제 7 항에 있어서,상기 프로세서는,상기 ISAC 프레임워크를 기반으로 구현되는 ISAC 시스템에 대한 자원 할당을 고려하여 상기 최적의 경로들을 결정하도록 구성되고,상기 자원 할당은 상기 감지 작업 및 상기 통신 작업을 모두 고려하여 상기 ISAC 시스템의 성능을 최대화하는 방식으로 이루어지는,다중 무인기 경로 계획 시스템.

ISAC 프레임워크 하에서 지상 IoT 센서 네트워크를 위한 다중 무인기 경로 계획 방법에 있어서, 미리 정의된 알고리즘을 이용하여, 복수의 무인기들에 대한 복수의 IoT 센서들을 경유하는 다수의 목적들을 고려한 최적의 경로들을 결정하는 단계; 및상기 무인기들이 상기 경로들을 따라 이동하면서 상기 IoT 센서들을 통한 감지 작업 및 통신 작업을 수행하도록 하는 단계를 포함하는,다중 무인기 경로 계획 방법.

제 1 항에 있어서, 상기 알고리즘은 유전 알고리즘(genetic algorithm), 개미 군집 최적화(ant colony optimization) 메커니즘, 및 파레토 기반 최적화(pareto-based optimization) 알고리즘의 조합으로 이루어지는 PGA 알고리즘(pareto based genetic ant colony optimization)인, 다중 무인기 경로 계획 방법.

제 2 항에 있어서, 상기 PGA 알고리즘은 상기 파레토 기반 최적화 알고리즘을 이용하여, 상기 목적들에 대응하는 파라미터들의 값들을 변경하면서 상기 유전 알고리즘 및 상기 개미 군집 최적화 메커니즘을 반복적으로 실행시켜 상기 무인기들에 대한 상이한 솔루션들의 세트를 결정하고,상기 솔루션들의 각각은 상기 무인기들에 대해 상기 목적들을 적어도 부분적으로 최적화하기 위한 최적의 경로들을 나타내는, 다중 무인기 경로 계획 방법.

제 3 항에 있어서, 상기 최적의 경로들을 결정하는 단계는,상기 유전 알고리즘을 이용하여, 상기 파라미터들에 대해 설정되는 값들을 기반으로 상기 무인기들의 각각에 대한 상기 IoT 센서들의 최적의 순서를 결정하는 단계; 상기 개미 군집 최적화 메커니즘을 이용하여, 상기 무인기들의 각각에 대한 상기 순서에 따라 인접한 두 개의 IoT 센서들 사이의 최적의 궤적들을 계산하는 단계; 및상기 파레토 기반 최적화 알고리즘을 이용하여, 상기 궤적들로 이루어지는 솔루션에 대해 상기 목적들에 각각 대응하는 적합도 함수들로 구성되는 목적 벡터에 상기 설정되는 값들을 적용하여 결과 값을 계산하는 단계; 및상기 솔루션들에 대한 결과 값들을 기반으로 상기 솔루션들 중 하나의 최적의 경로들을 선택하는 단계를 포함하는,다중 무인기 경로 계획 방법.

제 1 항에 있어서, 상기 목적들은 상기 무인기들의 이동 거리 감소, 상기 IoT 센서들의 커버리지 최대화, 및 상기 무인기들의 에너지 소비 최적화를 포함하는,다중 무인기 경로 계획 방법.

제 1 항에 있어서,상기 최적의 경로들을 결정하는 단계는,상기 ISAC 프레임워크를 기반으로 구현되는 ISAC 시스템에 대한 자원 할당을 고려하여 상기 최적의 경로들을 결정하고,상기 자원 할당은 상기 감지 작업 및 상기 통신 작업을 모두 고려하여 상기 ISAC 시스템의 성능을 최대화하는 방식으로 이루어지는,다중 무인기 경로 계획 방법.

ISAC 프레임워크 하에서 지상 IoT 센서 네트워크를 위한 다중 무인기 경로 계획 시스템에 있어서, 메모리; 및상기 메모리와 연결되고, 상기 메모리에 저장된 적어도 하나의 명령을 실행하도록 구성된 프로세서를 포함하고, 상기 프로세서는, 미리 정의된 알고리즘을 이용하여, 복수의 무인기들에 대한 복수의 IoT 센서들을 경유하는 다수의 목적들을 고려한 최적의 경로들을 결정하고,상기 무인기들이 상기 경로들을 따라 이동하면서 상기 IoT 센서들을 통한 감지 작업 및 통신 작업을 수행하게 하도록구성되는,다중 무인기 경로 계획 시스템.

제 7 항에 있어서,상기 알고리즘은 유전 알고리즘, 개미 군집 최적화 메커니즘, 및 파레토 기반 최적화 알고리즘의 조합으로 이루어지는 PGA 알고리즘인, 다중 무인기 경로 계획 시스템.

제 8 항에 있어서, 상기 PGA 알고리즘은 상기 파레토 기반 최적화 알고리즘을 이용하여, 상기 목적들에 대응하는 파라미터들의 값들을 변경하면서 상기 유전 알고리즘 및 상기 개미 군집 최적화 메커니즘을 반복적으로 실행시켜 상기 무인기들에 대한 상이한 솔루션들의 세트를 결정하고,상기 솔루션들의 각각은 상기 무인기들에 대해 상기 목적들을 적어도 부분적으로 최적화하기 위한 최적의 경로들을 나타내는, 다중 무인기 경로 계획 시스템.

제 9 항에 있어서,상기 프로세서는,상기 유전 알고리즘을 이용하여, 상기 파라미터들에 대해 설정되는 값들을 기반으로 상기 무인기들의 각각에 대한 상기 IoT 센서들의 최적의 순서를 결정하고,상기 개미 군집 최적화 메커니즘을 이용하여, 상기 무인기들의 각각에 대한 상기 순서에 따라 인접한 두 개의 IoT 센서들 사이의 최적의 궤적들을 계산하고,상기 파레토 기반 최적화 알고리즘을 이용하여, 상기 궤적들로 이루어지는 솔루션에 대해 상기 목적들에 각각 대응하는 적합도 함수들로 구성되는 목적 벡터에 상기 설정되는 값들을 적용하여 결과 값을 계산하고,상기 솔루션들에 대한 결과 값들을 기반으로 상기 솔루션들 중 하나의 최적의 경로들을 선택하도록구성되는,다중 무인기 경로 계획 시스템.

제 7 항에 있어서, 상기 목적들은 상기 무인기들의 이동 거리 감소, 상기 IoT 센서들의 커버리지 최대화, 및 상기 무인기들의 에너지 소비 최적화를 포함하는,다중 무인기 경로 계획 시스템.