• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2011.04a
• /
• pp.144-147
• /
• 2011

동시다발적인 산불발생시 한정된 진화자원을 효과적으로 운영하여 산불피해를 최소화하기 위해서는 산불상황에 맞는 진화자원 투입과 배치가 이루어져야 한다. 이를 위해서는 진화자원 투입 및 운영 의사결정을 할 수 있도록 각 진화자원별 진화능력단위에 대한 평가가 이루어져야 한다. 하지만 아직 국내 외적으로 산불진화자원에 대한 진화능력단위 산정에 관한 연구가 이루어져 있지 않다. 따라서 본 연구에서는 우리나라 진화자원을 중심으로 진화능력단위 기준 설정과 함께 각 진화자원별 진화능력단위를 산정하였다. 우리나라 진화자원은 크게 지상진화자원과 공중진화자원으로 구분됨으로 지상진화에 투입되는 주요 진화자원인 등짐펌프 및 불갈퀴 등 손도구를 이용하는 진화인력과 산불진화차량, 이동식 동력살수장치와 산불진화헬기로 구성되는 공중진화자원에 대해 진화효과를 분석, 능력단위를 산정하는 방법을 제시하였다.

• Archives of design research
• /
• v.14 no.4
• /
• pp.137-146
• /
• 2001

The purpose of the study is to explore and understand the product development through the theory of evolution. For the purpose of the study, an evolution mechanism was set up in which the products were applied with. The results showed three distinguishable types of product evolution 'the evolution of functions','the evolution of forms'and 'the evolution of symbols what the products represent'. In order to answer the research questions, , , , the research was carried out in three ways: firstly, some ideas of product evolution were looked closely through existing researches; secondly, the study explored the idea of evolution mechanism being a natural process like an organic system; finally by applying various products with the evolution mechanism, different patterns of product evolution were classified. The results of the study can be summarised as follows: ${\bullet}$ The evolution mechanism in this study can be defined as an 'organic system'that consists of the causes of evolution'(based on the needs and the willingness to have pleasure), 'the point of evolving'(based on a degree of imperfection) and 'the motive of evolution'(based on the readiness to make profit). ${\bullet}$ The evolution mechanism seems to suggest three different patterns in product evolution,'the evolution of functions', 'the evolution of forms' and 'the evolution of symbols'

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.207-210
• /
• 2002

진화와 학습 사이의 상호 연관성을 연구하기 위해 인공 진화기법(artificial evolutionary algorithm)과 신경회로망(neural networks)을 이용한 학습 기법들이 사용되어 왔다. 신경 회로망 구조를 가지는 이동 로봇의 제어기의 구조와 파라미터를 결정하기 위한 방법으로 진화적 학습(evolutionary learning) 방법이 제안되었다. 제안된 방법에서 진화적 학습은 실제 로봇을 통해 on-line 방식으로 이루어지며, 장애물 회피 문제를 통해 유용성을 검증하고 진화 과정에 학습이 미치는 영향을 살펴보았다. 그리고 수학적으로 제시되기 힘든 진화 학습의 평가에 설계자의 개입을 허용하는 인터액티브 진화 알고리즘(interactive evolutionary algorithm)방법을 모색해 보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.13-15
• /
• 2001

진화 하드웨어(Evolvable Hardware: EHW)는 환경에 적응하여 스스로 하드웨어 구성을 변경할 수 있는 하드웨어로서 최근에 많은 관심과 함께 연구가 이뤄지고 있다. 하지만, 하드웨어의 복잡도가 증가할수록 진화를 위해 탐색해야 하는 해공간의 크기가 기하급수적으로 증가하기 때문에 아직까지 복잡한 하드웨어에 대해서는 좋은 활용방안을 찾지 못하고 있다. 이 논문에서는 이런 복잡한 하드웨어를 모듈별로 나눠서 진화시키는 방법을 제시하여 좀더 효율적인 진화의 가능성을 보인다. 기존에 주로 사용되던 회로 진화 디자인과 이를 모듈별로 나눠서 진화하는 방식을 실험을 통해 비교하고, 효과적으로 진화시간을 단축할 수 있음을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.6-8
• /
• 1999

시뮬레이션 환경이나 실제 환경에서 이동 로봇 제어기를 진화 알고리즘으로 만들어내는 연구가 최근 활발하다. 이전의 연구에서는 기존의 단순한 진화 알고리즘이 환경에 제한된 제어기를 만들어 내는 문제점을 해결하기 위한 방법으로 셀룰라 오토마타 기반 신경망의 점증적 진화방법을 제시하였다. 점증적 진화 방법은 초기에 간단한 행동으로 해결할 수 있는 환경에 맞도록 제어기를 진화시킨 다음, 점차 복잡한 행동이 요구되는 환경에서 제어기를 점증적으로 진화시킨다. 실험결과, 점증적 진화의 방법이 좀 더 효율적으로 로봇을 진화시키고 환경의 변화에 보다 강한 것을 알 수 있었다. 그러나 이전연구에서의 점증적 진화 방법은 한 단계에서 진화가 끝난 후 다음 단계로 넘어갈 개체를 사람이 선택해야 하는 문제가 있었다. 본 논문에서는 이러한 문제점을 해결하기 위한 다양한 방법을 제시하고 실험을 통해 그 유용성을 보이고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.571-574
• /
• 2001

진화알고리즘이 주어진 문제에 대하여 만족스런 해를 도출할 수 있음이 많은 연구결과를 통하여 알려졌지만, 그러한 해가 진화과정에서 형성되는 과정에 대한 분석은 미비한 실정이다. 진화현상에는 적응적 진화 외에도 다양한 현상들이 동시에 존재하기 때문에, 비록 진화알고리즘을 적용하여 해를 도출하였다 하더라도 그것이 적응적 진화의 결과임을 판정하기는 어렵다. 이 논문에서는 적응적 진화의 정량화를 통하여 최종해가 다른 유전적 현상에 의하여 도출되어진 것이 아니라 주어진 문제에 잘 적응한 적응성에서 비롯된 결과임을 보인다. 이를 위하여 하드웨어 에이전트의 제어기를 유전자 알고리즘을 이용하여 진화적으로 구축하고, 적응성 측정을 통하여 최종해의 형성과정을 분석한다. 실험결과 최종해는 적응적 진화의 결과임을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.25-27
• /
• 2001

진화 알고리즘에서 고려할 사항 중 하나는 문제와 관련 있는 진화연산 즉, 교배 연산과 돌연변이 연산을 정의하는 것이다. 일반적으로 교배 연산은 두 개체의 정보를 교환하는 재조합 연산으로써 진화의 속도를 촉진시키는 역할을 하고 돌연변이 인산은 개체집단의 다양성 을 유지시키는 역할을 한다. 그러나 이러한 진화연산자는 확률에 근거하여 모든 개체에 적용되는 맹목적인 연산이 가질 수 있는 진화시간 지연의 문제점을 갖는다. 본 논문에서는 맹목적 진화연산에 의한 진화 시간 지연을 해결하기 위해 휴리스틱 연산을 제안한다. 휴리스픽 연산은 문제의 특성에 맞지 않는 개체에만 적용되는 연산으로 진화 시간을 단축시킬 수 있다. 따라서 이러한 휴리스틱 연산의 타당성을 확인하기 위해 본 논문에서는 진화 알고리즘을 이용하여 최적의 클러스터 위치와 개수를 자동으로 찾아주는 문제에 클러스터의 특성을 고려한 휴리스틱 연산인 합병연산과 분할연산 그리고 K-means연산을 정의하여 다차원 실험데이터로 실험한 결과를 보이고 있다.

• ICROS
• /
• v.1 no.3
• /
• pp.52-61
• /
• 1995

본 고에서는 진화계산의 동작 원리와 이론적 기반에 대해 살펴봄으로써 그 원리를 이해하고 앞으로의 응용가능성에 대하여 고찰하고자 한다. 이를 위해 먼저 대부분의 진화 알고리즘에 공통되는 기본 구성 요소와 계산절차를 기술하고, 진화 알고리즘을 이용하여 특정문제를 풀고자 할 때 고려할 사항에 대하여 기술한다. 다음에는 간단한 응용 문제를 예로 들어 이 문제에 진화 알고리즘을 적용하고 그 동작과정을 추적함으로써 실제 적용에 있어서의 여러 가지 결정사항과 그 수행과정을 구체적으로 살펴본다. 또한 진화 알고리즘의 이론적 배경을 이해하기 위해 스키마와 빌딩 블록 그리고 스키마 정리에 대해서 알아본다. 마지막으로 진화계산방식과 다른 지능적 계산 기술들과의 융합 가능성의 예로서, 유전 프로그래밍에 의한 신경망 구조의 설계 및 학습에 대하여 살펴본다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.391-394
• /
• 2002

진화 연산(Genetic Algorithm)은 최적화 분야에서 사용되는 강력하면서도 일반적인 방법이다. 이러한 진화 연산의 일반성은 진화 연산에서 사용되는 기본 연산자들이 문제에 대한 정보를 필요로 하지 않는 것에 기인하고 있기에, 실제 구현시에는 여러 파라미터들을 문제에 맞게 정해 줌으로써 성능 향상을 죄할 수 있다. 이러한 파라미터의 조절은 보통 시행착오를 거쳐 행해지나, 실행시에 동적으로 파라미터를 학습하는 적응적 진화 연산도 연구되어 왔다. 본 논문에서는 진화 연산에서의 파라미터 학습 과정을 강화 학습 과정으로 공식화하고 강화 학습을 사용한 적응적 진화 연산 구현을 제안한다.

• Journal of The Korean Association For Science Education
• /
• v.35 no.2
• /
• pp.259-265
• /
• 2015

This study examined high school students' acceptance of evolutionary theory, evolutionary knowledge, and epistemological belief. The Christian and non-Christian students' acceptance of evolutionary theory and evolution content knowledge were compared in relation to their 'scientific epistemological views' (domain-specific) and 'evolution in relation to nature of science' (context-specific). The Christian students' evolutionary knowledge was most predicted by the theory-laden exploration of science, while the non-Christian students' scores on evolutionary knowledge were most predicted by the scientific epistemological views. In addition, the Christian students' scores on scientific epistemological views and evolution in relation to evolution were not significantly related to each other, while the non-Christian students' scores on both variables were significantly related. Furthermore, 'evolution in relation to nature of science' is the strongest predictor of both Christian and non-Christian students' acceptance of evolution.