강화학습 방법론을 이용한 탄도미사일 방어체계 무기-표적할당에 대한 인공지능 방법론 적용에 대한 연구 (A study on AI-based Weapon-Target Assignment of Ballistic Missile Defense System using Reinforcement Learning Methodologies)

서지정보

· 발행기관 : 한국국방경영분석학회
· 수록지 정보 : 한국국방경영분석학회지 / 48권 / 2호 / 99 ~ 108페이지
· 저자명 : 변무현, 문일철

초록

군사적인 관점에서 탄도미사일 방어작전은 전구적·전략적 차원의 군사작전에 속한다. 특히, 탄도미사일 방어작전의 성패는 전략적 중심을 방어하는 중요한 군사적 행동이라고 할 수 있다. 탄도미사일 방어작전에 사용되는 무기체계의 특성상 피아간의 작전템포가 빠르게 진행되고, 방자의 입장에서는 실패 시 그 치명성이 크다. 따라서, 탄도미사일 방어작전의 성공을 위해 최신 군사과학기술 특히, 인공지능 기술을 이용한 방법론이 필연적으로 요구된다. 본 연구에서는 탄도미사일 방어작전의 작전과정 중 임무할당 문제에 초점을 맞추어 연구하였다. 전통적으로 무기-표적할당 문제에 대한 연구는 유전자 알고리즘, 휴리스틱 방법론 중심으로 최적해를 찾기 위해 많은 연구들이 진행되어져 왔다. 본 연구에서는 무기-표적할당 문제를 인공지능 중 강화학습 방법론으로 접근하여 최적해를 찾기위해 가치기반의 강화학습 방법론과 정책기반의 강화학습 방법론으로 두 가지 접근법을 사용하였으며, 특히 다중에이전트를 적용한 결과까지 제시하여 실제 작전환경과 유사한 환경을 적용하였다. 그 결과, 전통적인 방법론과 대등하거나 우세한 결과를 통해 인공지능 방법론을 접목한 무기-할당 문제의 최적해를 찾을 수 있었다.

영어초록

From a military point of view, ballistic missile defense(BMD) operations belong to military operations of theater and strategic level. In particular, the success or failure of ballistic missile defense operations is importantly related to defending the strategic center of gravity . Considering the nature of the BMD’s weapon system, the operation has a rapid operation tempo against the enemy and is highly fatal in case of failure to the defender. Therefore, or the success of the BMD operation, Defending using artificial intelligence methodology is inevitably required. This study focused on the problem of weapon-target assignment(WTA) in the operational process of BMD operations. Traditionally, research on WTA problems has been conducted to find optimal solutions, focusing on genetic algorithms and heuristic methodologies. In this study, two approaches were used: value-based reinforcement learning(RL) and policy-based RL to find the optimal solution for WTA. As a result, it was possible to find an optimal solution that are competitive or better performance to traditional methodologies.

참고자료

· 없음