1 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
교전 모델링: 무엇이며 왜 확률 기반이냐?
교전 결과
모델 내부에서 정의된 교전 관련 파라미터들이 원천적으로 확률적으로 표현되어 주어짐
명중률: p
모델 내부에 확률변수가 포함된 예 모델 내부에 확률 값이 포함된 예
v cos
(발사각) 수평방향 속도
~
V (발사속도)
~
무기 발사 시 원천적으로 야기되는 발사각의 오차를 고려하여 발사각을 확률변수 로 표현 함
좌측 모델을 이용하여 주어진 거리와 표적 크기에서 몬테칼로 시뮬레이션을 통해서 미리 구한 명중률 ~
공학급 모델에서 사용 교전급 모델에서 사용
교 전 시 나 리 오 / 전 장 환 경(1 : 1 혹은 다 : 다 교전)
청 군 홍 군공격
인원 무기체계
장비 등
인원 무기체계
장비 등
공격
체계효과도
살상/
생존 비율 등
1:1(다)교전 교전급
임무 효과도
피아 교환비
교전 확률 등
다:다 교전 임무급
2 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 변수 vs 확정 변수
x y = AI = f( x )
모의 논리: f (x)
{
x 의 값을 가지고 f(x) 의 값을 계산 하는 과정 }
모델
시뮬레이션
~
변수 y 의 값
한 개의 값 x 를 f(x) 로 계산한 한 개의 값을 가짐
여러 개의 난수 값 x 각각을 f(x) 로 계산한 여러 개의 값을 가짐
~ ~
변수 x 의 값
종류 예 표현방법
확정적 값 (deterministic)
x : 사람 수 한 개의 값으로 표현: 20 (명)
비 확정적 값 (non-deterministic)
(확률 변수)
x : 점심 식사 하는데 걸리는
시간 (난수)
난수들의 통계적 특성으로 표현: 평균이 10 분이고 분산이 1 분인
정규 분포
3 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확정 변수 M&S
x y = f( x )
모의 논리: f (x)
x: 사람 수, y: 사과 수
{
한 사람 당 3 개의 사과를
나누어 주어라
}
모델
x 값 (사람 수) y 값 (사과 수)
2 명 6 개
10 명 30 개
50 명 150 개
시뮬레이션
( 사람 수) ( 사과 수)
4 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률변수 모델링: 예 1
x y = f( x )
모의 논리: f (x)
x: 점심 식사에 걸리는 시간
y: 점심 식사가 끝난 시간
T: 현재 시각 (13 시 00 분)
{
y = T + x
}
( 식사에 걸리는 시간) ( 식사가 끝난 시각)
12 9 10 11 7 8 6 10 11 10 12 13 10 8 10 9 11 12 10 11 ……..
X (분) 10
평균 값
2
x 분포 : N(10, 1)
x: N(10, 1)
N: 정규분포 평균이 10 분 분산이 1 분
N(10,1) 난수 발생기
많은 값들이 10 분 근방에 모여 있고 [10 분 – 4* 1 분 = 6 분, 10 분 + 4*1 분 = 14 분 ] 사이에 거의 모든 값 (99% 이상)이 다 있다.
x: N(10, 1)
1 번째 난수 12 번째 난수
~ ~ ~
~
~
~
~
~ ~
~ ~
5 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 변수 시뮬레이션: 예 1
: N(10, 1) y = f( x )
모의 논리: f (x)
x: 점심 식사에 걸리는 시간
y: 점심 식사가 끝난 시간
T: 현재 시각 (13 시 00 분) {
y = T + x
}
( 식사에 걸리는 시간) ( 식사가 끝난 시각)
12
9
10
11
7
8
6
10
11
10
12
13
13 시 12 분
13 시 9 분
13 시 10 분
13 시 11 분
13 시 7 분
13 시 8 분
13 시 6 분
13 시 10 분
13 시 11 분
13 분 10 분
13 시 12 분
13 시 13 분
y = 13 시 00 분 + x 분
10
평균
값
2
x 분
포:
N(1
0,
1)
13
시
10
분
평균
값
2 분
y 분
포: 1
3 시
x 분
입력 난수 발생기
출력 값 히스토그램
출력 난수 통계처리
~ ~ ~
~ ~
~
~ ~
~ ~
~
x ~
~
몬테칼로 (Monte Carlo)
시뮬레이션
입력 난수 값 출력 난수 값
6 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 변수 모델링: 예 2
x y = f( x )
모의 논리: f (x)
x: 점심 식사에 걸리는 시간
y: 점심 식사가 끝난 시간
T: 현재 시각 (13 시 00 분)
{
y = T + x
}
( 식사에 걸리는 시간) ( 식사가 끝난 시각)
~ ~ ~
9 8 8 12 11 10 9 10 11 10 12 9 8 8 10 9 11 12 10 11 ……..
8 분 에서 12 분 사이에 균등하게 분포되어 있다
x: UN(8,12)
1 번째 난수 18 번째 난수
~
~ ~
~ ~
X (분) 12
평균 값
x 분포 : N(10, 1)
x: UN(8, 12)
N: 균등 분포 [8, 12]
N(10,1) 난수 발생기
8
~
~
~
~
7 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 변수 시뮬레이션: 예 2
: UN(8, 12) y = f( x )
모의 논리: f (x)
x: 점심 식사에 걸리는 시간
y: 점심 식사가 끝난 시간
T: 현재 시각 (13 시 00 분)
{
y = T + x
}
( 식사에 걸리는 시간) ( 식사가 끝난 시각)
y = 13 시 00 분 + x 분
8
평균
값
x 분
포:
UN
(8, 12) 1
3 시
10
분
평균
값
y 분
포: 1
3 시
x 분
입력 난수 발생기
출력 값 히스토그램
출력 난수 통계처리
~ ~
~ ~
~
~ ~
~ ~
~
x ~ 12
~
몬테칼로 (Monte Carlo)
시뮬레이션
~
8 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
컴퓨터 난수 발생기의 특징 및 시뮬레이션 결과
미리 정해진 통계적 특성에 맞추어 알고리즘적으로 발생 시킴
미리 정해진 통계적 특성에 맞추어 알고리즘적으로 발생 시킴
분포 함수 (난수 값 들의 빈도): 균등 분포, 정규 분포 등
난수 값의 특징 : 평균 값, 분산 값에 따라 정해 짐
난수 발생 알고리즘 균등 분포 난수 발생로 부터 임의 분포를 난수 시킴
알고리즘은 현재 난수 값에서 다음 난수 값을 계산한다.
같은 분포라도 발생된 난수 값들의 순서는 달라 질수 있다
난수의 개수
알고리즘은 무한개의 난수 발생 가능 (현재 다음 …)
시뮬레이션에서는 사용자가 지정하는 개수를 발생 시켜 사용한다
난수의 정확도
발생된 난수의 분포와 이상적 분포 함수와의 일치 정도
사용된 알고리즘에 따라 달라짐
시뮬레이션 결과의 신뢰도
시뮬레이션 회수가 많을 수록 신뢰도가 높아진다
9 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
컴퓨터 난수 발생기 원리
알고리즘의 영향
예: [1, 5] 까지의 균등 분포 난수 100 개
Seed 1 = 245 [ 1.3, 2.5, 1.1. 4.9, 3.6, 1.1, ……………….]
Seed 2 = 599 [ 4.1, 1.2, 3,3, 2.0, 1.9, 4.8…………………]
Seed 3 = 401 [ 3.2, 4.9, 1.2, 2.6, 4.7, 3.1…………..……..]
Replication (복제)라 부름
Seed 값
현재 난수
난수 개수 (N)
초기 값 = Seed 값 난수의 개수가 N 개가 될 때 까지 반복
{
현재 난수 = 난수발생_알고리즘 (초기 값)
출력 (현재 난수)
초기 값 = 현재 난수 값
}
난수 발생기 구조
N 개의 난수 값들의 순서는 초기 값에 따라 완전히 다름
초기(seed) 값의 영향
3 개의 복제 모두 동일한 분포 함수 (균등 분포)와 평균치를 갖는다
10 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 기반 명줄률 계산 및 검증
출발점과 비행 중 어떤 일이 발생 했는지는 무시하고 명중 여부 관찰
N
Np
N
1lim
발사각 오차: ]~
[
tgtvvS 22 )~
sin()~
cos(~
몬테칼로 사격 시뮬레이션
{ 매회마다 확률변수의 난수 값을 적용하여 ~
tgtvvS 22 )~
sin()~
cos(~
를 N회 계산
N회 중 회수 N1 산출 }
maxmin SSS
명중률 p 구하기
공학방정식으로 몬테칼로
사격 시뮬레이션
출발점에서 구함
실제 사격을 실시하여
명중 여부 관측
도착점에서 구함
가상사격 실제사격
실제 사격 실험
{ 매 번 독립적으로 사격을 N 회 실시
N회 중 명중된 회수 N1 관찰 }
N
Np
N
1lim
거리 오차 야기
minS maxS
tgtvvS 22 )sin()cos(
maxmin SSS 명중
(2 차원적)
(발사각)
Validation: 계산 결과와 실험 결과가 일치하는가?
~
의 정확도에 달려 있음 어떻게 구하나? ~
데이타 모델링 (확률변수의 분포 함수 식별)
11 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
데이터 모델링: 확률 분포 함수 식별 과정
X
S
(평균) (분산)
(iii) 히스토그램 작성
(데이터의 구간별 빈도)
);( Xxf
x
h(x)≈f(x) 유사성 판단
χ2-test
Y/N
(v) : 검증 단계
x1 x2
x∞
…
∞개 데이터
모집단
),;( xf
x
Gaussian
X : 임무수행 시간
);( xf
x
Poisson
X : 단위시간당 도착 수
);( xf
x
X : 도착 시간 간격
Exponential
확률분포함수 후보군
x1 x2
xN
…
N개 데이터
(i) N개 표본추출
표본
실제 데이터 분포
가정된 확률변수분포
유사성 고려 파라미터 값 대입
어떤 분포지?
f(x) 가정 ?
(iv) 가정 단계
세부적인 과정
통계학 기초 교과서 참조
12 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 기반 모델의 표현 방법
사격 대기
명중
실패
명중
실패
!명중
!실패
V : 속도
S = v * t
시간 거리
~ V : [55, 65 ] km 사이의 균등분포 확률 변수
~
난수 이용 몬테칼로 시뮬레이션
! 시뮬레이션 결과가 매번 달라질 수 있음 여러 번 시뮬레이션 한 후 결과를 통계적으로 분석 !
확률 기반 모델링
미리 구해진 확률값(명중률) P 가 주어진 경우
(교전급 모델)
방정식속에 확률변수가 포함되는 경우
(공학급 모델)
매 시뮬레이션 시 속도 값은 달라지며 [55, 65] 사이의 균등분포 난수 발생기에서 나온 값을 방정식에 대입 함
매 시뮬레이션 시 사격 결과 값은 달라지며 [0, 1] 까지의 균등분포 난수 발생기에서 나온 난수 값
13 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률 변수를 포함한 모델: 수상함 대 어뢰전 시나리오
어뢰 탐색 회피 기동
어뢰 발사
기만기 공격
기만 체계 작동
투하 후
사형 탐색
14 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
수상함의
회피율
어뢰 탐지 거리
수상함의
회피율
기만기 개수
수상함의
회피율
어뢰의 소나 탐지 거리
< 분석하고자 하는 예상 결과물 예>
모델 파라미터
수상함
▪ 함정 속도 (kts)
▪ 함정 회전각 (˚)
▪ 어뢰 탐지 거리 (m)
▪ 회피 기동 침로 (m)
기만기
▪ 기만기 유형
▪ 기만기 수량 (대)
▪ 작동 신뢰도 (%)
▪ 부설 소요시간 (sec)
▪ 부설 간격 (m)
▪ 음원수준 (dB)
▪ 비행시간 (sec)
▪ 작동 지연시간 (sec)
▪ 자항식 기만기 속도 (kts)
▪ 작동 수명 (sec)
▪ 기만기 투하 방법
어뢰
▪ 어뢰 발사 방위(˚)
▪ 어뢰 공격 방위 (˚)
▪ 어뢰 소나 탐지거리(m)
▪ 어뢰 동작 시간 (sec)
▪ 어뢰 속도(고속모드) (kts)
▪ 어뢰 속도(중속모드) (kts)
▪ 어뢰 속도(저속모드) (kts)
▪ 단위시간(sec) 당 회전각 (˚)
실 제 사 용 된 값 들 은 의 도 적 으 로 숨 겼 음
수상함의 대 어뢰전에서 사용되는 기만기
운용 전술 개발 및 기만기 ROC 식별
붉은 색: 몬테칼로 시뮬레이션에 사용될 확률 변수
대어뢰전
교전 모델
분석 지수 (MOE) 수상함의 회피율
…
모델 파라미터
교전 시나리오
모델 파라미터
100 회 반복 시뮬레이션
M&S 목적
수상함 대 어뢰전 M&S 목적 및 모델 파라미터
15 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
변수 변수 값 단위
xo 0 (초기값) m
yo 0 (초기값) m
zo -100 (초기값) m
δt 0.01 (시간 간격) sec
v 35 knts
dx 50 degree
dz 5 degree
dx 50 + normal(5, 1) degree
dz 5 + normal(1, 1) degree
~
~
확정적 변수에 의한 기동 방정식
확률 변수에 의한 기동 방정식
xn = xn-1 + vcos(dx)cos(dz) δt yn = yn-1 + vsin(dx)cos(dz) δt zn = zn-1 - vsin(dz) δt,
dx : yaw (좌, 우 흔들림 고정) dz : pitch (상, 하 흔들림 고정)
normal(mean, sigma) : 정규 분포함수 Mean: 평균 / sigma : 분산
0500
10001500
20002500
-3000
-2000
-1000
0-500
-400
-300
-200
-100
x
Torpedo Track Data
y
z
Simulink / MATLAB 으로 위의 3 차원 기동 방정식을 직접 풀면
xn = xn-1 + vcos(dx)cos(dz) δt yn = yn-1 + vsin(dx)cos(dz) δt zn = zn-1 - vsin(dz) δt,
dx : yaw (좌, 우 흔들림 난수 화) dz : pitch (상, 하 흔들림 난수 화)
~ ~
~ ~
~
~
~
수상함을 추적하는 어뢰의 기동 방정식
변수 값
어뢰(0,0, -100) 에서 기동
수상함(x,y,z)
확률변수 vs 확정적 변수
명중률이 달라질 수 있음
방정식에 사용된 변수 들
확률 변수가 포함된 어뢰 기동 방정식
16 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
대 어뢰전 DEVS 결합 모델
교전 제어 모델
기만기 모델
hit
fire
shipRes
tpdReq
shipPos
tpdPos
fire
fire
fire
hit
hit
tpdRes
shipReq
wireGuidance
tpdReq
ShipRes
decRes
decReq
tpdPos
shipPos miss
miss
hit
ctrlOrder
ctrlOrder
hit
miss
tpdPos
wireGuidance
targetRequest targetRequest
miss
decReq
shipReq
tpdRes
decPos
shipPos
decPos hit MANEUVER
MANEUVER
SONAR
어뢰 모델
SONAR
SHIP
LAUNCHER
MANEUVER
SONAR
FCS
수상함 모델
잠수함 모델
대 어뢰전 DEVS 결합 모델
decRes
사후 평가 모델
17 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
어뢰 DEVS 결합 모델
프로젝트명 : 대어뢰전 프로젝트 문서번호:
작성일 : 작성자 : 2008. 12. 10.
컴포넌트 제공기능어뢰(Torpedo)
서경민
Torpedo
Maneuver
(어뢰기동모델)
어뢰 DEVS 결합모델
어뢰결합모델내부구성도
Torpedo
Sonar
(어뢰소나모델)
tpdPos
decPos
decPos
tpdReq
hit
hit
shipPos
fire
fire
tpdReq
searchPos
searchPos
decReq
decReqshipReq
shipReq
tpdPos
tpdPos
tpdRes
tpdRes
miss
miss
대어뢰전 - 4
ctrlOrder
wireGuidance
targetRequest
ctrlOrder wireGuidance
targetRequest
18 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
어뢰 기동 DEVS 원자 모델
컴포넌트 제공기능어뢰기동(Maneuver) 부 어뢰기동원자모델내부
fire
searchPos
tpdReq
ctrlOrder
hit
tpdPos
tpdRes
wireGuidance
targetRequest
missPOS
@ 0
ENDEND1
@ 0
?hit
!miss
!tpdRes
?tpdReq
INIT
MOVING
@ T?fire
?searchPos || ?ctrlOrder
!targetRequest || !wireGuidance || !tpdPos
[(currTime-fireT)>TorLiveTime]
프로젝트명 : 대어뢰전 프로젝트 문서번호:
작성일 : 작성자 : 2008. 12. 10. 서경민
어뢰기동 DEVS 원자모델 대어뢰전 - 4
xn = xn-1 + vcos(dx)cos(dz) δt yn = yn-1 + vsin(dx)cos(dz) δt zn = zn-1 - vsin(dz) δt,
~ ~
~ ~
~
어뢰 기동 방정식
호출
T = δt 간격으로
기동방정식 호출
19 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
대 어뢰전 시뮬레이션 과정
* 모델 구현: DEVSim++ / 에니메이션: SIMDIS (미 해군 연구소가 개발한 공개 S/W 임)
고정식 기만기의 경우 자항식(스스로 움직이는) 기만기의 경우
(KAIST SMS 연구실 수행 연구 과제 결과물)
20 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
대 어뢰전 시뮬레이션 결과
2000 2200 2400 2600 2800 3000 3200 3400 3600 3800 40000
10
20
30
40
50
60
70
80
90
100자항식 기만기 속도에 따른 회피율
수상함의 어뢰경보거리 (m)
회피
율 (
%)
속도: 9knts속도: 12knts
속도: 15knts
속도: 6knts
속도: 3knts
2000 2200 2400 2600 2800 3000 3200 3400 3600 3800 40000
10
20
30
40
50
60
70
80
90
100기만기 사용 패턴에 따른 회피율
수상함의 어뢰경보거리 (m)
회피
율 (
%)
사용패턴 1
사용패턴 2
사용패턴 3
사용패턴 4
사용패턴 1 부유식 기만기 4발
사용패턴 2 자항식 기만기 4발
사용패턴 3
어뢰경보방위 +-10도에부유식 기만기 1발씩어뢰경보반대방위 +-20도에 자항식 기만기 1발씩
사용패턴 4
어뢰경보방위 +-10도에자항식 기만기 1발씩어뢰경보반대방위 +-20도에 부유식 기만기 1발씩
기만기 운용 방안 (교리 개발) 기만기 ROC 도출 (획득용 설계)
경보 거리 3000 m 에서 회피율 90 % 을 달성하기 위해서는 “사용패턴 3”으 로 운용되어야 한다.
경보 거리 3000 m 에서 회피율 90 % 을 달성하기 위해서는 기만기의 속도는 12 knts 이상이어야 한다.
21 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
확률값이 포함된 교전 모델: 3 가지 구성 요소 사람/플랫폼
명중
실패
대기
명중 T공격
실패 T공격
공격 DEVS 원자 모델
?공격@ p1
!명중
?공격@1- p1
!실패
명중률 : p1
공격
실패
대기 재공격 T재공격
재 공격 DEVS 원자모델
?명중/?실패
생존
명중 !공격
?생존
공격
공격(사격) 시 재 공격(재 사격) 시
T재공격
화기의 종류 및
훈련 정도/조작 숙련도
와 관계 됨
: 재 장진 등 준비 시간 T공격
화기의 종류 및
표적과의 거리(교전 수칙)
에 관계됨
: 공격시간
T확인 : 피해정도 확인 시간
피해평가 DEVS 원자 모델
명중 대기
생존 T확인
사망 T확인
?명중@ p2
!생존
?명중@1- p2
!사망
생존
사망
살상률 : p2
인명
대기
경파 T확인
반파 T반파
?명중@ p1 !소파
대파 T확인
!대파
?명중@ p3
?명중@ p2
!중파
명중
경파
반파
대파
파괴율 : p1,p2, p3
플랫폼
교전 시 발생 가능한 3 가지 시나리오
사격 명중당함 생존 ( 전투 가능 ) 재 사격
사망 ( 전투 불 가능 ) 사망신고
DEVS 모델링
외부 상태 천이 ( 입력 시 )
내부 상태 천이 ( 출력 시 )
S ( 상태)
r ( 시간 )
Q = (s, r)
DEVS 원자 모델 범례
공격(명중) 을 당했을 시
화기의 종류 등에 관계 됨
22 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
1:1 교전 모델링 : DEVS 결합 모델
공격 모델
재공격 모델
피해 평가 모델
실패
생존
공격
명중
사망
공격 명중
명중 명중
청군 DEVS 결합 모델
사망
공격
공격
명중률 p1
살상률 p2
공격 모델
재공격 모델
피해 평가 모델
실패
생존
명중 공격
사망
공격
명중
명중
명중
사망
공격
명중률 p3
살상률 p4
홍군 DEVS 결합 모델 1 : 1 교전
청 교전 통제 모델
사후 평가 모델
홍 교전 통제 모델
사망
사망통보
공격
사망통보 공격
사망
교전 통제/사후평가 DEVS 결합 모델
공격 공격
23 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
1:1 교전 모델의 가능한 시나리오 분석
입 력
입 력 예 정
출 력
출 력 예 정
적 입 력
범례
!명중 !실패
?명중
?명중
?명중
경우 1 : 적의 공격 없이 계속 공격 (공격 명중/실패 재공격)
이벤트 ?공격
t
이벤트 ?공격
t
경우 2 : 공격 준비 중(공격 하기 전) 적에게 명중
경우 3 : 공격 후 총알이 날아가는 동안 적에게 명중
경우 4: 재 공격 준비 중 적에게 명중
이벤트 ?공격 !명중 !실패 !재공격=?공격
t
T공격 T재공격
!재공격=?공격 !생존
T재공격 T확인
!생존 !재공격=?공격
T재공격 T확인
이벤트 !명중 !실패 ?공격 !재공격=?공격
t
T공격
교전 결과 = f (명중률, 살상률, T공격, T확인, T재공격 ) ( ) 속에 있는 값에 따라 달라짐
T공격
T재공격
T확인
일반적으로 난수로 처리
3 가 지 가 능 한 시 나 리 오
경우 2 와 동일
교전 수칙, 장비/무기 성능, 교육/훈련 정도에 따라 달라짐 전투발전 요소별 개선 사항 식별 가능
24 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
다:다 교전 모델링: DEVS 결합 모델
공격 모델
재공격 모델
피해 평가 모델
실패
생존
공격
명중
사망
청 교전통제 모델
사후 평가모델
홍 교전통제 모델
사망
사망통보공격
공격공격 모델
재공격 모델
피해 평가 모델
실패
생존
명중 공격
사망
공격
사망통보 공격
사망
명중
명중
명중
명중 명중명중
청군 DEVS 결합 모델
교전 통제/사후평가 DEVS 결합 모델
사망 사망
공격
공격 공격
명중률 p1
살상률 p2
명중률 p3
살상률 p4
홍군 DEVS 결합 모델
명중률, 살상률, 재사격 준비시간 등을 피아, 각 개인/플랫폼 마다 다른 값으로 설정할 수 있다
다:다 교전
25 of 25
© 2011 Tag Gon Kim IE801 – Lecture10
다:다 교전 시뮬레이션 결과
0 20 40 60 80 100 1200
50
100
150
200
250
300
350
400
450
500
시간
병력
시간에 따른 아군 및 적군 병력 변화
청군 홍군
명중률 0.2 0.1
살상률 0.6 0.6
명중률에 따른 교전 결과
(훈련 정도 / 장비 성능)
0 20 40 60 80 100 120 140 160 1800
50
100
150
200
250
300
350
400
450
500
시간
병력
시간에 따른 아군 및 적군 병력 변화
청군 홍군
명중률 0.1 0.1
살상률 0.8 0.6
살상률에 따른 교전 결과
(장비 성능)
0 50 100 150 200 2500
50
100
150
200
250
300
350
400
450
500
시간
병력
시간에 따른 아군 및 적군 병력 변화
청군 홍군
명중률 / 살상률 0.1/0.6 0.1/0.6
공격시간 nor(0.20, 0.001) nor(0.25, 0.001)
공격시간에 따른 교전 결과
(교전 수칙)
0 20 40 60 80 100 120 140 160 180 2000
50
100
150
200
250
300
350
400
450
500
시간
병력
시간에 따른 아군 및 적군 병력 변화
청군 홍군
명중률 / 살상률 0.1/0.6 0.1/0.6
재공격준비시간 nor(8, 1) nor(10, 1)
재공격 준비시간에따른교전결과
(훈련 정도)