• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.108-108
• /
• 2017

깊은 불확실성이 내재되어 있는 기후변화의 특성을 고려한 의사결정은 강건함(Robustness)의 특성을 지니고 있어야 한다. 강건한(Robust) 의사결정은 광범위한 불확실성의 상황에서 모든 요구사항을 충족시키는 전략을 제시한다. 이러한 강건함의 개념은 저수지운영 규칙 산정에 필요한 최적화 과정에도 적용될 수 있는데, 이를 로버스트(Robust) 최적화 과정이라고 한다. 로버스트 최적화 과정은 기존 최적화과정이 현재의 자료를 바탕으로 최적의 해를 찾기 때문에 미래 입력자료의 불확실성을 반영하지 못하는 한계를 극복하기 위하여 등장하였다. 로버스트 최적화 과정은 크게 두 가지 방법으로 나눌 수 있는데, 확률적 로버스트 최적화 방법과 비확률적 로버스트 최적화 방법이다. 확률적 로버스트 최적화 과정은 전통적인 최적화 과정과 동일하게 불확실 변수의 확률분포를 가정하지만, 비확률적 로버스트 최적화 과정은 불확실 변수의 확률분포를 가정하지 않는다. 본 연구는 최근 수자원의 부족을 겪었던 보령댐의 보다 안정적인 이수기 운영방안 산정을 위해 로버스트 최적화 과정을 적용하였다. 먼저 전통적인 최적화 방법을 적용하여 운영방안을 도출한 뒤 기후변화 상황에서의 취약성, 신뢰성, 지속가능성 그리고 회복탄력성 등을 검토하였다. 다음으로 이에 대한 대안으로 로버스트 최적화 방법으로 운영방안을 산출하였으며 이를 기존의 최적화방법과 여러 기준으로 비교하여 그 타당성을 검토하였다. 또한 두 가지 로버스트 최적화 방법을 비교하여 각 과정의 장단점에 대해 논의 하였으며, 어떤 최적화 과정이 댐 운영방안 산정에 있어 보다 합리적이고 타당한지 비교하였다. 본 연구의 결과를 통해, 기후변화의 영향 하에서 보다 안정적인 수자원 관리 방안을 제안할 수 있었다.

• Journal of the Korea Society for Simulation
• /
• v.22 no.4
• /
• pp.21-28
• /
• 2013

This paper describes the method to solve the optimization problems for stochastic simulation which is represented by military simulations. For this reason, the test fitness function reflecting the characteristics of military simulations, complex and stochastic results, is defined and PSO is used to solve the test fitness function. To control the known weak point of PSO for stochastic simulations, this paper proposes a technique which reevaluates the value of global optimum. By using the technique, the result shows notable improvements. From the simulation results, interactions among the calculation conditions which affect the accuracy and speed of optimization are analyzed. And the strategy for the optimization of stochastic simulations is proposed.

• Journal of the Korea Society for Simulation
• /
• v.32 no.1
• /
• pp.23-34
• /
• 2023

The purpose of this paper is to review global stochastic optimization algorithms(GSOA) in case binary response experimentation is used and to compare the performances of them. GSOAs utilise estimator of probability of success $\^p$ instead of population probability of success p, since p is unknown and only known by its estimator which has stochastic characteristics. Hill climbing algorithm algorithm, simple random search, random search with random restart, random optimization, simulated annealing and particle swarm algorithm as a population based algorithm are considered as global stochastic optimization algorithms. For the purpose of comparing the algorithms, two types of test functions(one is simple uni-modal the other is complex multi-modal) are proposed and Monte Carlo simulation study is done to measure the performances of the algorithms. All algorithms show similar performances for simple test function. Less greedy algorithms such as Random optimization with Random Restart and Simulated Annealing, Particle Swarm Optimization(PSO) based on population show much better performances for complex multi-modal function.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.523-530
• /
• 2007

This paper proposes a new stochastic optimization algorithm for hidden Markov models (HMMs) used as a recognizer of automatic lipreading. The proposed method combines a global stochastic optimization method, the simulated annealing technique, and the local optimization method, which produces fast convergence and good solution quality. We mathematically show that the proposed algorithm converges to the global optimum. Experimental results show that training HMMs by the method yields better lipreading performance compared to the conventional training methods based on local optimization.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.14 no.2
• /
• pp.213-224
• /
• 2001

확률론적 구조설계 최적화는 구조물의 역학적 특성이나 하중의 불확실성이나 임의성과 같은 변동성을 정량적이고 합리적으로 고려할 수 있다는 점에서 기존의 전통적인 확정론적 최적화와 비교된다. 확률론적 최적화의 방법론으로는 개선된 일계이차모멘트법을 이용하는 신뢰도지수에 기반한 접근법(MPFP search)이 널리 알려져 있으며, 최근 목표성능치에 기반한 접근법(MPTP search)이 새롭게 제안되었다. 본 논문에서는 이들 두 가지 접근법에 대한 정식화를 수행하고, 특히 탐색과정에서 소모적인 반복계산을 발견하고 제거하는 알고리즘을 제시하였다. 예제에서 두 접근법에 의한 확률론적 최적화를 수행하고 구조설계 최적화의 관점에서 두 접근법의 장단점을 비교·검토하였다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.34 no.9
• /
• pp.33-44
• /
• 2006

As many scientific phenomena are now investigated using complex computer models, the effective use of Kriging on physical problems has been expanded to provide global approximations for optimization problems. This paper is focused on the two types of strategies to improve efficiency and accuracy of approximate optimization models using Kriging. These methods are performed by the stochastic process, stochastic-localization method(SLM), as the criterion to move the local domains and the design of experiments(DOE), the classical design and space-filling design. The proposed methodology is applied to the designs of 3-bar truss, Sandgren's pressure vessel, and honeycomb upper platform of a satellite structure.

• Journal of KIISE:Software and Applications
• /
• v.34 no.3
• /
• pp.246-254
• /
• 2007

Local search algorithms start from a certain candidate solution and probe its neighborhood to find ones with improved quality. This paper proposes a method of probabilistically filtering out bad-looking neighbors based on a simple low-cost preliminary evaluation heuristics. The probabilistic filtering enables us to save time wasted on fully evaluating those solutions that will eventually be trashed, and thus improves the search efficiency by allowing us to spend more time on examining better looking solutions. Experiments with two large-scaled real-world problems, which are a traffic signal control problem in traffic network and a load balancing problem in production scheduling, have shown that the proposed method finds better quality solutions, given the same amount of CPU time.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• Journal of the Korea Society for Simulation
• /
• v.26 no.1
• /
• pp.39-46
• /
• 2017

An arrangement of passive sonars is considered to be a fixed underwater surveillance system for detecting an anti-submarine consistently. An effectiveness score for optimizing the arrangement of passive sonars is defined in a function of the probability of detection and localization. These two features contain various probabilistic variations including seasons, sea states, depths of water, etc. Due to this reason, the effectiveness scores show probabilistic characteristics from the input of the arrangement of passive sonars. This paper defines the optimization problem having the results of probabilistic characteristics from various parameters of input conditions. Also, we suggest a simulation-based process of deciding the optimized arrangement of passive sonars using DPSO(Discrete binary version of PSO) method.

• Journal of the Korean Geosynthetics Society
• /
• v.21 no.3
• /
• pp.1-10
• /
• 2022

In this paper, the spatial randomness and probability characteristics of material properties are inversely estimated by using a set of the stochastic fields for the material properties of geotechnical structures. By using the probability distribution and probability characteristics of these estimated material properties, topology optimization is performed on structure shape, and the results are compared with the existing deterministic topology optimization results. A set of stochastic fields for material properties is generated, and the spatial randomness of material properties in each field is simulated. The probability distribution and probability characteristics of actual material properties are estimated using the partial values of material properties in each stochastic field. The probability characteristics of the estimated actual material properties are compared with those of the stochastic field set. Also, response variability of the ground structure having a modulus of elasticity with randomness is compared with response variability of the ground structure having a modulus of elasticity without randomness. Therefore, the quantified stochastic topology optimization result can be obtained with considering the spatial randomness of actual material properties.