Earticle

우리는 이전에 목적지까지 안전하게 보행할 수 있도록 하는 시각장애인용 보행지원 시스템을 개발하였다. 이 시스템은 실내외 특정 위치에 POI (Point of Interest)를 설정하고 실내에서는 인공 표식 (landmark), 실외에서는 지그비 (Zigbee) 모듈을 이용하여 사용자의 위치를 추정하고 보행 경로를 탐색 하였다. 본 논문에서는 이 시스템에서경로 탐색을 위해 이용한 격자 기반의 지도 저작 툴과 보행용 A* 알고리즘을 소개한다. 실내외의 POI, 고정 장애물이나 교차로, 출발지와 목적지 등의 위치는 지도 저작 툴을 이용하여 작성하였다. 벡터 기반의 지도보다 격자 기반의 지도를 작성하여 경로를 탐색함으로써 상세한 지도 작성으로 인한 경로 탐색 정확도를 향상시키고, 제안하는 보행용 알고리즘을 사용함으로써 빠른 경로 탐색이 가능하였다.

We developed a guidance system for visually impaired person that guides the user to walk safely to the destination in the previous study. We set a POI (Point of Interest) of a specific location indoors and outdoors and tracks the user's position and navigate the walking path using artificial markers and ZigBee modules as landmark. In this paper, we introduce a grid-based map authoring tool and the A* algorithm to be used for navigation in the system. We map the important spots such as POI, fixed obstacles, intersections, departure point, and destination using the map authoring tool. These improved the accuracy of searching the path since we used not the vector-based map but the detailed grid-based map, and reduced searching time of the path by using a proposed algorithm.

Path finding is one of those required elements of the computer network. Any path finding algorithm will work as long as there are no obstacles or distractions along the way. If there is an obstacle, then the character needs to figure out a way to move around and still reach the goal. In this paper, we have simulated the existing path-finding algorithms and state that A* is the most popular choice for path-finding and it is very flexible and can be used in a wide range of contexts.

Nowadays, as the availability of tiny, low-cost microcomputer increases at a high level, mobile robots are experiencing remarkable enhancements in hardware design, software performance, and connectivity advancements. In order to control Turtlebot 2, several algorithms have been developed using the Robot Operating System(ROS). However, ROS requires to be run on a high-cost computer which increases the hardware cost and the power consumption to the robot. Therefore, design an algorithm based on low-cost hardware is the most innovative way to reduce the unnecessary costs of the hardware, to increase the performance, and to decrease the power consumed by the computer on the robot. In this paper, we present a path-finding algorithm for TurtleBot 2 based on low-cost hardware. We implemented the algorithm using Raspberry pi, Windows 10 IoT core, and RPLIDAR A2. Firstly, we used Raspberry pi as the alternative to the computer employed to handle ROS and to control the robot. Raspberry pi has the advantages of reducing the hardware cost and the energy consumed by the computer on the robot. Secondly, using RPLIDAR A2 and Windows 10 IoT core which is running on Raspberry pi, we implemented the path-finding algorithm which allows TurtleBot 2 to navigate from the starting point to the destination using the map of the area. In addition, we used C# and Universal Windows Platform to implement the proposed algorithm.

Recently neural networks leave been proposed as new computational tools for solving constrained optimization problems because of its computational power. In this paper, the shortest path finding algorithm is proposed by rising a Hopfield type neural network. In order to design a Hopfield type neural network, an energy function must be defined at first. To obtain this energy function, the concept of a vector-represented network is introduced to describe the connected path. Through computer simulations, it will be shown that the proposed algorithm works very well in many cases. The local minima problem of a Hopfield type neural network is discussed.

경로 탐색 알고리즘은 이동 가능한 에이전트가 게임 내의 가상 월드에서 현재 위치로부터 목적지까지 가는 경로를 탐색하는 알고리즘을 뜻한다. 기존의 경로 탐색 알고리즘은 A*, Dijkstra와 같이 비용기반으로 그래프 탐색을 수행한다. A*와 Dijkstra는 월드 맵에서 이동 가능한 노드와 에지 정보들을 필요로 해서 맵의 정보가 다양하고 많은 온라인 게임에 적용하기 힘들다. 본 논문에서는 가변환경이나 맵의 데이터가 방대한 게임에서 적용 가능한 경로 탐색 알고리즘을 개발하기 위해 맵의 정보 없이 교배, 교차, 돌연변이, 진화 연산을 통해 해를 찾는 유전 알고리즘(Genetic Algorithm, GA)을 활용한 Heuristic-based Genetic Algorithm Path-finding(HGAP)를 제안한다. 제안하는 알고리즘은 Binary-Coded Genetic Algorithm을 기반으로 하며 목적지에 더 빨리 도달하기 위해 목적지로 가는 경로를 추정하는 휴리스틱 연산을 수행하여 경로를 탐색한다.

The path-finding algorithm refers to an algorithm for navigating the route order from the current position to the destination in a virtual world in a game. The conventional path-finding algorithm performs graph search based on cost such as A-Star and Dijkstra. A-Star and Dijkstra require movable node and edge data in the world map, so it is difficult to apply online games with lots of map data. In this paper, we provide a Heuristic-based Genetic Algorithm Path-finding(HGAP) using Genetic Algorithm(GA). Genetic Algorithm is a path-finding algorithm applicable to game with variable environment and lots of map data. It seek solutions through mating, crossing, mutation and evolutionary operations without the map data. The proposed algorithm is based on Binary-Coded Genetic Algorithm and searches for a path by performing a heuristic operation that estimates a path to a destination to arrive at a destination more quickly.

최근 교통약자의 이동권에 대한 관심이 증가하고 있으나 대부분 제도적 시설 공급측면에 치중되어 일시적 이동상의 불편함만을 해소할 뿐이며 실제 교통약자에게 향상된 이동편의를 제공하지 못하고 있다. 따라서 본 연구에서는 교통약자의 보행에 영향을 미치는 경사로, 계단과 같은 물리적 장애 요소들을 고려하여 교통약자 유형별 최적경로를 탐색하는 기법을 제안함으로써 교통약자의 이동편의를 직접적으로 향상시키고자 한다. 선행연구 및 관련 제도를 분석하여 교통약자의 보행에 방해가 되는 보행장애요소를 선정하고 계층적의사결정법(Analytic Hierarchy Process; AHP)을 이용하여 각 보행장애요소의 상대적 중요도를 산정하였으며 마지막으로 퍼지 시스템을 통하여 교통약자의 보행에 방해되는 정도를 나타내는 링크별 보행방해도를 도출한다. 보행방해도를 바탕으로 거리 요소를 포함한 보행 경로비용을 계산하고 이 값이 최소가 되는 경로를 다익스트라 알고리듬을 통해 탐색함으로써 교통약자 유형별 최적 경로를 제공한다. 본 연구에서 제안한 기법을 적용하여 도출된 19개 경로를 대상으로 실제 현장 실험을 통하여 각 경로에 대한 만족도 설문조사를 수행하였고 이를 통해 실제 교통약자의 이동에 편의를 향상하는 유의미한 경로가 도출되었음을 확인하였다. 본 연구에서 제안한 최적경로 탐색 기법이 내비게이션 서비스에 적용된다면 교통약자의 이동복지향상을 도모할 수 있을 것으로 보인다.

There has been growing social interest recently in the movement rights of people with reduced mobility. However, it simply eliminates the temporary inconvenience of walking of people with reduced mobility because it focuses only on supply of institutional facilities. Therefore, we look forward to improving movement welfare by proposing an optimized path finding algorithm for people with reduced mobility that takes into consideration physical elements affecting their movement, such as slope, steps etc. We selected Walking barrier factor by analyzing previous studies and calculated the relative importance of Walking barrier factors using an Analytic Hierarchy Process(AHP). Next, through the fuzzy system, the Walking disturbance level of link, which integrates the weights of Walking barrier factors and the attributes of each link, is derived. Then, Walking path cost that takes into consideration the ‘length’ factors is calculated and an optimized path for people with reduced mobility is searched using Dijkstra’s Algorithm. Nineteen different paths were searched and we confirmed that the derived paths are meaningful in terms of improving the mobility of people with reduced mobility by conducting a field test. We look forward to improving movement welfare by providing a navigation service using the path finding algorithm proposed in this study.

실제 전체 도로망을 하나의 그리드로 간주하며, 그리드는 여러 개의 고정된 셀로 나누어진다. 경로 탐색 기법은 2단계 탐색으로 나누어진다. 1차 탐색은 실제 도로 네트워크와 고정 셀로부터 생성된 가상 정점과 가상 간선으로 이루어진 추상 그래프에서 우선 탐색한다 추상 그래프에서 탐색된 가상 경로를 포함하고 있는 영역을 유효 셀이라 하며, 2차 탐색은 추상 그래프에서 제공하는 유효 셀 내에서 $A^*$ 알고리즘 탐색을 한다. 즉, 유효 셀을 제외한 무효 셀을 제거함으로서 탐색 비용을 줄일 가능성이 있다. 이 논문에서는 추상 그래프 생성 방법과 탐색 영역 추출을 위한 추상 그래프 경로탐색 알고리즘을 제안한다.

The real road network is regarded as a grid, and the grid is divided by fixed-sized cells. The path-finding is composed of two step searching. First searching travels on the abstract graph which is composed of a set of psuedo vertexes and a set of psuedo edges that are created by real road network and fixed-sized cells. The result of the first searching is a psuedo path which is composed of a set of selected psuedo edges. The cells intersected with the psuedo path are called as valid cells. The second searching travels with $A^*$ algorithm on valid cells. As pruning search space by removing the invalid cells, it would be possible to reduce the cost of exploring on real road network. In this paper, we present the method of creating the abstract graph and propose a path-finding algorithm on the abstract graph for extracting search space before traveling on real road network.

실제 도로 교통망에서 경로를 탐색할 때 방향전환에 대해 고려해야 한다. 왜냐하면 똑같은 출발지와 목적지를 가지는 각각 다른 경로 즉, 직진이 많은 경로와 방향전환이 많은 경로를 비교하면 직진이 많은 경로가 더 빨리 도착할 수 있다. 이 논문에서는 기존에 방향전환에 대해 연구된 $TA^*$ 알고리즘 보다 방향전환횟수는 늘어나지만 탐색비용을 줄일 수 있는 $VTA^*$ 알고리즘을 제안한다. 방향전환을 고려하지 않은 $A^*$ 알고리즘, 방향전환을 고려한 $TA^*$ 알고리즘과 이 논문에서 제안하는 $VTA^*(n)$ 알고리즘을 비교하였다. 그 결과 $TA^*$ 알고리즘보다 탐색비용이 평균 7.31%가량 줄어들고, $A^*$ 알고리즘보다 방향전환 횟수는 27.95% 가량 감소되는 결과를 보였다.

It needs to consider of turns during a path-finding on real road network. traveling on real road network, it generally takes less travel time in a more straight path than a zig-zaged path with same source and destination. In this paper, we propose $VTA^*$ algorithm that can reduce the cost of exploring despite increasing the number of turn in comparing with $TA^*$ algorithm. We have implement the proposed $VTA^*$, $TA^*$ which consider the number of turn and a traditional $A^*$ algorithm which dosen't consider the number of turn. The experimental result shows that the cost of exploring is reduced by 7.31 % comparing with $TA^*$ and the number of turn is reduced by 27.95% comparing with $A^*$ approximately.

실제 도로 교통망에서 경로를 탐색할 때 방향전환에 대해 고려해야 한다. 왜냐하면 차량이 이동할 때 교차로나 진입도로 등과 같이 방향전환이 있을 경우 교통신호 또는 속력감속으로 인한 운행시간이 지연될 수 있기 때문이다. 만약 경로의 직진성을 높일 경우 실제 이동시간이 줄어들 가능성이 있다. 턴 휴리스틱을 적용한 알고리즘은 이와 같은 경우를 고려한 경로탐색 기법이다. 방향전환에 따라 서로 다른 가중치를 부여한 이 기법은 경로의 직진성을 높였으나, 탐색 비용이 증가하였다. 이 논문에서는 개선된 턴 휴리스틱을 적용한 알고리즘을 제안한다. 제안하는 기법은 가변적인 턴 휴리스틱을 사용한다. 즉, 경로탐색 중 일부 구간에 대해서만 턴 휴리스틱을 적용함으로써, 기존연구에 비해 탐색 비용을 줄일 가능성을 높였다.

It needs to consider of turns during a path-finding on real road network. Because a car is delayed by waiting a traffic signal and decreasing speed when drived in a turn road such as cross road and slip road. If a straightness of a path is increased, a real cost of traveling should be able to decrease. An older method, the algorithm with Turn Heuristic, considered of this case. The algorithm, that differently gave weights to left, right and U-turns, improved a straightness of a path, but increased a cost of exploring. In this paper, we propose a improved Turn Heuristic Algorithm. Proposed algorithm uses Dynamic Turn Heuristic. It is able to more decrease a cost of exploring than older method by using the Turn Heuristic in a part of path-finding.

동적 휴리스틱이란 고정된 정보가 아닌 서버로부터 실시간 도로정보를 전송받아 동적으로 변경되는 휴리스틱이다. 이 논문에서는 최고속력 동적휴리스틱을 이용하는 경로탐색 기법을 제안하고, 성능실험을 하였다. 최고속력 동적 휴리스틱이란 지도를 일정크기로 나눈 그리드내의 도로 중 최고속력을 동적 휴리스틱으로 활용하며, 최고속력이 높은 곳을 우선 탐색함으로 인해 거리에 따른 정보뿐만 아니라 실시간 정보를 활용하여 경로를 탐색한다. 성능 실험 결과 $A^*$ 알고리즘에 비해 경로의 질은 향상되었으나 탐색비용이 조금 늘었다.

Dynamic Heuristic(DH) is not fixed data and is dynamically modified using transferred real time road data from server In this paper, we propose path-finding algorithm with Maximum Speed Dynamic Heuristic (DH-MAX) and do an experiment. The DH-MAX is to be used the highest speed as DH, in real map divided by same sire. And proposed algorithm searches path using the priority searching only of the fixed data, but also the highest speed with real time information. In the performance test, the quality of path is enhanced but the cost of searching is increased than $A^*$ algorithm.

실제 도로에서 목적지까지 이동할 때, 일반적으로 직선 경로가 방향전환이 잦은 경로보다 이동시간이 적게 걸린다. 왜냐하면, 방향을 바꾸기 위해서는 속도를 줄여야 하기 때문이다. 또한, 교차로에서 좌회전(우회전, U턴)을 하려면 직진의 경우보다 신호 대기 시간이 길 가능성이 높다. 이 논문에서는 방향전환을 줄이기 위해서 기존의 경로 탐색 알고리즘을 개선한 알고리즘을 제안한다. 제안하는 알고리즘은 기본적으로 기존의 계층적 $A^*$ 알고리즘을 따르지만, 간선에 대한 가중치 부여 방법이 다르다. 즉, 방향이 바뀌는 간선에 대해서 가중치를 낮게 주어 전체 경로의 직진성을 유지한다.

When traveling on real road network, it generally takes less travel time in a near straight path than a zig-zaged path with same source and destination. In order to making a left(right/u) turn, the delay should be required to decrease the speed. The traffic signal waiting time of left(right/u) turn is probably longer than straight driving. In this paper, we revise the previous hierarchical path finding algorithm to reduce the number of turns. The algorithm proposed in this paper complied with a hierarchical $A^*$ algorithm, but has a distinct strategy for edge weight. We define an edge that makes a turn as a turn-edge and give the turn-edge lower weight to maintain the straightness of the whole path.

게임의 난이도는 게임의 재미와 깊은 연관이 있다. 하지만 게임 레벨의 난이도를 적절하게 결정하는 것은 쉽지 않다. 대부분의 경우 사람의 실제 게임 플레이를 통한 테스트가 요구한다. 또한 정량적인 평가도 어렵다. 따라서 게임 레벨 난이도의 정량적 평가를 자동으로 수행하는 것은 게임 개발에 많은 도움이 될 것이다. 이 논문에서는 경로 탐색 알고리즘을 사용하여 게임 레벨의 길 찾기 난이도를 평가하였다. 길을 찾는 것은 많은 게임들의 기본 속성으로 게임 레벨의 전반적인 난이도를 대표한다. 그리고 우리는 게임 레벨의 탐색 가능 영역이 동적으로 확장되고 다시금 탐색이 요구되는 경우 이전 경로 탐색 결과를 재사용하여 난이도 평가 알고리즘의 성능을 최적화하였다.

The difficulty of the game is closely related to the fun of the game. However, it is not easy to determine the appropriate level of difficulty of the game. In most cases, human playtesting is required. But even so, it is still hard to quantitatively evaluate difficulty of the game. Thus, if we perform quantitative evaluation of the difficulty automatically it will be very helpful in game developments. In this paper, we use a path finding algorithm to evaluate difficulty of exploration in a game level. Exploration is a basic attribute in common video games and it represents the overall difficulty of the game level. We also optimize the proposed evaluation algorithm by using previous exploration histories when available area in an game level is dynamically expanded and the new search is required.

게임 법에서 NPC들이 목표 위치로 이동하기 위하여 A* 알고리즘을 비롯한 다양한 알고리즘들을 이용하여 탐색해 왔다. 그 중 가장 많이 사용하는 알고리즘은 탐색속도가 빠른 A*이다. 그러나 A*에는 다음과 같은 문제점들을 가지고 있다. 첫 번째는 무작위로 변화하는 법에서는 변할 때마다 모든 계산을 다시 해야하며 잘못될 경우에는 목표를 찾지 못할 경우도 있다. 두 번째는 장애물 같이 NPC에 피해를 입히는 위험요소들이 위치하는 곳을 피하여 이동하기가 힘이 든다. 물론 위험 요소들에게 가중치를 부여하며 가중치가 높은 곳은 이동하지 않게도 할 수 있지만 위험 요소들의 근처에 이동하는 경우에는 제어하기 힘이 든다. 이러한 문제점을 해결하기 위하여 본 논문에서는 Dynamic Programming을 이용하여 길찾기 알고리즘에 적용하였다. 적용한 결과 무작위로 변화하는 맵 상의 변화에 잘 적응하였으며, NPC들이 자신의 위험 요소들을 멀리 피해가는 모습을 볼 수 있었다. 또한 A*와 비교에서도 좋은 결과가 나왔다.

In order to move NPC's to target location at game maps, various algorithm including A* has been used. The most frequently used algorithm among them is A* with fast finding speed. But A* has the following problems. The first problem is that at randomly changing map, it is necessary to calculate all things again whenever there are any changes. And when calculation is wrong, it is not possible to search for target. The second problem is that it is difficult to move avoiding dangerous locations damaging NPC such as an obstruction. Although it is possible to avoid moving to locations with high weight by giving weight to dangerous factors. it is difficult to control in case NPC moves nearby dangerous factors. In order to solve such problems, in this thesis, the researcher applied Dynamic Programming to path-finding algorithm. As the result of its application, the researcher could confirm that the programming was suitable for changes at the map with random change and NPC's avoided the factors being dangerous to them far away. In addition. when compared to A*, there were good results.

In this paper, we applies two methods - Genetic Algorithm(GA) and $A^*$ Algorithm - to find the optimal path in route guidance system. Under the assumption that the traveling costs of each link are given, the task to find the optimal path becomes very complicated problem if the number of nodes or links increase. Two well-known algorithms are modified to resolve the problem and the preliminary demonstration show both optimistic result and needs to improvement.

본 논문에서는 보행로봇의 일종인 TITAN-VIII라 불리는 로봇을 이용하여 가장 짧은 경로를 탐색하여 이동하는 방법에 관한 연구를 나타낸다. 보행로봇의 경우 바퀴구동 로봇에 비해 불규칙한 지면 위를 자유로이 이동 가능한 장점 등을 가지고 있는데 반해 이동속도는 바퀴구동 로봇에 비해 느린 편이다. 따라서 본 논문에서는 목적지에 도달하기까지 시간을 최소화하는 최적경로 탐색 제어방법을 제시하였다. 경로를 탐색하기 위해 Dijkstra's algorithm라 불리는 알고리즘을 기반으로 하여 적용하였다. 또한 로봇이 항상 정적인 자세를 유지하는 로봇의 다양한 자세에 대해서도 다루었다. 로봇의 자세제어와 알고리즘을 통하여 로봇의 관절각 결정에 필요한 여러 수학방정식을 제시하였다. 그 후 원하는 궤적으로 로봇이 이동하고 탐색하는 알고리즘을 고안하였고, 제안한 방법의 결과를 실험으로 확인하였다.

In this paper, the optimizing path finding control method is studied for a Legged-robot. It's named TITAN-VIII. It has a lot of advantages over the wheeled robot in the ability to walk freely on an irregular ground. However, the moving speed on the ground of the Legged-robot is slower than the Wheeled-robot's. Consequently, the purpose of the method is presented in this paper to minimize its time when it walks to a goal. It find the path, our approach is based on an algorithm which is called Dijkstra's algorithm. In the rest of paper, the various posture of the robot is discussed to keep the robot always in the statically stable. Based on above works, the math formulas are presented to determine the joint angles of the robot. After that an algorithm is designed to find and keep robot on the desired trajectory. Experimental results of the proposed method are demonstrated in the last of paper.

본 논문에서는 기존 k-최근접 객체 검색의 효율성을 개선하고 도로 네트워크에의 응용을 용이하게 하기 위하여 질의 점으로부터 k개의 정적 객체까지의 경로를 효과적으로 탐색할 수 있는 방법을 제안한다. 제안한 방법은 우선, k-최근접 이웃 질의 방법을 이용하여 후보 정적 객체들을 선정한 후 이들 후보 객체들의 위치 정보를 이용하여 최단 경로를 탐색한다. 일대다 경로탐색을 위하여 A* 알고리즘을 개선하여 반복된 일대일 경로탐색에 따르는 중복된 노드 스캔을 제거한다. 또, 계산된 결과를 이용하여 질의점으로부터 네트워크 거리상으로 가까운 k개의 정적 객체들의 위치를 재정렬하여 반환한다. 성능평가 실험 결과, 제안한 방법은 기존 방법들인 INE, post-Dijkstra, 그리고 $na{\ddot{i}}ve$ method에 비해 정확성이 100%로 매우 높게 나타났으며, 노드 탐색 시간은 $1.3{\sim}3.0$배로 향상된 성능을 보였다.

This paper proposes an efficient path finding scheme capable of searching the paths to k static objects from a given query point, aiming at both improving the legacy k-nearest neighbor search and making it easily applicable to the road network environment. To the end of improving the speed of finding one-to-many paths, the modified A* obviates the duplicated part of node scans involved in the multiple executions of a one-to-one path finding algorithm. Additionally, the cost to the each object found in this step makes it possible to finalize the k objects according to the network distance from the candidate set as well as to order them by the path cost. Experiment results show that the proposed scheme has the accuracy of around 100% and improves the search speed by $1.3{\sim}3.0$ times of k-nearest neighbor searches, compared with INE, post-Dijkstra, and $na{\ddot{i}}ve$ method.

게임을 하다보면 유닛들이 목표를 찾아 가야하는데 알고리즘에 따라 시간과 거리가 많이 차이 나게 된다. 본 논문에서는 깊이 우선 탐색과 너비 우선 탐색 그리고 거리 값을 주어 개선된 알고리즘과 A* 알고리즘의 각각을 비교하며 특징들을 기술하고 알고리즘을 논하였다. 또한 A* 알고리즘에서 실제로 추정값을 구하여 가장 개선된 값을 찾는다. 마지막으로 A* 알고리즘과 다른 알고리즘의 비교를 통하여 A* 알고리즘을 우수성을 입증하고 A* 알고리즘을 이용한 간단한 길찾기를 제안하였다.

While doing games, units have to find goal And according to algorism, there is great difference in time and distance. In this paper the researcher compared and described characteristics of each of the improved algorism and A* algorism by giving depth-first search, breadth-first search and distance value and then argued algorism. In addition. by actually calculating the presumed value in A* a1gorism, the researcher finds the most improved value. Finally, by means of comparison between A* algorism and other one, the researcher verified its excellence and did simple path-finding using A* algorism.

게임 인공지능에서 경로 찾기는 매우 중요한 분야이다. 캐릭터나 NPC(Non Player Charater)가 목적지까지의 경로를 탐색하기 위해서는 복잡하게 구성된 게임 맵에서 오브젝트나 벽 등의 장애물을 회피하면서 가능한 최단 경로를 찾아야 한다. 기존의 일반적인 경로 찾기 알고리즘은 캐릭터의 움직임이 자유로운 간단한 게임 맵에서는 전역 최소해 탐색이 가능하다. 그러나 다양한 오브젝트 등이 배치된 큰 규모의 게임 맵에서는 캐릭터가 목적지까지의 경로를 탐색하는 과정에서 지역 최소해(Local Minima)로의 수렴이 발생함으로써 이를 탈피하는 것이 어렵고, 결국에는 목적지까지 도달하지 못하는 상황이 발생하게 된다. 본 논문에서는 이러한 기존 경로 찾기 알고리즘의 단점을 해결하기 위해 시뮬레이티드 어닐링 알고리즘을 제안하였다.