• 한국산업정보학회논문지
• /
• 제24권5호
• /
• pp.115-120
• /
• 2019

본 논문에서는 이동 구간 입자 군집 최적화 (Receding horizon particle swarm optimization; RHPSO) 알고리즘 기반 다개체 로봇 편대 제어 알고리즘의 통계적 성능 분석 결과를 제시한다. 다개체 로봇의 편대 제어 문제는 로봇 간 충돌 회피를 고려할 경우, 구속 조건이 있는 비선형 최적화 문제로 정의될 수 있다. 일반적으로 구속 조건이 있는 비선형 최적화 문제는 최적해를 찾는데 많은 시간이 걸리는 문제점이 있다. 이동 구간 입자 군집 최적화 알고리즘은 로봇 편대 제어의 최적화 문제에 대한 준최적해를 빠르게 찾기 위해 제안된 알고리즘이다. 이동 구간 입자 군집 최적화 알고리즘은 알고리즘에 사용되는 후보해의 개수와 세대 수가 증가함에 따라 계산 복잡도가 증가한다. 따라서 최소의 후보해와 세대 수만으로 실시간 제어에 사용될 수 있는 준최적해를 찾는 것이 중요하다. 본 논문에서는 이동 구간 입자 군집 최적화 알고리즘의 후보해의 수와 세대 수에 따른 제어 오차를 비교하였다. 다양한 조건의 시뮬레이션 실험을 통해서 통계적으로 결과를 분석하고, 허용 가능한 편대 오차 범위 내에서 이동 구간 입자 군집 최적화 알고리즘의 최소 후보해의 수와 세대 수를 도출한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1998년도 추계학술대회 및 정기총회
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.353-353
• /
• 2020

기후변화에 적응하기 위해 많은 나라들이 수자원 관리 전략을 마련하고 있으며, 대체 수자원 활성화 방안에 관심을 기울이고 있다. 본 연구에서는 대체 수자원 활성화 방안 중 빗물 저류지의 용량 결정 방법을 제시하고자 한다. 빗물 저류지의 용량을 결정하기 위해 메타 휴리스틱 방법 중 하나인 입자 군집 최적화(particle swarm optimization; PSO)를 선정하였다. 이는 기존 실제 설계에 사용되고 있는 시행착오법보다 시간을 단축시킬 수 있다. 최적화 모형은 python의 pyswarm package를 이용해 구성하였다. 모형의 입력자료는 저류지 유입량과 목표 공급량, 목표 보장률이고, 목적함수는 빗물 저류지 용량의 최소화이다. 제약조건은 모의된 보장률이 목표 보장률 이상을 달성하는 것이다. 여기서, 보장률은 전체 모의 기간 중 목표 공급량을 공급한 기간의 비율이다. 제시한 방법론의 적용성을 검토하기 위해 실제 저류지가 설계된 인천의 청라지구 1공구를 선정하여 적용하였다. 최적화 모형의 입력 유입량은 SWMM으로 산정된 1995년부터 2004년까지의 유출량이며, 목표 공급량은 실제 설계에 활용된 용수 목적별 요구 수량이다. 여기서 용수 목적별 요구 수량은 대상지역의 노면 청소수, 화장실 세정수, 호수 유지수 등이다. 산정 결과 계산 시간은 약 30초 소요되며, 목표 보장률을 만족하는 저류지 용량이 결정되었다. 본 연구에 제시한 방법은 제약조건이 추가되어도 기존 시행착오법에 비해 간편함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1857_1858
• /
• 2009

본 논문에서는 PCA와 입자 군집 최적화 알고리즘을 이용한 얼굴이미지에서 특징선택 방법에 대하여 제안한다. 2차원 얼굴이미지의 히스토그램 분표값에서 정규화합 연산을 이용한 히스토그램 평활화 기법을 거쳐 대비효과를 주어 화질을 개선시켜 준다. PCA는 2차원 얼굴이미지를 이용하여 공분산 행렬을 구한 후 그것의 고유값에 따른 고유벡터를 구하여 얼굴인식에 사용될 특징 벡터들을 추출한다. 또한 추출된 특징벡터 중에서 얼굴인식 성능에 중요한 요소가 되는 특징 벡터들을 입자 군집 최적화 알고리즘을 이용하여 최적화한다. 다항식 기반 RBF 신경회로망을 사용하여 얼굴인식 성능을 평가한다. 본 논문에서 제안된 방법을 통해 최적화된 특징벡터와 얼굴인식률과의 관계를 알 수 있다.

• 한국시뮬레이션학회논문지
• /
• 제32권1호
• /
• pp.23-34
• /
• 2023

본 논문의 목적은 이항출력 실험을 이용할 경우에 확률적 전역 최적화 방법론들을 검토하고 알고리즘들간의 성능을 비교하기 위한 것이다. 모 성공확률은 알수 없고 확률적 특성을 갖기 때문에 확률적 전역 최적화 방법론에서는 모 성공확률 대신 성공확률의 추정치를 이용한다. 언덕오르기 알고리즘 , 단순랜덤탐색, 랜덤재출발 랜덤탐색, 랜덤 최적화, 담금질 기법 및 군집기반의 알고리즘인 입자 군집 최적화 알고리즘을 확률적 전역 최적화 알고리즘으로 사용하였다. 알고리즘의 비교를 위하여 두가지 테스트 함수(하나는 단봉이고 나머지는 다봉임)가 제안되었고 몬테카를로 시뮬레이션을 이용하여 알고리즘의 성능을 평가하였다. 단순 테스트 함수에 대하여는 모든 알고리즘이 유사한 성능을 보이고 있다. 복잡한 다봉의 테스트 함수에 대하여는 랜덤재출발 랜덤최적화, 담금질 기법과 군집 기반의 입자군집 알고리즘이 훨씬 더 좋은 성능을 보임을 알 수 있다.

• 정보처리학회논문지B
• /
• 제16B권3호
• /
• pp.195-202
• /
• 2009

논문에서는 개미 군집 최적화 알고리즘을 이용하여 뇌 자기공명 영상의 백질 및 회백질 영역을 분할하는 방법을 제안한다. 확률적 조합 최적화에 적합한 알고리즘으로 알려진 개미 군집 최적화 알고리즘은 실제 개미들이 집에서 먹이를 찾아가는 동안의 방법을 기억하는 습성을 적용한 것이다. 논문에서 제안하는 방법은 개미가 먹이를 찾아가는 동안의 방법을 기억하는 습성처럼 영상에서 원하는 픽셀을 찾아갈 수 있다는 것이다. 원하는 픽셀을 찾은 개미들은 페로몬을 픽셀에 축적하게 되는데 이 페로몬은 이후에 지나가는 개미들이 다음 경로를 선택할 때 영향을 준다. 그리고 각각의 반복단계에서 상태전이 법칙에 따라 영상의 위치를 바꿔가면서 최종 목적지에 도달하게 되며, 마지막으로 페로몬 분포의 분석을 통해 영상에서 분할 된 결과를 얻는다. 제안한 알고리즘을 기존의 임계치 기반의 분할 알고리즘인 Otsu 방법, 메타휴리스틱 계열의 대표적인 방법인 유전자알고리즘, 퍼지방법, 원래의 개미 군집 최적화 알고리즘등과 비교하였다. 비교 실험을 통해 제안한 방법이 뇌의 특정 영역을 더 정확하게 분할함을 알 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제12권3호
• /
• pp.339-345
• /
• 2011

군집화는 주어진 데이터를 분할하여 데이터 속에 숨겨져 있는 의미를 자동으로 발견하는 방법이다. k-means는 간단하고 빠른 군집화 알고리즘 중의 하나이다. 군집의 수 k는 군집화를 수행하는데 매우 중요한 요소이며, k의 값에 의해 군집화 결과가 달라진다. 본 논문에서는 반복적인 k-means 수행과 군집의 품질을 평가하는 외부 군집 연관 기준 정보를 결합하여 최적의 군집수를 결정하는 방법을 제안한다. 실험 결과 기존의 방법들에 비하여 제안하는 방법이 군집수의 정확성 측면에서 우수한 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제14권11호
• /
• pp.541-548
• /
• 2014

본 논문에서는 유전알고리즘의 유전자형-표현형 기법을 적용한 수정된 이진 입자군집최적화의 두 번째 버전을 소개한다. 입자군집최적화는 해를 탐색해 나가는 과정에서 주변의 우수한 해의 위치와 자신의 위치차이 정보를 이용한다. 이러한 위치 차이를 구하는데 있어서 첫 번째 버전의 수정된 이진 입자군집최적화는 표현형을 사용한 반면에 제안하는 버전은 유전자형을 사용한다. 이진 정보만을 제공하는 표현형에 비해 연속 공간 전체를 탐색공간으로 제공하는 유전자형 정보를 사용하여 해 공간을 보다 넓은 공간으로 표시할 수 있다. 벤치마크 함수인 10개의 De Jong 함수에 실험한 결과, 두 번째 버전은 탐색 공간이 넓고 지역 최적해가 많은 함수에서 첫 번째 버전에 보다 우수한 결과를 얻었다.

• 한국시뮬레이션학회논문지
• /
• 제28권4호
• /
• pp.21-32
• /
• 2019

군집에 대한 사회적 행동 모델에 영감을 받은 군집 최적화 알고리즘은 복잡한 최적화 문제 해결에서부터 인공 신경망의 학습에까지 활용되는 대표적인 메타휴리스틱 최적화 알고리즘 중의 하나이다. 하지만 이 알고리즘은 기본적으로 확률적 노이즈가 존재하지 않는 결정적인 환경에서 개발되었기 때문에, 많은 경우 확률적 노이즈가 존재하는 실제 문제에 적용하기에 어려움이 있었다. 본 논문에서는 이를 개선하기 위하여 불확실 평가 기법이라고 정의되는 통계적 가설 검정 기반의 리샘플링 기법을 적용한다. 이 기법을 통하여 입자 군집 최적화 알고리즘의 성능에 가장 큰 영향을 미치는 입자들의 전역 최적을 정확하게 찾으므로 노이즈 환경에서 입자들이 최적해로 보다 정확하고 빠르게 수렴하도록 한다. 다양한 벤치마크 문제들에 대한 기존 알고리즘들과의 비교 실험 결과는 제안하는 알고리즘의 개선된 성능을 입증하고, 사례 연구의 결과는 본 연구의 필요성을 강조한다. 본 연구 결과가 4차 산업혁명 시대에 디지털 트윈 등을 통한 시뮬레이션 기반 시스템 최적화에 효과적으로 적용될 수 있을 것이라 기대한다.