• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.768-772
• /
• 2005

외판원문제(TSP)는 아직까지도 쉽게 풀리지 않는 NP-complete군에 속하는 어려운 문제이다. TSP의 결정적인 난점은 {0,1}의 정수해를 보장하면서 동시에 부분순환(sub-tour)을 피해야 한다는 점이다. 우리는 TSP를 두 단계로 나누어 탐색한다. 첫째, 초기해는 2개의 마디로 이루어진 최소단위의 부분순환에 가장 적은 비용의 마디를 하나씩 추가적으로 더하여 모든 마디가 포함될 때까지 반복하여 만든다. 둘째, 선택된 초기해의 마디를 임의의 단위로 잘라내어 그 개선비용이 음수인 경우 다른 마디 자리에 삽입함으로서 새로운 전체순환(grand tour)을 만들어 해를 개선한다. 우리는 최적해가 알려진 TSPLIB에 적용하여 그 결과를 비교하고 또한 랜덤하게 생성된 마디 200개까지의 TSP문제에 대하여 실험을 하였다. 대부분의 해는 최적해로부터 1% 이내의 결과로서 30분 이내에 얻을 수 있었다. 우리의 방법은 실용적인 문제에 적용할 수 있을 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제24권11호
• /
• pp.119-126
• /
• 2019

부분역최적화는 역최적화의 흥미로운 변형으로, 주어진 최적화문제와 그 문제의 부분해가 주어지면 이 부분해가 최적해에 포함되도록 문제를 최소한으로 수정하는 문제이다. 이 논문은 라인위에서 정의되는 순환외판원문제(TSP)를 다루는데, 이는 배달시스템, 창고 선반에서 물건을 수집하는 것, 등의 많은 응용을 가진다. 라인 위에서 위치하는 n개의 일이 주어지고 이 중 연속적으로 처리해야하는 일 k개가 부분적으로 주어진다. 각각의 일은 라인 위의 특정 장소에 위치하고 라인을 움직이는 서버에 의해 처리되어야 한다. 우리의 임무는 k개의 일이 최적해에서 연속적으로 처리되도록 n개의 일의 위치를 라인 위에서 최소한으로 조정하는 것이다. 이 논문에서 이 문제와 이 문제의 다양한 변종을 다항시간 내에 푸는 알고리즘을 개발한다. 구체적으로, 서버가 특정한 Forward Trip이라는 특정한 내부 알고리즘을 사용하는 경우와 일반적인 최적 알고리즘을 사용하는 경우에 대한 부분역최적화를 다룬다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1217-1228
• /
• 2005

최근 들어 DNA 컴퓨팅이 활발하게 연구되면서, DNA 컴퓨팅에서 가장 기본적이고도 중요한 DNA 서열 디자인 문제가 부각되고 있다. 기존의 연구에서 DNA 서열 디자인 문제를 다중목적 최적화 문제로 정의하고, elitist non-dominated sorting genetic algorithm(NSGA-II)를 이용하여 성공적으로 DNA 서열을 디자인하였다. 그런데, NSGA-II는 계산속도가 느리다는 단점이 있어서, 이를 극복하기 위해 본 논문에서는 $\varepsilon$-다중목적함수 진화알고리즘(r-Multiobjective evolutionary algorithm, $\varepsilon$-MOEA)을 DNA 서열 디자인에 이용하였다. 우선, 두 알고리즘의 성능을 보다 자세히 비교하기 위해서 DTLZ2 벤치 마크 문제에 대해서 적용한 결과, 목적함수의 개수가 작은 경우에는 큰 차이가 없으나, 목적함수의 개수가 많을 경우에는 $\varepsilon$-MOEA가 NSGA-II에 대해서 최적해를 찾는 정도(Convergence)와 다양한 해를 찾는 정도 (diversity)에 있어서 각각 $70\%,\;73\%$ 향상된 성능을 보여주었고, 또한 최적해를 찾는 속도도 비약적으로 개선되었다. 이러한 결과를 바탕으로 기존의 DNA 서열 디자인 방법론으로 디자인된 DNA 서열들과 7-순환외판원 문제 해결에 필요한 DNA 서열을 NSGA-II와 $\varepsilon$-MOEA로 재디자인하였다. 대부분의 경우 $\varepsilon$-MOEA가 우수한 결과를 보였고, 특히 7-순환외판원 문제에 대해서 NSGA-II와 비교하여 convergence와 diversity의 측면에서 유사한 결과를 2배 이상 빨리 발견하였고, 동일한 계산 시간을 이용해서는 $22\%$ 정도 보다 다양하게 해를 발견하였으며, $92\%$ 우수한 최적해를 발견하는 것을 확인하였다.