• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2003.05a
• /
• pp.429-434
• /
• 2003

본 논문은 작업일정계획에서 부하평준화 문제를 효율적으로 해결하기 위하여 tabu 탐색을 적용함에 있어서 확률적 선별에 기반하여 이웃해를 생성하는 방법을 제시한다. 이웃해 생성은 부하평준화를 위해 일정을 조정할 대상 작업을 선택하는 단계와 선택된 작업에 대해 일정 조정의 방향을 결정하는 단계로 구분된다. 확률적 선별에 기반한 이웃해 생성은 우선 무작위로 추출된 작업에 대해서 탐색의 질을 개선시킬 수 있는 가능성에 대한 추정치에 따라 확률을 부여하고, 이 확률에 기반하여 선택여부를 결정함으로써 이웃해를 선별하는 방법이다. 실제 현장의 부하평준화 문제를 대상으로 이웃해 생성 방법으로 무작위 방법, 그리디(greedy) 방법과의 비교 실험을 통해 확률적 선별에 기반한 이웃해 생성 방법의 성능을 검증하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.6
• /
• pp.1861-1866
• /
• 2000

This paper describes a multi-constrained university timetabling problem that is a one of the field of artificial intelligent research area. For this problem, we propose the 2type edge graph that is can be represented time-conflict and day-conflict constraints simultaneously. The genetic algorithms are devised and considered for it. And we describe a method of local search in traditional random operator for its search efficiency. In computational experiments, the solutions of proposed method are average 71% costs that ware compared with solutions of random method in 10,000 iterations.

• The Microorganisms and Industry
• /
• v.18 no.3
• /
• pp.53-62
• /
• 1992

최근들어 새로운 항생물질을 발견하기 위한 연구 동향은 크게 세가지로 대별된다. 첫째는 Streptomyces 속을 제외한 희귀 방선균류를 분리하거나 해양 미생물과 버섯류 및 곰팡이를 대상으로 하여 새로운 항생 물질의 발견 가능성을 증대시키려는 것과 둘째는 기존의 무작위 탐색방법을 탈피하고 보다 선택적이고 특이적인 목표 지향적인 탐색(target directed screening)을 통해 선별적인 탐색을 행하고 셋째는 유전자 조작을 통해 hybrid 항생물질을 생산하기 위한 여러 시도로 나눌수 있다. 한편 방선균의 가장 중요한 경제적인 측면은 항생물질 생산이라고 일컬어지고 있으나 방선균은 항생물질 이외에도 다른 상업적인 제품의 공급원이 되고 있으며, 어떤 방선균들은 한 종류 이상의 항생물질을 생산하기 때문에 새로운 발효기술을 응용하면 새로운 물질을 발견하는데 매우 커다란 도움을 줄 것으로 생각된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.168-171
• /
• 2006

본 논문에서는 Particle Swarm Optimization 기법을 이용한 뉴로-퍼지 시스템의 파라미터 동정을 실시한다. PSO의 학습 및 군집 특성을 이용하여 시스템을 학습한다. 유전 알고리즘과 같은 무작위 탐색법을 이용하며 하나의 해 군집에 대해 다수 객체들이 탐색하는 기법을 통하여 최적해 부분의 탐색성능을 높여 전체 모델의 학습성능을 개선하고자 한다. 제안된 기법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.9
• /
• pp.69-76
• /
• 2022

The traveling salesman problem(TSP) is one of the most famous combinatorial optimization problem. So far, many metaheuristic search algorithms have been proposed to solve the problem, and one of them is local search. One of the very important factors in local search is neighbor generation method, and random-based neighbor generation methods such as inversion have been mainly used. This paper proposes 4 new greedy-based neighbor generation methods. Three of them are based on greedy insertion heuristic which insert selected cities one by one into the current best position. The other one is based on greedy rotation. The proposed methods are applied to first-choice hill-climbing search and simulated annealing which are representative local search algorithms. Through the experiment, we confirmed that the proposed greedy-based methods outperform the existing random-based methods. In addition, we confirmed that some greedy-based methods are superior to the existing local search methods.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.219-225
• /
• 2000

데이터 마이닝 분야에서 널리 사용되고 있는 신경망은 최근 많은 통계인들의 관심을 끌고 있다. 그러나 범용 근사성(universal approximator)이라는 성질에도 불구하고 초기치에 따라 적합 결과가 크게 좌우되는 단점이 있다. 본 논문에서는 붓스트랩 표본을 통해 초기치를 발견하는 bumping 기법이 신경망 분야에서 사용되고 있는 무작위 탐색법 보다 더 정확하고 안정적인 초기치를 제공하여 주는가를 살펴 보았다.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.4
• /
• pp.1-8
• /
• 2024

The traveling salesman problem(TSP) is one of the well known combinatorial optimization problems. Local search has been used as a method to solve TSP. Greedy Random Insertion(GRI) is known as an effective neighbor generation method for local search. GRI selects some cities from the current solution randomly and inserts them one by one into the best position of the current partial solution considering only one city at a time. We first propose another greedy neighbor generation method which is named Full Greedy Insertion(FGI). FGI determines insertion location one by one like GRI, but considers all remaining cities at once. And then we propose a method to combine GRI with FGI, in which GRI or FGI is randomly selected and executed at each iteration in simulated annealing. According to the experimental results, FGI alone does not necessarily perform very well. However, we confirmed that the combined method outperforms the existing local search methods including GRI.

• Journal of the Society of Naval Architects of Korea
• /
• v.42 no.2 s.140
• /
• pp.175-182
• /
• 2005

It is necessary to develop an efficient optimization technique to optimize the engineering structures which have given design spaces, discrete design values and several design goals. As optimization techniques, direct search method and stochastic search method are widely used in designing of engineering structures. The merit of the direct search method is to search the optimum points rapidly by considering the search direction, step size and convergence limit. And the merit of the stochastic search method is to obtain the global optimum points by spreading point randomly entire the design spaces. In this paper, a Pareto optimal based multi-objective function method (PMOFM) is developed by considering the search direction based on Pareto optimal points, step size, convergence limit and random search generation . The PMOFM can also apply to the single objective function problems, and can consider the discrete design variables such as discrete plate thickness and discrete stiffener spaces. The design results are compared with existing Evolutionary Strategies (ES) method by performing the design of double bottom structures which have discrete plate thickness and discrete stiffener spaces.

• Journal of KIISE:Software and Applications
• /
• v.31 no.2
• /
• pp.164-172
• /
• 2004

For a local search algorithm to find a bettor quality solution it is required to generate and evaluate a sufficiently large number of candidate solutions as neighbors at each iteration, demanding quite an amount of CPU time. This paper presents a method of selectively generating only good-looking candidate neighbors, so that the number of neighbors can be kept low to improve the efficiency of search. In our method, a newly generated candidate solution is probabilistically selected to become a neighbor based on the quality estimation determined heuristically by a very simple evaluation of the generated candidate. Experimental results on the problem of load balancing for production scheduling have shown that our candidate selection method outperforms other random or greedy selection methods in terms of solution quality given the same amount of CPU time.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.358-363
• /
• 2010

본 논문은 가정용 청소로봇이 대중화가 이루어지면서 많은 종류의 청소로봇들이 개발되고 있지만 대부분의 청소로봇들이 외부 환경과 상호적으로 대응하지 못하고 무작위 경로 생성에 가까운 알고리즘들을 적용하고 있는 점에서 착안하였다. 목표로 하고 있는 경로 탐색 기법은 대부분의 가정용 청소로봇이 장착하고 있는 범퍼 센서를 사용하여 논리적인 가상의 지도를 생성하고 이 정보를 활용하여 청소로봇의 위치를 파악하고 최적의 청소 경로를 생성하는 방법이다. 사람이 진공청소기를 사용하여 청소를 하듯이 청소할 공간을 파악하고 일련의 규칙대로 청소하는 무의식의 프로세스를 청소로봇이 최대한 유사하게 작동하기 위해서는 벽뿐만 아니라 소파나 테이블과 같은 로봇의 움직임을 방해하는 각종 요소들을 모두 고려해야 한다. 그러므로 본 논문에서는 Occupancy Grid Map을 생성하여 로봇이 장애물의 위치를 파악하고 청소 경로를 탐색할 수 있도록 한다. 그리고 이러한 경로 탐색 기법을 적용하기 위해서 Monte-Carlo Localization 알고리즘을 사용하며 생성된 Occupancy Grid Map을 통하여 로봇이 자체적으로 위치를 파악할 수 있도록 한다. 청소로봇이 자체의 위치를 파악하게 되면 로봇의 크기와 비교하여 움직일 수 있는 공간과 움직이지 못하는 공간을 구별하여 이동 가능한 영역과는 별개로 청소를 위한 경로 탐색을 수행할 수 있다. 청소를 목적으로 하는 경로 탐색은 청소 영역을 최대화하면서 최적의 경로를 탐색하고 Localization을 통해 해당 경로를 유지하면서 이동할 수 있게 된다. 이러한 경로 탐색 기법을 제시하면서 기존의 청소로봇들과의 알고리즘 차원에서의 비교 및 그 성능 평가는 향후 연구에서 해결하도록 한다.