• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.353-356
• /
• 2004

비선형 시스템의 제어에서 널리 사용되는 방식이 퍼지 제어기이다. 퍼지 제어기에서 가장 중요한 것은 퍼지 룰의 설계이다. 퍼지 룰을 설계하는 많은 기법들이 제안되어 있는데, 최근 들어 진화 알고리즘에 대한 관심이 증가하고 있다 그 중에서도 공생적 공진화 알고리즘이 최적의 퍼지룰을 찾기 위해 이용되는데, 본 논문에서는 스키마 공진화 알고리즘을 이용한다. 스키마 공진화 알고리즘의 성능을 입증하기 위해, 이동 로봇의 행동제어를 위한 퍼지 제어기를 스키마 공진화 알고리즘을 이용하여 설계하고, 다른 공생적 공진화 알고리즘인 바이러스_진화 유전 알고리즘과 Handa의 공진화에 대해 비교하고 실험한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.313-316
• /
• 2005

공진화 알고리즘은 두 개 이상의 개체군이 상호작용하며 진화하는 알고리즘이다. 기존의 진화 알고리즘이 하나의 개체군으로 구성된 정적인 적합도 지형에서 해를 찾는 방식임에 반해 공진화 알고리즘은 두개 이상의 개체군이 동적인 적합도 지형을 제공하여 더 강건하고 빠른 수렴성을 보인다. 본 논문에서는 GA가 풀기 어려운 GA-hard problem을 풀기 위하여 저자가 제안한 3가지 공진화 모델을 설명한다. 첫번째 모델은 찾고 자하는 해와 환경을 각각 경쟁하는 개체군으로 구성해 진화하는 방법으로 사용자의 환경설정에 의해 지역적 해를 찾는 것을 방지하는 경쟁적 공진화 알고리즘이다. 두 번째 모델은 찾고자하는 해와 이를 보조하는 스키마를 각각 개체군으로 구성해 진화하는 스키마 공진화 알고리즘이다. 세 번째 알고리즘은 해를 구성하는 부분을 두 개의 개체군으로 나누고 두 개체군이 서로 게임을 통해 진화하도록 하는 게임이론에 기반한 공진화 알고리즘이다.

• Journal of Technology Innovation
• /
• v.28 no.4
• /
• pp.63-93
• /
• 2020

We suggest a new way of specifying the co-evolution of product and process technologies, and integrating it into one of the well-received technology intelligence tools - a technology radar. Cross impact analysis enables us to identify the core technologies of product-process co-evolution. Combining expert judgment with its results, we can clarify the technological co-evolution trajectory with mainstream as well as emerging core technologies. Reflecting these in the assessment process of a technology radar, we could improve reliance of the technology assessment process and technology portfolio. From the academic perspective, our research provides a point where the co-evolution theory encouners technology intelligence methods. Practically, strategic capability of future-preparedness and strategic management could improve by adopting our method based on our example of co-evolution of semiconductor product and process technologies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.434-434
• /
• 2022

인간과 인간활동은 물환경시스템의 외생변수가 아닌 내생변수(endogenous variable)이기에, 향후의 물환경관리는 인간과 물환경의 공진화(coevolution)에 대한 이해가 필요하다. 인간과 물환경의 공진화는 인간활동에 따른 정책의 변화, 자연재해, 그리고 결과적 현상으로서의 수질 변화 등과 같은 사회시스템과 수문(또는 물환경)시스템의 상호작용으로 발생한다. 수질과 대중의 물환경에 대한 인식 변화는 각각 물환경시스템과 사회시스템의 변화과정을 대변하는 주요 요인 중 하나이다. 따라서 인간과 물환경의 공진화를 이해하기 위하여 수질과 인식 변화에 대한 해석이 선행되어야 한다. 본 연구에서는 수질측정망 자료를 활용하여 한강유역 주요지점에 대한 수질인자(BOD, COD, T-N, T-P 등)의 변화를 분석(1997~2020년)하고, 신문기사를 활용하여 물환경에 대한 대중의 장기적인 인식 변화(1960~2020년)를 해석하였다. 또한, 지난 61년 동안(1960~2020년) 수질과 대중의 인식 변화, 그리고 주요 물환경 정책 변화가 어떤 상호작용을 통해 공진화해 왔는지 검토하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.142-144
• /
• 2003

유전자 알고리즘을 사용하여 신경망의 가중치를 학습하는 방법은 역전파 알고리즘이 가지는 여러 가지 문제점을 해결하기 위해 제안되었으나, 유전자 알고리즘 역시 전역 탐색이 아니기 때문에 실세계의 데이터에 적용하기 어려운 가장 큰 장애 요소인 지역 최소점 문제를 완벽하게 해결할 수는 없다. 이러한 지역 최소점 문제를 완화하기 위해 본 논문에서는 기생체-숙주 공진화 현상을 기반으로 한 유전자 알고리즘을 사용한 경쟁 공진화 신경망 학습 방법을 제시하고 있다. 경쟁 공진화는 서로 다를 개체간의 경쟁적인 진화를 통해 궁극적으로 보다 적합도가 높은 개체가 생성되는 이론을 기반으로 하고 있다. 이러한 경쟁 공진화를 통한 신경망 가중치의 학습이 일반적인 유전자 알고리즘을 사용하여 신경망을 학습시키는 것보다 더욱 우수한 가중치 집단을 탐색할 수 있음을 두 종류의 기계 학습 데이터를 통해 입증하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.3
• /
• pp.375-381
• /
• 2005

Usually genetic algorithms are used to design optimal system. However the performance of the algorithm is determined by the fitness function and the system environment. It is expected that a co-evolutionary algorithm, two populations are constantly interact and co-evolve, is one of the solution to overcome these problems. In this paper we propose three types of co-evolutionary algorithm to solve GA-Hard problem. The first model is a competitive co-evolutionary algorithm that solution and environment are competitively co-evolve. This model can prevent the solution from falling in local optima because the environment are also evolve according to the evolution of the solution. The second algorithm is schema co-evolutionary algorithm that has host population and parasite (schema) population. Schema population supply good schema to host population in this algorithm. The third is game model-based co-evolutionary algorithm that two populations are co-evolve through game. Each algorithm is applied to visual servoing, robot navigation, and multi-objective optimization problem to verify the effectiveness of the proposed algorithms.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2017.11a
• /
• pp.1149-1166
• /
• 2017

이 논문은 제도적 관점에서 미국의 위성산업 사례를 통하여 복잡한 제품시스템(CoPS)의 공진화 과정을 살펴본다. 이는 공진화의 자세한 기술이라기보다는 그것의 주요 특징들을 이해하는 작업니다. 위성산업은 수출통제제도와 상호작용하며 국가안보와 산업경쟁력을 둘러싼 경쟁적인 입장들이 대립하는 상태에 있다. 역사적 제도주의와 행위자중심 제도주의 관점에서 미국 위성산업 사례를 분석해 보면, 냉전이후 미국의 위성산업과 제도의 경로는 지속적으로 산업경쟁력 지향 속에서 제도 도전자와 방어자들의 상호 대립적이면서도 타협적인 제도수정의 결과물이다. 결과적으로 국가안보의 제도 규칙은 변경되었으며, 이는 냉전이후 위성산업의 시장화의 경로를 다지는데 기여하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.17-18
• /
• 2018

최근 게임이론 분야에서는 인공에이전트들 간의 공진화를 활용해 교섭게임 현상을 관찰하고 있다. 본 논문에서는 공진화를 활용한 실세계 교섭게임 관찰을 보다 더 현실과 유사하게 묘사하기 위해 교섭게임 단계별 비용을 고려한다. 각 교섭게임 단계에서 협상이 결렬되면 다음 단계로 넘어 갈 때 추가적인 비용이 발생하여 게임 참여자 모두 몫이 줄어든다. 시뮬레이션 실험 결과 단계별 비용이 증가 할수록 협상이 빠른 단계에서 이루어지는 것을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.2
• /
• pp.168-178
• /
• 2001

진화 알고리즘은 자원 관리, 스케줄링, 패턴 인식 등의 다양한 문제들에 적용되는, 일반적이고 효율적인 최적화 방법이다. 그러나 이러한 진화 알고리즘의 문제점은 탐색해야할 변수가 증가할수록 그에 따른 차원의 증가로 인하여 기하급수적으로 늘어나는 탐색공간에 약하다는 것이다. 이러한 문제점을 해결하기 위해 Potter와 DeJong은 개개의 종족을 독립적으로 진화시킴으로써 탐색공간을 대폭 줄인, 협력 공진화 알고리즘을 제안하였다. 그러나 이것 또한 변수 의존성이 강한 문제들에 대해서는 비효율적인 탐색을 하는 문제점이 있다. 본 논문에서는 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘을 제안한다. 이 알고리즘은 최적화하려는 변수들이 서로 의존성이 없는 경우에는 종족의 분할을 통하여 탐색공간의 축소의 잇점을 얻고, 최적화하려는 변수들이 서로 의존성이 있는 경우에는 종족의 병합을 통하여 전역탐색을 하도록 한다. 제안하는 알고리즘을 몇 가지 벤치마크 함수 최적화 문제와, 상품 재고 제어문제로 실험하여 현존하는 어떤 공진화 알고리즘 보다도 효율적인 것을 보여준다.

• Journal of Institute of Control, Robotics and Systems
• /
• v.4 no.5
• /
• pp.616-623
• /
• 1998

Holland가 제안한 단순 유전자 알고리즘은 다원의 자연선택설을 기본으로 한 군 기반의 최적화 방법으로서, 이론적 기반으로는 스키마 정리와 빌딩블록 가설이 있다. 단순 유전자 알고리즘(SGA)이 이러한 이론적 기반에도 불구하고 여전히 일부 문제에 있어서 최적해로의 수렴을 보장하지 못하고 있다. 따라서 최근에 두 개의 집단이 서로 상호작용을 하며 진화하는 공진화 방법에 의해 이러한 문제를 해결하려고 하는데 많은 관심이 모아지고 있다. 본 논문에서는 이러한 공진화 방법이 잘 동작하는지에 대한 이론적 기반으로 확장 스키마 정리를 제안하고, SGA에서는 해결하지 못하는 최적화 문제, 예를 들면 deceptive function,에서 SGA와 공진화에 의한 방법을 비교함으로써 확장된 스키마 정리의 유효성을 확인한다.