[논문 리뷰] Decision Support Systems Using Intelligent Paradigms

Cong Tran, Ajith Abraham외 1명|ArXiv.org|2004. 05. 16.

Fuzzy Logic and Control Systems참고 문헌 18인용 수 3

한 줄 요약

이 논문은 신경망을 사용한 스케일드 코너게이트 기반 학습, 유전적 알고리즘으로 최적화된 신경-퍼지 추론 시스템, 그리고 회귀 트리를 포함한 소프트 컴퓨팅 패러다임을 활용하여 전술 공중 전투를 위한 지능형 의사결정 지원 시스템(DSS)을 제안한다. 복잡한 전투 조건 하에서 다기준 의사결정에 있어 뛰어난 성능을 보이며, 실증적 비교를 통해 하이브리드 지능형 접근 방식의 유효성이 실제 전술 환경에서 입증된다.

ABSTRACT

Decision-making is a process of choosing among alternative courses of action for solving complicated problems where multi-criteria objectives are involved. The past few years have witnessed a growing recognition of Soft Computing (SC) technologies that underlie the conception, design and utilization of intelligent systems. In this paper, we present different SC paradigms involving an artificial neural network trained using the scaled conjugate gradient algorithm, two different fuzzy inference methods optimised using neural network learning/evolutionary algorithms and regression trees for developing intelligent decision support systems. We demonstrate the efficiency of the different algorithms by developing a decision support system for a Tactical Air Combat Environment (TACE). Some empirical comparisons between the different algorithms are also provided.

연구 동기 및 목표

• 전술 공중 전투 환경에서의 다기준 의사결정의 복잡성을 다루기 위해.
• 다양한 소프트 컴퓨팅 패러다임을 통합하여 통합된 의사결정 지원 프레임워크를 구축하기 위해.
• 실제 전투 시뮬레이션 환경에서 하이브리드 지능형 모델의 성능을 평가하고 비교하기 위해.
• 신경망 학습과 유전적 알고리즘을 활용하여 퍼지 추론 시스템을 최적화함으로써 의사결정 정확도를 향상시키기 위해.
• 복잡하고 동적인 의사결정 환경에서 지능형 패러다임의 실현 가능성과 효율성을 입증하기 위해.

제안 방법

• 스케일드 코너게이트 알고리즘으로 학습된 인공신경망을 사용하여 적응형 의사결정 모델링을 수행하였다.
• 신경망 학습과 유전적 알고리즘을 통해 최적화된 두 가지 별개의 퍼지 추론 시스템을 통합하여 규칙 적응성과 정확도를 향상시켰다.
• 비모수적 방법으로서의 회귀 트리를 적용하여 전술 시나리오에서 의사결정 경계 학습 및 분류를 수행하였다.
• 위의 패러다임들을 융합하여 전술 공중 전투 환경(TACE)에 특화된 하이브리드 의사결정 지원 시스템을 구축하였다.
• 각 모델의 의사결정 정확도 및 내구성 측면에서 성능을 비교하기 위해 실증적 평가를 수행하였다.
• 동적이고 다기준적인 의사결정 과제를 반영하기 위해 실제 전투 시뮬레이션 데이터셋을 사용하여 시스템 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 하이브리드 지능형 패러다임은 전술 공중 전투 환경에서 복잡하고 다기준적인 의사결정을 뒷받침하는 데 얼마나 효과적인가?
• RQ2 학습과 유전적 알고리즘을 통해 최적화된 신경-퍼지 시스템은 단독 모델 대비 어떤 성능적 이점을 제공하는가?
• RQ3 신경망, 퍼지 논리, 그리고 회귀 트리의 통합은 고위험 전투 상황에서 의사결정 정확도를 어떻게 향상시키는가?
• RQ4 각 지능형 패러다임이 전술 의사결정 지원에 적용되었을 때의 상대적 강점과 한계는 무엇인가?
• RQ5 소프트 컴퓨팅 기법은 불확실성과 복잡성이 높은 환경에서 실시간 의사결정 지원을 효과적으로 모델링할 수 있는가?

주요 결과

• 스케일드 코너게이트 알고리즘으로 학습된 신경망은 전술적 의사결정을 모델링하는 데 빠른 수렴과 높은 정확도를 보였다.
• 유전적 알고리즘으로 최적화된 신경-퍼지 시스템은 기존의 퍼지 논리 대비 규칙 기반의 적응성 향상과 의사결정 정밀도 향상을 달성하였다.
• 회귀 트리는 명확하고 해석 가능한 의사결정 규칙을 제공하였으며, 입력 파라미터 기반으로 전술 시나리오 분류에 있어 뛰어난 성능을 보였다.
• 실증적 비교 결과, 다수의 패러다임을 융합한 하이브리드 모델이 개별 모델 대비 의사결정 정확도와 내구성 측면에서 뛰어난 성능을 보였다.
• 통합된 의사결정 지원 시스템은 전술 공중 전투 환경에서의 다기준 목표 및 복잡한 상호작용을 효과적으로 처리하였다.
• 본 연구는 소프트 컴퓨팅 기법이 동적이고 고위험 환경에서의 실질적 의사결정 지원에 실현 가능하고 효율적임을 확인하였다.