• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.473-475
• /
• 2003

최근 빠른 시간에 행동을 표현할 수 있는 장점을 가진 반응형 시스템과 최적화된 시퀀스를 생성할 수 있는 계획에 기반만 시스템을 통합하기 위한 하이브리드 시스템의 연구가 활발히 진행되고 있다. 행동 네트워크 구조는 센서와 목적에 대한 외부연결과 행동들 사이의 내부연결을 통해 수동적으로 설계되지만. 자동적으로 행동을 생성할 수 있고 복잡한 문제에 적용할 수 있는 장점이 있다. 본 논문에서는 이동 에이전트의 행동을 생성하기 위한 최적화된 방법을 찾는 문제에 대해 이 행동 네트워크에 계획 기능을 부가함으로 행동 시퀀스를 최적화하는 방법을 제안한다. 행동 네트워크는 입력된 정보와 목적 정보를 가지고 다음에 수행할 행동을 선택하여 각 상황에 가장 높은 우선순위를 가지는 행동만을 선택한다. 이 행동 네트워크에서 선택된 모든 행동들을 몇 단계 앞서 수행시켜 가장 좋은 결과를 가져올 행동으로 다음의 행동을 선택하는 방법을 통하여 복잡하고 불확실한 환경에서 주어진 목표를 달성하기 위한 전체적인 최적 행동 시퀀스를 생성할 수 있다. Khepera 이동 로봇을 이용한 실험을 통해 제안한 행동 네트워크에 계획을 이용한 방법이 행동 네트워크 구조에서보다 더 적은 행동 시퀀스로 목적을 달성함을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.94-96
• /
• 2004

에이전트의 '물체 따라가기'는 전통적으로 자동운전이나 가이드 등의 다양한 서비스를 제공할 수 있는 기본적인 기능이다. 여러 가지 물체가 있는 환경에서 '물체 따라가기'를 하기 위해서는 목적하는 대상이 어디에 있는지 찾을 수 있어야 하며, 실제 환경에는 사람이나 차와 같이 움직이는 물체들이 존재하기 때문에 다른 물체들을 피할 수 있어야 한다. 그런데 에이전트의 최적화된 피하기 행동은 장애물의 모양과 크기에 따라 다르게 생성될 수 있다. 본 논문에서는 다양한 모양과 크기의 장애물이 있는 환경에서 최적의 피하기 행동을 생성하면서 물체를 추적하기 위해 반응형 에이전트의 행동선택을 강화학습 한다. 여기에서 정확하게 상태를 인식하기 위하여 상태를 추론하고 목표물과 일정거리를 유지하기 위해 베이지안 추론을 이용한다 베이지안 추론은 센서정보를 이용해 확률 테이블을 생성하고 가장 유력한 상황을 추론하는데 적합한 방법이고, 강화학습은 실시간으로 장애물 종류에 따른 상태에서 최적화된 행동을 생성하도록 평가함수를 제공하기 때문에 베이지안 추론과 강화학습의 결합모델로 장애물에 따른 최적의 피하기 행동을 생성할 수 있다. Webot을 이용한 시뮬레이션을 통하여 다양한 물체가 존재하는 환경에서 목적하는 대상을 따라가면서 이종의 움직이는 장애물을 최적화된 방법으로 피할 수 있음을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.241-244
• /
• 2007

본 논문에서는 박테리아의 주화성에 기초한 Bacteria Cooperative Optimization(BCO) 알고리즘을 소개한다. BCO는 Ant Colony Optimization (ACO)처럼 자연계에 존재하는 생명체의 행동양식을 모방하여 만든 최적화 알고리즘으로 크게 초기화, 측정, 행동결정, 이동으로 구성된다. 우리는 먼저 BCO 알고리즘을 설명하고 2차원 함수 최적화 문제를 이용하여 BCO알고리즘과 Genetic Algorithm(GA) 그리고 Bacterial Foraging for Distributed Optimization(BFO)의 성능 측정 결과를 기술한다. 실험 결과 BCO의 성능이 GA나 BFO보다 우수함을 보였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.3
• /
• pp.155-160
• /
• 2017

Recently, Deep learning has been used successfully to solve many recognition problems. It has many advantages over existing machine learning methods that extract feature points through hand-crafting. Deep neural networks for human activity recognition split video data into frame images, and then classify activities by analysing the connectivity of frame images according to the time. But it is difficult to apply to actual problems which has small-scale activity classes. Because this situations has a problem of overfitting and insufficient training data. In this paper, we defined 5 type of small-scale human activities, and classified them. We construct video database using 700 video clips, and obtained a classifying accuracy of 74.00%.

• Journal of Internet Computing and Services
• /
• v.8 no.6
• /
• pp.103-114
• /
• 2007

In an arcade game, the users can easily predict the monster's action because most of the game monster's action patterns are acted only in the predefined patterns, This paper attempts how to increase the player's satisfaction while making the unpredictable action patterns easily, This research defines and realizes the monster's action patterns through the FSM algorithm. In addition, this paper added the predictable factors of monsters in an action patterns of a game monster to optimize the game, On analyzing the result of game play, the game monster's action was evenly used in the whole playing map and the game monster showed that it operated without the recursion of certain action properly.

• Journal of Korea Game Society
• /
• v.8 no.1
• /
• pp.79-90
• /
• 2008

This paper describes a motivation-based hierarchical behavior planning framework to allow autonomous agents to select adaptive actions in simulation game environments. The combined behavior planning system is formed by four levels of specification, which are motivation extraction, goal list generation, action list determination and optimization. Our model increases the complexity of virtual human behavior planning by adding motivation with sudden and cumulative attributes. The motivation selection by probability distribution allows NPC to make multiple decisions in certain situations in order to embody realistic virtual humans. Hierarchical goal tree enhances the effective reactivity. Optimizing for potential actions provides NPC with safe and satisfying actions to adapt to the virtual environment. A restaurant simulation game was used to elucidate the mechanism of the framework.

• The Journal of Society for e-Business Studies
• /
• v.17 no.1
• /
• pp.91-110
• /
• 2012

Recently the effort of retailers improving the efficiency of store operations by using the information technology (IT) is increasing. Among them, the analysis of the shoppers' flow in retail stores is one of the critical tasks since it is an essential part in optimizing store layout and item grouping, and in developing the customized services specialized to shoppers' classification. Agent-Based Modeling and Simulation (ABMS) is one of the most promising methods which support analyzing the shoppers' flow. In this paper, we suggested a shopper's behavior model and developed an agent-based simulator for optimizing the operations of retail stores. In order to model the shoppers' behavior, we analyzed the behavioral characteristics of shoppers based on their shopping lists, suggesting BDI-based agent models of the shoppers' behavior. The shopping agent model were suggested, which has an additional mental state, the shopper's behavioral characteristic, as well as the original mental states of the BDI theory which has beliefs, desires and Intentions. The result of this study can be used in as a preliminary study for modeling and simulation of retail stores congestion and in the end the optimization of item grouping and store layout.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.157-161
• /
• 2003

본 논문에서는 차량의 주행경로 최적화를 위해 강화학습 개념을 적용하고자 한다. 강화학습의 특징은 관심 대상에 대한 구체적인 지배 규칙의 정보 없이도 최적화된 행동 방식을 학습시킬 수 있는 특징이 있어서, 실제 차량의 주행경로와 같이 여러 교통정보 및 시간에 따른 변화 등에 대한 복잡한 고려가 필요한 시스템에 적합하다. 또한 학습을 위한 강화(보상, 벌칙)의 정도 및 기준을 조절해 즘으로써 다양한 최적주행경로를 제공할 수 있다. 따라서, 본 논문에서는 강화학습 알고리즘을 이용하여 다양한 최적주행경로를 제공해 주는 시스템을 구현한다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.277-278
• /
• 2007

본 논문은 HVAC(heating, ventilating, and air conditioning) 시스템에 대해 Particle Swarm Optimization(PSO) 알고리즘을 이용하여 최적화된 Multi-Fuzzy 제어기 설계를 제안한다. HVAC 시스템의 효율과 안정도에 결정적인 영향을 미치는 과열도와 저압(증발기의 압력)을 제어하기 위해, 3대의 Expansion Valve 와 1대의 Compressor 에서 동시에 제어하는 Multi-Fuzzy 제어기를 설계한다. 그리고 최적화 알고리즘 중 하나인 사회적인 행동양식을 기반한 PSO 알고리즘을 이용하여 설계된 Multi-Fuzzy 제어기를 최적화한다. 시뮬레이션의 결과 비교를 통해, 대표적인 최적화 알고리즘인 유전자 알고리즘을 사용한 최적화된 제어기와 제안한 PSO 알고리즘을 이용한 최적화된 제어기의 성능을 평가한다.

• Journal of Korea Game Society
• /
• v.16 no.4
• /
• pp.35-44
• /
• 2016

To apply the player's experiences to the design process of the game levels set by the developer, gameplay behavior analysis is needed. The player's behavior which is different by how much he got experiences from the play has generally been studied by one computational approach based on numerical data and the other HCI(human-computer interaction) approach through heuristic analysis. For the analysis of the player's behavior with the level design patterns in FPS(first-person shooter) games, in this paper those methods are used to code 12 main types of action, which in turn is simply categorized into 5 kinds of behavior pattern. Along with it, an optimized visualization is proposed to intuitively compare the flow of behavior pattern with the time of playing game.