• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.6-8
• /
• 2000

유전자 알고리즘을 적용하는 문제의 경우 일반적으로 집단의 크기를 가능한 한 크게 유지시킴으로써 최적의 해가 찾아지도록 한다. 그러나 개체 평가 비용이 상대적으로 큰 몇몇 특정한 문제의 경우 집단의 크기가 커지면 심각한 문제가 되기도 한다. 이러한 이유로 본 논문에서는 클러스터링 기법을 이용한 국소 평가 유전자 알고리즘을 제안하였다. 이 방법은 집단을 몇 개의 클러스터로 나누고 각각의 대표 개체를 평가한 후 나머지 개체들의 적합도 값은 간접적인 계산에 의해 얻어내는 방법으로, 적은 수의 평가만으로도 상대적으로 큰 집단을 유지시키는 효과를 얻을 수 있다. 일반적인 유전자 알고리즘과의 성능 비교를 통해 제안된 알고리즘이 효율적이었음을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.298-300
• /
• 2002

기존의 유전자 알고리즘은 우리가 원하는 최적해를 찾기 위해서 개체 집단의 크기를 가능한 크게 유지하여야 한다. 하지만 일반적인 문제들에 있어 개체의 적합도를 평가하는 젓은 어렵기 때문에 큰 집단의 로든 개체에 대하여 적합도를 평가하는 것은 커다란 시간과 비용을 소모한다. 이에 본 논문에서는 집단의 크기를 크게 유지하되 적합도 평가 과정을 줄이는 방안으로 클러스터링에 기반한 효율적인 유전자 알고리즘을 제시하고 체계적인 평가를 한다. 9개의 벤치마크 적합도 함수에 대하여 여러 클러스터링 방법을 적용하여 실험한 결과 제안한 방법의 유용성을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.9-11
• /
• 2000

전형적인 단순 유전자 알고리즘은 한 개의 모집단으로 구성되며, 진화 과정이 거듭되면 모집단의 개체들은 한 개의 전역해로 수렴하게 된다. 그러나, 많은 문제들은 여러 개의 최적해를 가질 수 있으며, 그것들 모두를 찾는 것이 중요한 경우가 많다. 이 논문에서는 모집단을 원환체(Torus)로 구성하고 개체에 이웃의 개념을 부여하여 모집단이 최적해 집단으로 수렴하는 유전자 알고리즘의 변형을 연구한다. 제안한 방법은 개체사이에 이웃이라는 개념을 부여함으로써 다수의 해를 동시에 찾는다는 생각을 넘어서 다양한 변형 유전자 알고리즘에 대한 새로운 모델이 될 것으로 기대된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권9호
• /
• pp.1246-1257
• /
• 2004

유전자 알고리즘은 원하는 최적해를 찾기 위해서 개체 집단의 크기를 가능한 크게 유지하여야 한다. 하지만 실제 문제에서 개체의 적합도를 평가하는 것이 어려운 경우가 많기 때문에 큰 집단의 모든 개체에 대하여 적합도를 평가하는 것은 많은 시간과 비용을 요구한다. 이에 본 논문에서는 집단의 크기를 크게 유지하되 클러스터링에 의해 대표 개체만을 평가함으로써 효율을 높이는 퍼지 글러스터링 기반의 국소 평가 유전자 알고리즘을 제안한다. 나머지 개체들은 대표 개체로부터 간접적으로 적합도를 분배받는다. 다수의 집단에 소속되는 개체들의 경우, 하드 클러스터링 방법으로는 정확한 적합도 분배를 하기 어렵기 때문에 퍼지 c-means 알고리즘을 사용하였고, 클러스터 결과인 퍼지 소속 행렬에 의해 적합도를 배분하였다. 9개의 벤치마크 적합도 함수에 대하여 6가지 하드 클러스터링 알고리즘을 적용한 유클리디안 거리와 피어슨 상관계수에 의한 적합도 배분 방법과 본 논문에서 제안하는 방법을 비교 실천한 결과, 제안한 방법의 우수한 성능을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.373-378
• /
• 2001

본 연구에서의 다봉성 함수의 최적화를 위한 향상된 유전알고리듬을 제안하였다. 이 방법은 2개의 주요 단계로 구성된다. 첫째 단계는 유전알고리듬과 함수인정기준을 이용한 전역탐색단계이다. 초기해 집단에 대한 개체군의 소속도를 함수인정기준에 따라 결정한다. 둘째 단계는 개체군과 탐색최적해 사이의 유사도를 결정하고, 재구성된 탐색공간에서 단일점 탐색법에 의해 최적해를 탐색한다. 4개의 시험함수를 이용한 수치 예에 대해 종래의 방법과의 비교를 통하여 제안된 알고리듬이 모든 전역최적해 뿐만 아니라 국부최적해도 탐색이 가능함을 확인하였다.

• 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.

• 대한원격탐사학회지
• /
• 제27권1호
• /
• pp.59-68
• /
• 2011

최적침투경로 분석은 GIS 기술을 군사적 목적을 위해 유용하게 사용할 수 있는 대표적인 분야 중 하나이다. 그러나 군사목적의 최적경로분석은 일반적인 최적경로분석이 네트워크 데이터에서 이루어지는 것과는 달리 래스터 데이터에서 이루어져야한 필요가 있으며, 래스터 데이터에서의 연산량은 네트워크 데이터를 사용할 때에 비해 급격히 증가하기에, 연산량은 많으나 일반적으로 네트워크 데이터에서 최적경로 탐색을 위해 사용되는 Dijkstra 알고리즘과 같은 방법을 적용시키기 어렵게 만든다. 따라서, 본 연구에는 최적화문제에서 우수한 성과를 거둔 유전자 알고리즘(Genetic algorithm)을 최적경로분석에 적용시켜 문제를 해결하고자 하였다. 이를 위해 최적침투경로를 적의 탐지에 발각될 확률을 최소화 시킬 수 있는 경로로 결정하고, 래스터 데이터에서의 침투경로분석에 적합한 2차원 2진 배열 (2D binary array)형태의 유전자형 및 이들의 교차(crossover) 및 변이(mutation) 방법을 제안하였다. 제안된 방법에 대한 실험은 개체집단의 크기를 500, 1000, 2000, 3000으로 증가시켜가며 각각의 경우에 대해 30번씩 실험을 수행하였다. 실험결과 세대가 거듭될수록 평균 누적탐지확률이 안정적으로 감소하며 성공적으로 최적침투경로를 찾아 수렴하였으며, 개체집단의 크기가 커질수록 그 성능이 향상되는 것을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.25-27
• /
• 2001

진화 알고리즘에서 고려할 사항 중 하나는 문제와 관련 있는 진화연산 즉, 교배 연산과 돌연변이 연산을 정의하는 것이다. 일반적으로 교배 연산은 두 개체의 정보를 교환하는 재조합 연산으로써 진화의 속도를 촉진시키는 역할을 하고 돌연변이 인산은 개체집단의 다양성 을 유지시키는 역할을 한다. 그러나 이러한 진화연산자는 확률에 근거하여 모든 개체에 적용되는 맹목적인 연산이 가질 수 있는 진화시간 지연의 문제점을 갖는다. 본 논문에서는 맹목적 진화연산에 의한 진화 시간 지연을 해결하기 위해 휴리스틱 연산을 제안한다. 휴리스픽 연산은 문제의 특성에 맞지 않는 개체에만 적용되는 연산으로 진화 시간을 단축시킬 수 있다. 따라서 이러한 휴리스틱 연산의 타당성을 확인하기 위해 본 논문에서는 진화 알고리즘을 이용하여 최적의 클러스터 위치와 개수를 자동으로 찾아주는 문제에 클러스터의 특성을 고려한 휴리스틱 연산인 합병연산과 분할연산 그리고 K-means연산을 정의하여 다차원 실험데이터로 실험한 결과를 보이고 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.46-48
• /
• 2006

현재 각 분야에서 다양한 실험 데이터가 산출되면서 이종(heterogeneous) 데이터간의 상관관계 분석에 대한 중요성이 더욱 부각되고 있다. 특히, 대규모 실험에 의해 급속하게 증가하고 있는 대량의 바이오 데이터에서 이런 문제를 해결하기 위한 새로운 데이터 마이닝 방법이 요구된다. 본 논문은 특성이 다른 두 데이터 셋에서 서로 상관관계가 있는 부분 패턴을 파악할 수 있는 새로운 알고리즘을 제안한다. 제안한 알고리즘은 다중 개체 집단을 유지하면서 상호간 공진화하는 확률적 진화컴퓨팅 방법에 기반하고, 전체의 탐색 포인트들을 분해하여 최적해를 찾는 점에서 장점을 가지고 있다. 실험 결과, 본 논문에서는 효모 유전자에 대한 발현 데이터와 모티프 데이터의 이종 데이터에 적용해 보았으며, 이러한 데이터에 있어서 주요 상관관계가 있는 패턴들을 추출한 결과를 제시한다.

• 한국축산식품학회지
• /
• 제24권1호
• /
• pp.8-14
• /
• 2004

가축의 개체식별은 일반적으로 암호화된 코드를 부여한 이표를 활용하고 있으며 또한 생체에서 친자확인 검증을 위해 개체 혈액형 등이 활용되어 왔다. 그러나 생체 상태에서의 완벽한 개체 확인을 위한 수단으로 최근 유전자감식 기법이 널리 활용되고 있다. 이때 사용되는 유전자 표지는 소의 품종에 따라 매우 다양하게 발현되어 개체 확인 정확도를 높이기 위해 한우 집단에서 대상 유전자 표지의 유전자형 발현 양상을 분석하여 최적의 표지 유전자 표지를 설정하는 것이 필요하다. 따라서 본 연구는 한우의 원산지 추적 및 개체식별 검증 시스템에서 절절히 사용할 수 있도록 생체 유전자 감식기법에 소요되는 유전자 표지(genetic marker)를 개발하기 위해 수행되었다. 공시재료로는 후보 유전자 표지의 광범위한 한우집단 발현특성의 분석을 위해 국가 후대검정 집단 740두를 활용하였으며 도축되기 전 단계의 생축에서 분석된 유전자형과 도축 후 유통과정에서 분석된 유전자형을 이용한 개체 확인 여부의 검증을 위해 국내 브랜드한우 농가로부터 출하된 4두를 분석에 공시하였다. 후보 유전자 표지는 염색체 1번과 14번에서 확인되어 보고된 16종의 초위성체 DNA의 염기서열 정보를 이용하였다. 한우집단에서 나타난 각각의 대상 유전자 표지의 유전자형 분석결과를 보면 대립유전자는 최소 3개에서 최대 12였으며 이형접합체 발현율은 0.022∼0.824였다. 유효대립유전자수는 각각의 대상 유전자마다 3∼7의 범위를 보였으며 이들 중 6개의 유전자 표지를 설정하여 개체 확인을 실시할 경우 100%에 가까운 정확도가 나타난 것으로 추정되었다.