• Journal of the Korea Society of Computer and Information
• /
• v.11 no.4 s.42
• /
• pp.119-125
• /
• 2006

Distributed Systems can be defined as set of computing resources connected by computer network. One of the most significant techniques in optimization problem domains is parallel genetic algorithms, which are based on distributed systems. Since the status of dynamic network environments such as Internet and mobile computing. can be changed continually, it must not be efficient on the dynamic environments to solve an optimization problem using previous parallel genetic algorithms themselves. In this paper, we propose the effective technique, in which the parallel genetic algorithm can be used efficiently on the dynamic network environments.

• Proceedings of the Korea Committee for Ocean Resources and Engineering Conference
• /
• 2003.10a
• /
• pp.47-52
• /
• 2003

지금까지의 선형 최적화에 대한 연구는 고전적인 최적화 기법인 비선형계획법과 유동해석법을 중심으로 생물의 진화 알고리즘을 바탕으로 한 유전자 알고리즘과 인공지능에 기초를 둔 신경망이론 등이 이용되어 왔다. 또한 최근 컴퓨터의 성능이 급속도로 향상됨에 따라 전산유체역학에 기초한 시뮬레이션 평가기법도 사용되고 있다. 본 논문에서는 유전자 알고리즘을 이용한 선형 최적화 방법을 제시하였다. 그리고 광역 최적해의 효과적인 검색과 빠른 접근을 위한 방법으로 네트워크 시스템을 기반으로 한 병렬분산 유전자 알고리즘 시스템(PDGAS)을 개발하였으며 그 성능을 기존의 진화 알고리즘과 비교${\cdot}$분석함으로써 선형 최적화의 가능성을 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.164-170
• /
• 2004

This paper proposes a Distributed Autonomous Robotic System(AIS) based on Artificial Immune System(AIS) and Distributed Genetic Algorithm(DGA). The behaviors of robots in the system are divided into global behaviors and local behaviors. The global behaviors are actions to search tasks in environment. These actions are composed of two types: dispersion and aggregation. AIS decides one among above two actions, which robot should select and act on in the global. The local behaviors are actions to execute searched tasks. The robots learn the cooperative actions in these behaviors by the DGA in the local. The proposed system is more adaptive than the existing system at the viewpoint that the robots learn and adapt the changing of tasks.

• Journal of Digital Contents Society
• /
• v.19 no.2
• /
• pp.343-349
• /
• 2018

The proposed hybrid algorithm combines the benefits of rapid convergence property of mean filed annealing(MFA) and the effective genetic operations of simulated annealing-like genetic algorithm(SGA). This algorithm is applied to the isotropic material stock cutting problem, especially to glass cutting in distributed computing environments base on MPI called message passing interface. The glass cutting is to place the required rectangular patterns to the given large glass sheets resulting in reducing the wasted scrap area. Our experimental results show that the heuristic method improves the performance over the conventional ones by decreasing the scrap area and maximum execution time. It is also proved that the proposed distributed algorithm maintains the convergence properties of sequential one while it achieves almost linear speedup as the problem size increases.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.2
• /
• pp.287-295
• /
• 2010

In this paper, we introduce a novel approach to optimization algorithm which is a distributed Mean field Genetic algorithm (MGA) implemented in MPI(Message Passing Interface) environments. Distributed MGA is a hybrid algorithm of Mean Field Annealing(MFA) and Simulated annealing-like Genetic Algorithm(SGA). The proposed distributed MGA combines the benefit of rapid convergence property of MFA and the effective genetic operations of SGA. The proposed distributed MGA is applied to the channel routing problem, which is an important issue in the automatic layout design of VLSI circuits. Our experimental results show that the composition of heuristic methods improves the performance over GA alone in terms of mean execution time. It is also proved that the proposed distributed algorithm maintains the convergence properties of sequential algorithm while it achieves almost linear speedup as the problem size increases.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.979-982
• /
• 2010

최근 한정된 에너지를 기반으로 동작하는 센서 네트워크 환경에서 에너지를 효율적으로 사용하기 위한 많은 연구가 이루어지고 있다. 대표적인 연구로써 이벤트 발생 여부에 따른 노드의 가변 센싱 및 전송 기법의 경우, 특정 노드에서 네트워크 혼잡을 야기하여 전송 패킷의 손실 및 전송 모듈의 과다 사용으로 인한 네트워크의 수명이 감소하게 된다. 이를 해결하기 위해, 유전자 알고리즘을 기반으로 네트워크 패킷을 주변 노드로 분산시키는 TARP 가 제안되었다. 하지만 TARP 의 경우, 유전자 알고리즘의 핵심 단계인 적합도 평가에서 사용되는 적합도 함수에 인접 노드의 평균 데이터 전송량 및 데이터 분산만을 고려하여 트래픽을 분산하기 때문에, 전체 네트워크 수명에 대한 추가적인 고려가 필요하다. 이를 해결하기 위해 본 논문에서는 유전자 알고리즘 기반의 에너지 인식 트래픽 분산 기법을 제안한다. 제안하는 기법은 적합도 평가에서 잔여 에너지량 및 단일 노드의 데이터 전송량을 추가적으로 고려함으로써, 보다 효율적인 트래픽 분산을 수행하여 네트워크 수명을 증가시킨다. 제안하는 기법의 우수성을 보이기 위해 시뮬레이션을 통해 기존의 트래픽 분산 기법(TARP)과 제안하는 기법과의 성능을 비교하였다. 그 결과 기존 기법에 비해 평균 27% 이상의 네트워크 수명의 향상을 보였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2002.11a
• /
• pp.3-7
• /
• 2002

컴퓨터 네트워킹 기술의 발달에 힘입어 분산처리를 이용한 기법이 복잡한 구조물의 최적설계에 널리 사용되고 있다. 최적설계시 구조물이 복잡하고 설계 변수가 많아질수록 설계 변수간의 교호작용이 복잡해지고 국부최적해가 많아지는 특성이 있다. 최근의 최적 설계는 이러한 문제점을 해결하고자 다양한 전역 최적화 기법을 도입하여 적용하고 있다. 본 연구에서는 진화이론을 바탕으로 한 유전자 알고리즘과 실험계획법을 바탕으로 한 반응표면법에 분산처리 기법을 도입하여 인공위성 추진 모듈의 최적화에 적용시켰다. 그 결과 유전자 알고리즘이 조금 더 좋은 최적값을 보였으며 해석시간은 반응표면법을 적용 시켰을 경우가 훨씬 짧았다. 병렬처리 기법을 이용한 위성구조체의 최적설계에 있어 유전자 알고리즘은 해의 전역성에서 반응표면법은 시간의 효율성에서 각각 장점을 보였다.

• The KIPS Transactions:PartD
• /
• v.16D no.3
• /
• pp.295-306
• /
• 2009

Query execution time minimization is an important objective in distributed database design. While total time minimization is an objective for On Line Transaction Processing (OLTP), response time minimization is for Decision Support queries. We formulate the sub-query allocation problem using analytical models and solve with genetic algorithm (GA). We show that query execution plans with total time minimization objective are inefficient from response time perspective and vice versa. The procedure is tested with simulation experiments for queries of up to 20 joins. Comparison with exhaustive enumeration indicates that GA produced optimal solutions in all cases in much less time.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.187-189
• /
• 2003

분산 데이타베이스 시스템은 통신망으로 연결되어 있는 컴퓨터 노드들의 집합으로 구성되어 있으며 각 노드들은 데이타, 프로그램, 처리능력 등의 자원을 공유한다. 데이타의 분산은 접근 시간 단축, 가용성과 신뢰성, 동시성의 증가와 같은 장점이 있으나 통신 비용과 시스템 부하와 같은 성능저하 요인이 될 수도 있으므로 데이타를 최적의 노드에 분산시키는 할당 문제가 중요한 이슈이다. 본 논문에서는 시스템 운영 비용을 최소화 시키는 최적의 할당 노드를 찾기 위한 목적 함수를 기술하였으며 유전자 알고리즘을 사용하여 할당 목적 함수의 해를 구현하였다.

• The KIPS Transactions:PartA
• /
• v.10A no.1
• /
• pp.49-58
• /
• 2003

In a sender-initiated load balancing algorithm, a sender (overloaded processor) continues to send unnecessary request messages for load transfer until a receiver (underloaded processor) is found while the system load is heavy. Therefore, it yields many problems such as low cpu utilization and system throughput because of inefficient inter-processor communications until the sender receives an accept message from the receiver in this environment. This paper presents an approach based on genetic algorithm (GA) for dynamic load balancing in heterogeneous distributed systems. In this scheme the processors to which the requests are sent off are determined by the proposed GA to decrease unnecessary request messages.