[논문 리뷰] Multi-UAV Routing for Persistent Intelligence Surveillance & Reconnaissance Missions

Satyanarayana G. Manyam, Steven A. Rasmussen외 3명|arXiv (Cornell University)|2017. 02. 27.

Optimization and Search Problems참고 문헌 12인용 수 8

한 줄 요약

이 논문은 지속적 인식, 감시 및 정찰(PISR) 임무에서 최대 데이터 전달 시간을 최소화하면서 작업 재방문 주기 제약 조건을 만족시키는 다중 무인항공기(UAV) 경로 계획을 위한 혼합정수선형계획법(MILP) 접근법과 트리 탐색 휴리스틱을 제안한다. MILP 공식화(F1 및 F3)는 우선순위 기반 재방문 주기율을 위한 사이클 길이 제약 조건을 보장하며, 휴리스틱은 20개 작업 인스턴스에서 11초 이내로 거의 최적의 해를 도출하여 실시간 차량 내 재계획 수립을 가능하게 한다.

ABSTRACT

We consider a Persistent Intelligence, Surveillance and Reconnaissance (PISR) routing problem, which includes collecting data from a set of specified task locations and delivering that data to a control station. Each task is assigned a refresh rate based on its priority, where higher priority tasks require higher refresh rates. The UAV team's objective is to minimize the maximum of the delivery times of all the tasks' data to the control station, while simultaneously, satisfying each task's revisit period constraint. The centralized path planning problem for this PISR routing problem is formulated using mixed integer linear programming and solved using a branch-and-cut algorithm. Heuristics are presented to find sub-optimal feasible solutions that require much less computation time. The algorithms are tested on several instances and their performance is compared with respect to the optimal cost and computation time.

연구 동기 및 목표

• 지속적 ISR 임무에서 작업 위치에서 제어국으로의 최대 데이터 전달 시간(지연)을 최소화하기 위해.
• 우선순위 기반으로 작업별 재방문 주기 제약 조건을 충족시켜 고우선순위 작업을 더 자주 모니터링하기 위해.
• 지속적 감시 시나리오에서 다수의 동일한 UAV를 위한 효율적인 중심집중형 경로 계획 알고리즘을 개발하기 위해.
• 계산적으로 경량인 휴리스틱을 통해 동적 임무 변화에 대한 신속한 재계획 수립을 가능하게 하기 위해.

제안 방법

• PISR 경로 계획 문제를 사이클 길이 제약 조건이 있는 다중 여행행상자문제로 공식화하고, 혼합정수선형계획법(MILP)을 사용한다.
• 각 작업에 대한 재방문 주기 제한을 강제하기 위해 특수 설계된 제약 조건을 갖춘 두 가지 새로운 MILP 공식화(F1 및 F3)를 개발한다.
• 시간 제한 내에서 최적 또는 거의 최적의 해를 도출하기 위해 분기-절단 알고리즘을 적용한다.
• 할당-트리 탐색 기반의 트리 탐색 휴리스틱을 도입하여 빠르게 부분 최적의 가용해를 생성한다.
• 무한한 시간 범위를 처리하기 위해 수축하는 수평 접근 방식을 사용하여 주기적으로 유한 시간 계획 문제를 해결한다.
• 10개, 20개, 30개 작업을 포함한 랜덤 인스턴스를 대상으로 모델을 검증하고, 최적 비용과 계산 시간을 비교한다.

실험 결과

연구 질문

• RQ1 우선순위 기반 재방문 제약 조건이 있는 다중 UAV 지속적 ISR 임무에서 최대 데이터 전달 시간을 어떻게 최소화할 수 있는가?
• RQ2 UAV 경로 계획에서 작업 재방문 주기의 사이클 길이 제약 조건을 효과적으로 모델링할 수 있는 MILP 공식화는 무엇인가?
• RQ3 해의 품질과 계산 시간 측면에서 제안된 MILP 공식화(F1 및 F3)의 성능는 어떻게 비교되는가?
• RQ4 빠른 휴리스틱이 실시간 또는 차량 내 재계획 응용 프로그램을 위해 거의 최적에 가까운 가용해를 생성할 수 있는가?
• RQ5 다양한 문제 크기에서 해의 품질과 계산 시간 사이의 상호 교환 관계는 어떠한가?

주요 결과

• MILP 공식화 F3는 해의 품질과 계산 시간 측면에서 F1을 모두 능가했으며, 10개 및 20개 작업 인스턴스에 대해 최적 해를 모두 도출했다.
• 10개 작업 인스턴스 10개 중 10개, 20개 작업 인스턴스 10개 중 4개, 30개 작업 인스턴스 30개 중 10개에서 최적 해를 도출했지만, 더 큰 인스턴스에서는 수렴 속도가 느렸다.
• 트리 탐색 휴리스틱은 모든 인스턴스에서 11ms 이내로 최선 우선 탐색 해를 생성했고, 최종 해는 11초 이내로 도출했으며, 비용은 최적 해의 50% 이내였다.
• 30개 작업 인스턴스에서는 휴리스틱이 최적 해에 도달하지 못한 시간 제한 내에 가용해를 10.7초 이내로 도출했지만, MILP는 최적 해에 수렴하지 못했다.
• 휴리스틱은 저비용 계산 시간과 높은 가용성 덕분에 동적 임무 조건 하에서 차량 내 재계획 수립에 매우 적합하다.
• 본 연구는 MILP 공식화의 계산 효율성을 향상시키기 위해 더 나은 유효 불등식이 필요하다고 밝혔다.