• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.308-314
• /
• 2002

본 논문은 2인용 보드게임의 정보에 대한 전략을 학습할 수 있는 방법을 유전자기반 역전파 신경회로망과 Temporal Difference학습알고리즘을 이용하여 제안하였다. 학습의 과정은 역전파에 의한 초기학습에 이어 국부해의 단점을 극복하기 위하여 미세학습으로 유전자알고리즘을 이용하였다. 시스템의 구성은 탐색을 담당하는 부분과 기물의 수를 발생하는 부분으로 구성되어 있다. 수의 발생부분은 보드의 상태에 따라서 갱신되고, 탐색커널은 αβ탐색을 기본으로 유전자알고리즘을 이용하여 가중치를 최적화하는 유전자기반 역전파 신경회로망과 TD학습을 결합하여 게임에 대해 양호한 평가함수를 학습하였다. 일반적으로 많은 학습을 통하여 평가함수의 정확도가 보장되면 승률이 학습의 양에 비례함을 알 수 있었다.

• Journal of Broadcast Engineering
• /
• v.7 no.4
• /
• pp.310-316
• /
• 2002

In this paper, we propose an adaptive search range decision algorithm for fast motion estimation of video coding. Block matching algorithm for motion vector estimation that improves coding efficiency by reduction of temporal redundancy has trade-off problem between the motion vector accuracy and the complexity. The proposed algorithm playing as a pre-processing of fast motion estimation adaptively determines the motion search range by the local statistics of neighboring motion vectors. resulting in dramatic reduction of the computational cost without the loss of coding efficiency. Experimental results show the capability of the proposed algorithm.

• Journal of Advanced Navigation Technology
• /
• v.18 no.2
• /
• pp.170-177
• /
• 2014

Genetic Algorithms are robust search and optimization techniques but have some problems such as premature convergence and convergence to local extremum. As population diversity converges to low value, the search ability decreases and converges to local extremum but population diversity converges to high value, then the search ability increases and converges to global optimum or genetic algorithm may diverge. To guarantee that genetic algorithms converge to the global optima, the genetic operators should be chosen properly. In this paper, we propose the genetic operators with the hybrid function of the average Hamming distance and the fitness value to maintain the diversity of the GA's population for escaping from the premature convergence. Results of simulation studies verified the effects of the mutation operator for maintaining diversity and the other operators for improving convergence properties as well as the feasibility of using proposed genetic operators on convergence properties to avoid premature convergence and convergence to local extremum.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.373-378
• /
• 2001

The optimization method based on an enhanced genetic algorithms is for multimodal function optimization in this paper. This method is consisted of two main steps. The first step is a global search step using the genetic algorithm(GA) and function assurance criterion(FAC). The belonging of an population to initial solution group is decided according to the FAC. The second step is to decide the similarity between individuals, and to research the optimum solutions by single point method in reconstructive search space. Four numerical examples are also presented in this papers to comparing with conventional methods.

• Journal of KIISE:Software and Applications
• /
• v.28 no.9
• /
• pp.669-680
• /
• 2001

Genetic Algorithms are optimization algorithm that mimics biological evolution to solve optimization problems. Genetic algorithms provide an alternative to traditional optimization techniques by using directed random searches to locate optimal solutions in complex fitness landscapes. Hybrid genetic algorithm that is combined with local search called learning can sustain the balance between exploration and exploitation. The genetic traits that each individual in the population learns through evolution are transferred back to the next generation, and when this learning is combined with genetic algorithm we can expect the improvement of the search speed. This paper proposes a genetic algorithm based Cellular Learning with accelerated learning capability for function optimization. Proposed Cellular Learning strategy is based on periodic and convergent behaviors in cellular automata, and on the theory of transmitting to offspring the knowledge and experience that organisms acquire in their lifetime. We compared the search efficiency of Cellular Learning strategy with those of Lamarckian and Baldwin Effect in hybrid genetic algorithm. We showed that the local improvement by cellular learning could enhance the global performance higher by evaluating their performance through the experiment of various test bed functions and also showed that proposed learning strategy could find out the better global optima than conventional method.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2007.02a
• /
• pp.79-82
• /
• 2007

본 논문은 정합 검증 패턴을 이용한 적응형 계층 육각 탐색의 성능 개선에 관한 것이다. 제안된 방법은 움직임 추정 블록에 시공간적으로 인접한 블록들의 움직임 벡터를 이용하여 움직임 활동도를 정의한 후, 움직임 활동도가 높을 경우 웨이블렛 변환의 다단계 저주파 부영상들로 구성된 피라미드 계층 구조상에서 정합 검증 패턴을 이용한 적응형 계층 육각 탐색을 수행한다. 제안된 방법을 이용할 경우, 정합 검증 패턴을 적용한 검증 과정에서 추가적인 연산량 증가가 초래되지만 이를 상호타협적으로 보상할 수 있는 화질 측면에서의 성능 개선 효과를 기대할 수 있다. 제안된 방법의 타당성과 보편성을 검증하기 위해서로 다른 움직임 특성을 갖는 복수의 영상 시퀀스들을 대상으로 움직임 보상 화질과 수렴시간 측면에서 그 성능을 분석 평가하였다. 컴퓨터 시뮬레이션 결과에 따르면, 제안된 방법은 고속 움직임 탐색이 가능한 적웅형 계층 육각 탐색의 장점을 유지하면서도 움직임 활동도가 높은 영상 시퀀스에서 야기되는 국부 최소 문제를 효과적으로 억제시킴으로써 보상 화질 측면에서 개선된 성능을 제공할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.542-547
• /
• 2000

진화프로그래밍(Evolutionary Programming : EP)은 최적화 문제에 있어서 매우 유용한 기법으로 자연선택의 원리를 모방한 탐색알고리즘이다. EP는 기존의 최적화 알고리즘에 비하여 여러해를 동시에 탐색하는 전역탐색(global search)방법이므로 국부수렴(local convergence)의 가능성이 줄어들고, 최적화 파라메터 영역의 연속성과 미분치의 존재성과 같은 조건이 필요 없는 장점을 갖는다. 이러한 장점에도 불구하고, EP의 탐색영역이 초기조건 및 최적화 파라메터들의 랜덤 생성 그리고 최적화에 필요한 전략적 파라메터들에 의하여 탐색 영역이 결정되고, 수렴성이 느린 단점을 갖는다. 이러한 문제를 해결하기 위하여, 본 연구에서는 빠른 수렴성과 다양성을 갖는 개선된 EP을 제안하고, 제안된 방향성 벡터를 갖는 개선된 EP를 함수 최적화 문제에 적용하여 그 성능의 유용성을 보이고자 한다.

• Journal of Korea Multimedia Society
• /
• v.7 no.8
• /
• pp.1025-1034
• /
• 2004

This paper proposes an adaptive motion estimation algorithm using the temporal continuity of motion. We set up a squared global search region (GSR), which basically corresponds to the search region of FSA, and non-squared adaptive local search regions (LSRs), the positions for which are predicted by the motion vectors of the temporal neighbor blocks, are constructed in the GSR. The previous frame blocks that possibly have effects on the current block are to be the temporal neighbor blocks. Because motion estimation is only performed in the areas made by LSRs, we can estimate motion more correctly and reduce processing time. Experimental results show that the proposed method can enhance visual qualities with significant reductions of complexity by reducing search regions, when compared to the conventional methods.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.30 no.11C
• /
• pp.1091-1097
• /
• 2005

In this paper, we propose fast motion estimation algorithm. Local statistics of a motion vector is highly correlated to motion vectors of its neighboring blocks. According to the property, block-based motion search range is adaptively determined in order to reduce unnecessary search points. Based on the determined search range, motion vector is obtained by variable step search motion estimation. Experimental results show that comparing to Full search motion estimation, the motion searching points of proposed algorithm is reduced as much as $98\%$. Moreover, PSNR and Bit Rate are almost same to Full search method.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2005.05a
• /
• pp.137-142
• /
• 2005

유전자 알고리즘은 전체 탐색 공간을 통해 전역 해를 찾는 최적화 알고리즘으로서 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향성 임의 탐색을 행한다. 또한, 유전적 탐색과 국부 탐색을 결합시킨 복합 유전자 알고리즘은 최적해로의 수렵 속도를 향상시킬 수 있다. 이 논문에서는 함수 최적화를 위해 학습 속도를 개선한 복합 유전자 알고리즘(C-AGA)을 제안한다. 제안한 최적화 알고리즘의 효율을 기존의 복합 유전자 알고리즘 기법(라마키안 진화 및 볼드윈 효과)과 비교 평가하였다. 다양한 함수 최적화 문제에 대하여 제안한 알고리즘이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.