동적 환경 표적 추적용 무인수상정 최적화

본 연구는 APSO-kNN(Adaptive Particle Swarm Optimization with k-Nearest Neighbors) 알고리즘을 활용하여 다중 표적 추적 시나리오에서 무인수상정(USV)의 성능과 효율성을 탐구한다. 동적 환경에서 다양한 탐색 패턴(랜덤 워크, 나선형, 잔디깎이, 클러스터 탐색)의 효과를 평가하였다. 광범위한 시뮬레이션을 통해 다양한 탐색 전략, 표적 수 및 USV의 감지 능력 변화, 그리고 적응성 테스트를 위한 추격-회피 모델 통합의 영향을 평가하였다. 이를 통해 USV 군집의 최적화된 탐색 전략과 감지 구성에 대한 귀중한 통찰을 제공한다. 연구 결과, 나선형 및 잔디깎이와 같은 체계적인 탐색 패턴이 우수한 커버리지와 추적 정확도를 제공하여 광범위한 영역 탐색에 이상적임을 입증했다. 반면, 랜덤 워크 패턴은 높은 적응성에도 불구하고 비결정론적 특성으로 인해 정확도가 낮았고, 클러스터 탐색은 표적 분포에 크게 의존하는 경향을 보였다. 여러 패턴을 결합한 혼합 전략은 다양한 시나리오에서 견고한 성능을 제공했다. APSO-kNN은 탐색과 활용의 균형을 효과적으로 유지하여 감시, 수색 및 구조, 환경 모니터링과 같은 실제 응용 분야에 유망한 접근 방식임을 확인하였다. 궁극적으로 복잡한 환경에서 USV 군집의 운영 효율성과 성공률을 향상시키는 데 기여할 것으로 기대된다.