• 제목/요약/키워드: 개체군집최적화

검색결과 19건 처리시간 0.032초

PSO의 다양한 영역 탐색과 지역적 미니멈 인식을 위한 전략 (The Strategies for Exploring Various Regions and Recognizing Local Minimum of Particle Swarm Optimization)

  • 이영아;김택헌;양성봉
    • 정보처리학회논문지B
    • /
    • 제16B권4호
    • /
    • pp.319-326
    • /
    • 2009
  • PSO(Particle Swarm Optimization)는 군집(swarm)을 구성하는 단순한 개체들인 입자(particle)들이 각자의 경험을 공유하여 문제의 해답을 찾는 최적화 알고리즘으로 다양한 분야에서 응용되고 있다. PSO에 대한 연구는 최적화를 위해 군집이 적합한 영역으로 빠르게 수렴하도록 하는 파라미터 값의 선정, 토폴로지, 입자의 이동에서 주로 이루어지고 있다. 표준 PSO 알고리즘은 입자 자신과 최고의 이웃이 제공하는 정보만을 이용해서 이동하므로 다양한 영역을 탐색하지 못하고 지역적 최적점에 조기 수렴하는 경향이 있다. 본 논문에서는 군집이 다양한 영역을 탐색하기 위해, 각 입자는 더 나은 경험을 가진 이웃입자들의 정보를 상대적인 중요도에 따라서 참조하여 이동하도록 하였다. 다양한 영역의 탐색은 표준 PSO 알고리즘보다 지역적 최적화의 확률을 줄이고 탐색 속도를 가속화하며 탐색의 성공률을 높일 수 있다. 또한 군집이 지역적 미니멈으로부터 벗어나기 위한 검사 전략을 제안하여 탐색의 성공률을 높였다. 제안한 PSO 알고리즘을 평가하기 위하여, 벤치마크 함수들에 적용한 결과 최적화의 진행 속도 개선과 탐색 성공률의 향상이 있었다.

Particle Swarm Optimization을 이용한 공기-비용 절충관계 최적화 모델에 관한 연구 (A Study on Optimization Model of Time-Cost Trade-off Analysisusing Particle Swarm Optimization)

  • 박우열;안성훈
    • 한국건축시공학회지
    • /
    • 제8권6호
    • /
    • pp.91-98
    • /
    • 2008
  • It is time-consuming and difficulty to solve the time-cost trade-off problems, as there are trade-offs between time and cost to complete the activities in construction projects and this problems do not have unique solutions. Typically, heuristic methods, mathematical models and GA models has been used to solve this problems. As heuristic methods and mathematical models are have weakness in solving the time-cost trade-off problems, GA based model has been studied widely in recent. This paper suggests the time-cost trade-off optimization algorithm using particle swarm optimization. The traditional particle swarm optimization model is modified to generate optimal tradeoffs among construction time and cost efficiently. An application example is analyzed to illustrate the use of the suggested algorithm and demonstrate its capabilities in generating optimal tradeoffs among construction time and cost. Future applications of the model are suggested in the conclusion.

붓스트랩 기법과 유전자 알고리즘을 이용한 최적 군집 수 결정 (Determination of Optimal Cluster Size Using Bootstrap and Genetic Algorithm)

  • 박민재;전성해;오경환
    • 한국지능시스템학회논문지
    • /
    • 제13권1호
    • /
    • pp.12-17
    • /
    • 2003
  • 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

SOM을 이용한 전남 호소의 식물플랑크톤 군집과 수질 관계 분석 (Relationship between Phytoplankton Community and Water Quality in Lakes in Jeonnam using SOM)

  • 조현진;나정은;정명화;이학영
    • 생태와환경
    • /
    • 제50권1호
    • /
    • pp.148-156
    • /
    • 2017
  • 전라남도에 위치한 12개의 호소에서 식물플랑크톤 군집변화 양상 및 환경요인과 시공간적 특징의 상관관계를 알아보기 위하여 2014년 3월부터 11월까지 총 4차례에 걸쳐 조사를 시행하였다. 전체 조사기간 동안 출현한 식물플랑크톤은 총 297종으로, 규조류 98종, 녹조류 148종, 남조류 23종, 그 외 와편모조류를 포함한 기타조류 28종으로 확인되었고, 조사시기별 출현종은 3월 116종, 6월 163종, 8월 162종, 11월 169종으로 1차 조사를 제외한 대부분의 시기에 다소 높은 출현종수를 보였다. 조사기간 동안 확인된 식물플랑크톤의 개체수는 $124{\sim}59,148cells\;mL^{-1}$의 범위를 나타냈고, 조사시기별 평균 출현개체수는 3월 $3,443cells\;mL^{-1}$, 6월 $4,055cells\;mL^{-1}$, 8월 $11,763cells\;mL^{-1}$, 11월 $4,614cells\;mL^{-1}$로 봄철에서 여름철로 계절이 진행되면서 증가한 후 가을철로 접어들면서 다시 감소하는 경향을 보였는데 이는 남조류의 개체수 변화에 따른 결과로 확인되었다. 식물플랑크톤 군집과 이화학적 요인을 이용한 SOM 분석 결과 $9{\times}6$ 격자에서 최적화되었고, 5개의 그룹으로 분류되었다. SOM 분석을 통한 식물플랑크톤의 군집과 연관이 있는 이화학적 요인은 수온, SS, DO, BOD, TP, Chl-a로 확인되었고 pH, TN, $NH_3-N$, $NO_3-N$, $PO_4-P$, 전기전도도 등은 관련성이 낮은 것으로 나타났다. 식물플랑크톤 군집과 이화학적 요인 간의 Pearson's correlation coefficient를 산출한 결과 식물플랑크톤의 군집은 대체로 수온, DO, SS, TP, 전기전도도, Chl-a와 통계적 유의성을 보였고, pH, TN, $NH_3-N$, $NO_3-N$, $PO_4-P$ 등과는 유의성이 낮은 것으로 확인되었다. 결론적으로 전라남도 내 주요 호소에서의 식물플랑크톤 군집의 분포는 주로 수온, SS, DO, BOD, Chl-a와 관계가 있는 것으로 확인되었고 pH, TN, $NH_3-N$, $NO_3-N$, $PO_4-P$와의 관련성은 낮은 것으로 확인되었다.

Neuro-Fuzzy와 유전자알고리즘을 이용한 수위 예측에 관한 연구 (Study on Water Stage Prediction using Neuro-Fuzzy with Genetic Algorithm)

  • 여운기;서영민;지홍기
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2011년도 학술발표회
    • /
    • pp.382-382
    • /
    • 2011
  • 최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

  • PDF

인공신경망과 유전자알고리즘을 이용한 수위예측에 관한 연구 (Study on Water Stage Prediction by Artificial Neural Network and Genetic Algorithm)

  • 여운기;지홍기;이순탁
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2010년도 학술발표회
    • /
    • pp.1159-1163
    • /
    • 2010
  • 최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였다. 신경망은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 하천수위를 과거의 자료로 부터 학습된 신경망의 수학적 알고리즘을 통해 유출량의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 따라서 본 연구에서는 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨후 오류역전파알고리즘에 의해 신경망의 학습을 진행하는 모형으로 감천유역의 선산수위표지점의 수위를 1시간~6시간까지 예측하였다.

  • PDF

시뮬레이션 최적화 문제 해결을 위한 이산 입자 군집 최적화에서 샘플수와 개체수의 효과 (The Effect of Sample and Particle Sizes in Discrete Particle Swarm Optimization for Simulation-based Optimization Problems)

  • 임동순
    • 산업경영시스템학회지
    • /
    • 제40권1호
    • /
    • pp.95-104
    • /
    • 2017
  • This paper deals with solution methods for discrete and multi-valued optimization problems. The objective function of the problem incorporates noise effects generated in case that fitness evaluation is accomplished by computer based experiments such as Monte Carlo simulation or discrete event simulation. Meta heuristics including Genetic Algorithm (GA) and Discrete Particle Swarm Optimization (DPSO) can be used to solve these simulation based multi-valued optimization problems. In applying these population based meta heuristics to simulation based optimization problem, samples size to estimate the expected fitness value of a solution and population (particle) size in a generation (step) should be carefully determined to obtain reliable solutions. Under realistic environment with restriction on available computation time, there exists trade-off between these values. In this paper, the effects of sample and population sizes are analyzed under well-known multi-modal and multi-dimensional test functions with randomly generated noise effects. From the experimental results, it is shown that the performance of DPSO is superior to that of GA. While appropriate determination of population sizes is more important than sample size in GA, appropriate determination of sample size is more important than particle size in DPSO. Especially in DPSO, the solution quality under increasing sample sizes with steps is inferior to constant or decreasing sample sizes with steps. Furthermore, the performance of DPSO is improved when OCBA (Optimal Computing Budget Allocation) is incorporated in selecting the best particle in each step. In applying OCBA in DPSO, smaller value of incremental sample size is preferred to obtain better solutions.

퇴비사의 효율적인 운영기술에 대한 고찰 (A Review on Efficient Operation Technology of Compost Depot)

  • 양일승;지민규;전병훈
    • 청정기술
    • /
    • 제23권4호
    • /
    • pp.345-356
    • /
    • 2017
  • 퇴비화 과정은 유기물질을 비료와 같은 유용한 자원으로 전환하는 생물학적 과정이다. 퇴비화는 유기물과 환경조건(탄질율, 온도, 습도, 산소공급, pH 등)의 변화에 적응하는 미생물 군집의 연속적인 천이과정으로 이해될 수 있다. 우리나라에서의 유기성 폐기물을 처리하는 퇴비사의 악취는 도시화 가속화에 따른 신도시개발, 공장이나 주거지역들의 생활지역 근접화에 따라 악취를 발생시키는 원인이 되어 관공서에 민원이 제기되는등 사회적인 문제가 되고 있다. 이의 저감방안으로 퇴비사에서 우점하는 미생물을 규명하고 미생물 군집의 변화를 조사, 연구하여 생장환경에 맞게 적용하는 것은 퇴비공정의 효율적인 개선과 생산된 퇴비의 품질제어, 악취저감 측면에서 매우 중요하다. 본 논문에서는 퇴비화에 있어 최적의 운용기술과 악취발생을 저감하는 방법들을 중심으로 고찰하였다. 퇴비화 공정에서 부숙활동에 효과적인 올바른 미생물종의 선택과 개체수의 빠른 증가가 부숙을 촉진시킨다. 이에 따른 미생물 분해활동을 통한 부숙 극대화를 위한 공기량(산소), 온도, 습도 등 박테리아의 최적 생장조건을 제시하였다. 악취제거 및 수분조절기능이 있는 다공성광물을 사용했더니 악취가 현저하게 개선되어 졌다. 미생물의 생장조건을 최적화 부숙환경을 개선, 부숙을 촉진시켜 악취를 저감하는 최근기술들도 제시하였다.