• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.401-404
• /
• 2004

진화 알고리즘은 여러 개의 상충하는 목적을 갖는 다목적 최적화 문제를 해결하기에 적합한 방법이다. 특히, 파레토 지배관계에 기초하여 개체의 적합도를 평가하는 파레토 기반 진화알고리즘들은 그 성능에 있어서 우수한 평가를 받고 있다. 최근의 파레토 기반 진화알고리즘들은 전체 파레토 프론트에 균일하게 분포하는 해집합의 생성을 위해 개체들의 밀도를 개체의 적합도를 평가하기 위한 하나의 요소로 사용하고 있다. 그러나 밀도의 역할은 전체 진화과정에서 중요한 요소가 되기보다는 파레토 프론트에 어느 정도 수렴된 후, 개체의 균일 분포를 만들기 위해 사용된다. 본 논문에서 우리는 파레토 지배 순위와 밀도에 대한 적응적가중치를 이용한 다목적 최적화 진화알고리즘을 제안한다. 제안한 알고리즘은 진화 개체의 적합도를 평가하기위해 파레토 순위와 밀도에 대한 적응적 가중치를 적용하여 전체 진화과정에서 파레토 순위와 밀도가 전체 진화 개체집합의 상태를 고려하여 영향을 미치도록 하였다. 제안한 방법을 많은 지역해들을 포함하는 ZDT4문제에 적용한 결과 비교적 우수한 수렴 결과를 보였다.

• The KIPS Transactions:PartB
• /
• v.11B no.2
• /
• pp.213-220
• /
• 2004

Evolutionary algorithms are well-suited for multi-objective optimization problems involving several. often conflicting objective. Pareto-based evolutionary algorithms, in particular, have shown better performance than other multi-objective evolutionary algorithms in comparison. Recently, pareto-based evolutionary algorithms uses a density information in fitness assignment scheme for generating uniform distributed global pareto optimal front. However, the usage of density information is not Important elements in a whole evolution path but plays an auxiliary role in order to make uniform distribution. In this paper, we propose an evolutionary algorithms for multi-objective optimization which assigns the fitness using pareto dominance rank and density weighting, and thus pareto dominance rank and density have similar influence on the whole evolution path. Furthermore, the experimental results, which applied our method to the six multi-objective optimization problems, show that the proposed algorithms show more promising results.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.6
• /
• pp.650-656
• /
• 1999

In this paper, we study on the convergence of the evolution strategies by introducing the Lamarckian evolution and the Baldwin effect, and propose a random local searching and a reinforcement local searching methods. In the random local searching method some neighbors generated randomly from each individual are med without any other information, but in the reinforcement local searching method the previous results of the local search are reflected on the current local search. From the viewpoint of the purpose of the local search it is suitable that we try all the neighbors of the best individual and then search the neighbors of the best one of them repeatedly. Since the reinforcement local searching method based on the Lamarckian evolution and Baldwin effect does not search neighbors randomly, but searches the neighbors in the direction of the better fitness, it has advantages of fast convergence and an improvement on the global searching capability. In other words the performance of the evolution strategies is improved by introducing the learning, reinforcement local search, into the evolution. We study on the learning effect on evolution strategies by applying the proposed method to various function optimization problems.

• Proceedings of the KIEE Conference
• /
• 2005.07a
• /
• pp.158-161
• /
• 2005

본 논문에서는 해집단을 다음세대로 진화시킬 때, 유전알고리즘과 진화전략을 동시에 사용하고, 적합도에 따라 복제하는 과정에서 유전알고리즘과 진화전략이 적용될 해집단의 비율이 적응적으로 변경되는 적응진화 알고리즘을 제안하였다. 또한 제안한 알고리즘을 실시간 적용하기 위해 PC 클러스터 시스템으로 병렬처리하여 최적해 탐색 성능 및 탐색속도를 개선하였다. 제안한 알고리즘을 실 배전계통 고장복구 문제에 적용해 본 결과, 유전 알고리즘 또는 진화전략을 단독으로 사용한 경우보다 제안한 방법이 더 빠른 시간내에 우수한 최적해를 탐색하였고, 병렬 연산의 수행 노드수 증가에 따라 최적해 탐색성능은 유지하면서 최적해 탐색시간을 상당히 단축시킴을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2005.07a
• /
• pp.162-165
• /
• 2005

본 논문에서는 해집단을 다음세대로 진화시킬 때, 유전알고리즘과 진화전략을 동시에 사용하고, 적합도에 따라 복제하는 과정에서 유전알고리즘과 진화전략이 적용될 해집단의 비율이 적응적으로 변경되는 적응진화 알고리즘을 제안하였다. 또한 제안한 알고리즘을 실시간 적용하기 위해 PC 클러스터 시스템으로 병렬처리하여 최적해 탐색 성능 및 탐색속도를 개선하였다. 제안한 알고리즘을 참고문헌의 배전계통 재구성 문제에 적용해본 결과, 유전 알고리즘 또는 진화전략을 단독으로 사용한 경우보다 제안한 방법이 더 빠른 시간내에 우수한 최적해를 탐색하였고, 병렬 연산의 수행 노드수 증가에 따라 최적해 탐색성능은 유지하면서 최적해 탐색 시간을 상당히 단축시킴을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.29 no.1_2
• /
• pp.1-9
• /
• 2002

Evolutionary artificial neural networks (EANNs) are towards the near optimal ANN using the global search of evolutionary instead of trial-and-error process. However, many real-world problems are too hard to be solved by only one ANN. Recently there has been plenty of interest on combining ANNs in the last generation to improve the performance and reliability. This paper proposes a new approach of constructing multiple ANNs which complement each other by speciation. Also, we develop a multiple ANN to combine the results in abstract, rank, and measurement levels. The experimental results on Australian credit approval data from UCI benchmark data set have shown that combining of the speciated EANNs have better recognition ability than EANNs which are not speciated, and the average error rate of 0.105 proves the superiority of the proposed EANNs.

• Journal of Korea Multimedia Society
• /
• v.12 no.2
• /
• pp.290-299
• /
• 2009

Evolutionary Artificial Neural Networks (EANNs) has been highly effective in Artificial Intelligence (AI) and in training NPCs in video games. When EANNs is applied to design game NPCs' smart AI which can make the game more interesting, there always comes two important problems: the more complex situation NPCs are in, the more complex structure of neural networks needed which leads to large operation cost. In this paper, the Dynamic State Evolutionary Neural Networks (DSENNs) is proposed based on EANNs which deletes or fixes the connection of the neurons to reduce the operation cost in evolution and evaluation process. Darwin Platform is chosen as our test bed to show its efficiency: Darwin offers the competitive team game playing behaviors by teams of virtual football game players.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• v.2
• /
• pp.121-124
• /
• 2006

본 논문에서는 고정비용수송문제와 같은 다양한 네트워크 최적화 문제들에 적용될 수 있는 새로운 진화 알고리즘을 소개한다. 제안하는 알고리즘은 기존의 진화 알고리즘과 비교에서 두가지 다른 특징을 지닌다. 첫째, 해 표현법이 다르다. 초기에, 모든 유전인자 값이 '0'으로 설정된다. 둘째, 각 해들은 일치하는 적합도 값에 따라 일종의 라마크식(Lamarckian) 적응 과정을 수행한다. 제안하는 적응적 진화 알고리즘의 성능을 측정하기 위해 고정비용수송문제에 적용하였으며 또한 동시에 제안하는 알고리즘을 최적화하기 위해 다양한 실험을 수행하였다. 결론적으로, 제안하는 알고리즘은 기존에 고정비용수송문제를 위해 제안된 가장 우수한 알고리즘보다 더 우수한 성능을 보여주었다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.4
• /
• pp.453-461
• /
• 1999

최근 들어 생물학적 두뇌에 대한 관심이 높아지고 있으며, 그에 따라 인공두뇌의 개발이나 두뇌의 기능을 밝히고자 하는 시도가 활발히 이루어지고 있다. 특히 셀룰라 오토마타는 간단한 규칙들의 조합으로 복잡한 현상을 표현하는 모델로 복잡한 두뇌를 표현하기에 적합한 모델로 복잡한 두뇌를 표현하기에 적합한 모델일 기대된다. 셀룰라 오토마타 상에서 특정한 기능을 갖도록 신경망 모듈들을 진화시킨 후, 이들을 결합하여 인공두뇌를 개발하고자 하는 시도가 있다. 본 논문에서는 이러한 접근방식의 유용성을 보여주기 위하여 적당한 크기의 셀룰라 오토마타 공간에서 신경망을 만들어내어 이동 로봇의 제어기를 진화방법으로 구성하고자한다. 실험결과 로봇이 벽과 충돌하지 않고 잘 움직일 수 있도록 진화된 제어기를 얻을 수 있었다. 또한 다각적인 분석과정을 통해 진화된 제어기의 구조와 그 작동과정으 밝혀내고자 하였다.

• Proceedings of the IEEK Conference
• /
• 2003.07d
• /
• pp.1307-1310
• /
• 2003

본 논문에서는 사용자 개개인에 최적화된 아바타를 생성하기 위해 대화형 진화연산(Interactive Genetic Algorithm, IGA)을 적용하는 방법을 제안하고 있다. 대화형 진화연산은 사용자의 선택을 적합도 평가에 사용하는 방법이기 때문에, 사용자의 개인적인 취향을 아바타 생성 과정에 반영할 수 있다. 본 연구에서는 기존의 대화형 진화연산이 가지고 있는 단점을 극복하기 위해 hidden population 기법과, simplified genotype 기법을 제안한다. 이러한 방법들은 단시간 내에 최적화된 결과물을 생성하도록 유도함으로써 IGA 시스템의 최대 문제점인 사용자의 피로도를 최소화한다 마지막으로, 제안하고 있는 알고리즘의 우수성을 증명하기 위해 사용자의 만족도나 신뢰도를 측정할 수 있는 독자적인 평가 방법을 소개하고 있다