• Journal of the Korean Data and Information Science Society
• /
• v.24 no.3
• /
• pp.495-504
• /
• 2013

Evolutionary algorithms have been applied to multi-objective optimization problems by approximation methods using computational intelligence. Those methods have been improved gradually in order to generate more exactly many approximate Pareto optimal solutions. The paper introduces a new method using support vector machine to find an approximate Pareto frontier in multi-objective optimization problems. Moreover, this paper applies an evolutionary algorithm to the proposed method in order to generate more exactly approximate Pareto frontiers. Then a decision making with two or three objective functions can be easily performed on the basis of visualized Pareto frontiers by the proposed method. Finally, a few examples will be demonstrated for the effectiveness of the proposed method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.400-404
• /
• 2008

댐 군 연계운영을 위한 기존의 많은 최적화 모형은 경제성에 기반을 둔 단일 목적 함수를 가정함으로써 현실과는 동떨어진 결과를 도출하곤 하였다. 따라서 보다 현실적인 최적화 모형이 되기 위해서는 실제 운영과정을 모사할 수 있도록 적절한 초기 가중치를 부여하여 모형을 구축하고, 상충되는 목적간의 절충안으로 파레토 프런티어(Pareto-frontier)를 제시할 수 있는 다중목적 의사결정 기법이 요구된다. 본 연구의 목적은 댐 군 연계 운영을 위한 최적화 모형으로 소개된 CoMOM(Coordinated Multi-reservoir Operating Model)의 다중목적함수에 적합한 초기 가중치를 도출할 수 있는 시스템을 제안하는 것이다. 본 연구에서는 최적화 모형에 적합한 가중치를 결정함에 있어 댐의 초기저수량과 미래의 예상 유입량과 같은 수문 조건을 감안할 필요가 있음에 주목하였다. 이것은 초기저수량과 미래에 예상되는 유입량이 작을 경우 가급적 저수에 중점을 두고, 그 반대일 경우는 발전방류에 주안점을 두는 것이 바람직하다는 사실에서 추정해 볼 수 있는 가정이다. 따라서 댐의 초기 저수량 조건과 유입량 시나리오의 다양한 수문 조건별로 가장 적합한 가중치를 찾아본 후, 수문 조건을 입력요소로, 최적 가중치를 출력요소로 갖는 신경망 모형을 활용해서 수문 조건에 적합한 가중치를 예측할 수 있는 절차를 제안한다. 이 과정에서 최적 가중치를 도출하는 것이 관건이 될 수 있는데, 이를 위해 전승목 (2008)등이 제안한 DEA기반 순위결정 절차를 활용해서 최선의 파레토 최적해와 이에 대응되는 가중치를 찾아 이를 신경망 모형의 출력요소 값으로 활용하였다. 본 연구에서 제안하는 신경망 모형은 임의의 수문 상황에 대해 이에 적합한 CoMOM의 초기 가중치를 결정해 줌으로써 CoMOM과 같은 최적화 모형의 가중치 선정에 따르는 어려움을 극복하는 데 도움이 될 수 있을 것으로 기대된다.