• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.55-56
• /
• 2015

근래에 게임이론 분야에서 진화계산 기법을 사용한 분석은 중요한 이슈이다. 본 논문에서는 교섭게임에서 입자군집최적화와 차분진화알고리즘 간의 공진화 과정을 관찰하고 상호 경쟁에서 얻는 이득을 비교하여 두 알고리즘의 성능을 분석한다. 실험결과 입자군집최적화가 차분진화알고리즘에 비해 교섭게임에서 더 우수한 성능을 보임을 확인하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.63-64
• /
• 2012

차분진화 알고리즘은 Storn 과 Price에 의해 제안된 메타휴리스틱 알고리즘이다. 본 논문에서는 외판원 문제를 해결하기 위한 차분진화 알고리즘을 소개한다. 차분진화 알고리즘은 실수 문제를 위한 알고리즘이므로 외판원 문제를 해결하기 위해 난수 키 표현법을 적용한다. OR Library의 표준 외판원 문제에 적용한 결과 제안한 알고리즘은 외판원 문제 해결에 가능성이 있음을 보여주었다.

• The Journal of the Korea Contents Association
• /
• v.20 no.11
• /
• pp.636-643
• /
• 2020

The differential evolution algorithm is one of the meta-heuristic techniques developed to solve the real optimization problem, which is a continuous problem space. In this study, in order to use the differential evolution algorithm to solve the traveling salesman problem, which is a discontinuous problem space, a random key representation method is applied to the differential evolution algorithm. The differential evolution algorithm searches for a real space and uses the order of the indexes of the solutions sorted in ascending order as the order of city visits to find the fitness. As a result of experimentation by applying it to the benchmark traveling salesman problems which are provided in TSPLIB, it was confirmed that the proposed differential evolution algorithm based on the random key representation method has the potential to solve the traveling salesman problems.

• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.4
• /
• pp.487-492
• /
• 2011

In this paper, we proposed a new design methodology to improve the classification performance of the Nearest Prototype Classifier which is one of the simplest classification algorithm. To optimize the position vectors of the prototypes in the nearest prototype classifier, we use the differential evolutionary algorithm. The optimized position vectors of the prototypes result in the improvement of the classification performance. The new method to determine the class labels of the prototypes, which are defined by the differential evolutionary algorithm, is proposed. In addition, the experimental application covers a comparative analysis including several previously commonly encountered methods.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.63-64
• /
• 2016

자원 제약이 있는 프로젝트 스케줄링 문제는 NP-hard인 순서기반 문제이다. 본 논문에서는 연속적인 문제 해결에 적합한 차분진화알고리즘에 난수 키 표현법을 적용하여 순서기반 표현을 가능하게 하여 자원 제약이 있는 프로젝트 스케줄링 문제를 해결하고자 한다. 실험 결과 작은 규모의 자원 제약이 있는 프로젝트 문제에 적용하여 난수 키 표현법 기반 차분진화알고리즘의 가능성을 보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.323-327
• /
• 2010

본 논문은 차분 진화 알고리즘의 최적해 탐색 능력을 향상시키기 위해 병렬 처리기법을 적용한 기법을 제안한다. 이를 위해서 기존의 개체군들을 5개의 그룹으로 나누어서 독립적으로 최적화 과정을 하도록 하여 일정한 확률에 의해서 각 그룹이 다른 그룹의 Best individual들을 변이 과정에서 참조하도록 하였다. 이러한 방식을 통해서 기존 차분 진화 알고리즘이 가지고 있는 지역해 수렴 문제를 해결하는 할 수 있도록 하였다. 실험을 통해서 제안된 차분 진화 알고리즘(P-DE)의 탐색 능력을 비교 및 분석 하였다. 실험 결과 제안된 차분 진화 알고리즘(P-DE)이 지역해 수렴 문제를 충분히 해결함으로써 기존의 알고리즘에 비해서 우수한 성능을 보이는 것을 확인 하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.296-299
• /
• 2009

본 논문은 차분진화 알고리즘을 이용한 다중 손상된 RC 슬라브 교량에 대한 시스템 인식(System Identification)기법을 소개한다. 제안된 기법을 이용하여 이동하중에 의한 교량의 동적응답을 기반으로 손상유무, 위치, 크기가 추정된다. ABAQUS를 이용한 손상된 3차원 슬라브 모델을 실험대상으로 하여, 모델로부터 동적응답을 찾아내었다. 차분진화 알고리즘(Differential Evolutioinary algorithm)을 기반으로 동적응답과 Bi-variate Gaussian 함수로 강성저하된 2차원 유한요소 MZC모델을 이용하여 손상된 위치와 크기, 이동하중의 크기와 속도가 추정되었다. 차분진화 알고리즘을 이용한 RC교량의 손상위치와 이동하중에 대한 추정은 3%이내의 오차를 보였고, 이로부터 제안된 방법의 효율성과 정확성이 검증되었다.

• Journal of KIISE
• /
• v.41 no.12
• /
• pp.1090-1098
• /
• 2014

In this paper, an improved ACDE (Adaptive Cauchy Differential Evolution) algorithm with faster convergence speed, called ACDE2, is suggested. The baseline ACDE algorithm uses a "DE/rand/1" mutation strategy to provide good population diversity, and it is appropriate for solving multimodal optimization problems. However, the convergence speed of the mutation strategy is slow, and it is therefore not suitable for solving unimodal optimization problems. The ACDE2 algorithm uses a "DE/current-to-best/1" mutation strategy in order to provide a fast convergence speed, where a control parameter initialization operator is used to avoid converging to local optimization. The operator is executed after every predefined number of generations or when every individual fails to evolve, which assigns a value with a high level of exploration property to the control parameter of each individual, providing additional population diversity. Our experimental results show that the ACDE2 algorithm performs better than some state-of-the-art DE algorithms, particularly in unimodal optimization problems.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.1
• /
• pp.81-86
• /
• 2012

In this paper, we proposed a new design methodology of a pattern classification rule based on the local linear discriminant analysis expanded from the generic linear discriminant analysis which is used in the local area divided from the whole input space. There are two ways such as k-Means clustering method and the differential evolutionary algorithm to partition the whole input space into the several local areas. K-Means clustering method is the one of the unsupervised clustering methods and the differential evolutionary algorithm is the one of the optimization algorithms. In addition, the experimental application covers a comparative analysis including several previously commonly encountered methods.