본 논문은 재난 대응, 수색 및 구조, 군사 작전 등 다수 에이전트가 참여하는 작전에서의 작전 방침(COA) 계획을 자동화하는 새로운 이론적 공식화와 계산 프레임워크를 제시한다. 환경 변화(비, 눈, 봉쇄 등)가 COA의 예상 성능에 영향을 미칠 수 있으므로, 에이전트 간 작업 분배가 다양한 COA 풀을 갖는 것이 바람직하다. 또한, 인간 승무원 및/또는 자율 시스템일 수 있는 에이전트 역량의 차이는 계획 프로세스에 실질적인 기회와 계산상의 과제를 제시한다. 본 논문에서는 에이전트-작업 호환성의 부드러운 변화를 가진 작전을 위한 다양한 COA 풀을 생성하는 방법을 제안한다. 작업 공간과 COA 풀 자체를 그래프로 추상화하여 다양성을 정량화하는 것이 핵심이다. COA를 중앙 집중식 다중 로봇 작업 할당 문제로 공식화하고, 유전 알고리즘을 사용하여 각 에이전트에 대한 작업 할당(순서 무시)을 수행하여 COA 풀 내의 다양성과 에이전트-작업 매핑의 전반적인 호환성을 공동으로 극대화한다. 그런 다음 정책 경사 방법을 사용하여 훈련된 그래프 신경망을 사용하여 각 COA에서 단일 에이전트 작업 시퀀싱을 수행하여 작업 기능에 적응적인 완료율을 극대화한다. 시뮬레이션 환경에서 COA 생성 프로세스를 테스트한 결과, 랜덤 워크 기준선보다 성능이 크게 향상되었고, 작업 시퀀싱의 최적성 간격이 작으며, 5개 에이전트/100개 작업 작전에 대해 최대 20개의 COA를 계획하는 데 약 50분의 실행 시간이 소요됨을 보여준다.
