• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.111-114
• /
• 2004

기존의 도함수에 기초한 수치적 최적화 기법들(derivative-based optimization)은 비선형 최적화 문제를 풀기 위해 목적식의 1차 도함수의 정보를 이용하여 정류점(stable point)인 최적해를 찾아 나가는 방식을 취하고 있다. 그러나 이런 방법들은 목적식의 국부 최적해(local minimum)을 찾는 것은 보장하나, 전역 최적해(global minimum)를 찾는 데에는 실패할 경우가 많다. 국부 최적해와 전역 최적해는 모두 목적식의 1차 도함수가 '0'인 값을 가지는 특징이 있으므로, 국부 또는 전역 최적해를 구하는 구하는 과정은 목적식의 1차 도함수가 '0'인 해를 찾는 방정식 문제로 변환될 수 있다. 따라서 본 논문에서는 비선형 방정식의 해를 찾는데 좋은 성능을 보이는 Homotopy 방법을 이용하여 목적식의 1차 도함수에 관한 비선형 방정식을 풀고, 이를 통해 비선형 최적화 문제의 모든 국부 최적해를 찾아냄으로써 전역 최적화 문제를 해결하는 방법을 제안하고자 한다. 제안된 방법론을 다양한 전역 최적화 문제에 적용한 결과, 기존의 방법들에 비해 더 좋은 성능을 보임을 알 수 있었다.

• Journal of the Korea Society for Simulation
• /
• v.32 no.1
• /
• pp.23-34
• /
• 2023

The purpose of this paper is to review global stochastic optimization algorithms(GSOA) in case binary response experimentation is used and to compare the performances of them. GSOAs utilise estimator of probability of success $\^p$ instead of population probability of success p, since p is unknown and only known by its estimator which has stochastic characteristics. Hill climbing algorithm algorithm, simple random search, random search with random restart, random optimization, simulated annealing and particle swarm algorithm as a population based algorithm are considered as global stochastic optimization algorithms. For the purpose of comparing the algorithms, two types of test functions(one is simple uni-modal the other is complex multi-modal) are proposed and Monte Carlo simulation study is done to measure the performances of the algorithms. All algorithms show similar performances for simple test function. Less greedy algorithms such as Random optimization with Random Restart and Simulated Annealing, Particle Swarm Optimization(PSO) based on population show much better performances for complex multi-modal function.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.523-530
• /
• 2007

This paper proposes a new stochastic optimization algorithm for hidden Markov models (HMMs) used as a recognizer of automatic lipreading. The proposed method combines a global stochastic optimization method, the simulated annealing technique, and the local optimization method, which produces fast convergence and good solution quality. We mathematically show that the proposed algorithm converges to the global optimum. Experimental results show that training HMMs by the method yields better lipreading performance compared to the conventional training methods based on local optimization.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.35 no.3
• /
• pp.212-217
• /
• 2007

The Alienor method is a powerful tool for solving global optimization problems. It allows the transformation of a multi-variable problem into a new one that depends on a single variable. Any one-dimensional global optimization method can then be used to solve the transformed problem. Several one-dimensional global optimization methods coupled with the Alienor method have been suggested by mathematicians and it is shown that the suggested methods are successful for test functions. However, there are problems with these methods in engineering practice. In this paper, Lipschitzian optimization without using the Lipschitz constant is coupled with the Alienor method and applied to the test functions. Using test functions, it is shown that the suggested method can be successfully applied to global optimization problems.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.226-226
• /
• 2011

최적 저수지운영을 위한 운영률 도출이나 강우-유출 및 수질 모형의 매개변수 추정 문제처럼 비선형적이고 추정해야할 변수의 수가 많은 경우, 수학적으로 모형화하기에 너무 복잡해서 선형계획법, 비선형계획법, 동적계획법 등을 사용하여 최적해를 구할 수 없는 경우도 있다. 이러한 문제에 대해서는 구조적 진화를 통해 최적해를 구하는 방법들이 사용된다. 일반적으로 미지수의 개수가 많아지면 전역최적해를 찾기가 어려워진다. 전역최적해를 찾는 여러 가지 방법들이 수자원 분야에서는 강우-유출모형의 매개변수를 추정하는데 많이 사용되고 있으며, 특히 유전자 알고리즘, SCE-UA 알고리즘 등 전역최적해를 찾는 메타휴리스틱 방법이 많이 사용되고 있다. 전역최적화 방법을 개발하는 연구자들은 최적화방법의 성능을 평가하기 위해 다양한 검사함수(test function)를 만들어 성능을 평가하고 있다. 본 연구에 사용한 검사함수는 Mishra의 연구(2006a, 2006b)에서 사용한 중요하고 복잡한 검사함수이다. 유전자 알고리즘, SCE-UA 알고리즘, DDS 알고리즘을 검사함수 중 전역해를 찾기 어려운 2 차원 함수 2 가지, 다차원 함수 4 가지 함수에 적용하여 각각의 탐색 성능을 평가하였다. 2차원 함수인 Bukin 함수에 대해서는 모든 최적화 방법이 전역최적해를 찾을 수 없었지만, 유전자 알고리즘이 가장 전역최적해에 가까웠고 다음으로 DDS 알고리즘 순서였다. 지역수렴 영역이 많을 것으로 판단되는 10, 30, 50 차원 Michalewicz 함수에 대해서는 DDS 알고리즘으로 구한 최적해가 전역최적해와 매우 근접하였고 다음으로 SCE-UA 알고리즘, 유전자 알고리즘 순이었다. 지역수렴 영역이 상대적으로 다른 함수보다 넓은 10 차원 Schwefel 함수에 대해서는 DDS 알고리즘으로 구한 최적해가 전역최적해와 거의 근접하였고 유전자 알고리즘과 SCE-UA 알고리즘은 매우 큰 편차를 보였다. 40, 80 차원 Schwefel 함수에 대해서는 3 가지 알고리즘 모두 전역최적해와 편차를 보였지만 DDS 알고리즘에 의한 최적해와 다른 두 알고리즘에 의한 최적해는 1 오더(order) 정도의 차이가 났다. 지역수렴 영역이 큰 Michalewicz 함수와 Schwefel 함수에 대한 결과는 매우 흡사한 결과이다. 이상과 같은 결과로, 유전자 알고리즘은 매개변수의 수가 적을 경우 우수한 탐색성능을 가졌으며, SCE-UA 알고리즘은 Griewank, Rastrigin 함수와 같은 형태인 경우 우수한 성능을 보였다. DDS 알고리즘은 전체적으로 우수한 탐색 능력을 가진 것으로 판단된다. 그러므로 수위구간 영역별 저수지운영률 도출을 위한 적절한 최적화방법으로 DDS 알고리즘을 선정하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.282-284
• /
• 2012

임베디드 분야에서 전력 에너지 소비 문제는 시스템을 설계하는데 있어서 매우 중요한 이슈가 되고 있다. 특히 휴대성이 강조되는 모바일 장치의 제한된 전력을 효율적으로 이용하기 위해서 하드웨어적인 관리 못지않게 소프트웨어적인 관리 기술의 필요성이 강조되고 있으며 전력 소비 관리를 위한 최적화된 컴파일러 기법이 연구되고 있다. 이 논문에서는 모바일 장치에서 구동되는 어플리케이션의 전력 에너지 소비를 줄이기 위한 전역 코드 스케줄링 기법을 제시한다. 이를 위해, 재목적 소프트웨어 개발 도구인 EXPRESSION의 컴파일러인 EXPRESS의 코드 최적화 기법을 이용하여 전력 에너지 효율적인 전역 코드 스케줄링 모델을 설계하고 성능평가 방법을 제시한다.

• Journal of KIISE
• /
• v.41 no.12
• /
• pp.1090-1098
• /
• 2014

In this paper, an improved ACDE (Adaptive Cauchy Differential Evolution) algorithm with faster convergence speed, called ACDE2, is suggested. The baseline ACDE algorithm uses a "DE/rand/1" mutation strategy to provide good population diversity, and it is appropriate for solving multimodal optimization problems. However, the convergence speed of the mutation strategy is slow, and it is therefore not suitable for solving unimodal optimization problems. The ACDE2 algorithm uses a "DE/current-to-best/1" mutation strategy in order to provide a fast convergence speed, where a control parameter initialization operator is used to avoid converging to local optimization. The operator is executed after every predefined number of generations or when every individual fails to evolve, which assigns a value with a high level of exploration property to the control parameter of each individual, providing additional population diversity. Our experimental results show that the ACDE2 algorithm performs better than some state-of-the-art DE algorithms, particularly in unimodal optimization problems.

• Korean Journal of Optics and Photonics
• /
• v.20 no.6
• /
• pp.319-327
• /
• 2009

We introduce a new design technique by treating a two-group zoom lens system with a wide angle of view. First, the concept of the global optimization is introduced in the initial design stage, and from this, the global design technique is completed by analyzing and summarizing large quantities of modern design data. That is, we define the global structure function to achieve a new conceptual design technique for global optimization. And the function is put in a simple form by referring lots of patent data, manipulated with other algebraic equations, and solved finally such that we obtain the global solution region. The global solution region corresponds to the global optimization and suggests insightful systematized directions for the design of two-group zoom lens systems. These directions are attractive compared to global optimization.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.644-646
• /
• 2003

물류 공급 관리 시스템과 같은 정보 통합 시스템은 분산되어 있는 데이터베이스들에 대해서 정보를 통합하여 사용자에게 보여준다. 이러한 정보 통합 시스템은 전역 질의를 생성하고 지역 질의로 변환하여 실행하기 전에 질의를 최적화할 필요성이 있다. 그런데, 단일데이터 베이스 시스템에서의 질의 최적화 기법은 멀티데이터베이스 시스템에서 사용하기에는 부적절하다. 이는 분산된 데이터베이스 환경에서 오는 높은 연결 오버헤드, 높은 계산 시간, 데이터의 중복성 뿐만 아니라 의미 이질성 문제 때문에 기존의 최적화 방법은 사용하기가 어렵다. 이를 해결하기 위해서 의미상 질의 최적화 방법이 연구되어 왔다. 의미상 질의 최적화는 전역 질의보다 더 효과적으로 응답하고 의미상으로 동등한 질의로 변환하기 위해서 의미상 지식을 사용한다. 본 논문에서는 정보 통합 시스템에서 Description Logic(DL)을 이용하여 의미상 지식으로 사용할 지식 기반을 표현하고 이를 바탕으로 추론화된 지식을 이용하는 의미상 질의 최적화 방식을 제시한다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.305-312
• /
• 2006

K-means clustering algorithm 에서 주로 이루어지는 랜덤 초기화 (random initialization) 방법은 전역 최적화된 해(global minimum)를 찾아내기에 문제점을 지니고 있다. 즉, 여러 횟수의 알고리듬 반복(iteration)을 실행하더라도 전역 최적화된 해를 찾아내기가 매우 힘들며 주어진 자료의 크기(data size)가 큰 경우에 있어서 이는 거의 불가능하다. 본 논문은 이러한 문제점들을 극복하기 위한 방안으로, wavelet을 이용하여 최적의 초기 군집 중심점(initial clustering center)들을 선택하는 방법을 제시한다. 즉, 웨이블릿을 이용한 효과적인 초기화 (initialization)를 통해서 작은 알고리듬 반복 횟수만으로도 전역 최적화에 도달하는 초기화 방법을 기술한다. 이런 초기화 방법이 군집 알고리즘에 사용될 경우, 온라인상에서 실시간 이루어지는 군집 분석에 큰 도움이 된 수 있다.