• 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 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.

• 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.

• 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.

• 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.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.6
• /
• pp.557-563
• /
• 2010

This paper addresses the issue of adaptive global optimization using Kriging metamodel known as EGO(Efficient Global Optimization). The algorithm adaptively chooses where to generate subsequent samples based on an explicit trade-off between reduction of global uncertainty and exploration of the region of the interest. A strategy that saves the computational cost by using expectations derived from probabilistic nature of approximate model is proposed. At every iteration, a candidate test point that seems to be feasible/inactive or has little possibility to improve for minimum is identified and excluded from updating approximate models. By doing that the computational cost is saved without loss of accuracy.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2005.05a
• /
• pp.137-142
• /
• 2005

유전자 알고리즘은 전체 탐색 공간을 통해 전역 해를 찾는 최적화 알고리즘으로서 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향성 임의 탐색을 행한다. 또한, 유전적 탐색과 국부 탐색을 결합시킨 복합 유전자 알고리즘은 최적해로의 수렵 속도를 향상시킬 수 있다. 이 논문에서는 함수 최적화를 위해 학습 속도를 개선한 복합 유전자 알고리즘(C-AGA)을 제안한다. 제안한 최적화 알고리즘의 효율을 기존의 복합 유전자 알고리즘 기법(라마키안 진화 및 볼드윈 효과)과 비교 평가하였다. 다양한 함수 최적화 문제에 대하여 제안한 알고리즘이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2002.11a
• /
• pp.3-7
• /
• 2002

컴퓨터 네트워킹 기술의 발달에 힘입어 분산처리를 이용한 기법이 복잡한 구조물의 최적설계에 널리 사용되고 있다. 최적설계시 구조물이 복잡하고 설계 변수가 많아질수록 설계 변수간의 교호작용이 복잡해지고 국부최적해가 많아지는 특성이 있다. 최근의 최적 설계는 이러한 문제점을 해결하고자 다양한 전역 최적화 기법을 도입하여 적용하고 있다. 본 연구에서는 진화이론을 바탕으로 한 유전자 알고리즘과 실험계획법을 바탕으로 한 반응표면법에 분산처리 기법을 도입하여 인공위성 추진 모듈의 최적화에 적용시켰다. 그 결과 유전자 알고리즘이 조금 더 좋은 최적값을 보였으며 해석시간은 반응표면법을 적용 시켰을 경우가 훨씬 짧았다. 병렬처리 기법을 이용한 위성구조체의 최적설계에 있어 유전자 알고리즘은 해의 전역성에서 반응표면법은 시간의 효율성에서 각각 장점을 보였다.

• Bulletin of the Society of Naval Architects of Korea
• /
• v.31 no.1
• /
• pp.39-42
• /
• 1994

인공 신경망은 빠른 속도와 안정성 등의 많은 장점을 갖고 있기 때문에 최근 들어서 여러 분야 에서 그 응용이 활발히 연구되고 있다. 인공 신경망의 한 모델인 홉필드 네트워크는 네트워크의 에너지를 최소화시키는 방향으로 네트워크의 상태를 바꾸며, 최소 에너지 상태에서 안정 상태를 유지하는 특징을 갖고 있다. 이러한 흡필드 네트워크의 특징은 흡필드 네트워크를 최적화 문 제에 적용시킬 수 있는 가능성을 제시하고 있다. 기존의 최적화 기법은 기본적으로 국부적인 탐색 기법을 사용하기 때문에, 전역적 최적해를 구하기 위해 초기점을 달리하여 여러번 계산을 수행하여 그 중 가장 좋은 결과를 취하는 방법을 사용하여야 한다. 따라서 이러한 방법은 초 기점의 선택이 결과에 큰 영향을 미치게 되는데, 설계 변수가 많고 제한 조건이 복잡할 경우 초기점 선택에 어려움이 따른다. 본 연구에서는 흡필드 네트워크와 시뮬레이티드 어닐링을 결 합하여 전역적 최적해를 찾는 기법으로서 뉴드-옵티마이저 모델을 제시하고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.292-297
• /
• 2004

본 연구에서는 단일목적 저수지와 다목적 댐의 최적운영을 위하여 전역최적해를 탐색하는 SCE-UA법을 사용하는 비선형계획법을 적용한 최적화 모형을 구성하고 과거 운영자료를 사용하여 모형의 적용성을 검토하고 분석하였다. 또한, 다목적댐의 운영수위 상승으로 인하여 발생하는 추가용수를 댐하류로 추가적으로 공급함에 따른 댐운영상의 문제점과 해결책을 제시했다. 관개용 단일 목적 저수지의 유입량은 하천망 모형인 SSARR 모형을 이용하여 추정하였다. 관개용 단일 목적저수지의 용수배분을 최적화한 결과, 실측치와 최적방류량간의 상대오차가 $-2.6\~10.5\%$ 범위를 나타냈으며, 비교적 실측방류량과 유사한 형태로 용수를 공급하는 길과를 나타냈다. 다목적 저수지의 최적운영을 위해 발전량, 저수량 및 필요수량의 관계를 목적함수로하는 최적화 모형을 구성하여 섬진강댐의 최적운영에 적용하였다. 섬진강댐의 댐하류 방류량 증가에 따른 운영상의 문제점을 해결하기 위하여 댐하류 유지용수량을 0.17, 0.50, 0.70, 1.0, 1.5, $3.0m^3/sec$ 방류하는 경우로 구분하여 최적운영한 길과, 댐하류 유지용수량이 $1.0m^3/sec$ 이하인 경우에 발전량이 실적평균발전량에 근접한 결과를 나타냈으며, 용수공급량도 계획공급량인 377.4 백만 $m^3$ 보다 $28.9\~100.7$ 백만 $m^3$ 만큼 많은 양을 공급하는 결과를 나타냈다.