Recently, rapid development of Unmanned Aerial Vehicle (UAV) in a variety of industrial and research field has brought tremendous needs for using a fleet of UAVs to overcome the shortcomings from a use of single UAV. Especially, a fleet of UAVs, so-called UAV swarm, has shown high efficiency in missions that have a huge mission area such as missing person searching, fire forest surveillance and crop field management. However, it needs decentralized and diverse control model to make autonomous UAV swarm accomplish various missions. Because the problem of optimization of searching and surveillance efficiency to control a group of agents usually have high complexity, many researchers tried to adapt nature inspired mobility control model. In particular, the heuristic imitating the way ants use a pheromone as a channel of indirect information exchange has been widely researched. In this thesis, we suggest the improvement algorithm for the pheromone based mobility model by exploiting the neighbor UAVs information. Our algorithm calculate the number of neighbor UAVs in its communication range in real time, and guess what the density near the UAVs is, and then decide whether to go through the previous direction or to change the direction using a pheromone based method. And we also assess our proposed model compared to others such as Random Direction model and basic Pheromone based mobility model on the synthetic mission maps.
최근 무인 항공기의 급격한 발달로 인해 이를 이용하는 산업분야가 늘어나면서 단일 무인기의 한계를 극복하기 위해 다수의 무인기를 이용하려는 요구가 늘어나고 있다. 특히, 실종자 탐색, 산불 감시, 농작물 관리 등의 활동 범위가 넓은 응용 분야에서 다수의 무인기가 높은 효율로 임무를 수행할 수 있다. 하지만 다수의 무인기가 각각의 임무에 맞게 자동화된 수행 능력을 가지기 위해서는 비 중앙집중적이고 분산된 움직임 조절 모델이 필요하다. 이러한 다수의 무인기의 움직임을 조절하여 탐색 효율을 높이는 문제는 복잡도가 높기 때문에 많은 연구들에서 자연의 움직임을 모방한 휴리스틱 알고리즘 적용을 연구해왔다. 그 중에서도 특히 개미의 페로몬을 이용한 정보의 간접 전달 방식을 기반으로 하는 다양한 연구들이 이루어졌으며, 여기에 다른 알고리즘을 접목하여 탐색 효율을 높이기 위한 연구들 또한 진행되고 있다. 본 논문에서도 개미의 페로몬 전달 방식을 기반으로 하는 휴리스틱 알고리즘의 탐색 효율을 개선하기 위해, 무인기의 방향 결정에 앞서 시간에 따른 주변 무인기 정보를 이용하는 방안을 제시한다. 제시된 모델은 통신 거리 안에 위치하는 이웃 무인기의 숫자를 실시간으로 파악하여, 상황에 따른 무인기의 밀집 정도를 추측하고, 이를 통해 기존의 방향으로의 진행 혹은 방향의 전환 여부를 결정한다. 이 때 방향의 전환은 기존의 반발 페로몬 방식을 이용한다. 또한 새롭게 제시된 모델을 기존의 모델들과 비교하기 위해 인위적으로 만들어진 임무 수행 지도 위에서 여러 가지 측정 방법을 사용하여 평가한다.