[論文レビュー] CHAC. A MOACO Algorithm for Computation of Bi-Criteria Military Unit Path in the Battlefield

Antonio M. Mora, J. J. Merelo+3 more|ArXiv.org|Oct 19, 2006

Military Defense Systems Analysis参考文献 7被引用数 9

ひとこと要約

本論文は、動的戦場において速度（リソースコスト）と安全性（エネルギーコスト）の両方を最適化するように設計された、軍事部隊の経路探索に特化した多目的アンチコロニー最適化（MOACO）アルゴリズムであるCHACを提案する。2つの状態遷移ルール（集約型：CSTR、優位性に基づく：DSTR）を用い、グリーディベースラインを上回る性能を示しており、CSTRは平均的な結果が優れており、DSTRは多様な地形マップにおいてより高いロバスト性を示している。

ABSTRACT

In this paper we propose a Multi-Objective Ant Colony Optimization (MOACO) algorithm called CHAC, which has been designed to solve the problem of finding the path on a map (corresponding to a simulated battlefield) that minimizes resources while maximizing safety. CHAC has been tested with two different state transition rules: an aggregative function that combines the heuristic and pheromone information of both objectives and a second one that is based on the dominance concept of multiobjective optimization problems. These rules have been evaluated in several different situations (maps with different degree of difficulty), and we have found that they yield better results than a greedy algorithm (taken as baseline) in addition to a military behaviour that is also better in the tactical sense. The aggregative function, in general, yields better results than the one based on dominance.

研究の動機と目的

• シミュレートされた戦場環境において、速度と安全性の両方を考慮した最適な軍事部隊経路を計算する多目的最適化アルゴリズムの開発。
• 問題サイズの増大に伴いスケーリングが著しく悪化する古典的手法（分枝限定法や動的計画法）の限界を克服すること。
• 人間の指揮官の意思決定を模倣する戦術的論理を計算的経路探索ソリューションに統合すること。
• 資源コストとエネルギー（安全性）コストという相反する目的をバランスさせるために、MOACOにおける異なる状態遷移ルールの性能を評価すること。
• 多様な戦場マップを用いたシミュレーションにより、アルゴリズムの有効性を検証すること。

提案手法

• CHACは、アンチコロニーアルゴリズム（ACS）を基盤とし、資源コスト（速度）の最小化とエネルギーコスト（安全性）の最小化という2つの相反する目的を処理することを目的とした多目的アンチコロニー最適化（MOACO）アルゴリズムである。
• 2種類の異なる状態遷移ルールを採用：結合状態遷移ルール（CSTR）は、両目的にわたるヒューリスティックおよびフェロモン情報を集約して次ノードを決定する。一方、優位性に基づく状態遷移ルール（DSTR）は、目的空間における優位性に基づいて次ノードを選択する。
• 2次元グリッド戦場の各セルには、地形タイプ（通常、森林、水域、障害物）、高さ（−3から+3）、状態（敵部隊、標的、火炎影響、致死的影響）の属性が付与される。
• リソースコストは地形および標高変化に基づいて各セルに割り当てられ、エネルギーコストには基本的消耗と、敵の射撃確率、影響確率、ダメージ確率に基づく確率的要因が含まれる。
• アルゴリズムは固定回数の反復（例：2000回）と70匹のアリの集団を用い、2つの目的関数（Ff：リソースコスト、Fs：エネルギーコスト）を用いて解を評価する。
• 解はDelphi 7ベースのアプリケーションを用いて可視化され、平均値、標準偏差、およびグリーディベースラインとの比較を通じて性能が評価される。

実験結果

リサーチクエスチョン

• RQ1 CHAC MOACOアルゴリズムは、二基準の軍事的経路探索において、グリーディベースラインと比較してどの程度の経路品質を達成するか？
• RQ2 集約型（CSTR）と優位性に基づく（DSTR）のどちらの状態遷移ルールが、さまざまな戦場マップにおいてより優れた性能とロバスト性を示すか？
• RQ3 CHACは、露呈した領域を避けるなど、現実の軍事的戦術行動をどの程度反映した経路を生成するか？
• RQ4 マップの難易度の違いに応じて、CHACの結果はどのように変化するか。また、初期化のランダム性が解の品質に与える影響は何か？
• RQ5 時間制約のある戦闘状況において、CHACは速度と安全性という相反する目的を効果的にバランスさせつつ、計算の実行可能性を維持できるか？

主な発見

• 『Valleys and Mountains』マップにおいて、CSTRを用いたCHACは、平均リソースコスト75.133、平均エネルギーコスト357.800を達成し、両目的においてグリーディベースラインを上回った。
• 同じマップにおいて、DSTRは平均リソースコスト105.517、平均エネルギーコスト311.390を示し、コストは高かったが初期化への感受性が低く、標準偏差が小さいことから、より高いロバスト性を示した。
• 『Valleys and Mountains』マップにおいて、CSTRはDSTRよりも平均的な結果を達成しており、平均リソースコストは75.133（CSTR）対105.517（DSTR）、平均エネルギーコストは357.800（CSTR）対311.390（DSTR）であった。
• DSTRはより高いロバスト性を示し、標準偏差がFfで±17.138、Fsで±19.541と、CSTR（±2.206および±9.726）よりも低く、実行間での一貫性の高さが確認された。
• CHACが生成した解には、自発的な戦術的行動が現れた：CSTRによる最速経路は直線的で露呈していたが、DSTRによる最安全経路はカーブを描き、カモフラージュを活用していた。これは、実際の軍事的意思決定を模倣していた。
• 全テストマップにおいて、CHACはいずれのルールを用いてもグリーディアルゴリズムを上回った。軍事専門家による評価でも、CHACの解は戦術的に妥当であり、熟練人間の意思決定と同等の水準であったと確認された。