• 한국시뮬레이션학회논문지
• /
• 제19권2호
• /
• pp.91-98
• /
• 2010

기존의 경로 찾기는 장애물을 피하는 짧은 경로를 찾는 것에 집중되어 왔다. 그러나 컴퓨터 게임이 점점 복잡해지면서 경로 찾기에 매복지점이나 적으로부터의 가시성과 같은 전술적 정보를 포함하는 것이 요구되고 있다. 이와 같은 정보를 경로 찾기에 반영하는 한 가지 방법은 탐색 알고리즘의 휴리스틱 함수를 전술들의 가중치 합으로 나타내는 것이다. 본 논문에서는 주어진 전술적 정보에 대해 경로 찾기를 최적화하도록 휴리스틱을 학습하는 문제를 다룬다. 여기서 학습이란 휴리스틱 함수를 위한 좋은 가중치 벡터를 찾아내는 것을 의미한다. 학습용 훈련 예제는 게임 레벨 설계자가 제공하며 매 탐색 레벨마다 실제 탐색결과와 비교되어 가중치를 갱신하는데 사용된다. 본 논문에서는 전술적 경로 찾기를 위해 탐색과 결합된 학습 알고리즘을 제안한다. 가중치를 갱신하는데 사용된 퍼셉트론 유사 방법을 설명하며 이를 구현한 시뮬레이션 도구를 소개한다. 시뮬레이션 도구에서는 레벨 설계자가 캐릭터의 특성에 따라 바람직한 이동경로를 제시할 수 있고, 이를 훈련 예제로 이용하여 가중치를 학습하며 훈련에 따라 변화하는 경로의 자취를 보여주는 기능을 제공한다.

• 한국멀티미디어학회논문지
• /
• 제12권9호
• /
• pp.1333-1341
• /
• 2009

컴퓨터 게임에서 전술적 경로 찾기란 캐릭터의 이동 경로를 결정할 때, 최단 거리나 최소 시간 등의 요소만이 아니라 주변의 전술 정보를 고려하여 경로를 선택해야 하는 경로 찾기를 말한다. 경로 찾기에 전술 정보를 포함하는 한 가지 방법은 게임에 필요한 전술 정보를 각 정보의 중요도에 따라 가중치를 부여하고 가중 합으로 휴리스틱 함수를 표현하는 것이다. 전술 정보의 가중치의 결정은 경로를 찾기 위한 탐색의 성능과 구해지는 경로의 특성을 결정짓기 때문에 매우 중요하다. 본 논문에서는 레벨 설계자가 캐릭터의 특성에 맞는 경로 표본을 제공하면 현재 가중치에 의해 탐색된 경로와 주어진 표본 경로와의 차이를 이용하여 더 나은 가중치로 조정함으로서 휴리스틱 함수를 개선하는 방법을 제안한다. 제안된 방법은 탐색 오차를 발견하여 휴리스틱을 학습하기 위해 수정된 탐색 알고리즘과 퍼셉트론-유사 가중치 갱신 공식을 포함한다. 시뮬레이션 결과를 통해 전술 정보를 이용한 경로 계획과 기존의 경로 찾기의 차이를 보여주며 학습의 성능에 영향을 주는 요인들에 대해 분석하고 실제 게임 환경에 적용한 예를 보여 준다.

• 영재교육연구
• /
• 제22권3호
• /
• pp.729-755
• /
• 2012

우리나라의 소외된 영재를 이해하기 위한 노력의 일환으로 질적 사례연구 기법을 적용하여 가난하고 신체적 아픔이 있는 과학영재의 학습 특성과 전술에 대해 알아보았다. 이를 위해 연구 현장인 주말 물리교실을 중심으로 참여관찰을 했고, 참여자와 참여자의 어머니, 초등학교 5학년 때 담임교사와 면담을 진행하였다. 또한 현지문헌과 자기보고서를 추가로 활용하여 참여자를 종합적으로 이해하고자 했다. 그 결과, 참여자의 학습 특성은 내적동기와 열등감에서 기인하는 '능동적인 학습'과 배척된 관계 속에서 드러나는 '배움을 향한 몸부림'으로 정리할 수 있었다. 참여자의 학습 전술은 경제적 여력이 충분하지 않은 상태에서 배움에 대한 욕구를 충족하기 위한 전략적인 수단으로 '다양한 학습 경로'과 '메타인지적 사고', 그리고 '맞장구치기'의 세 전술을 발견하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.3-6
• /
• 2004

본 논문에서는 퍼지 로직을 이용하여 로봇과 공의 상태에 따른 로봇 행동의 선택 알고리즘을 제시한다. 전략 및 전술 알고리즘으로 많이 알려진 Modular Q-학습 알고리즘은 개체의 수에 따른 상태수를 지수 함수적으로 증가시킬 뿐만 아니라, 로봇이 협력하기 위해 중재자 모듈이라는 별도의 알고리즘을 필요로 한다. 그러나 앞으로 제시하는 퍼지 로직을 적용한 로봇축구 전략 및 전술 알고리즘은 퍼지 로직을 이용하여 로봇의 주행 알고리즘을 선택하는 과정과 로봇의 행동을 협력하는 과정을 동시에 구현함으로써, 계산 양을 줄여 로봇 축구에 보다 적합하게 해준다.

• 융합정보논문지
• /
• 제11권1호
• /
• pp.12-19
• /
• 2021

원활한 작전 수행을 통한 국방력의 강화를 위해 전술네트워크의 기능은 필수적이다. 전시 상황에서 다양한 전술, 전략은 수많은 정보들을 근거로 한다. 이를 위해 정찰기를 비롯한 다양한 정보 수집 장치 및 자원들이 방대한 양의 정보 수집을 위해 사용되고, 이들 대다수는 전술네트워크를 통해 정보를 전달한다. 채널의 사용 여부를 판단하여 상황에 따라 경쟁 기반으로 채널에 접속을 하는 국방전술네트워크 환경에서, 매우 높은 이동성을 갖는 정찰기 등 고속 이동 노드는 불필요한 채널 점유로 인하여 잠재적인 성능 열화 문제가 발생할 수 있다. 본 논문에서는 채널 예약 시점을 정하는 경쟁 윈도우(Contention Window)의 크기를 경험적으로 학습시켜 네트워크 처리량을 증가시키는 Learning-Backoff 방식의 무전 채널 접속 방법을 제안한다. 제안하는 방법은 고속 이동 노드의 수가 많아짐에 따라 더욱 좋은 성능을 보이고 있으며, 정찰기 4대가 운영되는 특정 작전 시나리오에 적용하였을 경우 처리량이 최대 25% 증가한다.

• 한국시뮬레이션학회논문지
• /
• 제30권3호
• /
• pp.1-9
• /
• 2021

전장에 있는 지휘관과 참모들은 상황을 인식하고 그 결과를 바탕으로 지휘결심을 통해 군사 활동을 수행하는데, 최근 정보기술의 발달과 함께 지휘결심을 지원하는 인공지능에 대한 요구가 증가하였다. 인공지능을 활용하기 위해서는 강화학습에 필요한 학습 data set의 식별, 수집 그리고 전처리가 필수적이다. 그러나 전술 C4I 체계에 저장된 적 data는 정확성, 적시성, 충분성 측면에서 인공지능 학습 data로 사용하기에 적절하지 않기 때문에 학습 data를 수집하고 훈련 시킬 수 있는 대안이 필요하다. 본 논문에서는 육군의 워게임 훈련 모델인 '창조 21 모델 훈련 data'를 활용하여 인공지능을 학습시키는 방법론을 제시하였다. 연구 범위는 군사결심수립과정과 연계하여 인공지능의 역할과 범위를 구체화하고, 그 역할에 맞추어 인공지능을 훈련 시키기 위해 창조 21 모델 연습 data를 활용하는 모델을 제시하였다. 공개가 제한되는 군사자료의 특성을 고려하여 가상의 sample data를 제작하였고, 공개가 제한되는 대한민국 육군의 교리는 인터넷에서 수집 가능한 미군 교리를 활용하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.317-320
• /
• 2005

본 논문에서는 퍼지 로직을 이용하여 로봇의 여러 환경변수에 따라 로봇들의 행동을 적절히 선택하는 알고리즘을 제시한다. 전략 및 전술 알고리즘으로 많이 알려진 Modular Q-학습 알고리즘은 개체의 수에 따른 상태수를 지수 함수적으로 증가시킬 뿐만 아니라, 로봇이 협력하기 위해 중재자모듈이라는 별도의 알고리즘을 필요로 한다. 그러나 앞으로 제시하는 로봇 행동의 퍼지 적정성을 고려한 로봇축구 전략 및 전술 알고리즘은 환경 변수에 따라 로봇 행동의 적절성을 퍼지 로직을 통하여 얻어내게 하였으며, 이를 이용함으로써 다수 로봇의 상호작용도 고려할 수 있게 하였다.

• 한국게임학회 논문지
• /
• 제6권2호
• /
• pp.13-22
• /
• 2006

게임의 발전에 따라 게임에 등장하는 NPC(Non-Player Character)들의 지능 또한 중요성을 더해 가고 있다. 단순히 이동하고 플레이어를 공격하기만 하는 수준을 넘어서 WPC들 역시 다양한 기술과 전술을 사용하는 것이 최근의 MMORPG 게임의 추세이다. 본 논문에서는 신경망과 유전자 알고리즘을 이용하여 롤플레잉 게임에 사용되는 캐릭터에게 학습 및 적응 능력을 부여하는 방법을 제안한다. 제안된 지능 캐릭터가 얼마나 게임의 규칙과 전술을 잘 학습하고 적응하는지를 살펴보기 위하여 본 논문에서는 간단한 게임 모델을 제작하여 실험하였다. 캐릭터는 탱커(Tanker), 딜러(Dealer), 힐러(Healer)의 3가지 종류가 있으며, 지능 캐릭터 집단은 신경망과 유전 알고리즘으로 학습되고 FSM으로 움직이는 적 캐릭터 집단과의 전투를 통해 학습한다. 실험 결과 지능 캐릭터가 전투를 통해 자신과 적의 능력에 따른 적절한 전투 방식을 스스로 학습하고, 게임 규칙의 변화에 적응하는 것을 볼 수 있었다.

• 한국시뮬레이션학회논문지
• /
• 제21권4호
• /
• pp.65-73
• /
• 2012

함정 전투체계는 무기체계, 정보통신 등의 기술 발전으로 인한 복잡한 전장 환경에 따라 인간이 개입하여 다양한 전술을 운용해야 한다. 따라서 에이전트 기반의 국방 M&S 시스템의 연구가 최근 들어 활발히 진행되고 있다. 그러나 현존하는 에이전트 기반 M&S 시스템은 고정된 전술을 적용하여 분석하는데 그치고 있다. 본 논문에서는 함정 교전에서 보다 적합한 대응을 찾기 위해 환경변화에 능동적으로 대처할 수 있도록 강화 학습 기능을 갖으며, 또한 유전 알고리즘을 이용하여 세대별 진화 학습 기능을 갖는 에이전트 모델링 방법론을 제안하였다. 타당성 검증을 위해 서해상에서 벌어지는 가상의 1:1 함정교전 시뮬레이션을 수행하였고, 이를 통해 함정 교전에 있어 강화 및 진화 학습이 가능함을 검증하였다.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.79-85
• /
• 2006

본 논문은 인접한 두 로봇의 위치와 역할에 따라 로봇의 행동을 결정하는 퍼지 로직 중계자를 사용한 로봇 축구의 전략 및 전술을 제안한다. 기존의 Q 학습 알고리즘은 로봇의 수에 따라 상태의 수가 기하급수적으로 증가하여, 많은 연산을 필요로 하기 때문에 실시간 연산을 필요로 하는 로봇 축구 시스템에 알맞지 않다. Modular Q 학습 알고리즘은 해당 지역을 분할하는 방법으로 상태수를 줄였는데, 여기에는 로봇들 간의 협력을 위하여 따로 중재자 알고리즘이 사용되었다. 제안된 방법은 퍼지 규칙을 사용하여 로봇들 간의 협력을 위한 중재자 알고리즘을 구현하였고, 사용된 퍼지 규칙이 간단하기 때문에 계산 량이 작아 실시간 로봇 축구에 적합하다. MiroSot 시뮬레이션을 통하여 제안된 방법의 가능성을 보인다.