• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.916-918
• /
• 2005

다목적 최적화 문제의 목표는 다양한 파레토 최적해(Pareto Optimal Solution)을 찾는데 있으며, 마이크로-유전자 알고리즘(Micro-Genetic Algorithm)은 단순 유전자 알고리즘(Simple Genetic Algorithm)에 비해 소수의 유전자들만을 선별하여 진화시키는 방식으로 효율성을 극대화시킨다. 본 논문에서는 다양한 목적을 동시에 최적화하는 다목적 멀티캐스트 라우팅 문제를 해결하기 위해서 다목적 유전자 알고리즘과 마이크로-유전자 알고리즘을 결합한 다목적 마이크로-유전자 알고리즘을 적용하였다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2639-2641
• /
• 2003

유전자 알고리즘은 다윈의 자연선택설과 유전자의 진화 개념을 이용한 적응 탐색 알고리즘으로 적용하고자 하는 문제의 매개 변수를 유전자와 비슷한 데이터 구조로 부호화하고, 유전 연산자를 이용하여 문제의 해답을 찾는 알고리즘이다. 최근 유전자 알고리즘은 이러한 복수개의 목적 함수를 최적화 하기 위한 다중 최적화 문제를 위한 최적화 기술로서의 관심이 크게 다루어지고 있으며 전송 문제, 생산 공정 문제 계획 등과 같은 다목적 함수를 다루는 많은 응용 부분에 대해 적용되고 있다. 본 논문에서는 기본적인 다중 목적 함수용 예와 Gen과 Kim이 제안한 네트워크 신뢰도를 고려한 연결 비용과 메시지 지연을 고려한 이중 구속 통신망 설계 문제를 가지고 가중치 합과 여러 가지 파레토 방법들을 비교하고 연구 검토 하고자 한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.331-334
• /
• 2010

본 논문에서는 준능동 TMD가 설치된 고층건물의 풍응답을 효과적으로 저감시키기 위하여 다목적 유전자알고리즘(MOGA)을 이용한 퍼지관리제어기를 개발하였다. 퍼지관리제어기는 하위제어기인 그라운드훅(groundhook) 제어알고리즘과 스카이훅(skyhook) 제어알고리즘에 의해서 결정된 제어명령을 적절하게 하나로 합치는 역할을 한다. 다목적 유전자알고리즘의 최적화 과정에서 75층의 가속도 응답과 준능동 TMD의 변위응답을 목적함수로 사용하였다. 다목적 유전자알고리즘 최적화과정을 통하여 퍼지관리제어기의 파레토 최적해집합을 효과적으로 얻을 수 있었다. 다목적 유전자알고리즘에 의하여 개발된 퍼지관리제어기는 가중합방법의 제어기보다 매우 우수한 성능을 나타내었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.511-513
• /
• 2003

멀티미디어 서비스의 증가로 다양한 QoS(Quality of Service) 파라미터를 보장하는 멀티캐스트 라우팅 알고리즘이 필요하게 되었다. 이러한 멀티캐스트 라우팅에서 고려해야 하는 각각의 QoS 파리미터와 비용과의 관계는 Trade-off 관계에 있으며, 이들을 동시에 최적화하는 멀티캐스트 라우팅 문제는 다목적 최적화 문제(Multi-Objective Optimization Problem: MOOP)에 속하는 어려운 문제이다. 다목적 최적화 문제의 목표는 다양한 파레토 최적해(Pareto Optimal Solution)를 찾는데 있으며, 이를 해결하기 위해서 본 논문에서는 다목적 유전자 알고리즘(Multiple Objective Genetic Algorithms： MOGA)을 적용하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.39 no.4
• /
• pp.10-18
• /
• 2002

Network topology design is a multiobjective problem with various design components. The components such as cost, message delay and reliability are important to gain the best performance. Recently, Genetic Algorithms(GAs) have been widely used as an optimization method for real-world problems such as combinatorial optimization, network topology design, and so on. This paper proposed a method of Multi-objective GA for Design of the network topology which is to minimize connection cost and message delay time. A common difficulty in multiobjective optimization is the existence of an objective conflict. We used the prufer number and cluster string for encoding, parato elimination method and niche-formation method for the fitness sharing method, and reformation elitism for the prevention of pre-convergence. From the simulation, the proposed method shows that the better candidates of network architecture can be found.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.395-398
• /
• 2002

본 논문에서는 ‘다목적 함수 최적화 문제(Multi-objective Optimization Problem MOP)’를 풀기 위하여 유전자 알고리즘을 진화적 게임 이론 적용시킨 ‘내쉬 유전자 알고리즘(Nash GA)’과 본 논문에서 새로이 제안하는 공진화 알고리즘의 구조를 설명하고 이 두 알고리즘의 결과를 시뮬레이션을 통하여 비교 검토함으로써 ‘진화적 게임 이론(Evolutionary Game Theory : EGT)’의 두 가지 아이디어 -‘내쉬의 균형(Equilibrium)’과 ‘진화적 안정전략(Evolutionary Stable Strategy . ESS)’-에 기반한 최적화 알고리즘들이 다목적 함수 문제의 최적해를 탐색할 수 있음을 확인한다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2000.05a
• /
• pp.1027-1031
• /
• 2000

In this paper, multiphase dynamic optimization of machine structure is presented. The final goal is to obtain ( i ) light weight, and ( ii ) rigidity statically and dynamically. The entire optimization process is carried out in two steps. In the first step, multiple optimization problem with two objective functions is treated using Pareto genetic algorithm. Two objective functions are weight of the structure, and static compliance. In the second step, maximum receptance is minimized using genetic algorithm. The method is applied to a simplified milling machine.

• Journal of the Korea Computer Industry Society
• /
• v.6 no.3
• /
• pp.539-550
• /
• 2005

The spanning tree, which is being used the most widely in indoor wiring network, is chosen for the network topology of the optimal LAN design. To apply a spanning tree to GA, the concept of $Pr\ddot{u}fer$ numbers is used. $Pr\ddot{u}fer$ numbers can express he spanning tree in an efficient and brief way, and also can properly represent the characteristics of spanning trees. This paper uses Pareto Stratum-Niche Cubicle(PS-NC) GA by complementing the defect of the same priority allowance in non-dominated solutions of pareto genetic algorithm(PGA). By applying the PS-NC GA to the LAN design areas, the optimal LAN topology design in terms of minimizing both message delay time and connection-cost could be accomplished in a relatively short time. Numerical analysis has been done for a hypothetical data set. The results show that the proposed algorithm could provide better or good solutions for the multi-objective LAN design problem in a fairly short time.

• Journal of Korea Water Resources Association
• /
• v.38 no.10 s.159
• /
• pp.861-869
• /
• 2005

A rainfall-runoff model should be calibrated so that the model simulates the hydrological behavior of the basin as accurately as possible. In this study, to calibrate the five parameters of the SSARR model, a multi-objective function and the genetic algorithm were used. The solution of the multi-objective function will not, in general, be a single unique set of parameters but will consist of the so-called Pareto solution according to various trade-offs between the different objectives. The calibration strategy using multi-objective function could decrease calibrating time and effort. From the Pareto solution, a single solution could be selected to simulate a specific flow condition.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1479-1494
• /
• 2015

Since the Markowitz's mean-variance framework for portfolio analysis, the topic of portfolio optimization has been an important topic in finance. Traditional approaches focus on maximizing the expected return of the portfolio while minimizing its variance, assuming that risky asset returns are normally distributed. The normality assumption however has widely been criticized as actual stock price distributions exhibit much heavier tails as well as asymmetry. To this extent, in this paper we employ the genetic algorithm to find the optimal portfolio under the Value-at-Risk (VaR) constraint, where the tail of risky assets are modeled with the generalized Pareto distribution (GPD), the standard distribution for exceedances in extreme value theory. An empirical study using Korean stock prices shows that the performance of the proposed method is efficient and better than alternative methods.