KR102076225B1 - 무인기의 임무 계획 최적화 방법 및 장치 - Google Patents

무인기의 임무 계획 최적화 방법 및 장치 Download PDF

Info

Publication number
KR102076225B1
KR102076225B1 KR1020190059705A KR20190059705A KR102076225B1 KR 102076225 B1 KR102076225 B1 KR 102076225B1 KR 1020190059705 A KR1020190059705 A KR 1020190059705A KR 20190059705 A KR20190059705 A KR 20190059705A KR 102076225 B1 KR102076225 B1 KR 102076225B1
Authority
KR
South Korea
Prior art keywords
tasks
optimal solution
vector matrix
drone
obtaining
Prior art date
Application number
KR1020190059705A
Other languages
English (en)
Inventor
장우혁
변진구
박지훈
노기문
이대우
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020190059705A priority Critical patent/KR102076225B1/ko
Application granted granted Critical
Publication of KR102076225B1 publication Critical patent/KR102076225B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • 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"
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

무인기의 임무 계획 최적화 방법에 있어서, 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하고, 제 1 벡터 행렬에 기초하여 임무들의 수행 순서에 관한 제 1 최적해를 획득하고, 제 1 최적해 및 제 2 벡터 행렬에 기초하여 임무들의 수행 여부에 관한 제 2 최적해를 획득하고, 제 1 최적해 및 제 2 최적해 중 적어도 하나에 기초하여 최종 최적해를 획득한다.

Description

무인기의 임무 계획 최적화 방법 및 장치{Method and apparatus for optimizing mission planning of UAV(Unmanned　Aerial　Vehicle)}
본 개시는 무인기의 임무 계획 최적화 방법 및 장치에 관한 것이다.
무인기는 사람이 탑승하지 않기 때문에 유인기에 비해 그 크기와 형태가 다양하다. 이로 인해 무인기는 군사 분야 및 민간 분야에서 다양한 임무를 수행할 수 있다. 한편, 최근 하드웨어 및 소프트웨어 기술의 발전에 따라 무인기의 운용 가능 시간과 무인기의 연산 처리 속도가 증가하였으며, 이에 따라 한 번의 비행에 여러 임무들을 수행할 수 있다.
무인기의 임무 계획 최적화란 임무 지점들 간 거리, 임무에 소요되는 비용, 위험도 등의 외부적인 요소와 무인기의 운용 가능 시간 등 내부적인 요소를 고려하여 임무들의 수행 순서 또는 임무들의 수행 여부를 최적화 하는 것이다. 임무 계획 최적화에 있어서 임무들의 수가 많을수록 연산량이 기하급수적으로 증가하기 때문에 이를 해결하는 기법으로 확률 기반의 최적화 기법인 유전 알고리즘(genetic algorithm)이 널리 사용되고 있다.
한편, 기존의 임무 계획 최적화를 위한 유전 알고리즘은 임무들의 수행 순서 및 임무들의 수행 여부를 동시에 최적화하지 못하는 문제점이 있었다.
다양한 실시예들은 무인기의 임무 계획 최적화 방법 및 장치를 제공하는데 있다. 본 개시가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
본 개시의 일 측면에 따르면, 무인기의 임무 계획 최적화 방법에 있어서, 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계; 상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계; 상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및 상기 제 1 최적해 및 상기 제 2 최적해를 조합하여 최종 최적해를 획득하는 단계;를 포함할 수 있다.
또한, 제 2 벡터 행렬은. 상기 임무들 각각의 수행 여부를 결정하는 변수들로 구성된 이진 행렬(binary matrix)에 해당하고, 상기 변수들의 초기 생성값은 상기 임무들 각각이 수행될 확률에 기초하여 결정될 수 있다.
또한, 제 1 최적해를 획득하는 단계는, 상기 제 1 최적해에 따른 상기 임무들의 수행에 소요되는 시간 및 상기 무인기의 운용 가능 시간을 비교하는 단계;를 더 포함할 수 있다.
또한, 상기 제 1 최적해에 따른 상기 임무들의 수행에 소요되는 시간이 상기 무인기의 운용 가능 시간보다 작은 경우, 상기 최종 최적해는 상기 제 1 최적해와 동일할 수 있다.
또한, 무인기의 임무 계획 최적화 방법은 상기 임무들의 수행에 소요되는 시간을 최소화하는 함수 및 상기 무인기의 운용 가능 시간 내에 상기 임무들의 수행 여부에 따른 보상을 최대화하는 함수를 동시에 만족하는 목적 함수를 정의하는 단계를 더 포함하고, 상기 보상은 상기 임무들 각각의 중요도에 기초할 수 있다.
본 개시의 다른 측면에 따르면, 무인기의 임무 계획 최적화 방법을 구현하기 위한 프로그램이 기록된, 컴퓨터로 판독 가능한 기록 매체에 있어서, 상기 방법은, 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계; 상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계; 상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및 상기 제 1 최적해 및 상기 제 2 최적해를 조합하여 최종 최적해를 획득하는 단계;를 포함할 수 있다.
본 개시의 또 다른 측면에 따르면, 하드웨어와 결합되어, 무인기의 임무 계획 최적화 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 있어서, 상기 방법은, 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계; 상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계; 상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및 상기 제 1 최적해 및 상기 제 2 최적해를 조합하여 최종 최적해를 획득하는 단계;를 포함할 수 있다.
도 1은 종래 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
도 2는 2차원 개체군 행렬의 일 예를 나타내는 도면이다.
도 3은 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
도 4는 3차원 개체군 행렬의 일 예를 나타내는 도면이다.
도 5(a)는 제 1 벡터 행렬에 기초하여 제 1 최적해를 획득하는 일 예를 나타내는 도면이다.
도 5(b)는 제 1 벡터 행렬의 모든 순열 벡터들을 제 1 최적해로 변경하는 일 예를 나타내는 도면이다.
도 5(c)는 제 1 최적해 및 제 2 벡터 행렬에 기초하여 제 2 최적해를 획득하는 일 예를 나타내는 도면이다.
도 5(d)는 최종 최적해를 획득하는 일 예를 나타내는 도면이다.
도 6은 무인기의 임무 계획 최적화 방법을 시뮬레이션을 통해 적용한 일 예를 나타내는 도면이다.
도 7은 무인기의 운용 가능 시간의 변화에 따라 수행 가능한 임무들의 개수를 나타내는 도면이다.
도 8은 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
이하 첨부된 도면을 참조하면서 오로지 예시를 위한 실시예들을 상세히 설명하기로 한다. 하기 설명은 실시예들을 구체화하기 위한 것일 뿐 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 상세한 설명 및 실시예로부터 당해 기술분야의 전문가가 용이하게 유추할 수 있는 것은 권리범위에 속하는 것으로 해석된다.
본 명세서에서 사용되는 '구성된다' 또는 '포함한다' 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 실시예들은 무인기의 임무 계획 최적화 방법 및 장치에 관한 것으로서 이하의 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서는 자세한 설명을 생략한다.
도 1은 종래 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
110 단계에서, 임무 계획 최적화 장치는 임무 지점의 정보를 입력할 수 있다. 예를 들어, 무인기가 수행하고자 하는 임무 지점들의 개수, 임무 지점들의 위치, 임무점들 간의 거리 및 무인기의 운용 가능 시간 등 초기 정보를 입력할 수 있다.
120 단계에서, 임무 계획 최적화 장치는 목적 함수 및 제한 조건을 설정할 수 있다.
예를 들어, 목적 함수는 순회 외판원 문제(Traveling Salesman Problem)를 기준으로 정의되는 경우, 임무 지점들 간 거리를 목적 함수로 설정할 수 있다. 또는, 속력과 시간은 비례관계가 성립하므로 주어진 임무들의 수행에 소요되는 시간을 목적 함수로 설정할 수 있다.
제한 조건은 무인기의 연료에는 한계가 있으므로 운용 시간을 한정하는 조건, 한번 수행한 임무 지점은 다시 방문하지 않도록 하는 조건, 특정 임무 지점들 간 수행 순서에 관한 조건 등에 해당할 수 있다. 한편, 제약 조건은 상술한 바로 한정되지 않으며 다양한 제한 조건들이 있을 수 있다.
130 단계에서, 임무 계획 최적화 장치는 2차원 개체군 행렬을 형성할 수 있다.
유전 알고리즘(Genetic Algorithm)에서는 가능한 해들을 염색체(chromosome)의 형태로 표현하며, 해를 하나의 집합으로 보았을 때 해를 구성하는 각 원소는 유전자(gene)로 표현할 수 있다. 이 때, 가능한 해들의 집합을 개체군(population)이라고 한다.
예를 들어, 하나의 해는 임무들의 수행 순서를 의미할 수 있다. 즉, 임무 계획 최적화 장치는 임무들에 대한 임의의 순열을 생성하여 하나의 염색체를 구성하고, 이를 반복하여 여러 염색체를 생성함으로써 하나의 개체군을 형성할 수 있다.
도 2는 2차원 개체군 행렬의 일 예를 나타내는 도면이다.
도 2를 참조하면, n개의 임무 지점들의 수행 순서를 나타내는 순열이 m개 존재하는 경우의 2차원 개체군 행렬이 도시되어 있다. 이 때, 2차원 개체군 행렬 은 m*n의 크기를 가질 수 있다. 도 2에서는 임무 지점들의 개수가 7개인 경우 임무들의 수행 순서에 관한 2차원 개체군 행렬이 도시되어 있으나 이에 제한되는 것은 아니다.
다시 도 1을 참조하면, 140 단계에서, 임무 계획 최적화 장치는 최적해를 획득할 수 있다.
임무 계획 최적화 장치는 개체군이 포함하는 각 해에 대하여 적합도를 계산하고, 적합도가 우수한 해는 선택하고 적합도가 우수하지 않은 해는 도태시킬 수 있다. 또한, 임무 계획 최적화 장치는 개채군에 포함된 각 해에 대하여 유전 연산자인 선택(selection), 교배(crossover) 및 돌연변이(mutation)의 연산 과정을 반복하여 적용할 수 있다. 선택, 교배 및 돌연변이의 연산 과정을 통해 개체군이 국소 최저치(local minima)에 빠지는 것을 방지하고, 해의 다양성을 확보할 수 있다.
이와 같이, 임무 계획 최적화 장치는 적합도 평가 및 선택(selection), 교배(crossover) 및 돌연변이(mutation) 등의 연산 과정을 반복할 수 있으며, 연산 과정의 한 사이클을 세대(generation)라고 지칭할 수 있다. 임무 계획 최적화 장치는 반복한 세대의 수가 사전에 설정한 세대의 수를 만족하는지 여부 또는 개체군 내 동일한 해가 일정 비율 이상 생성되었는지 여부 등에 기초하여 알고리즘을 종료할 수 있다.
한편, 무인기의 임무 계획 최적화 방법은 주어진 제약조건에 따라 임무들의 선택 최적화와 자원의 효율적 활용을 위한 임무들의 수행 순서 최적화가 동시에 만족되어야 한다.
그러나, 상술한 바와 같은 종래 무인기의 임무 계획 최적화 방법에서 적용되는 유전 알고리즘은 개체군에서 최적화 가능한 변수가 하나 뿐이기 때문에 임무들의 수행 순서 및 임무들의 수행 여부를 동시에 최적화하기 어렵다.
예를 들어, 순회 외판원 문제를 기준으로 목적 함수가 정의되는 경우, 모든 임무들의 수행 순서를 최적화 하더라도 모든 임무들의 수행에 소요되는 시간이 무인기가 운용 가능한 시간을 초과한다면 해가 도출되지 않는 문제점이 있다.
또한, 배낭 문제를 기준으로 목적 함수가 정의되는 경우, 임무들의 수행 순서를 고려하지 않는 문제점이 있다. 배낭 문제는 무인기의 연료량 또는 무인기의 운용 가능한 시간 등 정해진 자원 조건 내에서 각 임무의 중요도 및 소요되는 자원을 고려하여 임무들에 대한 수행 여부를 최적화하는 방법이다.
따라서, 본 발명에서는 임무들의 수행 순서 및 임무들의 수행 여부를 동시에 최적화하기 위한 방법을 제안하며 이하 도 3 내지 도 8을 참조하여 설명한다.
도 3은 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
310 단계에서, 임무 계획 최적화 장치는 임무 지점의 정보를 입력할 수 있다. 310 단계는 도 1의 110단계와 동일할 수 있으며, 이하 중복되는 설명은 생략한다.
320 단계에서, 임무 계획 최적화 장치는 목적 함수 및 제한 조건을 설정할 수 있다.
목적 함수는 임무들의 수행에 소요되는 시간을 최소화하는 함수 및 무인기의 운용 가능 시간 내에 임무들의 수행 여부에 따른 보상을 최대화하는 함수를 동시에 만족하도록 정의될 수 있다.
이 때, 보상은 임무들 각각의 중요도에 기초하여 결정될 수 있다. 예를 들어, 보상은 선택된 임무들 각각의 중요도의 합에 해당할 수 있다. 모든 임무들의 중요도가 동일한 경우에, 보상은 수행되는 임무들의 개수에 해당할 수 있다.
제한 조건은 무인기의 연료에는 한계가 있으므로 운용 시간을 한정하는 조건, 한번 수행한 임무 지점은 다시 방문하지 않도록 하는 조건, 특정 임무 지점들 간 수행 순서에 관한 조건 등에 해당할 수 있다. 한편, 제약 조건은 상술한 바로 한정되지 않으며 다양한 제한 조건들이 있을 수 있다.
330 단계에서, 임무 계획 최적화 장치는 3차원 개체군 행렬을 형성할 수 있다.
도 4는 3차원 개체군 행렬의 일 예를 나타내는 도면이다.
도 4를 참조하면, 3차원 개체군 행렬은 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함할 수 있다.
제 1 벡터 행렬은 m개의 임무 지점들에 대한 수행 순서를 순열 벡터로 나타낸 해가 n개로 이루어진 m×n 크기의 행렬에 해당할 수 있다. 도 4에서는 임무 지점들의 개수가 7개인 경우의 제 1 벡터 행렬이 도시되어 있으나 이에 제한되는 것은 아니다.
제 2 벡터 행렬은 임무들 각각의 수행 여부를 결정하는 변수들로 구성된 이진 행렬(binary matrix)에 해당할 수 있다. 제 2 벡터 행렬은 제 1 벡터 행렬과 마찬가지로 m×n 크기의 행렬일 수 있다. 예를 들어, 제 2 벡터 행렬를 구성하는 변수들은 0 또는 1일 수 있다. 이 때, 0은 해당 임무를 수행하지 않음을, 1은 해당 임무를 수행함을 의미할 수 있다.
한편, 제 2 벡터 행렬을 구성하는 변수들의 초기 생성값은 복수의 임무들 각각이 수행될 확률에 기초하여 결정될 수 있다. 복수의 임무들 각각이 수행될 확률은 0% 내지 100% 중에서 임의로 지정될 수 있고, 지정된 확률에 따라 제 2 벡터 행렬에서 0과 1의 비율이 결정될 수 있다.
3차원 개체군 행렬은 상술한 제 1 벡터 행렬 및 제 2 벡터 행렬의 결합에 의해 생성될 수 있으며, 따라서 m×n×2 크기의 행렬일 수 있다.
다시 도 3을 참조하면, 340 단계에서, 임무 계획 최적화 장치는 임무들을 수행하는 순서에 관한 제 1 최적해를 획득할 수 있다.
임무 계획 최적화 장치는 무인기의 운용 가능 시간이 무한하다는 가정 하에서, 자원의 소모를 최소화하도록 임무들을 수행하는 순서를 최적화할 수 있다. 이하 도 5(a)를 참조하여 임무들을 수행하는 순서의 최적화와 관련하여 설명하도록 한다.
도 5(a)는 제 1 벡터 행렬에 기초하여 제 1 최적해를 획득하는 일 예를 나타내는 도면이다.
제 1 벡터 행렬은 도 4에서 상술한 바와 같이, m개의 임무 지점들에 대한 수행 순서를 순열 벡터로 나타낸 해가 n개로 이루어진 m×n 크기의 행렬에 해당할 수 있다. 도 5(a)에서는 임무 지점들의 개수가 7개인 경우의 제 1 벡터 행렬이 도시되어 있으나 이에 제한되는 것은 아니다.
도 5(a)를 참조하면, 임무 계획 최적화 장치는 제 1 벡터 행렬이 포함하는 각 순열 벡터에 대하여 적합도를 계산하고, 적합도가 우수한 해는 선택하고 적합도가 우수하지 않은 해는 도태시킬 수 있다. 또한, 임무 계획 최적화 장치는 제 1 벡터 행렬에 포함된 각 순열 벡터에 대하여 유전 연산자인 선택, 교배 및 돌연변이의 연산 과정을 반복하여 적용할 수 있다. 이를 통해, 임무 계획 최적화 장치는 무인기의 운용 가능 시간이 무한하다는 가정 하에서, 자원의 소모를 최소화하는 순열 벡터를 제 1 최적해로 획득할 수 있다.
예를 들어 도 5(a)를 참조하면, 제 1 최적해는 '5-3-7-4-2-1-6'의 순열 벡터일 수 있으며 이는 임무 지점 5번, 3번, 7번, 4번, 2번, 1번, 6번의 순서로 임무가 수행됨을 의미할 수 있다.
다시 도 3을 참조하면, 350 단계에서, 임무 계획 최적화 장치는 제 1 최적해에 따른 임무들의 수행에 소요되는 시간 및 무인기의 운용 가능 시간을 비교할 수 있다.
제 1 최적해에 따른 임무들의 수행에 소요되는 시간이 무인기의 운용 가능 시간보다 작다면, 370 단계로 이동할 수 있다. 즉, 임무들의 수행 여부에 관하여 최적화할 필요가 없으므로 연산은 종료되고 제 1 최적해를 최종 최적해로 획득할 수 있다.
다만, 제 1 최적해에 따른 임무들의 수행에 소요되는 시간이 무인기의 운용 가능 시간보다 크다면, 360 단계로 이동할 수 있다.
360 단계에서, 임무 계획 최적화 장치는 임무들의 수행 여부에 관한 제 2 최적해를 획득할 수 있다.
먼저, 무인기의 운용 가능 시간이 무한하다는 가정 하에서, 임무들을 수행하는 순서에 대한 제 1 최적해가 도출되면 제 1 벡터 행렬의 모든 순열 벡터들은 제 1 최적해로 변경될 수 있다. 도 5(b)는 제 1 벡터 행렬의 모든 순열 벡터들을 제 1 최적해로 변경하는 일 예를 나타내는 도면이다.
도 5(c)는 제 1 최적해 및 제 2 벡터 행렬에 기초하여 제 2 최적해를 획득하는 일 예를 나타내는 도면이다.
제 2 벡터 행렬은 도 4에서 상술한 바와 같이, 임무들 각각의 수행 여부를 결정하는 변수들로 구성된 이진 행렬에 해당할 수 있으며 제 1 벡터 행렬과 마찬가지로 m×n 크기의 행렬일 수 있다. 도 5(c)에서는 임무 지점들의 개수가 7개인 경우의 제 2 벡터 행렬이 도시되어 있으나 이에 제한되는 것은 아니다.
임무 계획 최적화 장치는 제 2 벡터 행렬이 포함하는 각 순열 벡터에 대하여 적합도를 계산하고, 적합도가 우수한 해는 선택하고 적합도가 우수하지 않은 해는 도태시킬 수 있다. 또한, 임무 계획 최적화 장치는 제 2 벡터 행렬에 포함된 각 순열 벡터에 대하여 유전 연산자인 선택, 교배 및 돌연변이의 연산 과정을 반복하여 적용할 수 있다.
이를 통해, 임무 계획 최적화 장치는 제 1 최적해로부터 도출된 임무들의 수행 순서를 기반으로, 무인기의 운용 가능 시간 내에 최대한 임무를 많이 수행하도록 하는 순열 벡터인 제 2 최적해를 획득할 수 있다.
예를 들어 도 5(c)를 참조하면, 제 2 최적해는 '1-0-1-1-0-1-1'의 순열 벡터일 수 있다.
다시 도 3을 참조하면, 370 단계에서 임무 계획 최적화 장치는 최종 최적해를 획득할 수 있다.
도 5(d)는 최종 최적해를 획득하는 일 예를 나타내는 도면이다.
도 5(d)를 참조하면, 제 1 최적해에 해당하는 순열 벡터의 원소 중에서 제 2 최적해에 해당하는 순열 벡터의 0과 같은 좌표에 있는 원소는 0으로 치환되며, 이는 해당 임무 지점을 지나지 않는다는 것을 의미할 수 있다.
예를 들면, 임무 계획 최적화 장치는 제 1 최적해에 해당하는 순열 벡터 '5-3-7-4-2-1-6'는 제 2 최적해에 해당하는 순열 벡터 '1-0-1-1-0-1-1'와 조합하여 5-0-7-4-0-1-6'의 순열 벡터를 최종 최적해로 획득할 수 있다. 이는, 3번 및 2번의 임무 지점은 포기하고 임무 지점 5번, 7번, 4번, 1번, 6번의 순서로 임무가 수행됨을 의미할 수 있다.
결과적으로, 임무 계획 최적화 장치는 임무들의 수행 순서와 임무들의 수행 여부를 모두 최적화한 최종 최적해를 도출할 수 있음을 알 수 있다.
도 6은 무인기의 임무 계획 최적화 방법을 시뮬레이션을 통해 적용한 일 예를 나타내는 도면이다.
도 6(a)는 도 1에서 상술한 종래 무인기의 임무 계획 최적화 방법을 시뮬레이션을 통해 적용한 일 예이며, 도 6(b)는 도 3에서 상술한 무인기의 임무 계획 최적화 방법을 시뮬레이션을 통해 적용한 일 예이다.
도 6(a)를 참조하면, 종래 무인기의 임무 계획 최적화 방법은 모든 임무 지점에서 임무를 수행해야 하는 조건이 전제되기 때문에 임무들의 수행에 소요되는 시간이 무인기의 운용 가능 시간을 초과할 경우 최적해가 도출되지 않는 문제점이 있음을 알 수 있다.
반면, 본 발명에서 제안하는 무인기의 임무 계획 최적화 방법은 무인기의 운용 가능 시간 내에서 최대의 임무를 수행할 수 있도록, 임무들의 수행 순서 및 수행 여부를 모두 최적화하는 해를 도출할 수 있음을 알 수 있다.
도 7은 무인기의 운용 가능 시간의 변화에 따라 수행 가능한 임무들의 개수를 나타내는 도면이다.
도 7을 참조하면, 본 발명에서 제안하는 무인기의 임무 계획 최적화 방법을 적용한 경우, 무인기의 운용 가능 시간에 따른 수행 가능한 임무들의 개수를 나타내고 있다.
무인기의 운용 가능 시간이 1800초, 2500초 및 3200초일 때. 수행 가능한 임무들의 개수는 각각 16개, 21개 및 25개이다. 이에 따라, 본 발명에서 제안하는 무인기의 임무 계획 최적화 방법은 무인기의 운용 가능 시간을 다르게 설정하더라도, 설정된 운용 가능 시간에 따라 항상 최적해를 도출할 수 있음을 알 수 있다.
도 8은 무인기의 임무 계획 최적화 방법의 일 예를 나타내는 흐름도이다.
810 단계에서, 임무 계획 최적화 장치는 임무들의 수행 순서에 관한 제 1 벡터 행렬 및 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성할 수 있다. 예를 들어, 제 1 벡터 행렬은 m개의 임무 지점들에 대한 수행 순서를 순열 벡터로 나타낸 해가 n개로 이루어진 m×n 크기의 행렬에 해당할 수 있다. 또한, 제 2 벡터 행렬은 임무들 각각의 수행 여부를 결정하는 변수들로 구성된 이진 행렬(binary matrix)에 해당할 수 있으며, 제 1 벡터 행렬과 마찬가지로 m×n 크기의 행렬일 수 있다. 3차원 벡터 행렬은 상술한 제 1 벡터 행렬 및 제 2 벡터 행렬의 결합에 의해 생성될 수 있으며, 따라서 m×n×2 크기의 행렬일 수 있다. 3차원 벡터 행렬은 도 4의 3차원 개체군 행렬과 동일할 수 있다.
820 단계에서, 임무 계획 최적화 장치는 제 1 벡터 행렬에 기초하여 임무들을 수행하는 순서에 관한 제 1 최적해를 획득할 수 있다. 예를 들어, 임무 계획 최적화 장치는 무인기의 운용 가능 시간이 무한하다는 가정 하에서, 자원의 소모를 최소화하는 순열 벡터를 제 1 최적해로 획득할 수 있다.
830 단계에서, 임무 계획 최적화 장치는 제 1 최적해 및 제 2 벡터 행렬에 기초하여 임무들의 수행 여부에 관한 제 2 최적해를 획득할 수 있다. 예를 들어, 임무 계획 최적화 장치는 제 1 최적해로부터 도출된 임무들의 수행 순서를 기반으로, 무인기의 운용 가능 시간 내에 최대한 임무를 많이 수행하도록 하는 순열 벡터인 제 2 최적해를 획득할 수 있다.
840 단계에서, 임무 계획 최적화 장치는 제 1 최적해 및 제 2 최적해 중 적어도 하나에 기초하여 최종 최적해를 획득할 수 있다. 예를 들어, 제 1 최적해에 따른 임무들의 수행에 소요되는 시간이 무인기의 운용 가능 시간보다 작다면, 제 1 최적해를 최종 최적해로 획득할 수 있다.
한편, 제 1 최적해에 따른 임무들의 수행에 소요되는 시간이 무인기의 운용 가능 시간보다 크다면, 제 1 최적해 및 제 2 최적해에 기초하여 최종 최적해를 획득할 수 있다. 예를 들어, 최종 최적해는 제 1 최적해 및 제 2 최적해를 조합하여 획득될 수 있다. 제 1 최적해 및 제 2 최적해를 조합할 때, 제 1 최적해에 해당하는 순열 벡터의 원소 중에서 제 2 최적해에 해당하는 순열 벡터의 0과 같은 좌표에 있는 원소는 0으로 치환되며, 이는 해당 임무 지점을 지나지 않는다는 것을 의미할 수 있다. 임무 계획 최적화 장치는 제 1 최적해 및 제 2 최적해를 조합함으로써 임무들의 수행 순서와 임무들의 수행 여부를 모두 최적화한 최종 최적해를 획득할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (7)

  1. 무인기의 임무 계획 최적화 방법에 있어서,
    임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계;
    상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계;
    상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및
    상기 제 1 최적해 및 상기 제 2 최적해 중 적어도 하나에 기초하여 최종 최적해를 획득하는 단계를 포함하고,
    상기 방법은,
    상기 임무들의 수행에 소요되는 시간을 최소화하는 함수 및 상기 무인기의 운용 가능 시간 내에 상기 임무들의 수행 여부에 따른 보상을 최대화하는 함수를 동시에 만족하는 목적 함수를 정의하는 단계를 더 포함하고,
    상기 보상은 상기 임무들 각각의 중요도에 기초하는 방법.
  2. 제 1 항에 있어서,
    상기 제 2 벡터 행렬은.
    상기 임무들 각각의 수행 여부를 결정하는 변수들로 구성된 이진 행렬(binary matrix)에 해당하고.
    상기 변수들의 초기 생성값은 상기 임무들 각각이 수행될 확률에 기초하여 결정되는 방법.
  3. 제 1 항에 있어서,
    상기 제 1 최적해를 획득하는 단계는,
    상기 제 1 최적해에 따른 상기 임무들의 수행에 소요되는 시간 및 상기 무인기의 운용 가능 시간을 비교하는 단계;
    를 더 포함하는 방법.
  4. 제 3 항에 있어서,
    상기 제 1 최적해에 따른 상기 임무들의 수행에 소요되는 시간이 상기 무인기의 운용 가능 시간보다 작은 경우,
    상기 최종 최적해는 상기 제 1 최적해와 동일한 방법.
  5. 삭제
  6. 무인기의 임무 계획 최적화 방법을 구현하기 위한 프로그램이 기록된, 컴퓨터로 판독 가능한 기록 매체에 있어서,
    상기 방법은,
    임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계;
    상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계;
    상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및
    상기 제 1 최적해 및 상기 제 2 최적해 중 적어도 하나에 기초하여 최종 최적해를 획득하는 단계를 포함하고,
    상기 방법은,
    상기 임무들의 수행에 소요되는 시간을 최소화하는 함수 및 상기 무인기의 운용 가능 시간 내에 상기 임무들의 수행 여부에 따른 보상을 최대화하는 함수를 동시에 만족하는 목적 함수를 정의하는 단계를 더 포함하고,
    상기 보상은 상기 임무들 각각의 중요도에 기초하는, 컴퓨터로 판독 가능한 기록 매체.
  7. 하드웨어와 결합되어, 무인기의 임무 계획 최적화 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 방법은,
    임무들의 수행 순서에 관한 제 1 벡터 행렬 및 상기 임무들의 수행 여부에 관한 제 2 벡터 행렬을 포함하는 3차원 벡터 행렬을 생성하는 단계;
    상기 제 1 벡터 행렬에 기초하여 상기 임무들의 수행 순서에 관한 제 1 최적해를 획득하는 단계;
    상기 제 1 최적해 및 상기 제 2 벡터 행렬에 기초하여 상기 임무들의 수행 여부에 관한 제 2 최적해를 획득하는 단계; 및
    상기 제 1 최적해 및 상기 제 2 최적해 중 적어도 하나에 기초하여 최종 최적해를 획득하는 단계를 포함하고,
    상기 방법은,
    상기 임무들의 수행에 소요되는 시간을 최소화하는 함수 및 상기 무인기의 운용 가능 시간 내에 상기 임무들의 수행 여부에 따른 보상을 최대화하는 함수를 동시에 만족하는 목적 함수를 정의하는 단계를 더 포함하고,
    상기 보상은 상기 임무들 각각의 중요도에 기초하는 매체에 저장된 컴퓨터 프로그램.
KR1020190059705A 2019-05-21 2019-05-21 무인기의 임무 계획 최적화 방법 및 장치 KR102076225B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190059705A KR102076225B1 (ko) 2019-05-21 2019-05-21 무인기의 임무 계획 최적화 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190059705A KR102076225B1 (ko) 2019-05-21 2019-05-21 무인기의 임무 계획 최적화 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102076225B1 true KR102076225B1 (ko) 2020-02-11

Family

ID=69568752

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190059705A KR102076225B1 (ko) 2019-05-21 2019-05-21 무인기의 임무 계획 최적화 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102076225B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665808A (zh) * 2020-06-16 2020-09-15 北京经纬纺机新技术有限公司 基于遗传算法的生产调度计划优化方法
CN112506220A (zh) * 2020-11-27 2021-03-16 中国人民解放军空军工程大学 一种突发事件下的空中无人体系平台调度方法及系统
KR20230125594A (ko) 2022-02-21 2023-08-29 한국전자통신연구원 다중 드론 네트워크의 데이터 수집 및 통신 중계 임무 계획의 최적화 방법 및 최적화 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170080354A (ko) * 2015-12-31 2017-07-10 자이로캠주식회사 무인기 안전 비행을 위한 가상적 스카이웨이와 이를 적용한 관제시스템 및 무인기 항법장치와 서비스
KR20180099969A (ko) * 2017-02-27 2018-09-06 서울대학교산학협력단 구동기 능력을 고려한 안전 비행 운송 시스템 및 실시간 경로 계획 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170080354A (ko) * 2015-12-31 2017-07-10 자이로캠주식회사 무인기 안전 비행을 위한 가상적 스카이웨이와 이를 적용한 관제시스템 및 무인기 항법장치와 서비스
KR20180099969A (ko) * 2017-02-27 2018-09-06 서울대학교산학협력단 구동기 능력을 고려한 안전 비행 운송 시스템 및 실시간 경로 계획 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
이동호 외2인,"이산사건모델기반 무인기 이종임무 실시간할당 최적화기법",한국항공우주학회초록집(2018.11.30) *
임찬욱,"무인기의 감시정찰 임무를 위한 자동경로생성 알고리듬 연구", 인하대학교 대학원 논문(2011.08.31) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665808A (zh) * 2020-06-16 2020-09-15 北京经纬纺机新技术有限公司 基于遗传算法的生产调度计划优化方法
CN112506220A (zh) * 2020-11-27 2021-03-16 中国人民解放军空军工程大学 一种突发事件下的空中无人体系平台调度方法及系统
CN112506220B (zh) * 2020-11-27 2023-06-23 中国人民解放军空军工程大学 一种突发事件下的空中无人体系平台调度方法及系统
KR20230125594A (ko) 2022-02-21 2023-08-29 한국전자통신연구원 다중 드론 네트워크의 데이터 수집 및 통신 중계 임무 계획의 최적화 방법 및 최적화 시스템

Similar Documents

Publication Publication Date Title
KR102076225B1 (ko) 무인기의 임무 계획 최적화 방법 및 장치
Savuran et al. Efficient route planning for an unmanned air vehicle deployed on a moving carrier
Shima et al. UAV cooperative multiple task assignments using genetic algorithms
US8620510B1 (en) Adaptive multi-vehicle area coverage optimization system and method
Pellazar Vehicle route planning with constraints using genetic algorithms
Maghawry et al. An approach for optimizing multi-objective problems using hybrid genetic algorithms
US20170004116A1 (en) Output rendering in dynamic redefining application
US6134556A (en) Method for searching a triangle corresponding to a location of an object moving on trigonometric grids
US20170010590A1 (en) Application operation responsive to object spatial status
Cavalcante et al. Planning and evaluation of UAV mission planner for intralogistics problems
CN113805604B (zh) 一种基于差分进化和模拟退火的多任务规划搜索方法
Lim et al. UAV path planning with derivative of the heuristic angle
Wolinski et al. Optimization-based pedestrian model calibration for evaluation
CN115587922A (zh) 张量分块方法、装置和存储介质
Avigad et al. Simultaneous concept-based evolutionary multi-objective optimization
Shakeri et al. An efficient incremental evaluation function for optimizing truck scheduling in a resource-constrained crossdock using metaheuristics
Kuang A metaheuristic approach to optimizing a multimodal truck and drone delivery system
Ernest et al. UAV swarm routing through genetic fuzzy learning methods
Phuntsho et al. Solving npv-based resource constrained project scheduling problem using genetic algorithm
Wang et al. UAV path planning in mountain areas based on a hybrid parallel compact arithmetic optimization algorithm
Neisse et al. Investigating deep neural networks as heuristic functions for path planning with topographic terrain characteristics in agent-based simulation
Sergienko et al. Kernel technology to solve discrete optimization problems
Gilles et al. Surveillance-evasion game under uncertainty
KR102270826B1 (ko) 발행/구독 통신을 수행하는 디바이스 내에서의 브로커 위치 후보 추천 장치 및 방법
Śliwa et al. Quantum computing application opportunities in military scenarios

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant