나의 시스템으로 동작한다. 에이전트는 다양한 지능(예, 추론 기능)을 갖고, 사용자, 자원, 또는 다른 에이전트와 정보를 교환함으로써, 문제해결을 도모한다. 또한, 에이전트는, 스스로 환경변화를 인지하여 이에 대응되는 행동을 수행하며, 경험을 바탕으로 지속적으로 학습을 수행할 수 있다. Here, an agent is an autonomous process for performing an operation on behalf of a user for a specific purpose. These agents are usually not present on their own, but are part of, or operate within, one environment in some environment (eg, operating system, network). An agent has various intelligences (e.g., reasoning capabilities) and facilitates problem resolution by exchanging information with users, resources, or other agents. In addition, the agent can perceive the change of the environment on its own, perform actions corresponding thereto, and can continuously perform learning based on experience.
따라서, 멀티-에이전트 기반의 군사 시뮬레이션이란, 상술한 다양한 기능을 갖는 다수의 에이전트를 이용하여 전장 상황에 대한 정보를 수집, 추론, 및 결론을 시뮬레이션하는 것을 의미한다.Accordingly, the multi-agent based military simulation means collecting information on the battlefield situation, inferring it, and simulating the conclusion using a plurality of agents having various functions described above.
그런데, 지금까지는 주로 멀티-에이전트기반의 군사기술에 대한 시뮬레이션을 중심으로 활발히 연구되었으며, 다양한 전장 상황을 고려하여 군사 물자를 분배하는 분야에 대해서는 깊이있는 연구가 이루어지지 않았다.
However, until now, mainly the simulation of multi-agent based military technology has been actively researched, and there has been no in-depth study on the field of distributing military materials considering various battlefield situations.
이에, 본 발명의 실시예들은, 한정된 군사 물자를 다수의 에이전트들에 최적으로 분배할 수 있도록 한, 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템 및 그것의 제어방법을 제공하는데 그 목적이 있다.
Accordingly, it is an object of the present invention to provide an optimal distribution system of materials and a control method thereof in an agent-based military simulation environment, in which a limited military material can be optimally distributed to a plurality of agents .
이를 위해, 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템은, 전장 상황과 관련된 파라미터 정보를 주기적으로 획득하는 정보 수집부와; 복수의 에이전트를 포함하고, 상기 획득된 정보에 근거하여, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 루트 산출부와; 유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가하고, 상기 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하는 소비 에이전트 선정부와; 군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 하나 이상의 릴레이 에이전트를 선택하는 클러스터링 실행부와; 전장 상황의 시뮬레이션을 위한 파라미터 정보를 입력받아, 시뮬레이션을 수행하고, 공급 에이전트로부터 전달받은 군사 물자를 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 최적으로 분배하는 시뮬레이션 결과를 디스플레이하는 시뮬레이션부를 포함하여 이루어진다.To this end, in an agent-based military simulation environment according to an embodiment of the present invention, an optimal distribution system of materials includes an information collection unit for periodically acquiring parameter information related to a battlefield situation; A root calculation unit that includes a plurality of agents and calculates an optimal route for reaching each agent from a reference agent while avoiding a battle point based on the obtained information; Evaluating the satisfaction based on the distance corresponding to the optimal route and the amount of material required by each agent for each agent using a genetic algorithm and selecting a plurality of consuming agents on the basis of the satisfaction evaluation, Wow; A clustering execution unit for performing clustering on the selected consuming agents using the clustering algorithm to select one or more relay agents; A simulation unit that receives parameter information for simulation of a battlefield situation and performs a simulation and displays a simulation result of distributing the military material received from the supply agent optimally to the consuming agents belonging to the selected relay agent group .
일 실시예에서, 상기 루트 산출부는, 상기 기준 에이전트의 현재 위치에서 이동가능한 상/하/좌/우/대각선 방향 중, 전투중인 지역이 아니면서 이동거리가 최소인 지점을 선택하고, 상기 선택된 지점으로 상기 기준 에이전트를 이동하여 각 에이전트에 도달하기 위한 최적 루트를 산출하고, 상기 전투중인 지점이 추가 또는 변경 여부를 감시하여, 상기 기준 에이전트의 현재 위치에서 각 에이전트에 도달하기 위한 최적 루트를 업데이트하는 것을 특징으로 한다.In one embodiment, the route calculator selects a point that is not a battle area and has a minimum movement distance among the up / down / left / right / diagonal directions that are movable in the current position of the reference agent, Moving the reference agent to calculate an optimal route for reaching each agent, monitoring whether the point in the battle is being added or changed, and updating the optimum route for reaching each agent at the current position of the reference agent .
일 실시예에서, 상기 루트 산출부는, 상기 전투중인 지역에서는, 상기 기준 에이전트의 현재 위치로부터 좌상/좌하 또는 우상/우하 방향에 있는 지점의 거리값이 현재 위치의 거리값보다 적어도 1만큼 작고, 상기 좌상/좌하 또는 우상/우하 방향의 사이에 있는 대각선 지점의 거리값이 현재 위치의 거리값보다 적어도 2만큼 작은 조건이 만족되면, 상기 기준 에이전트를 대응되는 대각선방향으로 이동시키는 것을 특징으로 한다.In one embodiment, in the battle area, the route calculator calculates the distance value of the point in the upper left / lower left or the upper right / lower right direction from the current position of the reference agent by at least one from the distance value of the current position, And moves the reference agent in a corresponding diagonal direction if a condition that a distance value of a diagonal point between an upper left / lower left or an upper right / lower right direction is smaller than a distance value of the current position by at least 2 is satisfied.
일 실시예에서, 상기 소비 에이전트 선정부는, 각 에이전트의 만족도를 합산한 값이 최대가 되는 경우에, 상기 소비 에이전트로 선정하는 것을 특징으로 한다.In one embodiment, the consuming agent selecting unit selects the consuming agent when the sum of the satisfaction levels of the respective agents is the maximum.
일 실시예에서, 상기 소비 에이전트 선정부는, 상기 만족도 평가에 이어 선택, 교배, 돌연변이, 새로운 개체, 새로운 개체에 대한 만족도 평가 연산을 반복적으로 수행하여, 상기 소비 에이전트를 선정하는 것을 특징으로 한다.In one embodiment, the consuming agent selection unit repeatedly performs satisfaction evaluation evaluation on selection, mating, mutation, new entity, and new entity following the satisfaction evaluation, thereby selecting the consuming agent.
일 실시예에서, 상기 소비 에이전트 선정부는, 상기 선택시, 기준 최대 수량을 초과하는 개체와 기준 최초 수량 미만의 개체를 제외하는 것을 특징으로 한다.In one embodiment, the consuming agent selection unit excludes an entity exceeding a reference maximum quantity and an entity less than a reference initial quantity at the time of selection.
일 실시예에서, 상기 클러스터링 실행부는, 상기 선정된 소비 에이전트 중 임의의 수에 대해 초기 클러스터링을 수행하고, 초기 클러스터링에서 클러스터 헤드로 선택된 소비 에이전트를 기준으로 거리가 인접한 다른 소비 에이전트를 그룹화하고, 상기 클러스터 헤드를 중심으로 상기 인접한 다른 소비 에이전트들까지의 총 거리비용을 산출하고, 초기 클러스터링에서 클러스터 헤드로 선택되지 않은 나머지 소비 에이전트에 대해 상기한 과정을 반복적으로 수행하고, 최종적으로 상기 산출된 총 거리비용이 최소가 되는 클러스터 헤드를 상기 릴레이 에이전트로 하는 적어도 하나의 그룹을 형성하는 것을 특징으로 한다.
In one embodiment, the clustering execution unit performs initial clustering on an arbitrary number of the selected consuming agents, groups other consuming agents whose distance is adjacent to each other on the basis of the consuming agent selected as the cluster head in the initial clustering, The total distance cost to the neighboring other consuming agents is calculated based on the cluster head, the above-mentioned process is repeatedly performed for the remaining consuming agents that are not selected as the cluster head in the initial clustering, and finally, And forming a cluster head having a minimum cost as the relay agent.
또한, 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 제어방법은, 전장 상황과 관련된 파라미터 정보를 획득하는 단계와; 상기 획득된 정보를 근거로, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 단계와; 유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가하는 단계와; 상기 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하는 단계와; 군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 적어도 하나의 릴레이 에이전트를 선택하는 단계와; 전장 상황의 시뮬레이션을 위한 파라미터 정보를 입력받아, 시뮬레이션을 수행하고, 공급 에이전트로부터 전달받은 군사 물자를 상기 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 최적으로 분배하는 시뮬레이션 결과를 화면에 디스플레이하는 단계를 포함하여 이루어진다.
Also, a method of controlling an optimal distribution system of materials in an agent-based military simulation environment according to an embodiment of the present invention includes: acquiring parameter information related to a battlefield situation; Calculating an optimal route for reaching each agent from the reference agent while avoiding a battle point based on the obtained information; Estimating satisfaction based on a distance corresponding to the optimum route and a material amount required by each agent using a genetic algorithm; Selecting a plurality of consuming agents based on the satisfaction evaluation; Clustering the selected consumption agents using a clustering algorithm to select at least one relay agent; A simulation result for distributing the military material received from the supply agent to the consuming agents belonging to the group of the selected relay agent is displayed on the screen on the basis of the parameter information for simulation of the full- .
따라서, 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템 및 그것의 제어방법에 의하면, 한정된 군사 물자를 많은 에이전트들에게 최적으로 분배할 수 있다. 그에 따라, 다양한 전장 상황에서 군수 물자 운반에 대한 부분이 강화된, 보다 효과적이고 현실적인 군사 시뮬레이션이 가능하다.
Therefore, according to the agent-based military simulation environment according to the embodiment of the present invention, the optimal distribution system of materials and its control method can distribute a limited military material to many agents optimally. As a result, more effective and realistic military simulations are possible, with enhanced aspects of military logistics in various battlefield situations.
도 1은 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 예시 구조를 보인 블록도이다.
도 2는 본 발명의 실시예에 따라, 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 실시예에 따라, 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 제어방법의 예시 흐름도이다.
도 4는 본 발명의 실시예에 따라, 한정된 군사 물자를 최적으로 분배하기 위한 릴레이 에이전트를 선택하는 과정을 설명하기 위한 개념도이다.
도 5 및 도 6은 본 발명의 실시예에 따라, 복수의 소비 에이전트들을 선정하기 위한 유전자 알고리즘의 시뮬레이션 결과를 보인 그래프들이다.1 is a block diagram illustrating an exemplary structure of an optimal distribution system of materials in an agent-based military simulation environment in accordance with an embodiment of the present invention.
2 is a conceptual diagram for explaining a method of calculating an optimal route for reaching each agent from a reference agent, according to an embodiment of the present invention.
3 is an exemplary flow diagram of a method of controlling an optimal distribution system of materials in an agent-based military simulation environment, in accordance with an embodiment of the present invention.
FIG. 4 is a conceptual diagram for explaining a process of selecting a relay agent for distributing a limited military material according to an embodiment of the present invention.
5 and 6 are graphs showing simulation results of a genetic algorithm for selecting a plurality of consuming agents according to an embodiment of the present invention.
먼저, 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템 및 그것의 제어방법은, 한정된 자원을 다수의 개체에 최적으로 분배하는 것이 필요한 모든 시스템에 적용될 수 있다.First, in an agent-based military simulation environment according to an embodiment of the present invention, an optimal distribution system of materials and a control method thereof can be applied to all systems in which it is necessary to distribute finite resources to a plurality of objects optimally.
또한, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. In addition, the present invention is capable of various modifications and various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the detailed description. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.
여기서 설명되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 즉, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구서요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항복들 중의 어느 항목을 포함한다.Terms including ordinals such as first, second, etc. described herein can be used to describe various elements, but the elements are not limited to these terms. That is, the terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second provisional component may also be referred to as a first component. The term " and / or " includes any combination of a plurality of related listed items or any of a plurality of related listed yields.
또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.Also, when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, but other elements may be present in between have. On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.
또한, 본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Also, the terms used in the present application are used only to describe certain embodiments and are not intended to limit the present invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, Should not be construed to preclude the presence or addition of one or more other features, integers, steps, operations, elements, parts, or combinations thereof.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Also, unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.
이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예들을 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to embodiments of the present invention, examples of which are illustrated in the accompanying drawings, wherein like reference numerals refer to the like elements throughout. The description will be omitted.
다수의 에이전트 환경의 군사 시뮬레이션에 있어서, 공급 에이전트(또는 보급 에이전트)가 다른 장소에 있는 에이전트들에게 군사 물자를 분배하기 위해서는 다양한 전장 환경을 고려하여, 현재 전투중인 지역을 피하면서 목적지에 도달하기 위한 루트를 계산해야한다. 또한, 한정된 물자를 모든 에이전트들에게 공급할 수 는 없으므로, 물자를 보급할 에이전트를 선택해야한다. 이에, 본 명세서에서는 한정된 군사 물자를 다수의 에이전트들에게 최적으로 분배하기 위한 시스템을 제안하고자 한다.In a military simulation of multiple agent environments, a supply agent (or a distribution agent) distributes military supplies to agents in different locations, taking into account various battlefield environments, You have to calculate the route. Also, since limited supplies can not be supplied to all agents, you must choose an agent to supply the material. Accordingly, in this specification, a system for optimally distributing a limited military material to a plurality of agents is proposed.
구체적으로, 본 발명의 실시예들은, 다양한 전장 상황에서 보급 에이전트가 다른 지점에 있는 에이전트들에게 군사 물자를 최적으로 분배하기 위하여, 먼저 전장 상황과 관련된 파라미터 정보를 수집하고, 수집된 정보를 근거로 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하고, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가하고, 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하고, 군집화 알고리즘을 사용하여 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 하나 이상의 릴레이 에이전트를 선택하고, 공급 에이전트로부터 전달받은 군사 물자를 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 최적으로 분배하는 시뮬레이션 결과를 디스플레이하도록 구현되었다. Specifically, in embodiments of the present invention, in order to optimally distribute military supplies to agents at different points in a variety of battlefield situations, the distribution agent first collects parameter information related to the battlefield situation, The optimal route for reaching each agent from the reference agent is calculated while avoiding the point in the battle, the satisfaction is evaluated based on the distance corresponding to the optimum route and the amount of material required by each agent for each agent, Selects one or more relay agents by performing clustering on the selected consuming agents using the clustering algorithm, and selects each of the selected relay agents from among the selected relay agents, Transfer to consumption belonging to a group And to display simulation results that optimally distribute to the nodes.
이하, 도 1은 본 발명의 실시예에 따른 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 예시 구조를 보인 블록도이다.1 is a block diagram illustrating an exemplary structure of an optimal distribution system of materials in an agent-based military simulation environment according to an embodiment of the present invention.
도 1 에 도시된 바와 같이, 군사 물자의 최적 분배 시스템은, 정보 수집부(110)와, 루트 산출부(120)와, 소비 에이전트 선정부(130)와, 클러스터링 실행부(140)와, 그리고 시뮬레이션부(150)를 포함하여 이루어진다.1, the optimal distribution system for military materials includes an
정보 수집부(110)는 전장 상황과 관련된 파라미터 정보를 주기적으로 획득한다. 예를 들어, 상기 정보 수집부(110)는 다양한 전장 환경(예, 교통정보, 주변 지리 정보)을 습득하기 위한 센서, 인간, 그리고 다양한 상황에 대한 에이전트들의 반응(예, 다른 지점으로의 이동)으로부터 변환되는 상황정보를 획득할 수 있다.The
루트 산출부(120)는 복수의 에이전트를 포함하고, 상기 정보 수집부(110)에 의하여 획득된 정보에 근거하여, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출한다. 이를 위해, 변형된 A(A*)알고리즘을 사용하는 것을 가정하였다. 또한, 여기서, 기준 에이전트는 임의로 선정되며, 모든 에이전트가 임의순서대로 기준 에이전트가 된다. The
또한, 상기 루트 산출부(120)는, 상기 기준 에이전트의 현재 위치에서 이동가능한 상/하/좌/우/대각선 방향 중, 전투중인 지역이 아니면서 이동거리가 최소인 지점을 선택하고, 상기 선택된 지점으로 상기 기준 에이전트를 이동하여 각 에이전트에 도달하기 위한 최적 루트를 산출한다.In addition, the
또한, 상기 루트 산출부(120)는, 전장 상황에 따라 전투중인 지점이 추가 또는 변경 여부를 감시하여, 상기 기준 에이전트의 현재 위치에서 각 에이전트에 도달하기 위한 최적 루트를 업데이트하여 실행한다.In addition, the
또한, 상기 루트 산출부(120)는, 전투중인 지역에서는, 상기 기준 에이전트의 현재 위치로부터 좌상/좌하 또는 우상/우하 방향에 있는 지점의 거리값이 현재 위치의 거리값보다 적어도 1만큼 작고, 상기 좌상/좌하 또는 우상/우하 방향의 사이에 있는 대각선 지점의 거리값이 현재 위치의 거리값보다 적어도 2만큼 작은 조건이 만족되는 경우에 한하여, 상기 기준 에이전트를 대응되는 대각선방향으로 이동시킬 수 있다.In addition, the
즉, 상기 루트 산출부(120)는, 전투중이 아닌 지역에서는 상/하/좌/우/대각선 방향 중 어느 하나의 지점으로 제한 없이 이동가능하나, 전투중인 지역에서는 원칙적으로 대각선 방향으로는 이동할 수 없도록 하되, 상술한 바와 같이 제한적인 조건을 만족하게 되면 예외적으로 대각선 방향으로도 이동할 수 있다.That is, the
이와 관련하여, 도 2는 본 발명의 실시예에 따라, 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 방법을 설명하기 위한 개념도이다.In this regard, Fig. 2 is a conceptual diagram for explaining a method of calculating an optimal route for reaching each agent from a reference agent, according to an embodiment of the present invention.
도시된 바와 같이, 도 2에서, 전장(map)은 타일 형태를 기본으로 도시하였다. 또한, 타일 형태의 전장에 각 에이전트가 널리 분포되어 있다. 또한, 전투중인 지역은 검은색 타일로 표기하였다. As shown, in FIG. 2, the map is based on a tile shape. In addition, each agent is widely distributed in the form of a tile. Also, areas in combat are marked with black tiles.
기준 에이전트는 다음 에이전트까지 도달하기 위한 이동경로로, 현재 위치에서 좌/우/상/하/대각선 방향 중 어느 하나를 선택하여 이동할 수 있다. 그러나, 전시환경에서 대각선으로 이동을 한다는 것은 위험지역을 거쳐서 지나갈 가능성이 있으므로, 전투중이 아닌 지역에서는 제한을 두지 않고, 전투중인 지역에서는 원칙적으로 좌/우/상/하 4방향으로만 이동가능 하도록 한다. 하지만, 위에서 설명한 바와 같은 제한적인 조건에서는 예외적으로 전투중인 지역이라도 대각선방향으로 이동할 수도 있을 것이다. 이러한 방식으로, 기준 에이전트는 다음 에이전트까지 좀더 빠른 이동경로를 지속적으로 탐색한다. The reference agent is a movement path for reaching the next agent, and can select one of the left / right / upper / lower / diagonal directions at the current position. However, moving diagonally in the display environment may pass through dangerous areas. Therefore, there is no restriction in areas other than the battle, and in principle, only four directions can be moved in the battle area. . However, under the restrictive conditions described above, exceptionally, even in the battle area, it may move diagonally. In this way, the reference agent continuously searches for a faster travel path to the next agent.
소비 에이전트 선정부(130)는, 유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가한다. 또한, 상기 소비 에이전트 선정부(130)는 상기 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정한다.The consumption
여기서, 유전자 알고리즘이란, 자연계에 있어서 생물의 유전과 진화의 메커니즘을 공학적으로 모델화하는 것에 의해 생물이 갖는 환경에서의 적응능력을 취급하는 것으로, 풀고자 하는 문제에 대한 가능한 해들을 정해진 형태의 자료구조로 표현한 다음 이들을 점차적으로 변형함으로써 점점 더 좋은 해들을 생성해내는 방식의 알고리즘이다. 보다 구체적으로, 유전자 알고리즘은 어떤 범위 내에서 정의되어 있는 변수 (x)에 대한 함수(f(x))의 최대치 또는 최소치를 이끌어 내는 변수(x) 값을 고속으로 구하기 위한 최적화 탐색 알고리즘의 일종이다.Here, genetic algorithms deal with the adaptive capacity of the organism in the environment by engineering the mechanisms of the genetic and evolutionary mechanisms of the organism in the natural world. The possible solutions to the problems to be solved are described in the form of data structures And then gradually transforming them to generate better solutions. More specifically, a genetic algorithm is a kind of optimization search algorithm for obtaining a variable (x) value which leads to a maximum value or a minimum value of a function (f (x)) for a variable (x) .
상기 소비 에이전트 선정부(130)는, 유전자 알고리즘을 사용한 결과, 각 에이전트의 만족도를 합산한 값이 최대가 되는 경우의 에이전트들을 상기 소비 에이전트로 선정한다. The consuming
구체적으로, 유전자 알고리즘을 적용하는데 있어서, 각각의 염색체를 구성하는 객체는 에이전트들의 수와 같다. 이에 기초하여 염색체 Ci는 다음과 같다.Specifically, in applying the genetic algorithm, the number of objects constituting each chromosome equals the number of agents. Based on this, the chromosome C i is as follows.
Ci = {A1, A2, A3, A4. A5, …, AN}C i = {A 1 , A 2 , A 3 , A 4 . A 5 , ... , A N }
여기서, 소비 에이전트 선정부(130)는 상기 루트 산출부(120)에 의하여 산출된 각 에이전트까지의 최적거리와 보급받을 군사 물자량을 근거로 각각의 에이전트에 대한 만족도를 평가한다. 그런 다음, 각각의 에이전트에 대한 만족도를 총 합산하였을 때, 가장 높은 값이 되는 경우에 대응되는 에이전트들을 군사 물자를 보급받을 소비 에이전트로 선정하는 것이다.Here, the consumption
이하의 수학식 1은 각각의 에이전트에 대한 만족도를 산출하는 수식하고, 수학식 2는 복수의 소비 에이전트들을 선정하기 위해, 각 에이전트에 대한 만족도 평가를 합산한 수식이다. Equation (1) below is a formula for calculating satisfaction for each agent, and Equation (2) is a formula for summing satisfaction evaluations for each agent to select a plurality of consumption agents.
여기서, distance(s,c)는 보급 에이전트와 소비 에이전트간의 거리이고, amount(t)는 소비 에이전트가 필요로 하는 물자량이다. Where distance (s, c) is the distance between the agent and consuming agent, and amount (t) is the amount of material needed by the consuming agent.
또한, 상기 소비 에이전트 선정부(130)는, 상기 만족도 평가에 이어 선택, 교배, 돌연변이, 새로운 개체, 새로운 개체에 대한 만족도 평가 연산을 반복적으로 수행하여, 상기 소비 에이전트를 최종적으로 선정한다.In addition, the consumption
이하의 표 1은, 상기 소비 에이전트 선정부(130)에서 사용되는 유전자 알고리즘 기법의 개략적인 실행과정을 보인 것이다Table 1 below shows a schematic execution process of the genetic algorithm technique used in the consumption
표 1에 도시된 바와 같이, 유전자 알고리즘은, 먼저 Initialization 함수로 최초 염색체들의 Population을 생성하고, 그 객체들의 Fitness 값을 최초로 만족도 평가(Evaluation)를 수행한다. 그 후, 예를 들어 토너먼트 선택 방식으로 두 염색체를 선택한 후에 교배와 변이를 거쳐 새로운 자식 염색체 2개를 생성한다. 그렇게 최대 Population 수의 약 절반만큼의 과정을 거치게 되면, 새로운 Population 객체들이 생성된다. 이렇게 새로 생성된 자식 Population들 중 최대 Fitness 값을 가진 Population을 선정하거나, 또는 좀 더 많은 Generation 타임을 설정하여 같은 과정을 여러 번 거친 후에 Population을 선정할 수도 있다. As shown in Table 1, the genetic algorithm first generates populations of the initial chromosomes with the initialization function, and performs the satisfaction evaluation of the fitness values of the objects for the first time. Then, for example, after choosing two chromosomes as the tournament selection method, two new chromosomes are generated through mating and mutation. If you go through about half of the maximum number of Populations, new Population objects are created. Population with the maximum fitness value among the newly created child populations may be selected, or more generations may be set, and the population may be selected after the same process is repeated several times.
한편, 상기 소비 에이전트 선정부(130)는, 유전자 알고리즘의 상술한 선택 과정에서, 기준 최대 수량을 초과하는 개체와 기준 최초 수량 미만의 개체를 제외시킬 수 있다. 이에 의하여, 최적화 값을 도출할 가능성이 향상되며, 보다 많은 소비 에이전트들이 선정된다.Meanwhile, in the above-described selection process of the genetic algorithm, the consumption
도 5 및 도 6은 본 발명의 실시예에 따라, 복수의 소비 에이전트들을 선정하기 위한 유전자 알고리즘의 시뮬레이션 결과를 보인 그래프들이다.5 and 6 are graphs showing simulation results of a genetic algorithm for selecting a plurality of consuming agents according to an embodiment of the present invention.
도 5와 도 6은, 각각 300개의 에이전트와 1500개의 에이전트를 기준으로 100세대에 걸쳐서 시뮬레이션을 수행한 결과이다. 도시된 바와 같이, 어느 경우에나 약 80세대가 지나면 그래프가 거의 평편해짐을 알 수 있다. 이때에 선정된 에이전트들이 소비 에이전트들이 된다. 도 5에서는 300개의 에이전트 중 약 290개의 에이전트가 소비 에이전트로 선정되었음을 알 수 있다.5 and 6 are simulation results for 100 generations based on 300 agents and 1500 agents, respectively. As shown, it can be seen that the graph becomes almost flat after about 80 generations in any case. At this time, the selected agents become consuming agents. In FIG. 5, about 290 agents among the 300 agents are selected as the consuming agents.
클러스터링 실행부(140)는, 군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 하나 이상의 릴레이 에이전트를 선택한다.The
여기서, 군집화 알고리즘이란, 군집에서 객체들의 평균값을 취하는 대신에 군집에서 가장 중심에 위치한 객체인 medoid를 사용하여 최적의 비용(cost)을 산출하는 알고리즘이다. 구체적인 과정은, 먼저 n개의 데이터 중 k개의 대표 객체를 선택할 수 있는 모든 경우를 생각한다. 그런 다음, 각 대표 객체를 기준으로 비용을 산출하는데, 예를 들어, i번째 경우에서의 총 비용은 k개의 군집을 형성한 후 군집의 배속된 객체와 군집 중심과의 거리를 모두 더한 것이 된다. 이러한 비용값을 모든 경우의 수에서 비교하여 가장 작은 경우일 때의 대표 객체와 군집을 최종적으로 선택한다.Here, the clustering algorithm is an algorithm that calculates an optimal cost by using a medoid, which is the centermost object in the cluster, instead of taking an average value of the objects in the cluster. The concrete procedure is as follows. First, k representative objects among n data are selected. Then, the cost is calculated on the basis of each representative object. For example, the total cost in the i-th case is the sum of the distances between the clustered object and the cluster center after forming k clusters. These cost values are compared in all cases, and the representative objects and clusters in the case of the smallest case are finally selected.
즉, 상기 클러스터링 실행부(140)는 상기 선정된 소비 에이전트 중 임의의 수에 대해 초기 클러스터링을 수행한다. 그런 다음, 초기 클러스터링에서 클러스터 헤드(cluster-head)로 선택된 소비 에이전트를 기준으로 거리가 인접한 다른 소비 에이전트를 그룹화하고, 상기 클러스터 헤드를 중심으로 상기 인접한 다른 소비 에이전트들까지의 총 거리비용을 산출해낸다.That is, the
계속해서, 상기 클러스터링 실행부(140)는, 초기 클러스터링에서 클러스터 헤드로 선택되지 않은 나머지 소비 에이전트에 대해 상기한 과정을 반복적으로 수행한다. 그런 다음, 최종적으로 상기 산출된 총 거리비용이 최소가 되는 클러스터 헤드를 상기 릴레이 에이전트로 하는 적어도 하나의 그룹을 형성한다.Subsequently, the
이하의 수학식 3은, 클러스터 헤드(cluster-head)로 선택된 임의의 소비 에이전트를 기준으로 그룹내의 각 소비 에이전트에 대한 비용을 산출하는 수식이고, 이하의 수학식 4는, 클러스터 헤드(cluster-head)로부터 그룹내의 각 소비 에이전트에 대한 거리비용이 최소가 되는 경우의 해를 산출하기 위한 수식이다.The following Equation (3) is a formula for calculating the cost for each consuming agent in the group on the basis of any consuming agent selected as the cluster head, and the following Equation (4) ) Is a minimum value of the distance cost for each consuming agent in the group.
여기서, p는 클러스터 cli의 객체이고, oi는 cli의 클러스터 헤드이다. 또한, distance(pi, cj)는 클러스터 헤드(cluster-head)로부터 해당 그룹에 속하는 각 객체들까지의 거리비용을 의미한다.Where p is the object of cluster cl i , and o i is the cluster head of cl i . Also, distance (p i , c j ) denotes the distance cost from the cluster head to each object belonging to the group.
또한, 이하의 표 2는, 상기 클러스터링 실행부(140)에서 사용되는 군집화 알고리즘 기법의 개략적인 실행과정을 보인 것이다Table 2 below shows a schematic execution process of the clustering algorithm technique used in the
군집화 알고리즘은 크게 1)초기 클러스터-헤드를 임의로 선택하는 과정과, 2)새로운 클러스터-헤드를 선택하는 과정으로 구별될 수 있다. 먼저, 1)단계에서는 임의의 수, 예를 들어, K개의 클러스터-헤드를 선택하고, 남은 소비 에이전트를 클러스터에 대한 객체로 할당하고, 각 클러스터에서 상기 할당된 객체를 클러스터-헤드로 임의 선택하다. 그리고, 2)단계에서는, 클러스터 수행 결과 클러스터-헤드를 중심으로 인접한 거리에 있는 다른 객체들간의 총 거리 비용값을 산출하고, 다음 클러스터링 단계가 완료되면 이전에 산출된 총 거리 비용값과 비교하여 최소값을 업데이트하는 방식으로(또는 교체하는 방식으로), 모든 소비 에이전트들에 대해 반복적으로 수행한다. Clustering algorithms can be distinguished largely by 1) randomly selecting the initial cluster - head and 2) selecting a new cluster - head. First, in step 1), an arbitrary number of, for example, K cluster-heads is selected, the remaining consuming agent is assigned as an object for the cluster, and the allocated object is arbitrarily selected as a cluster-head in each cluster . In step 2), the total distance cost value between the other objects at a distance adjacent to the cluster head is calculated as a result of the cluster operation, and when the next clustering step is completed, the total distance cost value calculated previously is compared with the minimum value (Or alternatively, in a manner that updates) all of the consuming agents.
이러한 방식으로, 최종적으로 남은 클러스터-헤드가 보급 에이전트의 중계 역할을 수행하는 릴레이 에이전트가 된다.In this way, the finally remaining cluster-head becomes a relay agent acting as a relay agent of the distribution agent.
도 4는 본 발명의 실시예에 따라, 한정된 군사 물자를 최적으로 분배하기 위한 릴레이 에이전트를 선택하는 과정을 설명하기 위한 개념도이다.FIG. 4 is a conceptual diagram for explaining a process of selecting a relay agent for distributing a limited military material according to an embodiment of the present invention.
도 4에 도시된 바와 같이, 하나의 공급 에이전트(또는 보급 에이전트)(supplier agent)와, 전투중인 지역(alert region)과, 다수의 소비 에이전트들(consumer agent)이 존재한다. 위에서 설명한 클러스터링의 실행이 완료되면, 하나 이상의 릴레이 에이전트(relay agent)가 선택된다. 공급 에이전트가 릴레이 에이전트에 군사 물자를 전달하면, 릴레이 에이전트는 각 그룹에 속하는 소비 에이전트들에게 (거리 비용이 최소가 되도록 이동하면서) 군사 물자를 최적으로 분배한다. As shown in FIG. 4, there is one supplier agent (or supplier agent), an alert region, and a plurality of consumer agents. When the execution of the above-described clustering is completed, one or more relay agents are selected. When a supply agent delivers military supplies to a relay agent, the relay agent optimally distributes the military supplies to the consuming agents belonging to each group (moving to a minimum distance cost).
또한, 도 1에서 시뮬레이션부(150)는, 전장 상황의 시뮬레이션을 위한 파라미터 정보를 사용자로부터 입력받는다. 그에 따라, 시뮬레이션을 수행하며, 공급 에이전트로부터 전달받은 군사 물자를 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 최적으로 분배하는 시뮬레이션 과정과 시뮬레이션 결과를 화면에 디스플레이한다.In addition, in FIG. 1, the
이상에서 설명한 실시예들에 의하면, 한정된 군사 물자를 많은 에이전트들에게 최적으로 분배할 수 있게 된다. 그에 따라, 다양한 전장 상황에서 군수 물자 운반에 대한 부분이 강화된, 보다 효과적이고 현실적인 군사 시뮬레이션이 가능하다.According to the embodiments described above, it is possible to distribute a limited military material to many agents optimally. As a result, more effective and realistic military simulations are possible, with enhanced aspects of military logistics in various battlefield situations.
이하, 도 3은 본 발명의 실시예에 따라, 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 제어방법의 예시 흐름도이다.3 is an exemplary flow chart of a method of controlling an optimal distribution system of materials in an agent-based military simulation environment, in accordance with an embodiment of the present invention.
도 3에 도시된 바와 같이, 먼저, 전장 상황과 관련된 파라미터 정보를 획득한다(S310). 그런 다음, 획득된 정보를 근거로, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출한다(S320). 그리고, 유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가한다(S330).As shown in FIG. 3, first, parameter information related to the electric field condition is obtained (S310). Then, based on the obtained information, an optimal route for reaching each agent from the reference agent is calculated while avoiding the point in the battle (S320). Then, using the genetic algorithm, the satisfaction is evaluated based on the distance corresponding to the optimum route for each agent and the amount of material required by each agent (S330).
계속해서, 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하는 단계가 진행된다(S340). 이와 같이 복수의 소비 에이전트들이 선정되면, 군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 적어도 하나의 릴레이 에이전트를 선택한다(S350).Subsequently, a step of selecting a plurality of consuming agents is performed based on the satisfaction evaluation (S340). When a plurality of consuming agents are selected as described above, clustering is performed on the selected consuming agents using the clustering algorithm to select at least one relay agent (S350).
한편, 시뮬레이션 시스템은, 전장 상황의 시뮬레이션을 위한 파라미터 정보를 입력받아, 시뮬레이션을 수행하고, 공급 에이전트로부터 전달받은 군사 물자를 상기 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 최적으로 분배하는 시뮬레이션 과정과 시뮬레이션 결과를 화면에 디스플레이한다(S360).Meanwhile, the simulation system receives the parameter information for simulation of the battlefield situation, performs simulation, and distributes the military material received from the supply agent to the consuming agents belonging to the group of the selected relay agents in an optimum manner The simulation process and the simulation result are displayed on the screen (S360).
이상에서 설명한 바와 같이, 본 발명에 따른 실시예에 의하면, 한정된 군사 물자를 다수의 에이전트들에 최적으로 자동 분배할 수 있다. 그에 따라, 다양한 전장 상황에서 군수 물자 운반에 대한 부분이 강화된 보다 효과적이고 현실적인 군사 시뮬레이션이 가능하다.As described above, according to the embodiment of the present invention, it is possible to automatically distribute a limited military material to a plurality of agents optimally. As a result, more effective and realistic military simulations are possible with enhanced aspects of military logistics in various battlefield situations.
또한, 이상에서는 본 발명의 바람직한 실시 예를 예시적으로 설명하였으나, 본 발명의 범위는 이와 같은 특정 실시 예에만 한정되는 것은 아니므로, 본 발명은 본 발명의 사상 및 특허청구범위에 기재된 범주 내에서 다양한 형태로 수정, 변경, 또는 개선될 수 있다. 또한, 여기에서 기술된 본 발명에 따른 방법은 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 본 발명에 따른 방법은 저장매체(예, 단말내부 메모리, 플래쉬 메모리, 하드디스크, 등)에 저장될 수 있고, 프로세서(예, 단말 내부 마이크로 프로세서)에 의해 실행될 수 있는 소프트웨어 프로그램 내에 포함되는 코드들 또는 명령어들로 구현될 수 있다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be taken by way of limitation, And may be modified, changed, or improved in various forms. Further, the method according to the present invention described herein can be implemented in software, hardware, or a combination thereof. For example, a method according to the present invention may be stored in a software program that can be stored in a storage medium (e.g., terminal internal memory, flash memory, hard disk, etc.) and executed by a processor May be implemented with embedded codes or instructions.
Claims (8)
복수의 에이전트를 포함하고, 상기 획득된 정보에 근거하여, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 루트 산출부;
유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가하고, 상기 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하는 소비 에이전트 선정부;
군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 하나 이상의 릴레이 에이전트를 선택하는 클러스터링 실행부; 및
전장 상황의 시뮬레이션을 위한 파라미터 정보를 입력받아, 시뮬레이션을 수행하고, 공급 에이전트로부터 전달받은 군사 물자를 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 거리 비용이 최소가 되도록 이동하면서 분배하는 시뮬레이션 결과를 디스플레이하는 시뮬레이션부;를 포함하고,
상기 클러스터링 실행부는,
상기 선정된 소비 에이전트 중 임의의 수에 대해 초기 클러스터링을 수행하고, 초기 클러스터링에서 클러스터 헤드로 선택된 소비 에이전트를 기준으로 거리가 인접한 다른 소비 에이전트를 그룹화하고, 상기 클러스터 헤드를 중심으로 상기 인접한 다른 소비 에이전트들까지의 총 거리비용을 산출하고,
초기 클러스터링에서 클러스터 헤드로 선택되지 않은 나머지 소비 에이전트에 대해 상기한 과정을 반복적으로 수행하고, 최종적으로 상기 산출된 총 거리비용이 최소가 되는 클러스터 헤드를 상기 릴레이 에이전트로 하는 적어도 하나의 그룹을 형성하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.An information collecting unit for periodically acquiring parameter information related to a battlefield situation;
A route calculation unit that includes a plurality of agents and calculates an optimal route for reaching each agent from the reference agent while avoiding a battle point based on the obtained information;
Evaluating the satisfaction based on the distance corresponding to the optimal route and the amount of material required by each agent for each agent using a genetic algorithm and selecting a plurality of consuming agents on the basis of the satisfaction evaluation, ;
A clustering execution unit for performing clustering on the selected consuming agents using the clustering algorithm to select one or more relay agents; And
Simulation is performed by receiving parameter information for simulation of the battlefield situation. Simulation is performed to distribute the military material received from the supply agent to the consuming agents belonging to the selected relay agent in the group, while minimizing the distance cost. And a simulation unit for displaying a result,
Wherein the clustering executing unit comprises:
The method comprising the steps of: performing initial clustering on a predetermined number of the selected consuming agents, grouping other consuming agents whose distances are close to each other on the basis of the selected consuming agent as a cluster head in the initial clustering, The total distance cost is calculated,
In the initial clustering, the above process is repeatedly performed for the remaining consuming agents that are not selected as the cluster heads, and finally, at least one group consisting of the cluster heads having the calculated total distance cost as the relay agents is formed Wherein said system comprises a plurality of elements, said system comprising:
상기 루트 산출부는,
상기 기준 에이전트의 현재 위치에서 이동가능한 상/하/좌/우/대각선 방향 중, 전투중인 지역이 아니면서 이동거리가 최소인 지점을 선택하고, 상기 선택된 지점으로 상기 기준 에이전트를 이동하여 각 에이전트에 도달하기 위한 최적 루트를 산출하고,
상기 전투중인 지점이 추가 또는 변경 여부를 감시하여, 상기 기준 에이전트의 현재 위치에서 각 에이전트에 도달하기 위한 최적 루트를 업데이트하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.The method according to claim 1,
The route calculating unit calculates,
Selects a point in the current position of the reference agent that is not in the battle area and has the smallest movement distance among the upward, downward, leftward, rightward, and diagonal directions that can be moved, moves the reference agent to the selected point, An optimal route to reach is calculated,
Wherein the battle point is monitored for addition or alteration to update an optimal route for reaching each agent at the current location of the reference agent.
상기 루트 산출부는,
상기 전투중인 지역에서는, 상기 기준 에이전트의 현재 위치로부터 좌상/좌하 또는 우상/우하 방향에 있는 지점의 거리값이 현재 위치의 거리값보다 적어도 1만큼 작고, 상기 좌상/좌하 또는 우상/우하 방향의 사이에 있는 대각선 지점의 거리값이 현재 위치의 거리값보다 적어도 2만큼 작은 조건이 만족되면,
상기 기준 에이전트를 대응되는 대각선방향으로 이동시키는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.3. The method of claim 2,
The route calculating unit calculates,
In the battle area, the distance value of the point in the upper left / lower left or upper right / lower right direction from the current position of the reference agent is smaller than the distance value of the current position by at least 1, and the upper left / lower left or upper right / If the condition that the distance value of the diagonal point in the current position is at least 2 smaller than the distance value of the current position is satisfied,
And moving the reference agent in a corresponding diagonal direction. ≪ Desc / Clms Page number 19 >
상기 소비 에이전트 선정부는,
각 에이전트의 만족도를 합산한 값이 최대가 되는 경우에, 상기 소비 에이전트로 선정하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.The method according to claim 1,
Wherein the consuming agent selecting unit comprises:
And when the value obtained by summing the satisfaction of each agent becomes the maximum, the consumption agent is selected as the consumption agent.
상기 소비 에이전트 선정부는,
상기 만족도 평가에 이어 선택, 교배, 돌연변이, 새로운 개체, 새로운 개체에 대한 만족도 평가 연산을 반복적으로 수행하여, 상기 소비 에이전트를 선정하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.The method according to claim 1,
Wherein the consuming agent selecting unit comprises:
Wherein the consuming agent is selected by repeatedly performing selection, mating, mutation, new entity, and satisfaction evaluation of a new entity after the satisfaction evaluation, thereby selecting an optimal distribution system of materials in an agent-based military simulation environment.
상기 소비 에이전트 선정부는,
상기 선택시, 기준 최대 수량을 초과하는 개체와 기준 최초 수량 미만의 개체를 제외하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템.6. The method of claim 5,
Wherein the consuming agent selecting unit comprises:
Wherein, when the selection is made, an object exceeding a reference maximum quantity and an object less than a reference initial quantity are excluded, and an optimal distribution system of materials in an agent-based military simulation environment.
상기 획득된 정보를 근거로, 전투중인 지점을 회피하면서 기준 에이전트로부터 각 에이전트에 도달하기 위한 최적 루트를 산출하는 단계;
유전자 알고리즘을 사용하여, 각 에이전트마다 상기 최적 루트에서 대응되는 거리와 각 에이전트가 필요로 하는 물자량을 기초로 만족도를 평가하는 단계;
상기 만족도 평가를 기준으로 복수의 소비 에이전트들을 선정하는 단계;
군집화 알고리즘을 사용하여, 상기 선정된 소비 에이전트들에 대해 클러스터링을 수행하여 적어도 하나의 릴레이 에이전트를 선택하는 단계; 및
전장 상황의 시뮬레이션을 위한 파라미터 정보를 입력받아, 시뮬레이션을 수행하고, 공급 에이전트로부터 전달받은 군사 물자를 상기 선택된 각 릴레이 에이전트가 자신의 그룹에 속하는 소비 에이전트들에게 거리비용이 최소가 되도록 이동하면서 분배하는 시뮬레이션 결과를 화면에 디스플레이하는 단계를 포함하고,
상기 클러스터링을 수행하여 적어도 하나의 릴레이 에이전트를 선택하는 단계는,
상기 선정된 소비 에이전트 중 임의의 수에 대해 초기 클러스터링을 수행하고, 초기 클러스터링에서 클러스터 헤드로 선택된 소비 에이전트를 기준으로 거리가 인접한 다른 소비 에이전트를 그룹화하고, 상기 클러스터 헤드를 중심으로 상기 인접한 다른 소비 에이전트들까지의 총 거리비용을 산출하고,
초기 클러스터링에서 클러스터 헤드로 선택되지 않은 나머지 소비 에이전트에 대해 상기한 과정을 반복적으로 수행하고, 최종적으로 상기 산출된 총 거리비용이 최소가 되는 클러스터 헤드를 상기 릴레이 에이전트로 하는 적어도 하나의 그룹을 형성하는 것을 특징으로 하는 에이전트 기반의 군사 시뮬레이션 환경에서 물자의 최적 분배 시스템의 제어방법.Obtaining parameter information related to a battlefield situation;
Calculating an optimal route for reaching each agent from the reference agent while avoiding a battle point based on the obtained information;
Evaluating the satisfaction on the basis of a distance corresponding to the optimum route and a material amount required by each agent using a genetic algorithm;
Selecting a plurality of consumption agents based on the satisfaction evaluation;
Selecting at least one relay agent by performing clustering on the selected consumption agents using a clustering algorithm; And
Receives parameter information for simulation of the battlefield situation, performs simulation, distributes the military material received from the supply agent to the consuming agents belonging to the selected relay agent, while moving the relay agent to minimize the distance cost And displaying a simulation result on a screen,
The step of performing the clustering to select at least one relay agent comprises:
The method comprising the steps of: performing initial clustering on a predetermined number of the selected consuming agents, grouping other consuming agents whose distances are close to each other on the basis of the selected consuming agent as a cluster head in the initial clustering, The total distance cost is calculated,
In the initial clustering, the above process is repeatedly performed for the remaining consuming agents that are not selected as the cluster heads, and finally, at least one group consisting of the cluster heads having the calculated total distance cost as the relay agent is formed Wherein the method comprises the steps of:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130155773A KR101416916B1 (en) | 2013-12-13 | 2013-12-13 | Optimization distribution system of items in military logistics based on multi agent system and control method of the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130155773A KR101416916B1 (en) | 2013-12-13 | 2013-12-13 | Optimization distribution system of items in military logistics based on multi agent system and control method of the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101416916B1 true KR101416916B1 (en) | 2014-07-09 |
Family
ID=51741603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130155773A KR101416916B1 (en) | 2013-12-13 | 2013-12-13 | Optimization distribution system of items in military logistics based on multi agent system and control method of the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101416916B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101754739B1 (en) | 2016-12-26 | 2017-08-08 | 대한민국(방위사업청장) | Battlefield situation placement device and method thereof |
| CN107798423A (en) * | 2017-10-11 | 2018-03-13 | 南京邮电大学 | Vehicle path planning Simulation Experimental Platform based on multi-intelligence algorithm |
| KR101906678B1 (en) * | 2016-11-22 | 2018-10-10 | 강원대학교산학협력단 | Method and system for data clustering based on efficient hybrid simulated annealing |
| CN109725532A (en) * | 2018-12-24 | 2019-05-07 | 杭州电子科技大学 | One kind being applied to relative distance control and adaptive corrective method between multiple agent |
| CN111259546A (en) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | Self-driven vehicle circumference formation control method, system and storage medium |
-
2013
- 2013-12-13 KR KR1020130155773A patent/KR101416916B1/en active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 멀티에이전트 기반의 군수시뮬레이션 환경에서 유전알고리즘 최적화를 적용한 물자분배방식(2012 한국컴퓨터종합학술대회 논문집 Vol.39, No.1(B)) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101906678B1 (en) * | 2016-11-22 | 2018-10-10 | 강원대학교산학협력단 | Method and system for data clustering based on efficient hybrid simulated annealing |
| KR101754739B1 (en) | 2016-12-26 | 2017-08-08 | 대한민국(방위사업청장) | Battlefield situation placement device and method thereof |
| CN107798423A (en) * | 2017-10-11 | 2018-03-13 | 南京邮电大学 | Vehicle path planning Simulation Experimental Platform based on multi-intelligence algorithm |
| CN109725532A (en) * | 2018-12-24 | 2019-05-07 | 杭州电子科技大学 | One kind being applied to relative distance control and adaptive corrective method between multiple agent |
| CN111259546A (en) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | Self-driven vehicle circumference formation control method, system and storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mo et al. | Research of biogeography particle swarm optimization for robot path planning | |
| KR101416916B1 (en) | Optimization distribution system of items in military logistics based on multi agent system and control method of the same | |
| Nseef et al. | An adaptive multi-population artificial bee colony algorithm for dynamic optimisation problems | |
| Hidalgo-Paniagua et al. | MOSFLA-MRPP: Multi-objective shuffled frog-leaping algorithm applied to mobile robot path planning | |
| Kumar et al. | Genetic algorithms | |
| Wang et al. | Stochastic economic emission load dispatch through a modified particle swarm optimization algorithm | |
| Janga Reddy et al. | An efficient multi-objective optimization algorithm based on swarm intelligence for engineering design | |
| Strauch et al. | Constraints in multi-objective optimization of land use allocation–repair or penalize? | |
| Wu et al. | Hybrid harmony search and artificial bee colony algorithm for global optimization problems | |
| Kumar et al. | A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch | |
| Neema et al. | Multi-objective location modeling of urban parks and open spaces: continuous optimization | |
| Wu et al. | Truss structure optimization using adaptive multi-population differential evolution | |
| Niu et al. | An improved intelligent water drops algorithm for solving multi-objective job shop scheduling | |
| Niu et al. | An improved intelligent water drops algorithm for achieving optimal job-shop scheduling solutions | |
| Schwaab et al. | Improving the performance of genetic algorithms for land-use allocation problems | |
| Hosseinabadi et al. | GELS-GA: hybrid metaheuristic algorithm for solving multiple travelling salesman problem | |
| Ma et al. | Hybrid biogeography-based evolutionary algorithms | |
| CN108882256B (en) | Method and device for optimizing coverage of wireless sensor network node | |
| Best et al. | Multi-robot path planning for budgeted active perception with self-organising maps | |
| Shayeghi et al. | An improved DPSO with mutation based on similarity algorithm for optimization of transmission lines loading | |
| Yedidsion et al. | Applying max-sum to teams of mobile sensing agents | |
| Dhahri et al. | Hierarchical multi-dimensional differential evolution for the design of beta basis function neural network | |
| Zhao et al. | A decomposition-based many-objective ant colony optimization algorithm with adaptive solution construction and selection approaches | |
| Joachimczak et al. | Fine grained artificial development for body-controller coevolution of soft-bodied animats | |
| Qian et al. | An ant colony system based on the Physarum network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190702 Year of fee payment: 6 |