• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.353-356
• /
• 2004

비선형 시스템의 제어에서 널리 사용되는 방식이 퍼지 제어기이다. 퍼지 제어기에서 가장 중요한 것은 퍼지 룰의 설계이다. 퍼지 룰을 설계하는 많은 기법들이 제안되어 있는데, 최근 들어 진화 알고리즘에 대한 관심이 증가하고 있다 그 중에서도 공생적 공진화 알고리즘이 최적의 퍼지룰을 찾기 위해 이용되는데, 본 논문에서는 스키마 공진화 알고리즘을 이용한다. 스키마 공진화 알고리즘의 성능을 입증하기 위해, 이동 로봇의 행동제어를 위한 퍼지 제어기를 스키마 공진화 알고리즘을 이용하여 설계하고, 다른 공생적 공진화 알고리즘인 바이러스_진화 유전 알고리즘과 Handa의 공진화에 대해 비교하고 실험한다.

• 제어로봇시스템학회논문지
• /
• 제4권5호
• /
• pp.616-623
• /
• 1998

Holland가 제안한 단순 유전자 알고리즘은 다원의 자연선택설을 기본으로 한 군 기반의 최적화 방법으로서, 이론적 기반으로는 스키마 정리와 빌딩블록 가설이 있다. 단순 유전자 알고리즘(SGA)이 이러한 이론적 기반에도 불구하고 여전히 일부 문제에 있어서 최적해로의 수렴을 보장하지 못하고 있다. 따라서 최근에 두 개의 집단이 서로 상호작용을 하며 진화하는 공진화 방법에 의해 이러한 문제를 해결하려고 하는데 많은 관심이 모아지고 있다. 본 논문에서는 이러한 공진화 방법이 잘 동작하는지에 대한 이론적 기반으로 확장 스키마 정리를 제안하고, SGA에서는 해결하지 못하는 최적화 문제, 예를 들면 deceptive function,에서 SGA와 공진화에 의한 방법을 비교함으로써 확장된 스키마 정리의 유효성을 확인한다.

• 한국지능시스템학회논문지
• /
• 제15권3호
• /
• pp.375-381
• /
• 2005

일반적으로 유전자 알고리즘은 최적 시스템을 디자인하는데 주로 이용된다. 하지만 알고리즘의 성능은 적합도 함수나 시스템 환경에 의해 결정된다. 두 개의 개체군이 꾸준히 상호작용하고 공진화 하는 공진화 알고리즘은 이러한 문제를 극복할 수 있을 것으로 기대된다. 본 논문에서는 GA가 풀기 어려운 GA-hard problem을 풀기 위하여 저자가 제안한 3가지 공진화 모델을 설명한다. 첫 번째 모델은 찾고자하는 해와 환경을 각각 경쟁하는 개체군으로 구성해 진화하는 방법으로 사용자의 환경설정에 의해 지역적 해를 찾는 것을 방지하는 경쟁적 공진화 알고리즘이다. 두 번째 모델은 호스트 개체군과 기생(스키마) 개체군으로 구성된 스키마 공진화 알고리즘이다. 이 알고리즘에서 스키마 개체군은 호스트 개체군에 좋은 스키마를 공급한다. 세 번째 알고리즘은 두 개체군이 서로 게임을 통해 진화하도록 하는 게임이론에 기반한 공진화 알고리즘이다. 각 알고리즘은 비주얼 서보잉, 로봇 주행, 다목적 최적화 문제에 적용하여 그 유효성을 입증한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• pp.313-316
• /
• 2005

공진화 알고리즘은 두 개 이상의 개체군이 상호작용하며 진화하는 알고리즘이다. 기존의 진화 알고리즘이 하나의 개체군으로 구성된 정적인 적합도 지형에서 해를 찾는 방식임에 반해 공진화 알고리즘은 두개 이상의 개체군이 동적인 적합도 지형을 제공하여 더 강건하고 빠른 수렴성을 보인다. 본 논문에서는 GA가 풀기 어려운 GA-hard problem을 풀기 위하여 저자가 제안한 3가지 공진화 모델을 설명한다. 첫번째 모델은 찾고 자하는 해와 환경을 각각 경쟁하는 개체군으로 구성해 진화하는 방법으로 사용자의 환경설정에 의해 지역적 해를 찾는 것을 방지하는 경쟁적 공진화 알고리즘이다. 두 번째 모델은 찾고자하는 해와 이를 보조하는 스키마를 각각 개체군으로 구성해 진화하는 스키마 공진화 알고리즘이다. 세 번째 알고리즘은 해를 구성하는 부분을 두 개의 개체군으로 나누고 두 개체군이 서로 게임을 통해 진화하도록 하는 게임이론에 기반한 공진화 알고리즘이다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.134-137
• /
• 2000

Genetic algorithms(GAs) have been widely used as a method to solve optimization problems. This is because GAs have simple and elegant tools with reproduction, crossover, and mutation to rapidly discover good solutions for difficult high-dimensional problems. They, however, do not guarantee the convergence of global optima in GA-hard problems such as deceptive problems. Therefore we proposed a Schema Co-Evolutionary Algorithm(SCEA) and derived extended schema 76988theorem from it. Using co-evolution between the first population made up of the candidates of solution and the second population consisting of a set of schemata, the SCEA works better and converges on global optima more rapidly than GAs. In this paper, we show advantages and efficiency of the SCEA by applying it to some problems.