• 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.

• Journal of KIISE:Computer Systems and Theory
• /
• v.32 no.8
• /
• pp.399-410
• /
• 2005

This paper Proposes a novel adaptive genetic algorithm (GA) extrapolated by an ant colony optimization. We first prove that the algorithm converges to the unique global optimal solution with probability arbitrarily close to one and then, by experimental studies, show that the algorithm converges faster to the optimal solution than GA with elitism and the population average fitness value also converges to the optimal fitness value. We further discuss controlling the tradeoff of exploration and exploitation by a parameter associated with the proposed algorithm.

• Journal of the Korean Society for Railway
• /
• v.17 no.6
• /
• pp.433-442
• /
• 2014

This paper evaluates the performance of transit assignment algorithms for urban rail networks. The accuracy of the algorithms is essential not just for travel forecasting but also for the area of applications such as the assessment of road vulnerability and the fare adjustments between train operating companies. Nonetheless, the suitability and caveats for the series of computational steps have not yet been much discussed. This study thus considers the characteristics that are appropriate for investigating Seoul rail travelers using three representative transit assignment algorithms: the optimal strategy algorithm, route choice algorithms, and the Dial's algorithm. Both the theoretical foundation and the empirical performance are examined. The results demonstrate that the Dial's algorithm is superior in terms of the theoretical soundness and the computational efficiency.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.910-913
• /
• 2021

Successor representation (SR) 은 두뇌 내 해마의 공간 세포가 인지맵을 구성하여 환경을 학습하고, 이를 활용하여 변화하는 환경에서 유연하게 최적 전략을 수립하는 기전을 모사한 강화학습 방법이다. 특히, 학습한 환경 정보를 활용, 환경 구조 안에서 목표가 변화할 때 강인하게 대응하여 일반 model-free 강화학습에 비해 빠르게 보상 변화에 적응하고 최적 전략을 찾는 것으로 알려져 있다. 본 논문에서는 SR 기반 강화학습 알고리즘이 보상의 변화와 더불어 환경 구조, 특히 환경의 상태 천이 확률이 변화하여 보상의 변화를 유발하는 상황에서 어떠한 성능을 보이는 지 확인하였다. 벤치마크 알고리즘으로 SR 의 특성을 목적 기반 강화학습으로 통합한 SR-Dyna 를 사용하였고, 환경 상태 천이 불확실성과 보상 변화가 동시에 나타나는 2-stage 마르코프 의사결정 과제를 실험 환경으로 사용하였다. 시뮬레이션 결과, SR-Dyna 는 환경 내 상태 천이 확률 변화에 따른 보상 변화에는 적절히 대응하지 못하는 결과를 보였다. 본 결과를 통해 두뇌의 강화학습과 알고리즘 강화학습의 차이를 이해하여, 환경 변화에 강인한 강화학습 알고리즘 설계를 기대할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2008.10c
• /
• pp.12-14
• /
• 2008

전기기기 최적설계 프로세스는 목적함수 계산을 위한 특성해석 부분과 최적화 알고리즘 부분으로 구분된다. 여기서 수렴시간 중 대부분을 특성해석에서 차지하므로 수렴시간을 줄이기 위해서는 목적함수 호출을 최소화하기 위한 최적화 알고리즘의 전략적 선택이 요구되며, 아울러 전기기기 설계가 가지는 Multimodal한 특성을 충분히 고려해 줄 필요가 있다. 본 논문은 특성 함수 호출의 최소화를 위해 지역탐색 기법인 MADS(Mesh Adaptive Direct Search)와 전역 최적해 탐색 가능성을 높이기 위해 확률론적 최적화 알고리즘인 G.A(Genetic Algorithms)를 유기적으로 결합하여 전기기기 최적설계에 요구되는 전반적인 특징을 포괄한 미미틱 알고리즘을 구현하였으며, 구현된 알고리즘을 테스트 함수에 적용하여 수렴결과를 나타내었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11b
• /
• pp.789-792
• /
• 2003

타부 탐색은 타부 전략 기법과 최급 강하 알고리즘이 결합된 알고리즘이다. 이는 한번 방문한 해는 다시 방문하지 않음으로써 지역 최적해에 수렴하지 않고 새로운 방향으로 움직이게 하여 공간 탐색 능력 효율을 높인다. 그러나 기존의 타부 탐색에서 이웃 해를 생성하는 방법에 따라 성능이 많이 좌우된다. 좋지 않은 이웃 해를 생성하는 탐색에서는 얻고자 하는 최적해에 수렴하는 시간이 많이 걸린다. 따라서 이웃 해를 생성할 때 해밍 거리를 고려하여 균형 있는 이웃 해론 생성하고, 해 공간은 탐색함으로써 우수한 최적해를 얻게 됨을 본 논문에서는 보여주고 있다. 이는 다양성도 보장되므로 최적해에 수렴해 가는 속도 또한 빠른 것을 보여주고 있다.

• Journal of Intelligence and Information Systems
• /
• v.3 no.2
• /
• pp.1-9
• /
• 1997

These papers propose an evolutionary algorithm for re-using output of waste fuel of light water reactor system in nuclear power plants. Evolutionary algorithm is useful for optimization of the large space problem. The wastes contain several re-useable elements, and they should be carefully selected and blended to satisfy requirements as input material to the heavy water nuclear reactor system. This problem belongs to a NP-hard like the 0/1 Knapsack problem. Two evolutionary strategies are used as a, pp.oximation algorithms in the highly constrained combinatorial optimization problem. One is the traditional strategy, using random operator with evaluation function, and the other is heuristic based search that uses the vector operator reducing between goal and current status. We also show the method, which performs the feasible teat and solution evaluation by using the vectorized data in problem. Finally, We compare the simulation results of using random operator and vector operator for such combinatorial optimization problems.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.2
• /
• pp.255-267
• /
• 2011

The aim of this study is to utilize system trading for making investment decisions and use technical analysis and Dynamic Time Warping (DTW) to determine similar patterns in the frequency of stock data and ascertain the optimal timing for trade. The study will examine some of the most common patterns in the futures market and use DTW in terms of their frequency (10, 30, 60 minutes, and daily) to discover similar patterns. The recognized similar patterns were verified by executing trade simulation after applying specific strategies to the technical indicators. The most profitable strategies among the set of strategies applied to common patterns were again applied to the similar patterns and the results from DTW pattern recognition were examined. The outcome produced useful information on determining the optimal timing for trade by using DTW pattern recognition through system trading, and by applying distinct strategies depending on data frequency.

• The Journal of the Korea Contents Association
• /
• v.11 no.3
• /
• pp.100-107
• /
• 2011

One of the important fields for heuristic algorithm is how to balance between Intensification and Diversification. In this paper, we deal with the performance improvement techniques through balance the intensification and diversification in Ant Colony System(ACS) which is one of Ant Colony Optimization(ACO). In this paper, we propose the hybrid searching method between intensification strategy and diversification strategy. First, the length of the global optimal path does not improved within the limited iterations, we evaluates this state that fall into the local optimum and selects the next node using changed parameters in the state transition rule. And then we consider the overlapping edge of the global best path of the previous and the current, and, to enhance the pheromone for the overlapping edges increases the probability that the optimal path is configured. Finally, the performance of Best and Average-Best of proposed algorithm outperforms ACS-3-opt, ACS-Subpath, ACS-Iter and ACS-Global-Ovelap algorithms.

• The Journal of the Korea Contents Association
• /
• v.11 no.6
• /
• pp.59-66
• /
• 2011

Resource constrained project scheduling problem with multiple resource constraints as well as precedence constraints is well-known as one of the NP-hard problem. Since these problems can't be solved by the deterministic method during reasonable time, the heuristics are generally used for getting a sub-optimal during reasonable time. In this paper, we introduce an efficient genetic algorithm for resource constrained project scheduling problem using crossover which is applying schema theory and real world tournament selection strategy. Experimental results showed that the proposed algorithm is superior to conventional algorithm.