[논문 리뷰] Survivable Networks via UAV Swarms Guided by Decentralized Real-Time Evolutionary Computation

George Leu, Jiangjun Tang|arXiv (Cornell University)|2019. 02. 21.

UAV Applications and Optimization참고 문헌 26인용 수 6

한 줄 요약

이 논문은 빗장이 없는 운동 모델을 기반으로 한 분산형 실시간 유전 알고리즘(GA) 기반 UAV 군집을 제안하며, boids 유사 운동 모델을 사용해 릴레이 위치를 동적으로 최적화함으로써 지상 네트워크의 생존성을 유지한다. UAV들은 네트워크 연결성의 최대화를 목표로 하는 적합도 함수를 통해 암묵적으로 협력하며, 조율된 운동에서는 90% 이상, 무작위 보행에서는 70% 이상의 지상 에이전트 연결성을 달성한다. 이는 경계 반사와 같은 교란 요소에 대해서도 뛰어난 내성성을 보인다.

ABSTRACT

The survivable network concept refers to contexts where the wireless communication between ground agents needs to be maintained as much as possible at all times, regardless of any adverse conditions that may arise. In this paper we propose a nature-inspired approach to survivable networks, in which we bring together swarm intelligence and evolutionary computation. We use an on-line real-time Genetic Algorithm to optimize the movements of an UAV swarm towards maintaining communication between the ground agents. The proposed approach models the ground agents and the UAVs as boids-based swarms, and optimizes the movement of the UAVs using different instances of the GA running independently on each UAV. The UAV coordination mechanism is an implicit one, embedded in the fitness function of the Genetic Algorithm instances. The behaviors of the individual UAVs emerge into an aggregated optimization of the overall network survivability. The results show that the proposed approach is able to maintain satisfactory network survivability levels regardless of the ground agents' movements, including for cases as complex as random walks.

연구 동기 및 목표

• 예측 불가능하거나 복잡한 운동 패턴을 보이는 동적 지상 에이전트 네트워크에서 무선 연결성을 유지하는 데 도전 과제를 해결한다.
• 중앙 집중식 제어 없이 UAV 군집이 이동 중 릴레이로 기능할 수 있도록 확장 가능한 분산형 조율 메커니즘을 개발한다.
• 지상 에이전트의 이동성, 특히 무작위 보행을 포함한 다양한 상황에서도 높은 네트워크 생존성을 확보하기 위해 UAV 경로의 실시간 적응을 가능하게 한다.
• 진화 계산과 군집 지능을 융합하여 네트워크 지표와 연결된 적합도 함수를 통해 UAV 행동을 암묵적으로 최적화한다.
• 다양한 지상 에이전트 이동 모델, 특히 구조화된(boids)과 비구조화된(무작위 보행) 행동을 포함한 다양한 조건에서 시스템의 강건성과 확장성을 입증한다.

제안 방법

• 지상 에이전트와 UAV를 모두 수정된 boids 기반 군집으로 모델링하며, UAV는 시각 기반 거리 감지 대신 네트워크 기반의 이웃 감지를 사용한다.
• 각 UAV마다 독립된 실시간 분산형 유전 알고리즘(GA)을 구현하며, 연결성 최적화를 위해 boids 힘(집합, 정렬, 분리)의 가중치를 최적화한다.
• 적합도 함수에 의해 UAV 조율를 암묵적으로 통합하며, 네트워크 커버리지와 연결성(연결된 컴ponent 수)을 평가하여 개별 UAV의 결정을 유도한다.
• 하이브리드 운동 모델을 사용하여 UAV가 내부 군집 역학의 가중 힘과 지상 에이전트로부터의 외부 신호를 모두 적용함으로써 최적의 릴레이 위치를 유지한다.
• 지상 에이전트의 운동을 고전적 boids를 사용해 조율된 운동으로, 무작위 보행을 사용해 비구조화된 운동으로 시뮬레이션하여 다양한 이동 조건에서 테스트할 수 있도록 한다.
• 연결성(연결된 컴ponent 수), 가장 큰 연결된 컴ponent의 크기, 높은 연결성 상태에 머무른 시간 등의 지표를 사용해 시스템 성능을 평가한다.

실험 결과

연구 질문

• RQ1 무작위 보행과 같은 복잡하고 예측 불가능한 지상 에이전트 이동 패턴 하에서 분산형 실시간 GA 기반 UAV 군집이 높은 네트워크 생존성을 유지할 수 있는가?
• RQ2 적합도 함수를 통한 암묵적 조율 방식이 지상 네트워크 연결성을 유지하는 데 있어 명시적 통신 또는 중앙 집중식 제어 방식보다 어떻게 비교되는가?
• RQ3 네트워크 기반 이웃 감지를 통한 boids 기반 이동 모델이 대규모 UAV-지상 에이전트 시스템에서 확장성과 실시간 반응성에 얼마나 기여하는가?
• RQ4 지상 에이전트가 경계 반사로 인해 크게 분리되는 경우, 시스템은 얼마나 효과적으로 연결성 복구를 수행하는가?
• RQ5 구조화된(boids)과 비구조화된(무작위 보행) 지상 에이전트 이동 패턴 간 생존성 성능의 상호 간 상충 관계는 어떠한가?

주요 결과

• boids 기반 지상 이동 시나리오에서 UAV 군집은 시뮬레이션 시간의 50% 이상 동안 완전히 연결된 지상 네트워크(연결성 = 1)를 유지했다.
• 무작위 보행 시나리오에서는 가장 큰 연결된 컴포넌트가 항상 70명 이상의 지상 에이전트를 포함했으며, 이는 50% 이상의 시뮬레이션 시간 동안 지속되었고, 이는 이동 패턴이 없더라도 강력한 생존성을 보여준다.
• 시스템은 큰 연결성 손실에 대한 내성성을 입증했다: 경계 반사로 인해 지상 군집이 분리된 후 UAV들은 빠르게 높은 연결성을 복원했으며, 효과적인 복구 능력을 보였다.
• 적합도 함수 기반 분산형 GA는 개별 UAV가 국소 네트워크 커버리지에 따라 자신의 위치를 최적화함으로써 암묵적 조율을 가능하게 했으며, 명시적 통신 없이도 기대되는 전역적 네트워크 생존성을 달성했다.
• 최소한의 파rameter 조정으로도 높은 성능를 달성했으며, boids 힘 가중치의 소수의 조합만 최적화함으로써 실시간 운영과 대규모 에이전트 수의 확장성 확보가 가능했다.
• 결과적으로 시스템은 패턴이 없는 이동 모델을 포함한 다양한 이동 모델에서도 만족스러운 네트워크 생존성을 유지할 수 있음을 확인했으며, 이는 강건성과 적응성의 타당성을 입증한다.