Grunnleggende konsepter
다중 에이전트 시스템의 최적 커버리지 문제를 해결하기 위해 게임 기반 분산 의사결정 접근법을 제안하였다. 게임의 균형점과 전역 성능 목표의 극값이 동등함을 엄밀히 증명하였다. 그리고 국소 정보만을 사용하여 전역 준최적 커버리지를 얻는 분산 알고리즘을 개발하고 수렴성을 증명하였다.
Sammendrag
이 논문은 다중 에이전트 시스템의 최적 커버리지 문제(OCP)를 다룬다. 중앙집중식 최적화 방법의 한계를 극복하기 위해 게임 기반 분산 의사결정 접근법을 제안한다.
게임 모델링: 각 에이전트의 국소 성능 목표를 설계하여 게임 이론 프레임워크로 모델링하였다. 게임의 균형점과 전역 성능 목표의 극값이 동등함을 엄밀히 증명하였다.
분산 알고리즘 설계: 국소 정보만을 사용하여 전역 준최적 커버리지를 얻는 분산 알고리즘을 개발하였다. ϵ-innovator 메커니즘을 제안하여 알고리즘의 수렴 속도를 높였다. 알고리즘의 수렴성을 엄밀히 증명하였다.
위성 군집 재구성 응용: 제안한 방법을 위성 군집 재구성 문제에 적용하였다. 시뮬레이션 결과, 제안 방법이 중앙집중식 최적화 방법에 비해 계산 시간을 크게 단축할 수 있음을 보였다.
Statistikk
제안 방법(DOCS fminbnd)의 계산 시간은 중앙집중식 최적화 방법(centralized pattern)의 약 1/175 수준이다.
제안 방법(DOCS fminbnd)의 전역 성능 목표 값은 중앙집중식 최적화 방법(centralized pattern)과 매우 유사하다.
Sitater
"게임의 균형점과 전역 성능 목표의 극값이 동등함을 엄밀히 증명하였다."
"ϵ-innovator 메커니즘을 제안하여 알고리즘의 수렴 속도를 높였다."