• 한국측량학회지
• /
• 제36권6호
• /
• pp.573-580
• /
• 2018

최근 대피시설의 위치 적절성, 수용 능력 등을 분석하기 위한 연구가 다양하게 진행되고 있으나, 신규 대피시설의 위치를 선정하는 방법에 관한 연구는 상대적으로 부족하다. 만일의 사태에 대비하기 위해서 대피시설을 지정하는 것이므로, 효율적으로 대피시설의 위치를 선정하는 방법 또한 필요하다. 따라서 본 연구에서는 대피시설의 입지 적절성 분석에 활용되어온 네트워크 분석과 대표적인 휴리스틱 알고리즘인 유전자 알고리즘을 활용하여 대피시설의 위치를 선정하는 방법을 제시하였다. 먼저, 기존의 민방위 대피시설 자료를 토대로 네트워크 분석을 시행하여 연구지역의 대피 취약지를 살펴본 결과, 지역별로 편차가 큰 것을 확인할 수 있었다. 이에 연구지역의 대피 취약지를 최소화하는 것을 목적함수로 유전자 알고리즘을 설계하여 신규 대피시설의 위치를 결정하였다. 대피시설 후보지의 위치로 구성된 초기해를 무작위로 생성하였고, 선택, 교차, 변이의 과정을 통해 목적함수를 최대로 만족하는 해를 탐색하였다. 실험결과, 연구지역 내 대피 취약지역의 비율이 높은 곳이 우선적으로 선정되었으며, 제안 기법의 효용성이 확인되었다. 본 연구의 결과는 향후 새로운 대피시설의 위치를 지정하고 효율적인 대피 계획을 수립하는 데에 기여할 수 있을 것으로 기대된다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.