• 한국정보통신학회논문지
• /
• 제9권3호
• /
• pp.676-683
• /
• 2005

본 논문에서는 퍼지논리 제어방식에서 전문가로부터 소속함수의 관계조정과 제어규칙 베이스 선정 등의 제어지식을 획득해야 하는 문제점을 해결하기 위하여 유전자 알고리즘으로 최적의 소속함수의 양자화와 제어규칙 베이스를 구성하여 우수한 제어성능을 갖는 방법을 제안하였다. 제안한 방식은 유전자 알고리즘을 이용하여 퍼지 소속함수의 변수 값들과 퍼지제어 규칙을 최적화한 값으로 구하고, 이렇게 구한 값들을 초기 값으로 하여 퍼지 제어기를 오프라인으로 구성하고 실제 하드웨어 상에서 온라인으로 적용하는 방식이다. 제안한 방식의 유용성을 확인하기 위해서 DC 서보 모터의 위치제어에 대하여 시뮬레이션 하였고, 단일링크 매니플레이터를 이용한 위치제어 실험을 통하여 제어성능이 우수함을 확인하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권5호
• /
• pp.295-304
• /
• 2003

In this paper, we proposed a hardware-oriented Genetic Algorithm Processor(GAP) based on subpopulation architecture for high-performance convergence and reducing computation time. The proposed architecture was applied to enhancing population diversity for correspondence to premature convergence. In addition, the crossover operator selection and linear ranking subpop selection were newly employed for efficient exploration. As stochastic search space selection through linear ranking and suitable genetic operator selection with respect to the convergence state of each subpopulation was used, the elapsed time of searching optimal solution was shortened. In the experiments, the computation speed was increased by over $10\%$ compared to survival-based GA and Modified-tournament GA. Especially, increased by over $20\%$ in the multi-modal function. The proposed Subpop GA processor was implemented on FPGA device APEX EP20K600EBC652-3 of AGENT 2000 design kit.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.226-228
• /
• 2002

최근 진화 알고리즘을 이용하여 건축, 예술. 항공 기계 분야의 제품을 설계하려는 시도가 다양하게 이루어지고 있으며, Digenetics는 진화 체커 프로그램을 컴퓨터 전시회에서 공개하고 판매에 들어갔다 게임은 상업적으로도 가치가 높은 소프트웨어 산업분야의 중요한 영역이고, 인공지능 분야의 중요한 연구대상이다. 반면, 다양한 전문지식과 고속의 하드웨어만을 이용한 인공지능 구현의 한계로 인해 상업화되는데 어려움이 있었다. 진화 알고리즘은 개체의 우수성을 평가할 수 있는 방법만으로도 훌륭한 게임 플레이어를 생성해 낼 수 있어 많은 관심을 끌고 있다. 본 논문에서는 종분화의 일종인 크라우딩 알고리즘을 이용하여 다양한 체커 전략을 생성한 후 결합을 통해 일반 유전자 알고리즘을 이용한 전략에 비해 높은 성능을 냈다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.571-574
• /
• 2001

진화알고리즘이 주어진 문제에 대하여 만족스런 해를 도출할 수 있음이 많은 연구결과를 통하여 알려졌지만, 그러한 해가 진화과정에서 형성되는 과정에 대한 분석은 미비한 실정이다. 진화현상에는 적응적 진화 외에도 다양한 현상들이 동시에 존재하기 때문에, 비록 진화알고리즘을 적용하여 해를 도출하였다 하더라도 그것이 적응적 진화의 결과임을 판정하기는 어렵다. 이 논문에서는 적응적 진화의 정량화를 통하여 최종해가 다른 유전적 현상에 의하여 도출되어진 것이 아니라 주어진 문제에 잘 적응한 적응성에서 비롯된 결과임을 보인다. 이를 위하여 하드웨어 에이전트의 제어기를 유전자 알고리즘을 이용하여 진화적으로 구축하고, 적응성 측정을 통하여 최종해의 형성과정을 분석한다. 실험결과 최종해는 적응적 진화의 결과임을 알 수 있었다.

• 전자공학회논문지SC
• /
• 제43권5호
• /
• pp.44-59
• /
• 2006

DNA 컴퓨터의 계산 수준을 분자 수준으로 끌어내려 막대한 병렬성을 확보하고, 보다 효율적인 정보 처리를 가능케 해 차세대 컴퓨팅 기법으로서의 위치를 확고히 하고 있다. 그러나 DNA 컴퓨팅은 실제 실험을 통해 계산 모델 및 알고리즘을 검증하기 때문에 많은 연산 시간을 필요로 한다. 따라서 빠른 계산 모델 및 알고리즘의 검증을 위해 시뮬레이터인 NACST가 개발되었다. 그러나 NACST에 포함된 서열생성 시스템의 반복적인 연산 특징 때문에 이 또한 많은 연산시간을 필요로 하게 되었다. 따라서 시뮬레이션 시간 단축을 위한 서열생성 시스템의 효율적인 하드웨어 구조가 요구된다. 이에 본 논문은 DNA 코드 최적화 부분의 연산시간이 NACST 연산시간의 약 95% 이상을 차지한다는 점을 착안하여 DNA 서열 생성 시스템에 병렬 기법과 Pipeline 기법을 적용하였고 적합도 함수 간 연산을 공유시켜 연산의 양을 대폭 줄이고 분배해 시뮬레이션 시간을 크게 줄일 수 있는 하드웨어 구조를 제안하고 검증하였다. 실험 결과 제안된 하드웨어는 기존 소프트웨어에 비해 약 467배 이상의 연산시간 감소를 보였으며 DNA 서열 생성 성능은 기존과 동일함을 보였다.

• 전자공학회논문지CI
• /
• 제42권5호
• /
• pp.59-68
• /
• 2005

본 논문에서는 하드웨어 오류 검출을 위하여 공생 진화(symbiotic evolution)에 기반을 둔 새로운 immunotronic 알고리즘을 제안한다. 면역학(immunology)과 전자공학(Electronics)을 결합한 immunotronic 시스템에서 가장 중요한 점은 포용 조건 (tolerance condition)을 생성하는 방식이다. 여기서 포용 조건 생성은 생체 면역 시스템에서의 항체 생성을 의미한다. 본 논문에서는 생체 면역 시스템에서 매우 중요한 개념인 항체의 다양성 원리(principle of antibody diversity)를 포용 조건 생성에 적용한 후 공생 진화를 통하여 이를 구현한다. 공생 진화는 기존의 유전자 알고리즘(standard genetic algorithm, SGA)에 비해서 더욱 더 생체 면역 시스템이 항체를 생성하는 방식과 유사하며 이러한 방식은 이전의 immunotronic 방식에 비해서 더 향상된 비자기 검출 율을 보여 준다. 이렇게 제안된 알고리즘을 FSM(Finite State Machine)의 가장 전형적인 예인 십진 카운터와 MCNC benchmark FSM에 적용한 후 컴퓨터 모의 실험을 통해 그 성능을 확인한다.

• 한국생물정보학회:학술대회논문집
• /
• 한국생물정보시스템생물학회 2001년도 제2회 생물정보 워크샵 (DNA Chip Bioinformatics)
• /
• pp.165-196
• /
• 2001

DNA chip 또는 microarray는 다수의 유전자 또는 유전자 조각을 (보통 수천내지 수만 개)칩상에 고정시켜 놓고 DNA hybridization 반응을 이용하여 유전자들의 발현 양상을 분석할 수 있는 기술이다. 이러한 high-throughput기술은 예전에는 생각하지 못했던 여러가지 분자생물학의 문제에 대한 해답을 제시해 줄 수 있을 뿐 만 아니라, 분자수준에서의 질병 진단, 신약 개발, 환경 오염 문제의 해결 등 그 응용 가능성이 무한하다. 이 기술의 실용적인 적용을 위해서는 DNA chip을 제작하기 위한 하드웨어/웻웨어 기술 외에도 이러한 데이터로부터 최대한 유용하고 새로운 지식을 창출하기 위한 bioinformatics 기술이 핵심이라고 할 수 있다. 유전자 발현 패턴을 데이터마이닝하는 문제는 크게 clustering, classification, dependency analysis로 구분할 수 있으며 이러한 기술은 통계학과인공지능 기계학습에 기반을 두고 있다. 주로 사용된 기법으로는 principal component analysis, hierarchical clustering, k-means, self-organizing maps, decision trees, multilayer perceptron neural networks, association rules 등이다. 본 세미나에서는 이러한 기본적인 기계학습 기술 외에 최근에 연구되고 있는 새로운 학습 기술로서 probabilistic graphical model (PGM)을 소개하고 이를 DNA chip 데이터 분석에 응용하는 연구를 살펴본다. PGM은 인공신경망, 그래프 이론, 확률 이론이 결합되어 형성된 기계학습 모델로서 인간 두뇌의 기억과 학습 기작에 기반을 두고 있으며 다른 기계학습 모델과의 큰 차이점 중의 하나는 generative model이라는 것이다. 즉 일단 모델이 만들어지면 이것으로부터 새로운 데이터를 생성할 수 있는 능력이 있어서, 만들어진 모델을 검증하고 이로부터 새로운 사실을 추론해 낼 수 있어 biological data mining 문제에서와 같이 새로운 지식을 발견하는 exploratory analysis에 적합하다. 또한probabilistic graphical model은 기존의 신경망 모델과는 달리 deterministic한의사결정이 아니라 확률에 기반한 soft inference를 하고 학습된 모델로부터 관련된 요인들간의 인과관계(causal relationship) 또는 상호의존관계(dependency)를 분석하기에 적합한 장점이 있다. 군체적인 PGM 모델의 예로서, Bayesian network, nonnegative matrix factorization (NMF), generative topographic mapping (GTM)의 구조와 학습 및 추론알고리즘을소개하고 이를 DNA칩 데이터 분석 평가 대회인 CAMDA-2000과 CAMDA-2001에서 사용된cancer diagnosis 문제와 gene-drug dependency analysis 문제에 적용한 결과를 살펴본다.