• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.396-399
• /
• 2009

본 논문의 연구 목적은 생물의 진화 현상을 모방한 진화전략 알고리즘을 이용하여 돔형 트러스 구조물을 최적화 설계하는 것이다. 최적화 방법으로 부재 단면적의 최적화 값을 찾음으로써 최적 목적값 또는 최소 구조물 중량을 산출하는데 목적이 있다. 진화전략 알고리즘은 1960년대 중반, 실수기반 매개변수의 최적화로부터 소개되어 1970년대 많은 발전을 하였다. 진화전략은 컴퓨터 시스템 최적화 알고리즘 연구분야에서 많이 활용되며, 더불어 사용되는 유전자 알고리즘과는 다른 몇 개의 연산자를 가지고 있다. 본 논문에서는 진화전략에서 사용되는 연산자를 소개하고 연산자간의 논리 흐름과 수치예제로써 최적설계의 적합성을 확인해볼 수 있다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02b
• /
• pp.789-794
• /
• 2006

UI (User Interface)는 끊임없이 진화한다. 사용자의 새로운 요구 사항을 만족시키기 위해, 기존 UI에 대한 불편 사항을 해결하기 위해, 경쟁 제품의 더 좋은 UI를 따라 잡기 위해, 그리고 새로운 기술로 기존에는 불가능했던 것이 가능해 짐으로 인해, UI는 지속적으로 더 좋은 방향으로 변화하고 있다. 특히 휴대폰과 같이 라이프사이클이 짧은 제품의 UI는 매 제품마다 UI를 변화시킬 수 없기 때문에 기업 입장에서의 전략적인 접근이 중요해 진다. 더욱이 충분한 검증 없이 이루어진 진화의 방향은 사용자가 원하는 방향과 일치하지 않게 되어 오히려 퇴화하는 문제도 발생할 수 있다. 본 논문은 UI가 생성, 유지, 융합, 소멸되어 가는 진화론적 발전 속성 및 그러한 속성에 영향을 주는 요소들을 살펴보고, 라이프사이클이 짧은 제품의 UI를 개선할 때 어떤 전략을 취하는 것이 기업 차원에서 좋은지를 설명한다. UI 진화 전략은 크게 점진적 개선을 추구하는 구릉식 전략과 한번에 도약하는 계단식 전략으로 나눌 수 있다. 위 두 전략들은 사용자 만족도, 개선에 필요한 비용과 그 가치, 개선 후의 리스크 (Risk)에 따라 장단점을 가진다. 결론적으로 본 논문에서는 두 전략 모두 서로 상반되는 장단점을 가지므로, 어느 한 전략을 취하기 보다는 UI 요소의 특성 및 변화의 규모에 따라 두 전략을 혼용하는 전략이 기업 입장에서 최적의 전략임을 주장한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.372-374
• /
• 2012

아날로그 회로는 가장 기본적인 전기/전자 회로로써 현재도 높은 중요도를 가지고 있지만, 설계를 위해서는 전문적인 지식이나 기술이 반드시 필요하다. 그래서, 아날로그 회로를 설계하기 위해 진화 연산을 이용한 기법이 연구되어 왔다. 진화연산은 최적화 문제를 해결하는 한 방법으로써 다양한 문제에 적용 가능하다. 하지만, 많은 경우 매우 오랜 시간이 걸려 재현이 어렵고 계산비용이 많이 요구되어왔다. 하지만, 최근 들어 진화전략을 이용하여 작은 집단 크기로 아날로그 회로를 진화시킬 수 있는 방법이 제안되었다. 본 연구에서는 진화전략을 이용한 방법에 기반하여, 내고장성을 가진 회로를 설계하는 기법을 제안하고, 실험을 통하여 기본 진화전략 알고리즘과 비교한다. 그 결과, 제안한 방법을 통해 생성한 회로는 기본 알고리즘을 사용했을 때 보다 고장으로 인해 소자의 값이 변경되었을 때 성능하락이 더 적었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.754-756
• /
• 2005

진화 알고리즘이 최근 게임의 전략을 설계하기 위한 방법으로 많이 활용되고 있다. 이 방법은 후보 전략들이 서로 경쟁하면서 보다 나은 전략을 스스로 찾아나가는 방식으로 체커의 경우 마스터 수준의 컴퓨터 프로그램이 생성되기도 했다. 진화방식은 전문가의 도움을 최소화 하면서 높은 수준의 게임 전략를 생성해 낼 수 있다는 장점이 있는 반면에 손쉽게 정의될 수 있는 널리 알려진 전문지식을 찾는데 매우 많은 세대를 필요로 하기도 한다. 본 논문에서는 잘 정리되어져 있는 체커의 오프닝 마무리 지식을 진화 과정 중에 이용하여 진화의 속도와 성능을 향상시키는 방법을 제안한다. 본 연구에서는 일반진화와 종분화 진화 각각에 대해 전문지식을 삽입한 후 결과를 비교해 본다. 실험결과 종분화 진화에 전문지식을 삽입한 경우가 가장 좋은 성능을 보였으며 전문지식의 사용이 진화의 속도 및 성능 향상에 기여하는 것을 확인하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.51-56
• /
• 1998

본 연구는 산림, 기상, 지형, 소방 정보 등을 토대로 최적의 산불 진화 전략 수립을 위한 산불 진화 전문가 시스템의 설계 방법론 제시를 주목적으로 한다. 기존의 산불 정보 시스템들은 GIS 데이터와 기상 관련 데이터, 산불 발생 지점에 대한 지형 데이터를 이용하여, 산불 확산에 따른 피해 정도 및 확산 범위에 예측을 목표로 접근하고 있다. 그러나, 이를 활용하여 최적의 진화 전략을 생성시킬 수 있는 연구는 아직까지 제시된 바가 없다. 따라서 본 연구에서는 기존의 산불 정보 시스템을 기반으로 이산 사건 모델링 및 시뮬레이션 기법, 규칙기반 SES (RUSES: Rule-based System Entity Structure), 그리고 유전 알고리즘 등을 이용하여 최적의 산분 진화 전략을 생성할 수 있는 산불 진화 전문가 시스템의 설계 방법론을 제안한다.

• The Journal of the Korea Contents Association
• /
• v.14 no.11
• /
• pp.549-557
• /
• 2014

Recently, analysis of bargaining game using evolutionary computation is essential issues in field of game theory. In this paper, we observe a bargaining game using co-evolution between two heterogenous artificial agents. In oder to model two artificial agents, we use a particle swarm optimization and a differential evolution. We investigate algorithm parameters for the best performance and observe that which strategy is better in the bargaining game under the co-evolution between two heterogenous artificial agents. Experimental simulation results show that particle swarm optimization outperforms differential evolution in the bargaining game.

• Proceedings of the KIEE Conference
• /
• 2005.07a
• /
• pp.158-161
• /
• 2005

본 논문에서는 해집단을 다음세대로 진화시킬 때, 유전알고리즘과 진화전략을 동시에 사용하고, 적합도에 따라 복제하는 과정에서 유전알고리즘과 진화전략이 적용될 해집단의 비율이 적응적으로 변경되는 적응진화 알고리즘을 제안하였다. 또한 제안한 알고리즘을 실시간 적용하기 위해 PC 클러스터 시스템으로 병렬처리하여 최적해 탐색 성능 및 탐색속도를 개선하였다. 제안한 알고리즘을 실 배전계통 고장복구 문제에 적용해 본 결과, 유전 알고리즘 또는 진화전략을 단독으로 사용한 경우보다 제안한 방법이 더 빠른 시간내에 우수한 최적해를 탐색하였고, 병렬 연산의 수행 노드수 증가에 따라 최적해 탐색성능은 유지하면서 최적해 탐색시간을 상당히 단축시킴을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2005.07a
• /
• pp.162-165
• /
• 2005

본 논문에서는 해집단을 다음세대로 진화시킬 때, 유전알고리즘과 진화전략을 동시에 사용하고, 적합도에 따라 복제하는 과정에서 유전알고리즘과 진화전략이 적용될 해집단의 비율이 적응적으로 변경되는 적응진화 알고리즘을 제안하였다. 또한 제안한 알고리즘을 실시간 적용하기 위해 PC 클러스터 시스템으로 병렬처리하여 최적해 탐색 성능 및 탐색속도를 개선하였다. 제안한 알고리즘을 참고문헌의 배전계통 재구성 문제에 적용해본 결과, 유전 알고리즘 또는 진화전략을 단독으로 사용한 경우보다 제안한 방법이 더 빠른 시간내에 우수한 최적해를 탐색하였고, 병렬 연산의 수행 노드수 증가에 따라 최적해 탐색성능은 유지하면서 최적해 탐색 시간을 상당히 단축시킴을 확인하였다.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.7 no.4
• /
• pp.384-394
• /
• 2002

In this paper, a new control strategy is proposed to improve the quality of the welding products. The conventional nonlinear power control system of spot welders is linearized using nonlinear feedback linearization technique based on differential geometry theory. An evolution strategy(ES) geometry is used to find optimal gain of PI controllers. It tries to find out the optimal control parameters by imitating the natural evolution. Some Simulation and experimental results show that the proposed variable power control system using ES algorithm has better dynamic performances than the conventional one.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.6
• /
• pp.650-656
• /
• 1999

In this paper, we study on the convergence of the evolution strategies by introducing the Lamarckian evolution and the Baldwin effect, and propose a random local searching and a reinforcement local searching methods. In the random local searching method some neighbors generated randomly from each individual are med without any other information, but in the reinforcement local searching method the previous results of the local search are reflected on the current local search. From the viewpoint of the purpose of the local search it is suitable that we try all the neighbors of the best individual and then search the neighbors of the best one of them repeatedly. Since the reinforcement local searching method based on the Lamarckian evolution and Baldwin effect does not search neighbors randomly, but searches the neighbors in the direction of the better fitness, it has advantages of fast convergence and an improvement on the global searching capability. In other words the performance of the evolution strategies is improved by introducing the learning, reinforcement local search, into the evolution. We study on the learning effect on evolution strategies by applying the proposed method to various function optimization problems.