• Journal of Korea Society of Industrial Information Systems
• /
• v.3 no.1
• /
• pp.101-116
• /
• 1998

혼합·이산 비선형 최적화문제 해결을 위한 전역적 최적화 알고리즘이 개발되었으며 이 알고리즘은 확률적 최적화기법인 유전알고리즘을 사용한다. 유전알고리즘은 다양한 설계변수를 처리하는데 적합하다. 그러나 기존의 유전알고리즘이 특별히 잘 수행되지 않는 상황이 많이 존재하기 때문에 혼합화에 대한 다앙한 방법이 개발되어지고 있다. 따라서 이 논문은 유전알고리즘에서 최적해 주위에 대한 국고수수렴기법과 정밀 탐색법을 구체화시킨 새로운 혼합유전알고리즘(NHGA)을 개발했다. 사례연구에서는 혼합·이산 비선형 최적화문제를 해결하는데 있어서 NHGA가 상당한 능력을 제공하며 효율적이고 우수한 해를 제공할 수 있다는 것을 보여주고 있다.

• The KIPS Transactions:PartA
• /
• v.13A no.1 s.98
• /
• pp.53-56
• /
• 2006

Genetic algorithms(GA), which are based on the idea of natural selection and natural genetics, have proven successful in solving difficult problems that are not easily solved through conventional methods. The classical GA has the problem to spend much time when population is large. Parallel genetic algorithm(PGA) is an extension of the classical GA. The important aspect in PGA is migration and GA operation. This paper presents PGAs that use fuzzy logic. Experimental results show that the proposed methods exhibit good performance compared to the classical method.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.473-476
• /
• 2005

본 논문에서는 Python 을 사용한 유전 알고리즘 구현을 다룬다. 유전 알고리즘은 생물의 진화과정에서 일어나는 자연선택과 같은 유전법칙을 모방한 확률적 탐색기법이다. 유전 알고리즘에서는 염색체를 하나의 리스트 혹은 문자열로써 다룬다. 리스트나 문자열 처리 위주인 유전 알고리즘의 경우, 기존의 C/C++/Java 보다 표현력이 풍부한 Python 으로 프로그래밍할 경우 별도의 라이브러리 없이 쉽게 구현이 가능하다. 본 논문에서는 Python 을 사용한 유전 알고리즘 구현 방법에 대해 소개하고, 추가적으로 높은 성능을 얻기 위한 방법들에 대해 논의한다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.21 no.2
• /
• pp.108-116
• /
• 1997

유전알고리즘은 진화원리에서 발견된 몇몇 특징들을 컴퓨터 알고리즘과 결합시켜 복잡한 최적화 문제를 해결하려는 도구로서 1975년 미국의 Holland 교수에 의해 처음으로 개발되었다. 주어진 문제에서 탐색환경이 다변수 또는 다봉(multi-modal)이 되어 대단히 복잡하거나 또는 부분적으로 알려질 경우는, 구배(gradient)에 기초한 재래식 방법을 사용하여 최적화하는 것은 매우 어렵게 되고 경우에 따라서는 불가능할 수도 있다. 이러한 이유로 유전알고리즘과 같은 강인한 탐색법이 요구된다. 유전알고리즘의 장점은 연속성(continuity), 미분가능성(differentiability), 단봉성(unimodality) 등과 같이 탐색공간에 대한 제약으로부터 자유롭다는 것이다. 다시 말하면 목적함수 외 탐색공간에 대한 사전지식을 필요로 하지 않고, 매우 크고 복잡한 공간일지라도 전역해 쪽으로 수렴해 갈수 있다는 것이다. 이러한 특성 때문에 유전알고리즘은 실제 환경에서 많은 복잡한 최적화 문제를 해결하는 방법으로 인정을 받고 있으며, 함수의 최적화, 신경회로망의 학습, 동적시스템의 식별및 제어, 신호처리등 여러 분야에 성공적으로 응용되고 있다. 이러한 중요성에 비해 유전알고리즘에 대한 연구는 국내적으로는 아직 미진한 수준이나 최근 이에 대한 관심이 고조되고 있으며, 또한 그 응용분야도 점점 넓어져 이론 개발과 실질적인 응용에 확산되리라 생각된다. 따라서 본 해설기사는 유전알고리즘의 원리와 응용 사례를 살펴봄으로서 최적화 문제를 해결하려는 독자들에게 조금이나마 도움을 주고자 한다.

• Journal of Intelligence and Information Systems
• /
• v.3 no.2
• /
• pp.11-22
• /
• 1997

본 연구에서는 비선형 최적화 문제를 효율적으로 해결하기 위한 혼합유전알고리즘(Hybrid Genetic Algorthm : HGA)을 개발하였다. HGA는 기존 유전알고리즘의 적용에 있어 문제점으로 지적된 정밀도의 적용문제와 벌금함수의 사용을 배제하였으며 지역적최적점으로 빠르게 수렴하는 기존의 지역적 탐색법과 유전알고리즘 적용이후 수렴된 해 주변에 대한 정밀탐색법을 함께 고려하여 설계하였으며 이를 세가지의 비선형 최적화 문제 적용하여 본 논문에서 개발한 HGA의 유효성을 보였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.483-487
• /
• 2005

본 논문에서 우리는 최적화 문제를 효율적으로 해결하기 위한 새로운 유전 알고리즘을 제안하였다. 새로운 유전 알고리즘의 가장 큰 특징은 서로 다른 목적을 가진 2개의 집단을 가지고 진화를 수행한다는 점이다. 하나의 집단은 일반적인 유전 알고리즘의 그것과 비슷하지만, 좋은 영역의 탐색에 집중하는 경향을 보이며 다른 하나의 집단은 이러한 좋은 영역에의 집중 시 나타날 수 있는 조기 수렴 문제를 보완하기 위해 탐색을 다각화 하는 방향으로 진화한다. 몇 가지 최적화 문제에 대한 실험 결과 이러한 특성이 다른 2개 집단에 의한 진화 방법이 문제 해결에 도움이 됨을 확인할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2001.04a
• /
• pp.47-49
• /
• 2001

전기기기 최적화에 있어서 많이 사용되는 일반적인 유전 알고리즘이나 진화 알고리즘은 하나의 해에 수렴되는 이유로 설계에 있어서 다양한 요구조건을 만족시키는게 어렵다. 따라서 여러개의 해를 최종적으로 제시하는 니칭 유전 알고리즘은 전기기기 최적화에 있어서 효율적으로 사용될 수 있다. 본 논문에서는 다양한 해를 빠르고 강력하게 찾을 수 있는 새로운 니칭 유전알고리즘을 제안하고자 한다. 제안한 방법의 우수성을 보이기 위해 기존의 알고리즘인 sharing과 determinstic crowding과 비교한다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.521-521
• /
• 2016

상수도 관망은 수원에서 수요절점까지 물을 안정적으로 공급하는 것을 목표로 한다. 상수도 관망의 최적설계는 수리학적 제한조건 (절점의 수압, 관로의 유속)을 만족하는 범위에서 비용을 최소화하는 설계안을 얻는 것으로 Savic and Walters (1997)는 유전 알고리즘 (Genetic Algorithms, Holland 1975)을 적용한 상수도 관망 설계 프로그램인 GANET를 제안하였고, Maier et al. (1996)은 개미군집알고리즘 (Ant Colony Optimization Algorithm, Dorigo et al. 1996)을 상수도 관망 최적설계에 적용한 후 그 결과가 유전 알고리즘에 비해 우수함을 증명하는 등 상수도 관망 최적설계에 관한 연구가 활발히 진행되어 오고 있다. 유전알고리즘은 선택, 교차, 돌연변이의 반복계산 과정을 통하여 최적해를 찾는 최적화 기법이다. 이 과정에서 결정변수는 유전자 (Gene)의 집합으로 표현되며, 염색체 (Chromosome) 내에서 근접한 유전 인자들은 일종의 Building Block을 형성하게 된다. Building Block은 좋은 해를 갖는 유전 인자를 높은 확률로 보관하여 지역해에 빠질 가능성을 줄이는 반면, 유전형 (Genotype)이 표현형 (Phenotype)을 충분히 모방하여 표현하지 못한 경우 오히려 최적해의 탐색을 방해할 수 있다는 한계점을 갖는다. 유전 알고리즘을 상수도 관망 최적설계에 적용하였을 때에도 이 한계점은 여실히 드러난다. 관로의 관경을 결정변수로 설정한 후 유전형으로 표현하였을 때, 관망도 상에서 근접하지 않은 두 관로가 염색체 내에서 연속으로 나열된다면 두 관로 간의 연관성이 실제보다 크게 고려되기 때문이다. 한편, 하모니써치 (Harmony Search, Geem et al. 2001) 알고리즘은 즉흥 연주 (Improvisation)를 통해 최상의 화음을 만들어내는 현상으로부터 착안하여 만들어진 최적화기법으로 연산 기법은 무작위선택, 기억회상, 피치조정 등으로 구성되어 있으며, 결정변수에 해당하는 연주자가 독립적으로 행동하며 해를 탐색한다는 점에서 유전알고리즘과 큰 차이를 갖는다. 본 연구에서는 유전알고리즘의 Building Block에 의해 발생하는 오류를 개선하고자, 상수도 관망 최적설계 연구에 많이 사용되는 Hanoi 관망 (Fujiwara and Khang 1990) 관로의 정렬 순서를 여러 가지 기준으로 설정하여 관망데이터를 구축한 후 하모니써치와 유전 알고리즘을 적용하여 최적화를 수행하였고 그 결과를 비교하였다. 그 결과 유전 알고리즘과 달리 하모니써치 알고리즘의 경우, 관로의 나열 순서와 상관없이 우수한 최적해 탐색 결과를 보이는 것을 확인할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.187-190
• /
• 2002

주어진 시스템의 정확한 제어를 위해 뉴로-퍼지 제어시스템의 성공적인 제어는 그 네트웍의 구성에 크게 의존한다. 현재 유전알고리즘을 사용한 제어기 구조의 최적화 방법에 대한 많은 연구가 이루어지고 있으나, 기존의 유전 알고리즘은 고정된 길이의 스트링 구조로 인하여 적합한 연계(linkage)를 얻기 어렵다는 단점이 있다 본 논문에서는 뉴로-퍼지 제어기의 구조적 최적화 설계의 새로운 방법을 제안한다. 여기서, 우리는 구조적으로 최적화 된 뉴로-퍼지 제어기를 설계하기 위해 가변길이 스트링을 사용하는 메시 유전 알고리즘(messy Genetic Algorithm mGA)을 사용한다. 그리고 제안된 방법의 우수성을 증명하기 위해 대표적인 비선형 시스템인 cart-pole 시스템에 제안된 방법을 적용한다.