본 논문에서는 AI 기반 설계 탐색 기법을 활용하여 선박의 주요 치수 최적화를 수행하였다. 설계 탐색 기법은 최적화 프로그램 HEEDS의 SHERPA 알고리즘을 사용하였다. 유동 해석은 상용 CFD 코드인 STAR-CCM+를 사용하였고, 주요 치수 변환은 전처리 과정에서 JAVA Script와 Python을 사용하여 선박의 치수가 자동으로 변환되도록 설정하였다. 대상 선박은 소형 쌍동선형으로 주요 치수 최적화는 한쪽 선형의 길이, 폭, 흘수 그리고 단동선형 간의 간격에 대하여 수행되었다. 최적화 알고리즘에 사용된 목적함수는 총저항이며, 내부 의 장 시스템의 크기 등을 고려한 배수 체적의 범위를 제한조건으로 선정하였다. 그 결과 최적 선형의 주요 치수는 기존 선형 대비 ±5% 내 에서 변화가 있었고 총저항은 약 11% 개선된 결과를 보였다. 본 연구를 통해 선박의 형상을 직접 변경하지 않더라도 주요 치수 최적화를 통해 선박의 저항 성능이 향상됨을 확인하였고, 다양한 선박의 주요 치수 최적화를 통한 성능 향상에 활용이 될 것으로 기대한다.

충돌 피항 동작은 선박 간 끊임없이 영향을 주고받는다. 특히 다수의 선박이 조우하는 경우, 상대 선박의 피항 의도를 파악하고 서로에게 얼마나 영향을 미치는 지를 파악하는 것은 어려운 일이다. 이를 위해 분산 확률 탐색 알고리즘이 제안되었다. 분산 확률 탐색 알고리즘은 이웃 선박과 반복적인 메시지 교환을 통해 비용을 가장 크게 낮출 수 있는 코스를 탐색 후 확률과 제한 조건에 따라 기존의 코스를 유지할지 아니면 새로운 코스를 선택할지를 결정한다. 그러나 분산 확률 탐색 알고리즘에 사용된 파라미터가 충돌 피항에 어떠한 영향을 미치는지 증명되지 않았다. 본 논문에서는 분산 확률 탐색 알고리즘의 파라미터와 가중치가 충돌 피항에 어떠한 영향을 미치는지 분석하였다. 또한 타선과의 피항 거리를 조절하기 위한 충격 흡수 영역을 소개한다. 실험 방법은 두 선박이 조우할 수 있는 세 가지 상황, 즉 정면에서 조우하는 상황, 횡단하는 상황, 추월하는 상황에 파라미터와 가중치의 변수들을 조합하여 실험을 진행하였다. 각 상황 당 8,000회, 총 24,000회의 실험이 진행되었다. 실험 결과 모든 실험에서 한 건의 충돌도 발생하지 않았다. 선박이 목적지에 큰 가중치를 줄 경우, 즉 이기적인 행동을 할 경우, 비용은 증가함을 보였다. 타선의 움직임을 더 길게 예측할수록 항행 거리, 메시지 교환 횟수는 작아지는 경향을 보였다.

다수의 선박이 조우하였을 경우, 충돌 피항을 위해 상대 선박의 의도를 파악하는 것은 매우 중요한 문제이다. 또한 다수의 선박의 의도를 동시에 고려하여 충돌 피항 계획을 세우는 것은 항해사에게 큰 부담이 될 수 있다. 이를 위해 분산 알고리즘이 제안 되었다. 분산 알고리즘은 각각의 선박이 다수의 상대 선박과 정보 교환을 통해 안전한 코스를 탐색할 수 있도록 한다. 본 논문에서는 분산 알고리즘의 하나인 분산 확률 탐색 알고리즘을 선박 충돌 피항에 적용하였다. 분산 확률 탐색 알고리즘에서 선박은 비용 감소가 가장 큰 코스와 기존의 코스를 확률과 제한 조건에 따라 선택한다. 분산 확률 탐색 알고리즘은 확률과 제한 조건에 따라 다섯 가지 종류로 나눠진다. 본 논문에서는 다섯 가지 종류의 분산 확률 탐색 알고리즘을 선박 충돌 피항을 위해 적용하였으며 선박 충돌 피항에 미치는 영향을 분석하였다. 또한 어떠한 분산 확률 탐색 알고리즘이 충돌 피항에 적합한지를 실험하였다. 실험 결과 다섯 가지 버전의 분산 확률 탐색 알고리즘에서 A와 B방식이 효과적으로 선박 충돌 피항을 수행하였다. 본 알고리즘은 분산 시스템 환경에서 선박 충돌 방지를 위해 적용 가능할 거라 기대된다.