This thesis deals with numerical analysis and practical implementation of pursuit-evasion games. As the need for developing a guidance law that provides good interception performance against an intelligent target, increases, pursuit-evasion game becomes an attractive concept in missile guidance. For the sake of implementing game solutions into real situations, it is indispensable to build a reliable numerical method able to take into account realistic engagement situations, as well as to construct a feedback guidance law from the numerical solutions. This thesis proposes a co-evolutionary method for solving pursuit-evasion games and a neural network feedback guidance law based on game solutions.
The gradient-based method provides very precise numerical solutions for pursuit-evasion games. It contains some shortcomings, though, of difficulty in initial guess, and incapability of considering lethal radius or miss distance. In this thesis, a co-evolutionary method is proposed to supplement these shortcomings of the gradient-based method with numerical verification. In addition, the neural network is employed in order to build a feedback. guidance law from the numerical game solutions obtained by using the gradient-based method. Accompanying with performance enhancing techniques for the neural network guidance, numerical simulations are performed to compare the proposed guidance law with proportional navigation.
지능화되어 가고 있는 표적 항공기를 요격하기 위해서 추적-회피 게임의 개념이 미사일 유도 법칙 설계에서 주목을 받고 있다. 추적-회피 게임을 실제 상황에 적용하기 위해서는, 실제적인 문제를 다룰 수 있는 수치해석 기법과 더불어 수치해석의 결과로부터 피드백 형태의 유도법칙을 구현할 수 있는 기법이 요구된다. 본 논문에서는 공진화 알고리듬을 사용하는 수치해석 기법과 아울러, 수치해로부터 미분게임 유도법칙을 실시간으로 구현하기 위한 신경회로망 기법을 제안하였다.
기존에 개발된 구배방법은 매우 정확한 추적-회피 게임의 수치해를 제공하지만, 초기값 설정에 민감하고, 살상반경과 빗맞힘거리를 다룰 수 없다는 단점이 있어, 이 같은 문제점을 해결할 수 있는 공진화 기법을 제안하고, 그 수치해를 구배방법과 비교하였다. 아울러, 신경회로망 학습을 통해, 개루프 형태의 수치해로부터 실시간 구현 가능한 유도법칙을 구성하는 기법을 제안하고, 그 성능 향상 기법 역시 제시하였다. 제안된 신경회로망 유도법칙은 수치 시뮬레이션을 통하여 비례항법유도와 그 성능을 비교하였다.
