• 한국지능시스템학회논문지
• /
• 제19권2호
• /
• pp.191-196
• /
• 2009

본 논문에서는 BPSO(Binary Particle Swarm Optimization)방법과 상호정보량을 이용한 속성선택기법을 제안한다. 제안된 방법은 상호정보량을 이용한 후보속성부분집합을 선택하는 단계와 BPSO를 이용한 최적의 속성부분집합을 선택하는 단계로 구성되어 있다. 후보속성부분집합 선택 단계에서는 독립적으로 속성들의 상호정보량을 평가하여 순위별로 설정된 수 만큼 후보속성들을 선택한다. 최적속성부분집합 선택 단계에서는 BPSO를 이용하여 후보속성부분집합에서 최적의 속성부분집합을 탐색한다. BPSO의 목적함수는 분류기의 정확도와 선택된 속성 수를 포함하는 다중목적함수(Multi-Object Function)을 이용하였다. 제안된 기법의 성능을 평가하기 위하여 유전자 데이터를 사용하였으며, 실험결과 기존의 방법들에 비해 우수한 성능을 보임을 알 수 있었다.

• 경영과학
• /
• 제28권2호
• /
• pp.53-62
• /
• 2011

The objective of this paper is to propose a Binary Particle Swarm Optimization(BPSO) for design of reporting cell management system. The assignment of cells to reporting or non-reporting cells is an NP-complete problem having an exponential complexity in the Reporting Cell Location Management(RCLM) system. The number of reporting cells and which cell must be reporting cell should be determined to balance the registration(location update) and search(paging) operations to minimize the cost of RCLM system. Experimental results demonstrate that BPSO is an effective and competitive approach in fairly satisfactory results with respect to solution quality and execution time for the optimal design of location management system.

• 전자공학회논문지
• /
• 제51권7호
• /
• pp.9-17
• /
• 2014

본 논문은 무선 센서 네트워크의 분산 분포되어 있는 센서 노드들의 측위를 위해 Binary Particle Swarm Optimization (BPSO) 알고리즘을 제안한다. 자신의 위치를 모르는 센서 노드들은 셋 이상의 인접한 앵커, 즉, 위치를 알고 있는 노드들로부터의 거리를 측정하여 측위를 수행한다. 이러한 과정이 반복하는 동안 측위를 수행한 센서 노드들은 나머지 노드들에 대하여 또 다른 앵커 역할을 수행한다. 성능 평가를 위해 기존의 PSO 알고리즘에 대비하여, BPSO를 이용한 측위 오류 및 계산 시간 성능을 매트랩 시뮬레이션을 통해 비교 분석하였다. 시뮬레이션 결과 PSO 기반의 측위가 상대적으로 더 정확한 결과를 보여준다. 대조적으로, BPSO 알고리즘은 분산되어 있는 센서 노드들의 위치 측위를 더 빠르게 수행한다. 추가적으로, 전송 범위와 초기 앵커 노드들의 수가 측위 성능에 미치는 영향에 대한 분석을 수행한다.

• 제어로봇시스템학회논문지
• /
• 제19권6호
• /
• pp.527-533
• /
• 2013

BCI (Brain-Computer Interface) is a system that transforms a subject's brain signal related to their intention into a control signal by classifying EEG (electroencephalograph) signals obtained during the imagination of movement of a subject's limbs. The BCI system allows us to control machines such as robot arms or wheelchairs only by imaging limbs. With the exact same experiment environment, activated brain regions of each subjects are totally different. In that case, a simple approach is to use as many channels as possible when measuring brain signals. However the problem is that using many channels also causes other problems. When applying a CSP (Common Spatial Pattern), which is an EEG extraction method, many channels cause an overfitting problem, and in addition there is difficulty using this technique for medical analysis. To overcome these problems, we suggest an optimal channel selection method using a BPSO (Binary Particle Swarm Optimization), BPSO with channel impact factor, and GA. This paper examined optimal selected channels among all channels using three optimization methods and compared the classification accuracy and the number of selected channels between BPSO, BPSO with channel impact factor, and GA by SVM (Support Vector Machine). The result showed that BPSO with channel impact factor selected 2 fewer channels and even improved accuracy by 10.17~11.34% compared with BPSO and GA.

• 전기학회논문지
• /
• 제56권8호
• /
• pp.1382-1389
• /
• 2007

This paper presents a new approach for solving the problem of maintenance scheduling of generating units using a binary particle swarm optimization (BPSO). In this paper, we find the optimal solution of the maintenance scheduling of generating units within a specific time horizon using a binary particle swarm optimization algorithm, which is the discrete version of a conventional particle swarm optimization. It is shown that the BPSO method proposed in this paper is effective in obtaining feasible solutions in the maintenance scheduling of generating unit. IEEE reliability test systems(1996) including 32-generators are selected as a sample system for the application of the proposed algorithm. From the result, we can conclude that the BPSO can find the optimal solution of the maintenance scheduling of the generating unit with the desirable degree of accuracy and computation time, compared to other heuristic search algorithm such as genetic algorithms. It is also envisaged that BPSO can be easily implemented for similar optimizations and scheduling problems in power system problems to obtain better solutions and improve convergence performance.

• Journal of the Optical Society of Korea
• /
• 제18권1호
• /
• pp.82-88
• /
• 2014

A binary-coupled dipole approximation (BCDA) is described for designing metal nanoparticles with nonperiodic structures in one, two, and three dimensions. This method can be used to simulate the variation of near- and far-field properties through the interactions of metal nanoparticles. An advantage of this method is in its combination with the binary particle swarm optimization (BPSO) algorithm to find the best array of nanoparticles from all possible arrays. The BPSO algorithm has been used to design an array of plasmonic nanospheres to achieve maximum absorption, scattering, and extinction coefficient spectra. In BPSO, a swarm consists of a matrix with binary entries controlling the presence ('1') or the absence ('0') of nanospheres in the array. This approach is useful in optical applications such as solar cells, biosensors, and plasmonic nanoantennae, and optical cloaking.

• Journal of Information Processing Systems
• /
• 제18권5호
• /
• pp.665-676
• /
• 2022

In modern logistics, the effective use of the vehicle volume and loading capacity will reduce the logistic cost. Many heuristic algorithms can solve this knapsack problem, but lots of these algorithms have a drawback, that is, they often fall into locally optimal solutions. A fusion optimization method based on simulated annealing algorithm (SA) and binary particle swarm optimization algorithm (BPSO) is proposed in the paper. We establish a logistics knapsack model of the fusion optimization algorithm. Then, a new model of express logistics simulation system is used for comparing three algorithms. The experiment verifies the effectiveness of the algorithm proposed in this paper. The experimental results show that the use of BPSO-SA algorithm can improve the utilization rate and the load rate of logistics distribution vehicles. So, the number of vehicles used for distribution and the average driving distance will be reduced. The purposes of the logistics knapsack problem optimization are achieved.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.774-779
• /
• 2012

본 논문은 brain-computer interface (BCI)를 통해 움직임 상상 시 측정된 뇌-활동전위신호(EEG)에 내포된 행동의도의 패턴을 보다 정확하게 분류하기 위한 최적 EEG 채널 선택 기법을 제안한다. 기존의 EEG 측정실험에서는 실험 설계자에 의해 대뇌 기능적 피질 분류를 이용하여 인위적으로 선별된 채널을 활용하거나 측정기기가 수용 가능한 전체 채널을 사용해왔으며, 일정 수준의 패턴분류 정확도를 얻을 수 있었지만 다수의 채널로 인해 Common Spatial Pattern (CSP) 등의 패턴특징 추출 시 overfit 및 계산 복잡도 증가의 문제가 발생되었다. 이를 극복하기 위하여 방안으로 본 논문에서는 binary particle swarm optimization (BPSO)을 기반으로 다수의 채널 중 최적 채널을 자동으로 선택하고, 각각의 채널에 대한 impact factor를 부여함으로써 중요 채널 부근의 채널들에 가중치를 부여하는 선택방법을 제안하였으며, Support Vector Machine (SVM)을 이용하여 다수의 채널을 사용 하였을 때의 정확도와 channel impact factor를 고려한 BPSO를 적용시켰을 때의 정확도를 비교, 분석하였다.

• 한국전자파학회논문지
• /
• 제30권4호
• /
• pp.261-269
• /
• 2019

본 논문은 레이돔과 같은 다층구조의 주파수 선택적 표면(frequency selective surfaces: FSS)을 설계하는데, 편파나 입사각 등 다양한 고려사항에 대한 유연성을 갖는 픽셀 형태의 주파수 선택적 표면을 설계하는 것에 관한 것이다. 픽셀 형태의 FSS를 설계할 때 이산 공간 문제를 해결할 수 있는 다양한 방법 중 이진 입자 군집 최적화(binary particle swarm optimization: BPSO) 알고리즘은 FSS의 주기구조 패턴을 결정하는데 쉽게 적용 가능한 기술 중 하나이며, 따라서 향상된 BPSO 알고리즘을 통해 롤 오프 전파 투과특성을 갖는 FSS를 효율적으로 설계하는 기법을 제안하였다. 원하는 솔루션에 입자를 유도하기 위한 적합성 함수 설계에 대하여 수렴속도 문제를 해결하기 위해, '기울기'를 입력 변수로 한 적합성 함수를 적용할 경우 쉽게 원하는 전파특성을 갖는 FSS를 얻을 수 있었다.

• Journal of Information Processing Systems
• /
• 제18권1호
• /
• pp.146-158
• /
• 2022

With the success of the digital economy and the rapid development of its technology, network security has received increasing attention. Intrusion detection technology has always been a focus and hotspot of research. A hybrid model that combines particle swarm optimization (PSO) and kernel extreme learning machine (KELM) is presented in this work. Continuous-valued PSO and binary PSO (BPSO) are adopted together to determine the parameter combination and the feature subset. A fitness function based on the detection rate and the number of selected features is proposed. The results show that the method can simultaneously determine the parameter values and select features. Furthermore, competitive or better accuracy can be obtained using approximately one quarter of the raw input features. Experiments proved that our method is slightly better than the genetic algorithm-based KELM model.