• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.419-421
• /
• 2003

본 논문에서는 진화 연산 기법을 이용한 자연어 구운 분석 기법을 제시한다 기존의 확률 문맥 무관문법(PCFG)에 관한 연구는 차트 파싱 방법을 구문 분석을 위한 기법으로 가정하고 있다. 하지만, 차트 파싱은 문장의 길이가 늘어날수록 복잡도가 크게 증가하는 문제를 안고 있다. 따라서, 차트 파서의 대안으로서 진화 연산 기법을 사용하여 이 문제를 해결하였다. 진화 연산의 적합도 함수로는 생성된 파스트리의 확률을 사용하였다. 작은 규모의 자연어 문제에 적용한 결과, 진화 연산이 파싱 문제를 성공적으로 해결할 수 있음을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.250-252
• /
• 2000

많은 최적화 문제에서 해답들의 구조는 서로 의존성을 가지고 있다. 이러한 경우 기존의 진화연산이 사용하는 빌딩 블록 개념으로는 문제를 해결하는데 많은 어려움을 겪게 된다. 이를 극복하기 위해서 헬름홀츠 머신(Helmholtz machine)을 이용해서 데이터의 분포를 예측한 후 최적화를 수행하는 방법을 제안한다. 기존의 진화 연산을 바탕으로 하지만 교차연산이나 돌연변이 연산을 사용하는 대신에, 헬름홀츠 머신을 이용해서 데이터의 분포를 파악하고, 이를 이용해서 새로운 데이터를 생성하는 과정을 통해 최적화 과정을 수행한다. 진화연산으로 해결하는데 곤란을 겪고 있는 여러 함수들을 해결하는 이를 검증하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅲ
• /
• 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

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.454-456
• /
• 2001

일반적으로 확률에 기반한 연산자를 사용하는 진회연산(EC)은 전역 탐색에는 효율적이나 국소 탐색에는 그렇지 못하다. 이러한 문제점은 대화형 진회연산(IEC)에서 더욱 심각해지는데, 이는 개체들을 사용자가 직접 평가하는데 따른 세대 길이의 제한이 있기 때문이다. 본 논문에서는 HCI 분야에서 잘 알려져 있는 직접조작 방법(Direct Manipulation : DM)을 적용하여 이것을 해결하는 방법을 제안한다. 각각의 개체들에 대한 인터페이스 진화 연산자를 사용하는 대신 지적조작을 사용함으로써 사용자는 개체의 진화에 직접 개입할 수 있고, 이를 통해 진화연산자를 사용하는 전역 탐색 능력은 그래도 유지한 채 대화형 진화연산의 단점을 극복할 수 있다. 이러한 직접조작 개념을 대화형GA에 기반한 패션 디자인 시스템에 적용하였고 이러한 응용이 효과적이었음을 실험을 통해 보였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.685-689
• /
• 2009

진화연산은 최적화와 기계학습에 널리 사용되지만 또한 창조적이고 새로운 것을 만드는 데에도 사용될 수 있다. 본 논문에서는 지식을 표현하는 유연한 구조인 토픽맵에 주목하여, 새롭고 창의적인 토픽맵을 생성하는 토픽맵의 진화 시스템을 제안한다. 여기서는 만들어진 토픽맵이 유효한지에 대한 사람의 평가를 활용하는 대화형 진화 연산 방법(Interactive Evolutionary Computation)이 사용된다. 본 진화하는 토픽맵 시스템은 창의성을 도모하는 도구로서, 사용자들에게 새롭고 창의적인 지식을 떠올릴 수 있도록 도울 수 있을 것이다. 앞으로는 이 시스템에 보다 토픽맵에 정교한 사용자 인터페이스와 시각화 방법을 도입하고 기계학습을 활용하여 시스템의 진화 중에 나타나는 사용자의 피로를 크게 줄이는 방법을 연구할 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.455-457
• /
• 2003

DNA microarray는 분자생물학에서 널리 사용되고 있는 실험 도구로써 크게 cDNA와 oligonucleotide microarray로 나뉘어진다. DNA microarray는 일련의 DNA 서열로 이루어진 probe들의 집합으로 구성되며 알려지지 않은 서열과의 hybridization 과정을 통해 특정 서열을 인식할 수 있게 된다. O1igonucieotide microarray는 cDNA 방법과는 다르게 probe를 구성하는 서열을 제작자가 임의로 구성할 수 있기 때문에 목표 서열이 가지는 고유한 부분만을 probe 서열로 사용함으로써 비용절감과 실험의 정확도를 높일 수 있다는 장점이 있다. 그러나 현재 목표 유전자 서열에 대해 probe 집합을 생성하는 결정적인 방법은 존재하지 않으며, 따라서 넓은 해 공간에서 효과적으로 최적 해를 찾아 주는 진화 연산이 probe 선택을 위한 좋은 대안으로 사용될 수 있다［1.2］. 그러나 진화연산을 이용한 probe 선택방법에 있어서 인식하고자 하는 목표 서열의 개수가 많아질 경우, 해 공간의 크기가 커짐으로 인해 문제점이 발생할 수 있다. 따라서 본 논문에서는 다수의 목표 유전자 서열을 대상으로 한 probe 선택 방법에 일어서 보다 효율적인 진화연산 접근 방법을 소개한다. 제시된 방법은 인식하고자 하는 목표 서얼의 일부를 선택해 이를 probe 집합의 후보로 사용하며. 유전 연산자를 이용한 진화과정을 통해 최적에 가까운 probe 집합을 찾는다. 본 논문은 GenBank로부터 유전자 서열을 대상으로 제안된 방법을 실험하였으며, 축소된 목표 서열만을 이용해 probe 집합을 선택하더라도 적합한 probe 집합을 찾을 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권9호
• /
• pp.694-705
• /
• 2010

진화 프로그래밍은 실수형 최적화 문제에 널리 사용되는 알고리즘으로 돌연변이 연산이 중요한 연산이다. 일반적으로 돌연변이 연산은 확률 분포와 이에 따른 매개변수를 사용하여 변수값을 변화시키는데, 이 때 매개변수 역시 돌연변이 연산의 대상이 됨으로 이를 위한 또 다른 매개변수가 필요하다. 그러나 최적의 매개변수 값은 주어진 문제에 전적으로 의존하기 때문에 매개변수 개수가 많은 경우 매개변수값들에 대한 최적 조합을 찾기 어렵다. 이러한 문제를 부분적으로나마 해결하기 위하여 본 논문에서는 변수의 돌연변이 연산을 위한 매개변수를 자기 적응적 관점에서 이론적으로 추정한 돌연변이 연산을 제안하였다. 제안한 알고리즘에서는 코시 확률 분포의 축척 매개변수를 추정하여 돌연변이 연산에 적용함으로 축척 매개변수에 대한 돌연변이 연산이 필요하지 않다는 장점이 있다. 제안한 알고리즘을 벤치마킹 문제에 적용한 실험 결과를 통해 볼 때, 최적값 측면에서는 제안한 알고리즘의 상대적 우수성은 벤치마킹 문제에 의존하였으나 계산 시간 측면에서는 모든 벤치마킹 문제에 대하여 제안한 알고리즘이 우수하였다.

• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1090-1098
• /
• 2014

이 연구는 단봉 전역 최적화 성능이 개선된 적응적 코시 분포 차분 진화 알고리즘을 제안한다. 기존 적응적 코시 분포 차분 진화 알고리즘은(ACDE) 개체의 다양성을 보장하여 다봉 전역 최적화 문제에 우수한 "DE/rand/1" 돌연변이 전략을 사용했다. 그러나 이 돌연변이 전략은 수렴 속도가 느려 단봉 전역 최적화 문제에 단점이 있다. 제안 알고리즘은 "DE/rand/1" 돌연변이 전략 대신 수렴 속도가 빠른 "DE/current-to-best/1" 돌연변이 전략을 사용했다. 이때, 개체의 다양성이 부족하여 발생할 수 있는 지역 최적해로의 수렴을 방지하기 위해서 매개변수 초기화 연산이 추가됐다. 매개변수 초기화 연산은 특정세대를 주기로 실행되거나 또는 선택 연산에서 모든 개체가 진화에 실패하는 경우 실행된다. 매개변수 초기화 연산은 각 개체들의 매개변수에 탐험적 특성이 높은 값을 할당하여 넓은 공간을 탐색할 수 있도록 보장한다. 성능 평가 결과, 개선된 적응적 코시 분포 차분 진화 알고리즘이 최신 차분 진화 알고리즘들에 비해 특히, 단봉 전역 최적화 문제에서 성능이 개선됨을 확인했다.