• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1258-1260
• /
• 2022

재료공학에서 머신러닝을 이용해 목적 성능에 부합하는 물질의 조성을 탐색하는 연구가 있다. 물질의 성능은밀도 범함수 계산을 통해 시뮬레이션 할 수 있지만, 계산량이 많은 문제가 있다. 본 연구를 통해 우리는 고효율 페로브스카이트 태양광전지를 만들기 위한 페로브스카이트 조성을 추천하는 심층신경망과 베이지안 최적화 모델을 제안했다. 본 연구에서 높은 전력효율이 예상되는 페로브스카이트 조성을 심층신경망과 베이지안 최적화 방법을 통해 추천하는 모델을 구현하였다. 심층신경망 모델은 주어진 조성과 실험조건에서 예상되는 전력효율을 예측해 베이지안 최적화를 통한 탐색과정에서 소요되는 실험비용을 줄인다. 베이지안 최적화 모델은 실험공간을 입력으로 받아 고효율이 예상되는 실험조건을 출력하는데, 미리 설정한 실험공간만을 탐색하기 때문에 실험적으로 가능한 출력값만을 제시 할 수 있다. 본 연구는 심층신경망과 베이지안 최적화 방법을 조합해 주어진 실험공간을 탐색하는 시간과 비용을 최소화하는 방법을 제시한다

• Journal of Korea Society of Industrial Information Systems
• /
• v.28 no.1
• /
• pp.27-34
• /
• 2023

The optimal assignment problem between agents and tasks is known as one of the representative problems of combinatorial optimization and an NP-hard problem. This paper covers multi agent-multi task assignment problems with uncertain completion probability. The completion probabilities are generally uncertain due to endogenous (agent or task) or exogenous factors in the system. Assignment decisions without considering uncertainty can be ineffective in a real situation that has volatility. To consider uncertain completion probability mathematically, a mathematical formulation with stochastic programming is illustrated. We also present an algorithm by using the sample average approximation method to solve the problem efficiently. The algorithm can obtain an assignment decision and the upper and lower bounds of the assignment problem. Through numerical experiments, we present the optimality gap and the variance of the gap to confirm the performances of the results. This shows the excellence and robustness of the assignment decisions obtained by the algorithm in the problem with uncertainty.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.9
• /
• pp.47-55
• /
• 2010

Linear constraint satisfaction optimization problem is a kind of combinatorial optimization problem involving linearly expressed objective function and complex constraints. Integer programming is known as a very effective technique for such problem but require very much time and memory until finding a suboptimal solution. In this paper, we propose a method to improve the search performance by integrating local search and integer programming. Basically, simple hill-climbing search, which is the simplest form of local search, is used to solve the given problem and integer programming is applied to generate a neighbor solution. In addition, constraint programming is used to generate an initial solution. Through the experimental results using N-Queens maximization problems, we confirmed that the proposed method can produce far better solutions than any other search methods.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.329-334
• /
• 2021

한국어에서는 문장 내의 주어나 목적어가 자주 생략된다. 자연어 처리에서 이러한 문장을 그대로 사용하는 것은 정보 부족으로 인한 문제 난이도 상승으로 귀결된다. 생략복원은 텍스트에서 생략된 부분을 이전 문구에서 찾아서 복원해 주는 기술이며, 본 논문은 생략된 주어를 복원하는 방법에 대한 연구이다. 본 논문에서는 기존에 생략복원에 사용되지 않았던 다양한 입력 형태를 시도한다. 또한, 출력 레이어로는 finetuning layer(Linear, Bi-LSTM, MultiHeadAttention)와 생략복원 태스크 형태(BIO tagging, span prediction)의 다양한 조합을 실험한다. 국립국어원 무형 대용어 복원 말뭉치를 기반으로 생략복원이 불필요한 네거티브 샘플을 추가하여 ELECTRA 기반의 딥러닝 생략복원 모델을 학습시키고, 생략복원에 최적화된 조합을 검토한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.42-44
• /
• 1998

Sequential Ordering Problem(SOP)은 여러 개의 도시를 방문함에 있어 '어떤 도시를 다른 도시보다 먼저 방문해야 한다'는 선행제약이 있는 비대칭 순회 세일즈맨 문제(Traveling Salesman Problem)로서, 주어진 선행 제약을 만족하면서 모든 도시를 한번씩만 경유하는 가장 짧은 경로를 찾는 NP-Complete에 속하는 문제이다. 유전자 알고리즘은 SOP와 같은 조합 최적화문제에 대해 유용한 메타휴리스틱의 한가지이다. 본 논문에서는 SOP에 유전자 알고리즘을 적용할 때, 선행제약을 만족하는 해를 생성하는데 사용할 수 있는 선행관계유지 유전 연산자를 소개하고 이를 비교한다. 비교하는 유전 연산자는 선행관계유지 교차연산자, 선행관계유지 순서기반 교차연산자, 최대부분순서/임의삽입 연산자, 선행관계유지 간선재결합 연산자이다.

• Progress in Medical Physics
• /
• v.11 no.1
• /
• pp.49-57
• /
• 2000

New method about the dose optimization problem in radiation treatment was researched. Since all conditions are more complex and there are more relevant variables, the solution of three-dimensional treatment planning is much more complicate than that of current two-dimensional one. There(ore, in this study, as a method to solve three-dimensional dose optimization problem, the considered variables was minized and researched by reducing the domain that solutions can exist and pre-determining the important beam parameters. First, the dangerous beam range that passes critical organ was found by coordinate transformation between linear accelerator coordinate and patient coordinate. And the beam size and rotation angle for rectangular collimator that conform tumor at arbitrary beam position was also determined. As a result, the available beam position could be reduced and the dependency on beam size and rotation angle, that is very important parameter in treatment planning, totally removed. Therefore, the resultant combinations of relevant variables could be greatly reduced and the dose optimization by objective function can be done with minimum variables. From the above results, the dose optimization problem was solved for the two-dimensional radiation treatment planning useful in clinic. The objective function was made by combination of dose gradient, critical organ dose and dose homogeniety. And the optimum variables were determined by applying step search method to objective function. From the dose distributions by optimum variables, the merit of new dose optimization method was verified and it can be implemented on commercial radiation treatment planning system with further research.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.05a
• /
• pp.649-651
• /
• 2017

A clustering problem is one of the organizational problems to improve the network lifetime and scalability in wireless ad-hoc networks. This problem is a difficult combinatorial optimization problem associated with the design and operation of these networks. In this paper, we propose an efficient clustering algorithm to maximize the network lifetime and consider scalability in wireless ad-hoc networks. The clustering problem is known to be NP-hard. We thus solve the problem by using optimization approaches that are able to efficiently obtain high quality solutions within a reasonable time for a large size network. The proposed algorithm selects clusterheads and configures clusters by considering both nodes' power and the clustering cost. We evaluate this performance through some experiments in terms of nodes' transmission energy. Simulation results indicate that the proposed algorithm performs much better than the existing algorithms.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.329-331
• /
• 2000

데이터 클러스터링은 서로 유사한 성질을 갖는 데이터들은 동일한 클러스터에 분류하고, 이질적인 데이터는 다른 클러스터에 분류하여, 클러스터 내의 유사성은 최대로 하고 클러스터와 클러스터사이의 유사성을 최소로 하는 것을 말한다. 데이터 클러스터링은 데이터 마이닝, 기계 학습, 패턴 인식, 통계 분야 등에 다양하게 활용되고 있다. Hopfield 네트워크는 조합적 최적화 문제를 해결하는데 사용되어 좋은 결과를 나타내고 있다. 본 논문에서는 Hopfield 네트워크를 사용하여 데이터 클러스터링 문제를 해결하는 알고리즘을 연구하였고, 실험을 통해 기존의 방법과 비교하였다.

• The KIPS Transactions:PartB
• /
• v.17B no.5
• /
• pp.389-398
• /
• 2010

The Vehicle Routing and Scheduling Problem with Time Windows(VRSPTW) is to establish a delivery route of minimum cost satisfying the time constraints and capacity demands of many customers. The VRSPTW takes a long time to generate a solution because this is a NP-hard problem. To generate the nearest optimal solution within a reasonable time, we propose the heuristic by using an ACO(Ant Colony Optimization) with multi-cost functions. The multi-cost functions can generate a feasible initial-route by applying various weight values, such as distance, demand, angle and time window, to the cost factors when each ant evaluates the cost to move to the next customer node. Our experimental results show that our heuristic can generate the nearest optimal solution more efficiently than Solomon I1 heuristic or Hybrid heuristic applied by the opportunity time.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.705-707
• /
• 2022

본 연구에서는 기존 차량 경로 문제(Vehicle Routing Problem)의 범위를 확장시켜 일반화된 차량 경로문제(Generalized Vehicle Routing Problem)를 제시하고, 이 문제를 해결하기 위한 강화학습 모델을 제안한다. 기존의 차량 경로 문제는 depot에서 각 node(또는 각 node에서 depot)의 단방향만 존재해 제한된 문제만을 해결할 수 있었다. 이 한계점을 극복하기 위해 depot을 제외한 모든 node가 서로 연결된 형태의 일반화된 차량 경로 문제를 정의하고 이를 해결하고자 한다. 차량 경로 문제는 NP-hard 문제로 최근에는 강화학습을 이용해 이를 해결하고자 하는 모델이 연구되고 있다. 본 연구에서는 새로 정의한 일반화된 차량 경로 문제를 해결하기 위한 강화학습 모델을 제안한다.