earticle

영어

In battlefield, there are many elements of combined effects which affect the result of war. Collecting and analyzing these elements, and then predicting the situation of war looks problematic. Commander's experience and broad-range military power assessment have been used to set these problems, and recently simulated combat training program supplements the models through recording various virtual combat data. Nevertheless, there are numerous challenges to assess winning factors of combat for completing the mission. In this paper, we characterize the combat element (ce) by clustering simulated combat data, and then suggest multi-layered artificial neural network (ANN) model, which can comprehend non-linear, cross-connected effects among ces to assess mission completion degree (MCD). Through this ANN modeling, we have the chance of analyzing and predicting factors for winning. Experimental results show that our ANN model shows MCDs through interconnecting ces, and can grasp the sensitivity of ces toward MCD which will be the basis of predicting the situation of warfare.

한국어

전쟁은 수많은 요소들의 복합적인 영향으로 승패가 좌우되며, 이러한 요소들을 수집 및 분석하고 전황을 예측하는 것은 매우 어려운 문제이다. 지금까지는 지휘관의 경험과 전투력 평가에 따라 상황을 판단했으나, 최근에는 이를 보완하기 위한 모의전투훈련이 실시되고 있다. 다양한 전투요소가 수집되는 이 모의전투훈련에서 임무달성을 위한 요건을 분석 및 평가하는 데는 여전히 많은 어려움이 있다. 본 연구에서는 모의전투훈련에서 얻어지는 자료를 종합 및 분석하여 전투요소를 분류하고 임무달성지수를 산정하였으며, 이들 간의 비선형적 연관관계를 다층 인공신경망을 이용하여 모형화하였다. 실험결과 전투요소의 인공신경망 모델을 통하여 임무달성지수를 효과적으로 추정해낼 수 있었으며, 전투요소의 민감도 분석을 이용하여 전투상황을 예측하는 모델을 도출할 수 있었다.