• Journal of the Korea Convergence Society
• /
• v.12 no.1
• /
• pp.49-55
• /
• 2021

Recently, with the development of database, it is possible to store a lot of data generated in finance, security, and networks. These data are being analyzed through classifiers based on machine learning. The main problem at this time is data imbalance. When we train imbalanced data, it may happen that classification accuracy is degraded due to over-fitting with majority class data. To overcome the problem of data imbalance, oversampling strategy that increases the quantity of data of minority class data is widely used. It requires to tuning process about suitable method and parameters for data distribution. To improve the process, In this study, we propose a strategy to explore and optimize oversampling combinations and ratio based on various methods such as synthetic minority oversampling technique and generative adversarial networks through genetic algorithms. After sampling credit card fraud detection which is a representative case of data imbalance, with the proposed strategy and single oversampling strategies, we compare the performance of trained classifiers with each data. As a result, a strategy that is optimized by exploring for ratio of each method with genetic algorithms was superior to previous strategies.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.3
• /
• pp.185-191
• /
• 2019

During the modern battlefields of multi-batches flight formation attack situation, it is an essential task for a commander to make a proper fire distribution of air defense missile launch platforms for threat targets with effectively and quickly. Pan et al. try to solve this problem using genetic algorithm, but they are fails. This paper gets the initial feasible solution using high threat target first destroying strategy only use 75% available fire of each missile launch platform. Then, the assigned missile is moving to another target in the case of decreasing total threat. As a result of experiment, while the proposed algorithm is polynomial-time complexity greedy algorithm but this can be improve the solution than genetic algorithm.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1997.11a
• /
• pp.63-77
• /
• 1997

유전자 알고리즘(Genetic Algorithms)은 우수형질이 계속 번식하고 열성형질은 도태하는 자연의 진화 메커니즘을 모방한 탐색 알고리즘으로 전형적인 조합 최적화 문제에 많이 적용되고 있다. 유전자 알고리즘의 성능을 향상시키기 위해 알고리즘 실행과정에 적용할 수많은 이론과 경험적인 유전자 조작 기법이 제시되고 있는데, 이러한 기법들은 대부분 우수형질을 확보함으로써 최적의 값을 효과적으로 탐색하기 위한 것이다. 그러나, 적절하지 못한 유전자 조작의 경우 탐색지점의 제한등으로 인한 Local Optimum에 빠질 위험이 있으므로, 유전자 조작에 대한 평가가 이루어져야 한다. 본 연구에서는 유전자 알고리즘의 유전자 조작기법중 적응도 비례전략을 개선한 유전자조작이 적절한 선택기법들로 유전자 알고리즘에 응용될수 있는지를 밝히기 위해, 냅색문제를 대상으로 세대수의 변화에 따른 탐색 결과를 평가하였다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.147-148
• /
• 2015

현재 발전기 스케줄링은 제한된 발전 자원, 에너지 수요 및 연료비용 증가, 그리고 불규칙적인 부하 등 최적리스케줄링에 있어 많은 문제들을 해결하기 위한 새로운 변화가 요구된다. 본 논문에서는 Multi-Terminal Voltage Source Converter High Voltage Direct Current (VSC-MTDC)와 Bettary Energy Storage System (BESS)가 결합된 Hybrid Integrated system (HIS)를 통해 발전기 리스케줄링을 위한 최적화 기법을 제안한다. 최적 발전기 리스케줄링을 위한 HIS 퍼포먼스를 위해 VSC station limit과 충 방전을 기반으로 하는 최적화 과정을 수행한다. 최적조류계산 문제는 VSC-MTDC 시스템과 BESS룰 고려하여 정식화되며, 충 방전 전략은 24시간 수요 정보를 사용하여 발전기 리스케줄링을 위한 하이브리드 통합 시스템의 최적알고리즘을 보여준다. 제안된 최적 리스케줄링 기법을 수정된 IEEE 14 모선에 적용하여 효율성을 입증하고자 한다.

• Proceedings of the KIEE Conference
• /
• 2006.10d
• /
• pp.65-67
• /
• 2006

압전현상을 응용하여 설계, 제작되는 기존의 초음파 모터는 기계적인 구조가 단순하여 설계가 비교적 용이한 장점을 갖추고 있는 반면, 그 해석에 있어서는 전통적일 수치해석적인 방법을 사용하고 trial-and-error에만 의존하는 설계 방식으로 인하여 과학적으로 최적화된 설계가 이루어지지 않음으로써 초음파 모터의 효과적인 설계가 이루어지지 않는 문제점이 존재 하였다. 따라서 본 연구에서는 3차원 유한요소법과 확률론적 최적화 기법인 진화전략 알고리즘을 이용하여 초음파 모터의 설계에 대한 최적화 기법을 제시하고 제시된 최적화 기법을 이용하여 소형 초음파 모터 중 Micro-Positioning Actuator(MPA)의 설계 및 해석을 수행하여 그 타당성을 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.821-824
• /
• 2014

선박경제운항이란 예보된 기상정보를 활용하여 연료소모량을 최소화하도록 선박을 운항하는 것으로서 최근 다양한 방법론이 연구되고 있다. 성공적인 경제운항시스템을 구현하기 위해서는 기상을 고려하여 지리적 운항경로를 바꾸거나 적절하게 엔진 출력을 조절하는 방법이 필요하다. 그러나 항해 시각에 따라 연료소모량이 변하는 동적 비용 문제임을 고려할 때 지리적 운항 경로의 결정은 최적의 해를 찾기가 어렵다. 이에 이 논문에서는 매우 많은 지리적 후보 경로들 중에서 우수한 품질의 해를 효과적으로 탐색하기 위한 진화전략 기반 경로탐색 알고리즘을 제안하였다. 제안된 방법을 5개 노선에 대해 실험한 결과 최단거리 운항 방법에 비해 운항소요시간은 거의 차이가 없으면서도 연료소모량을 평균 1.41%, 최대 1.45% 개선시킬 수 있었다.

• The KIPS Transactions:PartB
• /
• v.16B no.4
• /
• pp.319-326
• /
• 2009

PSO(Particle Swarm Optimization) is an optimization algorithm in which simple particles search an optimal solution using shared information acquired through their own experiences. PSO applications are so numerous and diverse. Lots of researches have been made mainly on the parameter settings, topology, particle's movement in order to achieve fast convergence to proper regions of search space for optimization. In standard PSO, since each particle uses only information of its and best neighbor, swarm does not explore diverse regions and intended to premature to local optima. In this paper, we propose a new particle's movement strategy in order to explore diverse regions of search space. The strategy is that each particle moves according to relative weights of several better neighbors. The strategy of exploring diverse regions is effective and produces less local optimizations and accelerating of the optimization speed and higher success rates than standard PSO. Also, in order to raise success rates, we propose a strategy for checking whether swarm falls into local optimum. The new PSO algorithm with these two strategies shows the improvement in the search speed and success rate in the test of benchmark functions.

• Journal of the Korea Society of Computer and Information
• /
• v.20 no.4
• /
• pp.25-32
• /
• 2015

The Genetic algorithm is a search algorithm using evaluation, genetic operator, natural selection to populational solution iteratively. The convergence and divergence characteristic of genetic algorithm are affected by selection strategy, generation replacement method, genetic operator when genetic algorithm is designed. This paper proposes fast convergence genetic algorithm for time-limited robot path planning. In urgent situation, genetic algorithm for robot path planning does not have enough time for computation, resulting in quality degradation of found path. Proposed genetic algorithm uses fast converging selection strategy and generation replacement method. Proposed genetic algorithm also uses not only traditional crossover and mutation operator but additional genetic operator for shortening the distance of found path. In this way, proposed genetic algorithm find reasonable path in time-limited situation.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.9 no.1
• /
• pp.165-171
• /
• 2005

In this paper, the centralized dynamic load-balancing was processed effectively by using the network based parallel genetic algorithm. Unlike the existing method using genetic algorithm, the performance of central scheduler was improved by distributing the process for the searching of the optimal task assignment to clients. A roulette wheel selection and an elite preservation strategy were used as selection operation to improve the convergence speed of optimal solution. A chromosome was encoded by using sliding window method. And a cyclic crossover was used as crossover operation. By the result of simulation for the performance estimation of central scheduler according to the change of flexibility of load-balancing method, it was verified that the performance is improved in the proposed method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.229-233
• /
• 2005

모집단의 최적군집 수를 자동으로 결정하고 군집내의 분산은 최소로 하고 군집 간의 분산은 최대로 하는 최적 군집화에 대한 연구는 대부분의 지능형 시스템에서 필요로 하는 모형전략이다. 하지만 아직도 대부분의 군집화 과정에서 분석가의 주관적인 경험에 의존하여 군집수가 결정되어 군집화가 이루어지고 있다. 예를 들어 K-평균 군집화 알고리즘에서도 초기에 K 값을 결정해 주어야 한다. 모집단을 제대로 대표하지 못한 K 값에 의한 군집화 결과는 심각한 오류를 범하게 된다. 본 논문에서는 통계적 학습이론을 이용하여 이러한 문제점을 해결하려고 하였다. VC-차원에 의한 Support Vector를 이용하여 최적의 군집화 기법을 제안하였다. 제안 방법의 성능 평가를 위하여 UCI 기계학습 데이터를 이용하여 객관적인 실험을 수행하였다.