• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.51-54
• /
• 2003

진화하드웨어는 하드웨어 스스로 진화하여 필요한 회로를 구성한다 회로를 재구성하기 위해서 유전자 알고리즘을 사용한다. 유전자 알고리즘(Genetic Algorithm)은 전역적 탐색을 통하여 해를 구한다. 하지만 유전자 알고리즘은 많은 개체의 평가를 통하여 이루어지기 때문에 수행하는데 시간이 많이 소요된다. 이전의 연구에서 유전자 알고리즘 프로세서를 이용하여 진화하드웨어를 구성했다. 유전자 알고리즘 프로세서는 유연성이 떨어지고 범용적으로 사용하기 어렵다. 본 논문에서는 CPU를 이용하여 유전자 알고리즘 프로세서를 소프트웨어로 제어하는 방법을 제안한다 소프트웨어로 합성한 신호로 GAP의 동작을 제어하기 때문에 유연성을 가질 수 있다 FPGA에 CPU와 유전자 알고리즘 프로세서를 구현하여 one-chip 하드웨어를 구현한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.7
• /
• pp.1553-1557
• /
• 2004

A real-time processing system for embedded hardware genetic algorithm is suggested. In order to operate basic module of genetic algorithm in parallel, such as selection, crossover, mutation and evaluation, dual processors based architecture is implemented. The system consists of two Xscale processors and two FPGA with evolvable hardware, which enables to process genetic algorithm efficiently by distributing the computational load of hardware genetic algorithm to each processors equally. The hardware genetic algorithm runs on Linux OS and the resulted chromosome is executed on evolvable hardware in FPGA. Furthermore, the suggested architecture can be extended easily for a couple of connected processors in serial, making it accelerate to compute a real-time hardware genetic algorithm. To investigate the effect of proposed approach, performance comparisons is experimented for an typical computation of genetic algorithm.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.11a
• /
• pp.575-579
• /
• 2000

유전자 알고리즘을 구현하기 위해서 전용 원칩 컴퓨터를 설계하였다. 유전자 알고리즘의 전용 원칩 컴퓨터는 16Bit CPU CORE와 유전자 알고리즘의 하드웨어로 구성되어 있다. 구현된 전용 원칩 컴퓨터는 기존이 하드웨어 GAP와 달리 메인 컴퓨터에 독립적으로 동작되며 멀티미디어 통신에 사용되는 비트 동기용 하드웨어를 생성시켜본 결과 효과적임을 알 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2002.05a
• /
• pp.466-468
• /
• 2002

This paper proposes a new type of evolvable hardware for implementing the clone of Moore State machine. The proposed Evolvable Hardware is employed efficient pipeline parallelization, handshaking mechanism and fitness function in FPGA Genetic Algorithm(GA) has known as a method of solving NP problem in various applications. Since a major drawback of the GA is that it needs a long computation time, the hardware implementation of Genetic Algorithm is focused on in recent studies. Conventional hardware GA uses the fired length of chromosome but the proposed Evolvable Hardware uses the variable length of chromosome by the efficient 16 bit Pipeline Unit. Experimental results show that the proposed evolvable hardware is applicable to the implementation of the clone for Moore State machine

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.6 no.5
• /
• pp.718-723
• /
• 2002

This paper proposes a new type of evolvable hardware for implementing the clone of Moore State machine. The proposed Evolvable Hardware is employed efficient pipeline parallelization, handshaking mechanism and fitness function in FPGA. Genetic Algorithm(GA) has known as a method of solving NP problem in various applications. Since a major drawback of the GA is that it needs a long computation time, the hardware implementation of Genetic Algorithm is focused on in recent studies. Conventional hardware GA uses the fixed length of chromosome but the proposed Evolvable Hardware uses the variable length of chromosome by the efficient 16 bit Pipeline Unit. Experimental results show that the proposed evolvable hardware is applicable to the implementation of the clone for Moore State machine.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.426-432
• /
• 2001

This paper is implementation of cellular automata neural network system using evolving hardware concept. This system is a living creatures'brain based on artificial life techniques. Cellular automata neural network system is based on the development and the evolution, in other words, it is modeled on the ontogeny and phylogney of natural living things. The phylogenetic mechanism are fundamentally non-deterministic, with the mutation and recombination rate providing a major source of diversity. Ontogeny is deterministic and local physics. Cellular automata is developed from initial cells, and evaluated in given environment. And genetic algorithms take a part in adaptation process. In this paper we implement this system using evolving hardware concept. Evolving hardware is reconfigurable hardware whose configuration si under the control of an evolutionary algorithm. We design genetic algorithm process for evolutionary algorithm and cells in cellular automata neural network for the construction of reconfigurable system. The effectiveness of the proposed system if verified by applying it to Exclusive-OR.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.238-240
• /
• 2002

진화 가능한 하드웨어의 개발은 유전자 알고리즘의 새로운 가능성을 열어주었고 이에 적합한 다양한 방법이 제시되어 왔다. 하지만 일반적인 유전자 알고리즘으로는 Genetic drift가 생기거나 지역해에 빠지는 등 한계가 있기 때문에 이를 해결하기 위한 방안으로 종분화 알고리즘이 도입되고 있다. 현재까지 다양한 종분화 알고리즘이 소개되었는데 이들은 이전의 알고리즘과 비교하였을 때 높은 다양성을 유지하면서 더 좋은 해를 찾아낸다. 이 논문에서는 진화 하드웨어상에서 이러한 종분화 알고리즘들의 장단점 및 특징을 여러 비교기준을 통해 제시한다. 실험결과 Deterministic Crowding과 Struggle GA가 가장 좋은 성능을 나타내었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.462-466
• /
• 2002

Genetic Algorithm (GA) which imitates the process of nature evolution is applied to various fields because it is simple to theory and easy to application. Recently applying GA to hardware, it is to proceed the research of Evolvable Hardware(EHW) developing the structure of hardware and reconstructing it. And it is growing a necessity of GAP that embodies the computation of GA to the hardware. Evolving by GA don't act in the software but in the hardware(GAP) will be necessary for the design of independent EHW. This paper shows the design GAP for fast reconfiguration of EHW.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.575-583
• /
• 2000

본 논문에서 임의의 데이터가 입력되면 기준 영상 중에서 가장 유사도가 큰 영상을 찾아 국부 승리자로 선택하고, 그 국부 승리자 중에서 전체 승리자를 선택하여 최종 출력값을 얻는 계층적 FGNN(Fuzzy Genetic Neural Network)을 제안하고, 이에 하이브리드 퍼지 소속함수와 유전자 알고리즘을 적용하였다. 하이브리드 퍼지 소속함수는 입력 값을 0~1 사이의 값으로 함으로써 시스템의 속도를 빠르게 하고 유전자 알고리즘을 입력값을 일정한 오차 이내로 하여 최적의 영상을 얻도록 하였다. 위의 계층적 FGNN 알고리즘을 회로 설계 및 검증하였다. 또한 제안한 FGNN을 이용하여 영상에 포함된 잡음을 제거하고, 이와 유사한 구조를 가진 FDNN(Fuzzy Decision Neural Network) 성능보다 FGNN의 성능이 우수함을 여러 가지 영상을 통하여 확인하였다. 또한 모의 실험 결과 영상에 대한 평균자승오차(MSE : Mean Square Error)를 비교하였으며, 그 결과 하이브리드 퍼지 함수와 유전자 알고리즘을 적용한 FGNN이 메디안 필터, OC, CO, FDNN 등에 비해 우수함을 확인하였다. FGNN 알고리즘을 Top-Down 방식으로 VHDL(VHSIC Hardware description Language)을 이용하여 코딩(Coding)하고, Synopsys 툴을 이용하여 하드웨어를 설계하였다. 이 알고리즘의 하드웨어는 총 5개의 블록으로 가지고 있고 각각의 블록은 파이프라인 형태로 구성하고, 이는 Synopsys 툴을 이용하여 동작 및 성능을 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.214-216
• /
• 2000

본 논문에서는 유전자 프로그래밍을 이용하여 온라인 적응 학습이 가능 진화 하드웨어의 진화 전략을 구성하였다. 유전자 프로그래밍은 특유의 트리형 개체구조가 여러 개의 프로세스의 합을 통한 복합 임무의 수행 구조로 해석될 수 있다는 이점에 비하여, 하드웨어 구현이 어렵고 crossover 연산자의 사용이 어렵다는 단점등에 의하여 진화 하드웨어의 동적 재구성 알고리즘으로 널리 사용되지 못하였다. 본 논문에서는 유전자 프로그래밍의 이러한 단점을 극복할 수 있는 개체 표현 및 하드웨어 구현 방법을 제안하였으며, 제안된 방법론에 기존의 연구 결과를 결합하여 유전자 프로그래밍의 수행 효율을 높일 수 있는 진화 전략을 구성하였다. 제안된 진화 전략은 자율 이동 로봇 실험에 적용되어 효율성을 확인하였다.