In this research, an optimal distribution algorithm for a large group of heterogeneous un-manned aerial vehicles (UAVs) is developed. A typical UAV cooperative mission in a battlefield can be categorized as a hierarchical system that is usually composed of several levels, and the decision making step is the main focus of this paper. In the decision making step, the factors to be decided are the proper number and types of UAVs that will be committed to each operational area to enhance the overall performance of the entire group and achieve a successful mission accomplishment. A task assignment algorithm, which is the next level in the cooperative control hierarchy, may begin with a higher chance of success when the number and type of resources are optimally given by the preceding decision making step. To aid the decision making process in SEAD missions, a number of high fidelity deterministic models that well emulate SEAD situation is derived and formulated to compose integer linear programming (ILP) problems. Three SEAD deterministic models (SDM) are defined and derived to maximize the number of survived strikers at the end of the mission, and to minimize the total missions time, or combination of the two. Three performance indices are applied to formulate ILP problems whose solutions give the optimal combinations of UAVs for SEAD missions. Also, refined SEAD deterministic models (SDMs) are applied to formulate mixed integer nonlinear programming (MINLP) problems, which are subject to several nonlinear constraints. Solving MINLP problems by co-evolutionary augmented Lagrangian method (CEALM), optimal quantity and type of UAVs are obtained to successfully decide the required initial war assets for the completion of the SEAD mission. Given quantities of groups of UAVs are optimally allocated using the resource allocation algorithms with different types of objectives depending on the current war situation. To analyze the final allocation results, two solution handling schemes are introduced, which are typical Monte-Carlo simulation methods and the balanced weighting methods. Finally, battle damage analyses (BDA) are conducted to verify the performances of decision making strategies.
본 연구에서는 군사 작전 (또는 민간 작전)에서의 무인 항공기의 효과적인 작전 수행을 위한 최적 자원 분배 알고리즘에 관해 다룬다. 전장 (또는 민간 작전) 에서의 무인기 협업 임무는 여러 개의 단계로 나뉘어 질 수 있는데, 이는 의사 결정단계, 임무 할당 단계, 경로 계획 단계, 그리고 실질적인 무인기의 동역학 및 제어 단계 나뉘게 된다. 이 논문에서는 의사 결정 단계 또는 자원 관리 단계를 주제로 다루고 있다. 무인 항공기의 협업 제어 단계 중 그 첫번째 단계에 해당되는 자원 관리 단계에서는 전체 작전의 성공적인 수행을 위해, 각 작전 지역에서 전체적인 작전의 효과 및 성과를 높이기 위한 무인항공기의 최적 배치를 담당하게 된다. 자원 분배 단계에서의 효과적이며 최적의 배치 결과는 무인항공기들이 그 다음단계에 해당되는 임무 할당 단계를 가장 좋은 조건에서 시작 할 수 있도록 도와주게 된다. 이와 같은 최적의 자원 분배 알고리즘을 개발 하기 위해서는, 먼저 각 상황에서의 동적 모델을 파악 하고 있어야 한다. 이 논문에서 주로 다루고 있는 적 방공망 제압 (SEAD) 작전에 대한 동적 모델인 SEAD deterministic 모델 (SDM)을 활용하여 전투가 종료 되었을 때 무인항공기의 생존 수 또는 임무에 걸린 총 시간을 구할 수 있게 된다. 이 수치들을 활용하여 각 전투 및 작전에서의 최적의 할당이 가능하게 된다. 최적의 할당을 위해서는 최적화 시키고자 하는 요소를 정의 한 후, 그에 관한 가격 함수 (Cost function)를 정의하게 된다. 본 논문에서는 전투가 종료 되었을 때, 남은 병력의 최대화를 시키기 위해 가격 함수를 구성하게 되거나 또는 전투에 걸리는 총 임무 시간을 최소화 하는 문제로 정의 된다. 정의된 가격함수는 제한 조건을 가진 정수형 선형 계획법 형태로 나타낼 수 있으며, 이는 CPLEX와 같은 혼합 정수형 선형 계획법 (MILP)의 Solver를 활용하여 그 해를 찾아내게 된다. 또한 본 논문에서는 적 방공망을 제압하기 위해, 주어진 적의 정보를 활용하여 상황에 따른 최적의 무인항공기 조합을 얻기 위해 문제를 비선형 계획법 (MINLP) 형태로 나타내었으며, 이는 비선형 가격 함수와 비선형 구속조건으로 이루어 져있다. 이러한 문제를 풀기 위해서는 기존의 CPLEX로는 해를 구할 수 없기 때문에, 모든 형태의 비선형 가격함수 및 구속조건을 다룰 수 있는 공진화 (CEALM) 알고리즘을 활용하여 문제를 풀게 된다. 알고리즘에 의해 최종적으로 구해지는 해는 전투 피해 분석 (Battle Damage Analysis) 단계에서 그 검증이 이루어 진다.