무인 전투 항공기 및 전투 시뮬레이터를 위한 핵심 기술 중 하나는 행동 최적화로, 전투에서 승리할 확률을 극대화하는 행동을 찾는다. 군사 과학의 발전으로 전투 로그가 이용 가능해지면서, 행동 최적화에 기계 학습 알고리즘을 활용할 수 있게 되었다. 그러나 로그 데이터에 명시적으로 나타나지 않는 조종자 경험과 같은 암묵적 특성으로 인해, 기존의 행동 최적화 방법은 성능 향상에 한계가 있다. 또한 특정 행동은 낮은 빈도로 발생하여 불균형하고 결측 값을 포함한 데이터셋이 형성된다. 따라서 본 연구에서는 잠재 요인 모형 중 하나인 행렬 분해(MF) 방법을 행동 최적화 문제에 적용한다. MF 방법은 결측 값의 정교한 대치(imputation)로 알려져 있다. MF 기반 방법을 구현하기 위해, 상황-행동 행렬을 정의하였으며, 이 행렬의 각 원소는 상황에서의 행동이 최적임을 나타내는 평점을 의미한다. 제안된 방법의 성능을 비교하기 위한 실험은 전투 로그에서 수행되었고, 그 결과 제안된 방법은 만족스러운 성능을 보였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.