• 한국전자통신학회논문지
• /
• 제13권3호
• /
• pp.587-592
• /
• 2018

위상 배열 안테나를 이용한 적응형 빔 형성 시스템은 간섭신호가 있는 통신환경에 적응형으로 빔을 형성하여 통신 품질을 향상시킨다. 적응형 빔 형성을 위해서는 위상 배열 안테나의 각 방사소자에 급전되는 신호의 위상을 우수한 조합을 산출해야 한다. 본 논문에서는 우수한 위상 천이 조합 산출 확률을 증가시키기 위해, 개치 밀도에 따른 재확산 절차가 추가된 개선된 개체 군집 최적화 알고리즘을 제안하였다.

• 한국산업정보학회논문지
• /
• 제24권5호
• /
• pp.115-120
• /
• 2019

본 논문에서는 이동 구간 입자 군집 최적화 (Receding horizon particle swarm optimization; RHPSO) 알고리즘 기반 다개체 로봇 편대 제어 알고리즘의 통계적 성능 분석 결과를 제시한다. 다개체 로봇의 편대 제어 문제는 로봇 간 충돌 회피를 고려할 경우, 구속 조건이 있는 비선형 최적화 문제로 정의될 수 있다. 일반적으로 구속 조건이 있는 비선형 최적화 문제는 최적해를 찾는데 많은 시간이 걸리는 문제점이 있다. 이동 구간 입자 군집 최적화 알고리즘은 로봇 편대 제어의 최적화 문제에 대한 준최적해를 빠르게 찾기 위해 제안된 알고리즘이다. 이동 구간 입자 군집 최적화 알고리즘은 알고리즘에 사용되는 후보해의 개수와 세대 수가 증가함에 따라 계산 복잡도가 증가한다. 따라서 최소의 후보해와 세대 수만으로 실시간 제어에 사용될 수 있는 준최적해를 찾는 것이 중요하다. 본 논문에서는 이동 구간 입자 군집 최적화 알고리즘의 후보해의 수와 세대 수에 따른 제어 오차를 비교하였다. 다양한 조건의 시뮬레이션 실험을 통해서 통계적으로 결과를 분석하고, 허용 가능한 편대 오차 범위 내에서 이동 구간 입자 군집 최적화 알고리즘의 최소 후보해의 수와 세대 수를 도출한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1998년도 추계학술대회 및 정기총회
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• 한국항공우주학회지
• /
• 제39권12호
• /
• pp.1150-1159
• /
• 2011

신뢰도란 임의 시스템이 주어진 운용환경 하에서 의도한 기간 동안 의도된 기능을 정상적으로 수행할 확률로 정의된다. 신뢰도-중복 최적화 문제(RROP)는 비용, 무게 등의 제약내에서 시스템의 신뢰도를 최대화할 수 있는 최적의 부품을 선택하고, 부품수와 중복전략(활성/대기중복)을 결정하는 문제이다. 본 연구에서는 아리랑위성 2호의 다채널광학카메라(MSC) 시스템의 설계 구조를 바탕으로 RROP의 수리모형을 제시하고, NP-hard인 RROP의 해법으로써 병렬 개체군집최적화(PPSO) 알고리즘을 제안하였다. RROP 예제의 수치실험 결과는 계획된 수명기간에서 신뢰도를 최대화하는 시스템의 설계 구조를 제시한다.

• 한국군사과학기술학회지
• /
• 제2권1호
• /
• pp.90-100
• /
• 1999

유전자 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한(Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지는 경우, (2)수학적으로 표현이 불가능하거나 어려운 경우, (3)목적함수에 교란 항(disturbance term)이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 유전자 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 군집성 분석(cluster analysis)을 이용하여 군집화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 단순 유전자 알고리즘에 의한 최적화보다 훨씬 향상된 탐색 알고리즘을 제안하였다. 반응표면의 형태가 정형화한 테스트 함수의 형태로 나타난다고 가정한 경우에 대하여 몬테 칼로 시뮬레이션을 통하여 본 알고리즘을 적용하여 평가하고 분석하였다.

• 터널과지하공간
• /
• 제28권6호
• /
• pp.651-669
• /
• 2018

본 연구에서는 유전자 프로그래밍과 개체군집최적화기법을 이용하여 픽 커터의 비에너지를 예측하기 위한 모델을 제안하였다. 기계굴착장비의 굴진성능을 평가하는 것은 터널의 설계 초기 단계에서 매우 중요하며, 비에너지를 이용한 기계 굴착장비의 굴진성능평가방법은 모든 기계굴착공법에 적용될 수 있는 표준화된 방법이다. 본 연구에서는 코니컬형상의 픽 커터가 암석을 절삭할 때 요구되는 비에너지와 암석의 강도특성, 절삭조건 간의 상관관계를 분석하고자 하였으며, 선행연구를 통해 총46개의 선형절삭시험 결과를 수집하여 분석에 활용하였다. 본 연구에서 제안한 예측모델을 이용하여 산정된 픽 커터의 비에너지는 다중선형회귀분석에 비해 작은 평균제곱오차를 나타내었으며, 결정계수 또한 본 연구에서 제안한 모델이 다중선형회귀분석에 비해 우수한 예측결과를 나타내는 것을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.263-266
• /
• 2002

데이터의 군집화를 수행할 때 최적 군집수 결정은 군집 결과의 성능에 많은 영향을 미친다. 특히 K-means 방법에서는 초기 군집수 K에 따라 군집결과의 성능 차이가 많이 나타난다. 하지만 대다수의 군집분석에서 초기 군집수의 결정은 경험을 바탕으로 하여 주관적으로 결정된다. 이때 개체수와 속성수가 증가하면 이러한 결정은 더욱 어려워지며 이때 결정된 군집수가 최적이 된다는 보장도 없다. 본 논문에서는 군집의 수를 자동으로 결정하고 그 결과의 유효성을 보장하기 위해 유전자 알고리즘에 기반한 최적 군집수 결정 방안을 제안한다. 데이터의 속성에 근거한 초기 해 집단이 생성되고, 해 집단 내에서 최적화된 군집수를 찾기 위해 교차 연산이 이루어진다. 적합도 값은 전체 군집화의 비 유사성의 합의 역으로 결정되어 전체적인 군집화 성능이 향상되는 방향으로 수렴된다. 또한 지역 국소값을 해결하기 위해 돌연변이 연산이 사용된다. 그리고 유전자 알고리즘의 학습 시간의 비용을 줄이기 위해 붓스트랩 기법이 적용된다.

• 응용통계연구
• /
• 제32권3호
• /
• pp.451-462
• /
• 2019

문서-용어 빈도행렬은 텍스트 마이닝 분야에서 보편적으로 사용되는 데이터의 한 유형으로, 여러 개체들이 제공하는 문서를 기반으로 만들어진다. 그러나 대다수의 연구자들은 개체 정보에 무게를 두지 않고 여러 문서에서 공통적으로 등장하는 공통용어 중 핵심적인 용어를 효과적으로 찾아내는 방법에 집중하는 경향을 보인다. 공통용어에서 핵심어를 선별할 경우 특정 문서에서만 등장하는 중요한 용어들이 공통용어 선정단계에서부터 배제될 뿐만 아니라 개별 문서들이 갖는 고유한 정보가 누락되는 등의 문제가 야기된다. 본 연구에서는 이러한 문제를 극복할 수 있는 데이터를 근접성 데이터라 정의한다. 그리고 근접성 데이터를 생성할 수 있는 12가지 방법 중 개체 군집화의 관점에서 가장 최적화된 방법을 제안한다. 개체 특성 파악을 위한 군집화 알고리즘으로는 다차원척도법과 K-평균 군집분석을 활용한다.

• 한국소음진동공학회논문집
• /
• 제19권9호
• /
• pp.884-891
• /
• 2009

This study investigates some of swarm intelligence algorithms to tackle a traditional damage detection problem having stiffness degradation or damage in mechanical structures. Particle swarm(PSO) and ant colony optimization(ACO) methods have been exploited for localizing and estimating the location and extent damages in a structure. Both PSO and ACO are population-based, stochastic algorithms that have been developed from the underlying concept of swarm intelligence and search heuristic. A finite element (FE) model updating is implemented to minimize the difference in a set of natural frequencies between measured and baseline vibration data. Stiffness loss of certain elements is considered to simulate structural damages in the FE model. It is numerically shown that PSO and ACO algorithms successfully completed the optimization process of model updating in locating unknown damages in a truss structure.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.769-771
• /
• 2005

데이터 특성이 연속적이고 애매할 때 퍼지규칙으로 분류 규칙을 표현하는 것은 매우 유용하고 효과적이다. 그러나 일반적으로 정확하지 않은 데이터 특성에 대해서 소속함수를 결정한다는 것은 어려운 일이다. 본 논문에서는 진화알고리즘을 이용하여 효과적인 퍼지 분류 규칙을 자동으로 생성하는 방법을 제안한다. 제안한 방법에서 규칙의 정확성과 이해성을 고려하여 최적화된 소속함수를 생성하기 위해 진화알고리즘을 사용한다. 먼저 지도 군집화로 진화를 위한 초기 소속함수를 생성한다. 진화알고리즘은 전역적 최적 해를 찾는데 효과적이다. 그러나 시간에 대한 효율성이 낮다. 특히 모델 최적화 문제에서는 개체 평가 단계에서 많은 시간이 소요된다. 따라서 본 논문에서는 전체 데이터를 여러 개의 부분 데이터들로 나누고 개체들은 전체 데이터 대신 매번 부분 데이터를 임의적으로 선택하여 개체를 평가함으로써 수행 시간을 단축시킬 수 있는 진화 방법을 제안한다. 제안한 퍼지 분류 규칙 생성 방법의 타당성을 검증하기 위한 실험 데이터로 UCI에서 제공하는 데이터들을 사용하였으며, 실험 결과는 기존 방법에 비해 평균적으로 더 효과적임을 확인하였다.