• 한국지능시스템학회논문지
• /
• 제11권2호
• /
• pp.95-100
• /
• 2001

비선형 시스템의 성공적인 퍼지 모델을 구성하기 위한 최적의 퍼지 추론 시스템의 동정은 중요하고도 어려운 문제이다. 전통적으로 유전 알고리즘은 어느 정도의 전역 최적해를 찾을 수 있기 때문에 퍼지 모델의 구조와 파라미터를 동정하는데 사용되어 왔다. 그러나, 유전 알고리즘은 개체군 진화 시 우수한 개체의 출현은 지역수렴의 원인이 된다. 따라서, 본 논문에서는 바이러스 메시 유전알고리즘을 이용한 효과적인 퍼지 모델링 방법을 제안한다. 제안된 방법은 지역 정보가 개체군 내에서 교환됨으로써 지역 수렴의 대인아 될 수 있을 뿐 아니라, 가변길이 스트링을 사용함으로써 좀더 효과적이고 적응적인 구조를 가질 수 있다. 또한 본 논문에서 제안한 방법의 우수성과 일반성을 증명하기 위해 복잡한 비선형 시스템과 가스로의 퍼지모델링에 적용하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.35-38
• /
• 2000

본 논문에서는 퍼지 제어기의 설계를 위한 다중 돌연변이 연산자를 갖는 Niche Meta 유전 알고리즘을 제안한다. 제안된 알고리즘에서 유전자는 유전 알고리즘에 사용되는 교배율이나 돌연변이율과 같은 구조 매개변수와 퍼지 제어기의 입, 출력 소속함수를 나타내는 매개변수로 구성된다. 제안된 알고리즘은 부개체군들에 대해 퍼지 제어기의 소속함수의 매개변수를 최적화시키는 지역적 탐색을 수행하면서 전체 개체군에 대해서 최적의 구조 매개변수에 대한 전역적인 탐색을 수행한다. 다중 돌연변이 연산자는 지역적 진화의 결과에 따라 진화에 가장 적합한 돌연변이 방법으로 선택된다. 제안된 알고리즘의 효율성을 입증하기 위해 2 자유도를 구륜이동 로봇에 대한 모의 실험을 수행한다.

• 대한조선학회논문집
• /
• 제31권3호
• /
• pp.12-18
• /
• 1994

공학설계에 있어서 최적해를 얻기 위한 방법중의 하나로 최적화방법이 많이 사용되어 왔으나, 기존의 최적화방법에서는 설계점이 국부 최적점으로 빠져 들어갈 경우 그 영역을 벗어날 수 있는 방법이 없기 때문에, 최적화의 초기점을 달리하여 반복계산을 수행하여야 하는 불편한 점이 있었다. 유전적 알고리즘은 기존의 최적화방법에 비하여 다수의 설계점을 동시에 탐색하는 특성이 있어 국부 최적점에 빠질 가능성이 적은 반면, 계산시간이 많이 소요되고 전체 최적점 근처까지는 잘 수렴하나 정확한 최적점을 잘 찾지 못하는 한계가 있다. 본 연구에서는 유전적 알고리즘과 직접탐색법을 결합하여 이들의 단점을 보완한 즉, 전체 최적점을 보다 효율적으로 찾고 계산시간을 줄일 수 있는 방법을 제시하였다. 이 방법은 유전적 알고리즘을 이용하여 최적점이 존재하는 영역을 찾은 후에, 그 영역에서 직접탐색법을 이용하여 보다 정확한 최적점을 찾는 것으로, 예제를 통하여 제안된 방법의 유용성을 보였다.

• 한국전자통신학회논문지
• /
• 제19권2호
• /
• pp.417-426
• /
• 2024

일반적으로 머신러닝을 수행하기 위해서는 딥러닝 모델에 대한 사전 지식과 경험이 필요하고, 데이터를 연산하기 위해 고성능 하드웨어와 많은 시간이 필요하게 된다. 이러한 이유로 머신러닝은 임베디드 프로세서에서 실행하기에는 많은 제약이 있다.본 논문에서는 이러한 문제를 해결하기 위해 머신러닝의 과정 중 콘볼루션 연산(Convolution operation)에 유전 알고리즘을 적용하여 선택적 콘볼루션 연산(Selective convolution operation)과 학습 방법을 제안한다. 선택적 콘볼루션 연산에서는 유전 알고리즘에 의해 추출된 픽셀에 대해서만 콘볼루션을 수행하는 방식이다. 이 방식은 유전 알고리즘에서 지정한 비율만큼 픽셀을 선택하여 연산하는 방식으로 연산량을 지정된 비율만큼 줄일 수 있다. 본 논문에서는 유전 알고리즘을 적용한 머신러닝 연산의 심화학습을 진행하여 해당 세대의 적합도가 목표치에 도달하는지 확인하고 기존 방식의 연산량과 비교한다. 적합도가 충분히 수렴할 수 있도록 세대를 반복하여 학습하고, 적합도가 높은 모델을 유전 알고리즘의 교배와 돌연변이를 통해 다음 세대의 연산에 활용한다.

• 한국융합학회논문지
• /
• 제10권12호
• /
• pp.29-34
• /
• 2019

유전 알고리즘에서 해의 적합도를 계산하는 시간이 오래 걸린다면 메타모델을 만드는 것은 필수적이다. 이에 메타모델의 성능을 높여 유전 알고리즘이 더 좋을 해를 찾게 하기 위한 연구가 진행되어 왔다. 본 연구에서 우리는 이산적인 도메인에서 이산 월시 변환을 사용해 메타모텔의 성능을 높이고자 하였다. 이산 월시 변환을 통해 해의 기저를 변환했고 변환된 해를 사용해 메타모델을 만들었다. 의사-불리언 함수의 대표적인 함수인 NK 모형을 대상으로 실험했고 제안된 모델의 성능에 대한 실증적인 증거를 제공했다. 제안된 모델을 사용해 유전 알고리즘을 수행했을 때, 유전알고리즘이 더 좋은 해를 찾음을 확인했다. 특히, 선행 연구인 유사도 함수를 이산적인 도메인에 적합하게 수정한 방사기저 함수 네트워크보다 좋은 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1728-1731
• /
• 2012

본 논문에서는 부모 개체의 해밍 거리에 기반하여 선택적 변이연산을 적용한 유전알고리즘을 제안한다. 유전자 형이 매우 유사한 개체들 간의 유전연산은 알고리즘의 탐색성능을 저하시키고 조기 수렴의 가능성을 증가시킨다. 본 논문에서는 이러한 현상을 극복하기 위하여, 교차연산 시 선택된 두 부모 개체간의 해밍 거리에 따라 그 값이 낮으면 교차연산 후 생성된 두 자식 개체 중 한쪽에게 높은 변이확률을 적용하고 다른 한쪽 자식은 부모와 비슷한 유전자 형으로 탐색을 계속하게 하여 조기 수렴을 방지하면서 해집단의 다양성 유지 기능을 향상 시켰다. 제안한 유전 알고리즘을 다차원 배낭 문제에 적용한 결과, 같은 조건에서 단순 유전 알고리즘(SGA) 보다 향상된 탐색 성능을 보여주었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.851-854
• /
• 2004

분산 유전 알고리즘은 외판원 문제를 해결하는데 효율적이고 적용하기 쉬운 알고리즘이다. 그러나 다중 후보해를 가진 분산 유전 알고리즘을 수행할 때, 효율성과 정확성에 영향을 주는 많은 요소들이 고려되어야 한다. 후보해의 크기를 얼마로 할 것인지, 이주의 비율 및 횟수는 어떻게 할 것인지와 그리고 어떤 개체들을 선택해서, 어떤 후보해 개체와 교환할 것인가가 중요하게 고려되어야 한다. 따라서 본 논문에서는 이주해야 할 개체의 크기를 동적으로 변경하면서 교환하는 방법과 또한 개체들이 이주되어야 할 위치를 결정하는 이주 정책을 개발하고 실험하였다.

• 한국전산구조공학회논문집
• /
• 제16권4호
• /
• pp.407-417
• /
• 2003

최근 구조최적화분야에서 활발하게 사용되고 있는 유전알고리즘은 해집단을 운용하기 때문에, 많은 반복수와 적응도 평가를 위하여 해집단의 수에 해당하는 구조해석을 필요로 하며, 또한 교배율과 돌연변이율 등의 파라미터에 따라 알고리즘의 성능이 변화하므로 문제에, 따라 적합한 파라미터 설정이 필요한 근본적인 단점을 지니고 있다. 본 연구에서는 기존 유전알고리즘의 단점을 극복할 수 있는 복합유전알고리즘을 마이크로유전알고리즘과 단순유전알고리즘을 결합한 형식으로 그리고, 최적화에 요구되는 연산을 다수의 개인용 컴퓨터에서 동시에 분산하여 수행할 수 있는 고성능 분산 복합유전알고리즘으로 개발하였다. 개발된 알고리즘은 철골 가새골조 구조물의 최소중량설계에 적용하여 그 성능을 평가하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.783-786
• /
• 2008

외판원문제(Traveling Salesman problem: TSP)는 전형적인 조합최적화 문제로 위치하는 n개의 모든 지점을 오직 한번씩만 방문하는 순회경로를 결정하는 과정에서 순회비용 또는 순회거리를 최소화한다. 따라서 본 논문에서는 종래의 NP-hard문제로 널리 알려진 TSP를 해결하기 위해서 메타 휴리스틱기법 중에서 가장 널리 이용되고 있는 유전 알고리즘(Genetic Algorithm: GA)을 이용한다. 마지막으로, 유전 알고리즘을 이용해 외판원문제에 적합한 성능을 보이는 유전 연산자를 찾아내기 위해 수치 실험을 통해 그 성능에 대한 평가를 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.494-496
• /
• 2020

기계학습 모델을 이용한 분류 및 회귀 문제해결에는 다양한 전처리 알고리즘 및 기계학습 모델이 활용된다. 하지만 합리적인 성능을 위해서는 주어진 데이터에 따라 적절한 알고리즘 조합에 대한 탐색 및 최적화 과정이 펄수적이다. 본 논문에서는 최적의 알고리즘 조합을 탐색하는 방법 중 랜덤 탐색과 유전 알고리즘 탐색 방법을 구현하고 8가지 데이터에 대한 성능 비교를 통해 여러 기계학습 모델을 고려하는 탐색 방법의 필요성을 보인다.