다단계 교전 시퀀스를 활용한 Decision Transformer 기반 동적 무장할당
Decision Transformer-Based Dynamic Weapon-Target Assignment Using Multi-Stage Engagement Sequences
- 주제(키워드) dynamic weapon–target assignment , Decision Transformer , multi-objective optimization , IMOPSO , Pareto candidate selection , Return-to-Go , sequential decision-making
- 주제(DDC) 658.5
- 발행기관 아주대학교 일반대학원
- 지도교수 권용진
- 발행년도 2026
- 학위수여년월 2026. 8
- 학위명 석사
- 학과 및 전공 일반대학원 산업공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036262
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
현대 해전 환경은 단일 위협에 대응하는 전통적 교전 양상에서 벗어나, 다양한 유형의 위협이 동시다발적으로 발생하는 복합적 전장 환경으로 변화하고 있다. 과거의 해상 전투가 제한된 수의 표적과 비교적 명확한 교전 구조를 기반으로 수행되었다면, 최근의 해상 전투는 공중, 수상, 무인 플랫폼이 혼합된 다수의 위협이 동시에 작용하는 형태로 전개되고 있다. 이에 따라 함정 방어 체계는 제한된 시간 안에 다수의 표적에 대한 대응 우선순위와 무장 자원 배분을 결정해야 하며, 단일 표적 대응이 아닌 다중 표적에 대한 동시적이고 순차적인 의사결정 능력이 중요해지고 있다. 이러한 변화는 실제 전장 사례에서도 확인된다. 러시아-우크라이나 전쟁에서는 공중 드론과 해상 무인정 등 다양한 무인 플랫폼을 결합한 공격 양상이 나타났으며, 이는 방어 체계의 탐지, 추적, 교전 자원 운용 부담을 크게 증가시켰다. 이처럼 다양한 유형의 플랫폼이 결합된 복합 위협 환경에서는 일부 표적이 방어 체계의 주의를 분산시키고, 다른 표적이 병행 또는 후속으로 작용하는 형태가 나타날 수 있다. 따라서 함정 방어 체계는 개별 표적의 위협도뿐 아니라 전체 교전 흐름 속에서 무장 자원의 사용 시점과 배분 전략을 함께 고려해야 한다. 한편, 교전 시간 창은 점차 단축되고 있다. 표적 탐지 이후 대응까지의 시간은 제한적이며, 초기 대응의 지연이나 비효율적인 무장 사용은 후속 교전 단계에서 자원 부족으로 이어질 수 있다. 이러한 상황에서는 무장별 사거리, 탄약 수량, 표적 유형 적합성, 교전 가능성, 예상 피해 효과 등을 종합적으로 고려한 신속한 의사결정이 요구된다. 그러나 고려해야 할 변수의 수가 많고 상황 변화가 빠르게 이루어지기 때문에, 제한된 시간 내에 인간 지휘관의 경험과 직관만으로 일관되고 안정적인 의사결정을 수행하는 데에는 구조적인 한계가 존재한다. 따라서 함정의 생존성과 임무 수행 능력을 확보하기 위해서는, 기존 의사결정 방식의 한계를 극복할 수 있는 실시간 무장할당 기술이 요구된다. 무장할당（Weapon Target Assignment, WTA） 문제는 다수의 표적과 제한된 무장 자원 간의 최적 할당을 결정하는 대표적인 조합 최적화 문제로 정의된다. 해당 문제는 무장의 성능, 잔여 탄약, 표적의 위협도, 표적 유형, 교전 가능성, 비용, 시간적 변화 등을 동시에 고려해야 하며, 특히 교전 상황이 시간에 따라 변화하는 동적 환경에서는 단일 시점의 최적 할당이 전체 교전 과정의 성능을 보장하지 않는다. 따라서 동적 WTA 문제에서는 현재 시점의 교전 효과뿐 아니라 이후 단계에서의 자원 보존과 후속 위협 대응 가능성까지 함께 고려할 필요가 있다. 이러한 환경에서는 다수의 무장과 표적 조합으로 인해 경우의 수가 급격히 증가하며, 제한된 시간 안에 일관되고 안정적인 의사결정을 수행하는 데 구조적인 어려움이 존재한다. 기존의 WTA 해결 방법으로는 규칙 기반 접근, 수학적 최적화, 메타휴리스틱 기법 등이 활용되어 왔다. 규칙 기반 방식은 계산 속도가 빠르다는 장점이 있으나 복잡한 상황 변화에 유연하게 대응하기 어렵다. 수학적 최적화 기법은 명확한 목적함수와 제약조건을 기반으로 해를 도출할 수 있지만, 문제 규모가 커지거나 동적 환경을 고려할 경우 계산 부담이 증가한다. 메타휴리스틱 기법은 복잡한 탐색 공간에서 고품질 해를 찾는 데 효과적일 수 있으나, 반복적인 탐색 과정이 필요하므로 실시간 운용 환경에서는 계산 시간 측면의 제약이 존재한다. 본 연구는 이러한 한계를 완화하기 위해, 메타휴리스틱 기반 최적화 기법을 통해 생성한 고품질 무장할당 데이터를 활용하고, 이를 시계열 의사결정 모델인 Decision Transformer에 학습시키는 데이터 기반 접근을 제안한다. 제안 방법은 동적 교전 과정에서 생성된 상태, 행동, 보상 trajectory를 학습함으로써 교전 과정 전반의 성능을 고려한 무장할당 정책을 추론하는 것을 목표로 한다. 또한 return-to-go 조건을 활용하여 목표 성능 수준에 따른 행동 생성을 가능하게 한다. 이를 통해 본 연구는 기존 최적화 기법이 가지는 반복 탐색 기반의 계산 부담을 줄이는 동시에, 단기적 할당 중심 접근의 한계를 보완하고자 한다. 즉, 고품질 최적화 해를 offline 데이터로 활용하여 학습된 Decision Transformer가 실시간 추론 단계에서 빠르게 무장할당 결정을 생성하도록 함으로써, 복합 위협 환경에서의 동적 WTA 문제에 적용 가능한 실시간 의사결정 지원 프레임워크를 제시한다.
more목차
제1장 서론 1
제1절 연구 배경 및 필요성 1
제2절 연구 목표 6
제3절 기존 연구와의 차별성 및 한계점 8
제2장 이론적 배경 11
제1절 동적 무장 할당 문제(DWTA)에 대한 이해 11
제2절 다목적 최적화와 Pareto 최적해에 대한 이해 15
제3절 입자군집 최적화 기반 IMOPSO 19
제4절 Transformer 아키텍처와 시퀀스 모델링 25
제5절 Decision Transformer와 RTG 조건부 의사결정 29
제3장 시뮬레이션 환경 및 학습 데이터 생성 33
제1절 해상 전투 환경 시뮬레이션 구성 33
제2절 학습 데이터셋 구축 46
제4장 Decision Transformer 기반 동적 무장 할당 연구 52
제1절 DWTA의 시퀀스 데이터 구성 52
제2절 Terminal 보상 기반 RTG 활용 54
제3절 학습 및 추론 절차 56
제5장 실험 및 성능 분석 63
제1절 실험 결과 63
제2절 성능 분석 69
제6장 결론 및 향후 연구계획 76
참고문헌 80
부록 85
