• 한국인터넷방송통신학회논문지
• /
• 제22권3호
• /
• pp.177-183
• /
• 2022

2차원 할당 문제는 다항시간 알고리즘이 알려지지 않은 NP-완전 문제이다. 본 논문은 위치간 거리가 일정하지 않은 랜덤형 2차원 할당 문제의 최적 해를 O(n²) 수행 복잡도로 찾을 수 있는 알고리즘을 제안하였다. 제안된 알고리즘은 위치 행렬 L에서의 최소 거리 합 위치 l_i와 시설 행렬 F에서의 최대 물동량 시설 f_j를 M={(l_i,f_j)}으로 매치키시고, M을 기준으로 최소 거리 합 l_i와 시설 행렬 F에서의 최대 물동량 시설 f_j의 매칭 쌍 (l_i,f_j)을 점진적으로 증대시키는 전략을 수행하고, 위치별 거리와 시설별 물동량 상관관계를 최적으로 반영하기 위해 시설들을 교환하는 전략을 적용하였다. 실험 데이터에 적용한 결과, 제안 알고리즘은 O(n²) 의 다항시간 알고리즘임에도 불구하고 메타휴리스틱 방법의 일종인 유전자 알고리즘의 해를 개선할 수 있었다.

• 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.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권7호
• /
• pp.467-477
• /
• 2001

반응적 타부 탐색은 단순한 타부 탐색과 비교해서 중장기 메모리를 이용한 학습을 통하여 타부리스트의 크기를 반응적으로 변화시킴으로써 NP-hard 문제에 속하는 다양한 조합 최적해 문제에 대해서 좋은 해를 효율적으로 찾는다. 본 논문에서는 반응적 타부 탐색에 있어서 중장기 메모리를 이용한 탈출 메커니즘으로 이웃 해 전략 전환 메커니즘이라는 개념을 제시한다. 제시된 이웃 해 전략 전환 메커니즘을 이용한 반응적 타부 탐색을 특정 공과 대학의 강의 시간표 작성 문제와 외판원문제 (traveling salesman problem)에 적용하여 기존의 반응적 타부 탐색과 비교 분석을 하였다. 전산 실험 결과 제시된 알고리즘은 기존의 반응적 타부 탐색 알고리즘에 비교하여 더 좋은 해를 더 짧은 시간에 찾아주었다.

• 전력전자학회논문지
• /
• 제7권4호
• /
• pp.384-394
• /
• 2002

본 논문은 기존의 정전력 제어 대신에 용접품질을 향상시키기 위해 새로운 제어기법을 제안하였다. 제안된 방식을 구현하기 위해 미분기하학 이론을 근거로 한 비선형 피드백 선형화 기법을 이용하여 스폿용접 시스템을 선형시스템으로 한 후 진화전략을 이용하여 PI제어기의 최적 이득을 얻는다. 진화전략은 제어파라미터 최적화 문제를 풀기 위한 방법으로 자연진화의 원리를 모방한 알고리즘이다. 시뮬레이션과 실험결과는 진화전략에 의한 가변전력 제어의 성능이 기존의 제어방법보다 훨씬 더 우수하다는 것을 보여준다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권9호
• /
• pp.669-680
• /
• 2001

유전자 알고리즘(GA:Genetic Algorithm)은 최적화 문제를 풀기 위해 생물학적 진화(evolution) 과정을 모방한 최적화 알고리즘이다. 유전자 알고리즘은 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향적 임의 탐색을 행한다. 학습에 해당하는 국부 탐색(local search)을 유전적 알고리즘은 exploration 탐색과 exploitation 탐색의 균형을 유지시켜 줄 수 있는 한 방법이다. 모집단 내의 각 개체가 진화 과정 중에 학습한 유전적 특질들은 그 다음 세대에서 되물림 되며 이러한 학습(learning) 과정을 유전자 알고리즘과 결합시킴으로써 탐색 속도의 향상을 기대할 수 있다. 이 논문에서는 함수 최적화를 위해 속도를 개선한 셀룰러 학습을 기반으로 하는 유전자 알고리즘을 제안한다. 제안하는 셀룰러 학습 전략은 셀룰러 오토마타의 주기성과 수렴성을 기반으로 하며, 유기체가 그 개체의 생명 주기의 한 세대에서 얻게되는 지식과 경험들을 자손에게 전달한다는 이론을 바탕으로 한다. 제안한 셀룰러 학습 전략의 효율을 기존의 복합 유전자 알고리즘에서의 라마키안 진화 및 볼드윈 효과와 비교하였다. 다양한 테스트 베드 함수에 대한 실험을 통하여 셀룰러 학습에 의한 개체의 국부적 향상이 전체적인 성능 향상에 기여함을 알 수 있었고 제안한 학습 전략이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.

• 한국지능시스템학회논문지
• /
• 제12권3호
• /
• pp.275-281
• /
• 2002

본 논문에서는 축구 로봇의 원하는 속도와 이동 패턴을 만들어 내기 위하여 속도 제어에 크게 영향을 미치는 거리 오차와 각도 오타 등의 반영 비율을 나타내는 각종 파라미터가 포함된 속도 제어 함수를 제안하고, 이들 파라미터들을 유전자 알고리즘을 이용하여 최적의 값들을 탐색함으로써 변화된 환경 속에서도 로봇을 목적에 따라 신속하게 이동하게 하는 속도 제어 전략을 제안한다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 하계학술대회 논문집 Vol.5 No.2
• /
• pp.701-704
• /
• 2004

압전 외팔보의 구조가 갈수록 복잡해짐에 따라 더 정확하고 효과적인 압전체의 해석이 요구되어지고 있다. 본 논문에서는 3차원 직육면체요소를 이용한 유한요소법을 통해 압전 변환기를 해석하고, 이것을 실험적으로 검증함으로써, 3차원 유한요소법을 이용한 해석 프로그램의 타당성을 확인하였다. 또한 3차원 유한요소법을 이용해서 압전 외팔보를 해석하고, 이것을 실험 결과를 통해서 검증하였다. 그리고 압전 외팔보를 팬으로 적용하기 위해서 끝단에서의 최대 변위와 EMCF(Electo-Mechanical Coupling Factor)를 목적함수로 한 진화 전략 알고리즘을 적용하였다. 이를 통해서 팬용 압전 외팔보의 최적 설계를 수행하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제11권4호
• /
• pp.109-120
• /
• 2007

본 연구에서는 생애주기비용을 고려한 성능기반 최적 유지관리 전략 수립 시스템을 개발하였다. 교량 수명동안 비용과 성능이라는 상반되는 목적을 균형있게 만족시킬 수 있는 유지관리 시나리오의 생성을 다중목적 조합최적화 문제로 정식화하고 유전자알고리즘을 적용하였다. 개발된 프로그램을 이용하여 국도 상 강거더 교량의 최적 유지관리 시나리오를 제공하는 과정을 제시하였다. 개발된 시스템은 현재의 교량 유지관리 전략 수립의 방법을 개선하여 교량 관리주체에게 다양한 제약 및 요구조건에 부합하는 최적의 교량 유지관리 시나리오를 제공할 수 있는 효율적인 도구로 활용될 수 있을 것으로 판단된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.816-817
• /
• 2015

본 논문에서는 매입형 영구자석 전동기의 코깅토크 저감을 위해 회전자 표면에 노치를 적용하여 최적 설계를 수행하였다. 최적 설계를 위해 전역 최적점의 빠른 탐색이 가능한 크리깅 근사모델을 이용한 진화전략 알고리즘이 사용되었다. 설계 변수인 노치 크기에 대해 코깅 토크를 목적 함수로 두고 최적 설계를 진행하였으며, 이를 통해 찾은 전역 최적점과 지역 최적점 가운데 역기전력 특성을 고려하여 최종 설계안을 도출하였다.

• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.491-496
• /
• 2002

다목적 함수 최적화 문제(Multi-objective Optimization Problems : MOPs)는 공학적인 문제를 풀고자 할 때 자주 접하게 되는 대표적인 문제 중 하나이다. 공학자들이 다루는 실세계 최적화 문제들은 몇 개의 경합하는 목적 함수(objective function) 들로 이루어진 문제일 경우가 많다. 본 논문에서는 다목적 함수 최적화 문제의 정의를 소개하고 이 문제를 풀기 위한 몇 가지 접근법을 소개한다. 먼저 서론에서는 파레토 최적해(Pareto optimal solution) 의 개념을 이용한 기존의 최적화 알고리즘과 이와는 달리 게임 이론(Game Theory) 으로부터 도출된 최적화 알고리즘인 내쉬 유전자 알고리즘(Nash Genetic Algorithm Nash GA) 그리고 본 논문에서 제안하는 공진화 알고리즘의 기반이 되는 진화적 안정 전략 (Evolutionary Stable Strategy : ESS) 의 이론적 배경을 소개한다. 또 본론에서는 다목적 함수 최적화 문제와 파레토 최적 해의 정의를 소개하고 다목적 함수 최적화 문제를 풀기 위하여 유전자 알고리즘을 진화적 게임 이론(Evolutionary Game Theory : EGT) 에 적용시킨 내쉬 유전자 알고리즘과 본 논문에서 새로이 제안하는 공진화 알고리즘의 구조를 설명하고 이 두 가지 알고리즘을 대표적인 다목적 함수 최적화 문제에 적용하고 결과를 비교 검토함으로써 진화적 게임 이론의 두 가지 아이디어 내쉬의 균형(Equilibrium) 과 진화적 안정전략 에 기반한 최적화 알고리즘들이 다목적 함수 문제의 최적해 를 탐색할 수 있음을 확인한다.