• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.51-54
• /
• 2003

진화하드웨어는 하드웨어 스스로 진화하여 필요한 회로를 구성한다 회로를 재구성하기 위해서 유전자 알고리즘을 사용한다. 유전자 알고리즘(Genetic Algorithm)은 전역적 탐색을 통하여 해를 구한다. 하지만 유전자 알고리즘은 많은 개체의 평가를 통하여 이루어지기 때문에 수행하는데 시간이 많이 소요된다. 이전의 연구에서 유전자 알고리즘 프로세서를 이용하여 진화하드웨어를 구성했다. 유전자 알고리즘 프로세서는 유연성이 떨어지고 범용적으로 사용하기 어렵다. 본 논문에서는 CPU를 이용하여 유전자 알고리즘 프로세서를 소프트웨어로 제어하는 방법을 제안한다 소프트웨어로 합성한 신호로 GAP의 동작을 제어하기 때문에 유연성을 가질 수 있다 FPGA에 CPU와 유전자 알고리즘 프로세서를 구현하여 one-chip 하드웨어를 구현한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.253-255
• /
• 2004

다량의 유전자 발현 정보를 담고 있는 DNA 마이크로어레이 기술의 발달로 인해 대량의 생물정보를 한번의 실험을 통해 분석할 수 있게 되었다. 유전자 발현 데이터를 분석하는 방법 중 하나인 클러스터링은 비슷한 기능을 가진 유전자들을 그룹별로 묶어서 그룹 레의 유전자들의 기능을 밝히거나 미지의 유전자를 분석하는데 이용되고 있다 본 논문에서는 유전자 발현 데이터를 클러스터링 하여 그로부터 유전 정보를 찾아내기 위한 방법으로 GG (Gath-Geva) 알고리즘을 제시한다. 퍼지 클러스터링 알고리즘중 하나인 GG 알고리즘은 대표적인 퍼지 클러스터링 방법인 퍼지 c-means 와 GK (Gustafson-Kessel) 알고리즘을 개선한 것으로. 차원이 크고 분포가 애매하여 클러스터링이 어려운 유전자 발현 데이터의 클러스터링에 적합한 알고리즘이다. 혈청(Serum) 유전자 데이터와 효모(Yeast) 세포주기 데이터를 CG 알고리즘 이용해 클러스터링 해 보고, 그 결과를 퍼지 c-means 알고리즘, GK알고리즘과 비교해 본 결과, GG 알고리즘이 유전자 발현 데이터의 클러스터링에 더 적합함을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.167-168
• /
• 2015

유전자 알고리즘은 문제 크기가 커짐에 따라 해집합이 폭발적으로 늘어나 최적해를 찾기 힘든 최적화 문제에 주로 적용되는 알고리즘으로, 최근에는 지리정보시스템(GIS)의 경로 최적화 문제, 게임에서의 길찾기, 인공지능에 많이 적용되고 있다. 마이크로 유전자 알고리즘은 일반 유전자 알고리즘에 비해 작은 크기의 모집단을 사용함으로써 알고리즘의 효율을 높일 수 있는 장점이 있다. 따라서, 본 논문에서는 무향 Rural Postman Problem 해법으로 마이크로 유전자 알고리즘의 적용 방법을 제안한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1997.11a
• /
• pp.63-77
• /
• 1997

유전자 알고리즘(Genetic Algorithms)은 우수형질이 계속 번식하고 열성형질은 도태하는 자연의 진화 메커니즘을 모방한 탐색 알고리즘으로 전형적인 조합 최적화 문제에 많이 적용되고 있다. 유전자 알고리즘의 성능을 향상시키기 위해 알고리즘 실행과정에 적용할 수많은 이론과 경험적인 유전자 조작 기법이 제시되고 있는데, 이러한 기법들은 대부분 우수형질을 확보함으로써 최적의 값을 효과적으로 탐색하기 위한 것이다. 그러나, 적절하지 못한 유전자 조작의 경우 탐색지점의 제한등으로 인한 Local Optimum에 빠질 위험이 있으므로, 유전자 조작에 대한 평가가 이루어져야 한다. 본 연구에서는 유전자 알고리즘의 유전자 조작기법중 적응도 비례전략을 개선한 유전자조작이 적절한 선택기법들로 유전자 알고리즘에 응용될수 있는지를 밝히기 위해, 냅색문제를 대상으로 세대수의 변화에 따른 탐색 결과를 평가하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.916-918
• /
• 2005

다목적 최적화 문제의 목표는 다양한 파레토 최적해(Pareto Optimal Solution)을 찾는데 있으며, 마이크로-유전자 알고리즘(Micro-Genetic Algorithm)은 단순 유전자 알고리즘(Simple Genetic Algorithm)에 비해 소수의 유전자들만을 선별하여 진화시키는 방식으로 효율성을 극대화시킨다. 본 논문에서는 다양한 목적을 동시에 최적화하는 다목적 멀티캐스트 라우팅 문제를 해결하기 위해서 다목적 유전자 알고리즘과 마이크로-유전자 알고리즘을 결합한 다목적 마이크로-유전자 알고리즘을 적용하였다.

• The Journal of the Korea Contents Association
• /
• v.21 no.7
• /
• pp.164-170
• /
• 2021

In VLSI design, partitioning is a task of clustering objects into groups so that a given objective circuit is optimized. It is used at the layout level to find strongly connected components that can be placed together in order to minimize the layout area and propagation delay. The most popular algorithms for partitioning include the Kernighan-Lin algorithm, Fiduccia-Mattheyses heuristic and simulated annealing. In this paper, we propose a adapted genetic algorithm searching solution space for the circuit partitioning problem, and then compare it with simulated annealing and genetic algorithm by analyzing the results of implementation. As a result, it was found that an adaptive genetic algorithm approaches the optimal solution more effectively than the simulated annealing and genetic algorithm.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.131-134
• /
• 1997

기존의 유전자 알고리즘과는 달리 대화형 유전자 알고리즘은 평가치를 인간이 제시할 수있기 때문에 인간의 직관이나 감성을 효과적으로 표현할 수 있다는 장점이 있다. 대화형 유전자 알고리즘을 기반으로 내용 기반 영상 검색 시스템을 구축한 바 있는데, 이 시스템은 웨이블렛 변환을 통하여 기술된 영상을 내용에 기반하여 검색할 수 있도록 한다. 본 논문에서는 이러한 웨이블렛 변환으로 얻어진 계수가 유전자 알고리즘의 염색체 표현으로 효과적인지를 실험적으로 평가하고자 한다. 소규모의 영상 데이터베이스에 대하여 실험한 결과 체이블렛 변환으로 기술된 염색테들이 유전자 알고리즘의 교차 연산에 대하여 의미있는 후보를 찾아낸다는 사실을 확인할 수 있다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.59-62
• /
• 2003

에이전트에서 수행할 수 있는 작업들에 대한 처리시간이 실제 작업 전에는 퍼지값으로만 주어지고, 실제 작업이 수행될 때야 작업 시간이 결정되는 다중 에이전트 시스템에 대해서 작업을 조정하는 방법을 제안한다. 제안한 방법은 두 단계의 유전자 알고리즘으로 구성되는데, 상위 단계의 유전자 알고리즘에서는 작업들을 적합한 에이전트에 할당하는 역할을 하고, 하위 단계의 유전자 알고리즘은 첫 번째 유전자 알고리즘의 제시하는 작업 할당 방법에 가장 적합한 작업 스케줄을 탐색하는 역할을 한다. 이 논문에서는 제안한 유전자 알고리즘 기반 작업 조정 방법을 소개하고, 제안한 방법을 구현하여 실험한 결과를 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.237-240
• /
• 2007

본 논문에서는 유전자 발현데이터로부터 유전자 조절네트워크를 추론하는 유전자 알고리즘을 제안한다. 근래에 유전자 알고리즘을 이용하여 유전자 조절네트워크를 추론하려는 시도가 있었으나 그리 성공적이지 못하였다. 우리는 본 논문에서 유전자 조절네트워크를 보다 효율적으로 추론할 수 있게 하기 위하여 새로운 유전자 인코딩 기법을 개발하여 적용하였다. 선형 유전자 조절네트워크로 모델링 된 인공 유전자 조절네트워크를 사용하여 실험한 결과 대부분의 경우에 있어서 주어진 인공 유전자 조절네트워크와 유사한 네트워크를 추론하였으며 완전히 동일한 유전자네트워크를 추론하기도 하였다. 향후 실제 유전자 발현 데이터를 이용하여 추론해 보는 것이 필요하다.

• The KIPS Transactions:PartB
• /
• v.18B no.3
• /
• pp.157-164
• /
• 2011

This paper presents a fast and scalable re-routing algorithm that adapts to dynamically changing networks. The proposed algorithm integrates Dijkstra's shortest path algorithm with the genetic algorithm. Dijkstra's algorithm is used to define the predecessor array that facilitates the initialization process of the genetic algorithm. After that, the genetic algorithm re-searches the optimal path through appropriate genetic operators under dynamic traffic situations. Experimental results demonstrate that the proposed algorithm produces routes with less traveling time and computational overhead than pure genetic algorithm-based approaches as well as the standard Dijkstra's algorithm for large-scale networks.