• 한국산림과학회지
• /
• 제97권6호
• /
• pp.565-569
• /
• 2008

소멸위기수종인 분비나무와 구상나무 8개 천연집단의 지리적 위치에 따른 구과, 종자 및 포침의 형태적 특성에 대한 변이의 구명과 단계적 판별분석을 이용하여 이들 변수 중 수종간 식별에 도움을 주는 분류 지표를 선정하고자 하였다. Nested 분산분석 결과 구과, 종자 및 포침 특성 13가지 형질 모두에서 집단간 및 집단 내 개체 간에 유의적인 차이를 보였다. 분비나무는 종자길이, 종자지수, 포침폭 및 포침지수 특성에서, 구상나무는 포침폭과 포침지수 특성에서 총 분산 가운데 집단간 차지하는 비율이 집단내의 개체가 차지하는 비율보다 높게 나타났다. 분비나무와 구상나무의 식별을 위한 판별분석 결과 변별력을 갖는 주요 형질들은 구과폭, 종자날개의 폭 및 포침길이 특성으로 나타났으며, 최종적으로 변수증감법(stepdisc method)에 의한 단계적 판별분석에서 종자날개의 폭과 포침길이 인자의 최적결합으로 판별되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.341-342
• /
• 2008

GA(Genetic Algorithm)는 NP-Complete 도메인이나 NP-Hard 도메인 내의 문제들에 대해서 최적의 해를 찾기 위해서 많이 사용되어 지는 진화 컴퓨팅 방법 중 하나이다. 모바일 로봇 기술 중 경로계획은 NP-Complete 도메인 영역의 문제 중 하나로 이를 해결하기 위해서 Dijkstra 등의 그래프 이론을 이용한 연구가 많이 연구되었고 최근에는 GA등 진화 컴퓨팅 기법을 이용하여 최적의 경로를 찾는 연구가 많이 수행되고 있다. 그러나 모바일 로봇이 처리해야 될 공간 정보 크기가 증가함에 따라 기존 GA의 개체의 크기가 증가되어 게산 복잡도가 높아져 시간 지연등의 문제가 발생할 수 있다. 이는 모바일 로봇의 잠재적 오류로 발생될 수 있다. 공간 정보에는 동적이 장애물들이 예측 불허하게 나타 날 수 있는데 이것은 전역 경로 계획을 수립할 때 또한 반영되어야 된다. 본 논문에서는 k-means 클러스터링 기법을 이용하여 장애물 밀집도 및 거리 정보를 기반으로 공간정보를 k개의 군집 공간으로 재분류하여 이를 기반으로 N*M개의 그리드 개체 집단을 생성하여 최적 경로계획을 수립하는 GA를 제시한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.22-24
• /
• 2006

마이크로어레이는 전체 유전체 수준의 mRNA 발현 여부에 대한 측정이 가능하다는 점에서 분자생물학의 실험 도구로서 가장 강력한 도구 중에 하나로 부각되어 있다. 현재까지 마이크로어래이의 결과로부터 유사한 발현 패턴을 찾기 위한 여러 가지 바이클러스터링 알고리즘들이 개발되어 왔다. 하지만 대다수의 알고리즘들이 최적의 바이클러스터들을 찾기보다는 일정 수준의 가능한 바이클러스터의 결과만을 제시하고 있다. 본 논문에서는 다른 개체집단들과 상호 진화하는 공진화적 학습에 의한 진화연산 기법을 통하여 유전자-조건의 매트릭스로부터 열과 행을 동시에 클러스터링하는 공진화적 바이클러스터링 알고리즘(co-evolutionary biclustering algorithm: CBA)을 제안하고자 한다. CBA는 유전자발현 데이터에서 유전자-조건의 상호의존적인 부성분들로 구성된 최적화 문제에 적합한 계산방식이라고 할 수 있다. 인간 유전자 발현 데이터에 대한 실험 결과. 제시한 알고리즘은 이전의 알고리즘에 비해 발견한 바이클러스터의 패턴 유사도에 있어서 우수한 성능을 보이고 있다.

• 대한조선학회논문집
• /
• 제45권6호
• /
• pp.590-600
• /
• 2008

This paper concerns the development of a designer friendly hull form parameterization and its coupling with advanced global optimization algorithms. As optimization algorithms, we choose the Partial Swarm Optimization(PSO) recently introduced to solve global optimization problems. Most general-purpose optimization softwares used in industrial applications use gradient-based algorithms, mainly due to their convergence properties and computational efficiency when a relatively few number of variables are considered. However, local optimizers have difficulties with local minima and non-connected feasible regions. Because of the increase of computer power and of the development of efficient Global Optimization (GO) methods, in recent years nongradient-based algorithms have attracted much attention. Furthermore, GO methods provide several advantages over local approaches. In the paper, the derivative-based SQP and the GO approach PSO are compared with their relative performances in solving some typical ship design optimization problem focusing on their effectiveness and efficiency.

• 한국정보처리학회논문지
• /
• 제5권11호
• /
• pp.3010-3023
• /
• 1998

유전자 알고리즘은 염색체 집단을 이용하는 탐색이므로 전역적인 최적해의 탐색 성능은 우수하여 최적해에 근접한 한점까지의 수렴속도는 빠르지만 탐색 메카니즘이 없기 때문에 최적해 근처의 탐색에서는 수렴 속도가 떨어지는 단점이 있고, 역전파 알고리즘은 개체 수준의 탐색이므로 지역적 미세조정의 탐색능력은 우수하지만 전역적 탐색기능이 없어 지역적 최적해로 수렴하는 경우가 있다. 본 논문에서는 수렴 속도가 향상된 윤곽선 추출을 위하여 유전자와 역전파 알고리즘을 병행해서 실행하는 윤곽선 추출방법을 제안하였다. 윤곽선 추출 방법은 먼저 유전자 알고리즘을 이용하여 최적의 연결강도와 오프셋 값을 계산한다. 다음으로 이 값을 역전파 학습 알고리즘 학습의 파라미터의 초기값으로 한 반복 학습으로 최적의 윤곽선 구조를 추출하였다. 제안된 알고리즘은 유전자 알고리즘 또는 역전파 알고리즘 단독으로 실행한 경우보다 수렴속도가 향상된 결과를 보여 주었다.

• 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

• 한국산림과학회지
• /
• 제96권4호
• /
• pp.387-392
• /
• 2007

소멸위기 수종인 분비나무와 구상나무 14개 천연집단의 지리적 위치에 따른 침엽에 대한 형태적 해부학적 특성 변이의 구명과 단계적 판별분석을 이용 이들 변수들 중 수종간 식별에 도움을 주는 분류 지표를 선정하고자 하였다. 분비 구상나무의 침엽특성은 대체적으로 분비나무가 구상나무에 비해 침엽 지수가 1.4배 정도 큰 평평한 빗자루 모양이며, 두께는 얇은 특성을 보였다. 또한 분비나무의 기공열수는 많으며 수지구가 잎의 표피 끝에 붙어 있어 두 수종 간에 뚜렷한 차이를 나타냈다. Nested design에 의한 분산분석 결과 9가지 침엽특성들 모두에서 집단간 및 집단 내 개체 간에 유의적인 차이를 보였다. 분비나무는 침엽지수 및 두께, 기공열수, 수지구거리 특성에서, 구상나무는 기공열수와 수지구거리 특성에서 총 분산 가운데 집단간 차지하는 비율이 집단내의 개체가 차지하는 비율보다 높게 나타나 이러한 특성들은 각 집단이 위치한 지역의 환경 인자에 의해 많은 영향을 받는 것으로 추정되었다. 변수증감법(stepdisc method)에 의한 단계적 판별분석을 실시한 결과 최종적으로 침엽지수, 침엽두께, 침엽배열지수, 수지구거리, 기공열수 등 5개 인자들의 최적결합이 수종간 식별에 도움을 주는 유효 형질로 판별되었다.

• 한국정보통신학회논문지
• /
• 제17권7호
• /
• pp.1732-1739
• /
• 2013

인간의 한쪽 염색체상에 나타나는 SNP의 서열인 일배체형을 식별해내면 효과적인 유전질병 연관검사를 할 수 있다. 일배체형 추론문제란 특정 집단의 유전자형 집합으로부터 집단에 속한 각 개체의 유전자형을 설명할 수 있는 일배체형 집합을 도출해내는 것을 말한다. 본 논문에서는 검약기반 일배체형 추론 문제에 대해 최종 결과에 기여하지 않는 일배체형 집합을 후보군에서 제외함으로써 일배체형 추론과정에서 탐색해야 할 후보 일배체형의 개수를 줄이는 사전처리 알고리즘을 제시한다. 제시된 알고리즘은 기존의 사전처리 알고리즘에 비해 매우 빠르게 수행되며, 제시된 사전처리 알고리즘의 결과를 적용한 일배체형 추론은 대다수의 경우에 최적해를 산출하고, 최적해를 산출하지 않는 경우에도 최적해의 일배체형 개수와 크게 차이나지 않음을 실험을 통해서 보인다.

• Current Research on Agriculture and Life Sciences
• /
• 제12권
• /
• pp.29-34
• /
• 1994

감미종(甘未種)고추에 역병저항성(疫病抵抗性)을 도입하기 위하여, 품질이 우수하면서 국내 적응성이 뛰어난 피만계 품종 Keystone Resistant Giant #3과 역병에 저항성이며 과실이 피만계와 가까운 PI201232를 교배하여 그 후대(後代)의 유전적인 분리 양상을 조사하였다. $F_1$에서는 저항성이 우성(優性)으로 나타났으나 $F_2$ 집단의 경우 고사(枯死)한 개체가 살아남은 개체보다 월등히 많아 저항성이 한 개 혹은 두 개의 우성유전자(優性遺傳子)에 의해 지배된다는 기존의 보고와는 다른 양상으로 나타났다. 뿌리에 대한 조사 결과를 볼 대 지상부가 건전한 개체간에도 뿌리 썩음 정도에 변이(變異)가 나타나기 때문에 저항성 품종을 육성하는 과정에서 지상부와 뿌리의 상태를 함께 관찰한 후 선발(選拔)하는 것이 유리할 것으로 사료되었다. 전반적으로 발병(發病)이 심한 것은 품질친(品質親)이 역병에 매우 약하여 분리(分離) 집단(集團)에서 높은 이병성(罹病性)의 유전적(遺傳的)인 배경을 형성한 것과 동시에 접종(接種) 후의 기상 및 환경조건이 역병 발생에 최적조건을 만든 영향으로 사료된다. $BC_1$ 개체가 모두 고사(枯死)하였으므로 $F_2$에서 저항성 개체를 선발한 후 여교잡(戾交雜)과 자식(自殖)을 반복하는 순환적 여교잡(戾交雜)을 실시하는 것이 저항성의 수준을 유지하면서 품질친의 실용 형질을 회복할 수 있을 것으로 사료된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.389-391
• /
• 2003

컴퓨터 학습의 군집화는 주어진 데이터를 서로 유사한 몇 개의 집단으로 묶는 작업을 수행한다. 군집화를 위한 유사도 결정을 위한 측도는 많은 기법들에서 매우 다양한 측도들이 사용되고 또한 연구되어 왔다. 하지만 군집화의 결과에 대한 성능측정에 대한 객관적인 기준 설정이 어렵기 때문에 군집화 결과에 대한 해석은 매우 주관적이고 애매한 경우가 많다. 퍼지 군집화는 이러한 애매한 군집화 문제에 있어서 융통성 있는 군집 결정 방안을 제시해 준다. 각 개체들이 특정 군집에 속하게 될 퍼지 멤버 함수값을 원소로 하는 유사도 행렬을 통하여 군집화를 수행한다. 본 논문에서는 베이지안 학습을 통하여 군집화를 위한 퍼지 멤버 함수값을 구하였다. 본 연구에서는 최적의 퍼지 군집화 수행을 위하여 베이지안 학습 기반의 퍼지 규칙을 추출하였다. 인공적으로 만든 데이터와 기존의 기계 학습 데이터를 이용한 실험을 통하여 제안 방법의 성능을 확인하였다.