• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.792-797
• /
• 2011

본 논문은 배전망에서의 PV (photovoltaic) 발전 시스템의 최적 배치 문제를 이산 입자 군집 최적화 (DPSO, discrete particle swarm optimization)를 이용하여 해를 구할 때 DPSO에 포함되어야 하는 이산화 단계를 위한 하이브리드 이산화 기법의 적용에 대하여 논한다. 이를 위해 PSO 반복단계에서 목적 함수 값과 최적화 속도를 입력 파라미터로 하는 규칙 기반 전문가 시스템을 제안하고 이산 변수를 포함하여 표현되는 PV 시스템 배치 문제의 최적해를 구하는데 적용하였다. 다수준 이산화를 위하여 간단한 라운딩과 sigmoid 함수를 이용한 3단계 및 5단계 이산화 기법을 하이브리드 형태로 적용하였다. 규칙 기반 전문가 시스템을 적용하여 각 PSO 과정에서 적절한 이산화 기법을 선택함으로써 기존의 DPSO보다 좋은 성능의 최적화가 가능하도록 하였다.

• 한국시뮬레이션학회논문지
• /
• 제26권1호
• /
• pp.39-46
• /
• 2017

은밀하게 침투하여 아군의 핵심자산으로 접근하는 표적 잠수함을 상시 감시하기 위하여 수중 해저면 위치에 최적의 고정형 수동탐지소나를 배치하는 것을 고려 할 수 있다. 수동탐지소나 배치 최적화를 위한 효과도 지수는 넓은 탐지영역과 위치추정가능성의 함수로 적용할 수 있는데 계절적인 요인, 해상상태, 표적 잠수함의 침투심도 등의 다양한 확률적 변이를 포함하고 있어서 효과도지수가 배치의 입력에 대하여 확률적으로 나타나는 특성을 갖는다. 본 논문에서는 다양한 파라메타의 입력조건에 대하여 확률적인 출력을 갖는 수동탐지소나의 배치에 대한 최적화 문제를 정의하였으며, DPSO(Discrete binary version of PSO) 방법을 사용하여 최적 배치 안을 도출하기 위한 모의기반의 절차를 제시하고 고찰하였다.

• 산업경영시스템학회지
• /
• 제40권1호
• /
• pp.95-104
• /
• 2017

This paper deals with solution methods for discrete and multi-valued optimization problems. The objective function of the problem incorporates noise effects generated in case that fitness evaluation is accomplished by computer based experiments such as Monte Carlo simulation or discrete event simulation. Meta heuristics including Genetic Algorithm (GA) and Discrete Particle Swarm Optimization (DPSO) can be used to solve these simulation based multi-valued optimization problems. In applying these population based meta heuristics to simulation based optimization problem, samples size to estimate the expected fitness value of a solution and population (particle) size in a generation (step) should be carefully determined to obtain reliable solutions. Under realistic environment with restriction on available computation time, there exists trade-off between these values. In this paper, the effects of sample and population sizes are analyzed under well-known multi-modal and multi-dimensional test functions with randomly generated noise effects. From the experimental results, it is shown that the performance of DPSO is superior to that of GA. While appropriate determination of population sizes is more important than sample size in GA, appropriate determination of sample size is more important than particle size in DPSO. Especially in DPSO, the solution quality under increasing sample sizes with steps is inferior to constant or decreasing sample sizes with steps. Furthermore, the performance of DPSO is improved when OCBA (Optimal Computing Budget Allocation) is incorporated in selecting the best particle in each step. In applying OCBA in DPSO, smaller value of incremental sample size is preferred to obtain better solutions.

• 조명전기설비학회논문지
• /
• 제23권9호
• /
• pp.55-61
• /
• 2009

본 논문에서는 구역전기사업자를 구성하는데 적용하기 위해, 기존의 최적화 기법인 Discrete Particle Swarm Optimization (DPSO) 알고리즘을 개량한 Phasor DPSO (PDPSO) 알고리즘을 새롭게 제시한다. 구역전기사업자는 전력구입 뿐만 아니라 전력판매도 가능하고, 미리 계약한 수용가의 전력부하에게 전력을 공급할 의무가 있다. 하나의 배전계통에 다수의 구역전기사업자가 존재할 경우, 해당 배전계통 내의 모든 수용가에게 최소의 운영비용으로 전력을 공급하기 위해서는 다수 구역전기사업자 간에 구성형태를 조정할 필요가 있다. 이에 적용할 최적화 기법으로 본 논문은 PDPSO 알고리즘을 제안하며, 제안된 알고리즘의 각 개체는 기존의 다변수 벡터 대신 크기와 위상각으로 이루어진 다변수 페이저 값을 갖는다.

• Journal of information and communication convergence engineering
• /
• 제13권2호
• /
• pp.123-131
• /
• 2015

Training neural networks is a complex task with great importance in the field of supervised learning. In the training process, a set of input-output patterns is repeated to an artificial neural network (ANN). From those patterns weights of all the interconnections between neurons are adjusted until the specified input yields the desired output. In this paper, a new hybrid algorithm is proposed for global optimization of connection weights in an ANN. Dynamic swarms are shown to converge rapidly during the initial stages of a global search, but around the global optimum, the search process becomes very slow. In contrast, the gradient descent method can achieve faster convergence speed around the global optimum, and at the same time, the convergence accuracy can be relatively high. Therefore, the proposed hybrid algorithm combines the dynamic particle swarm optimization (DPSO) algorithm with the backpropagation (BP) algorithm, also referred to as the DPSO-BP algorithm, to train the weights of an ANN. In this paper, we intend to show the superiority (time performance and quality of solution) of the proposed hybrid algorithm (DPSO-BP) over other more standard algorithms in neural network training. The algorithms are compared using two different datasets, and the results are simulated.

• 산업경영시스템학회지
• /
• 제33권4호
• /
• pp.58-68
• /
• 2010

Particle Swarm Optimization (PSO) which has been well known to solve continuous problems can be applied to discrete combinatorial problems. Several DPSO (Discrete Particle Swarm Optimization) algorithms have been proposed to solve discrete problems such as traveling salesman, vehicle routing, and flow shop scheduling problems. They are different in representation of position and velocity vectors, operation mechanisms for updating vectors. In this paper, the performance of 5 DPSOs is analyzed by applying to traditional Traveling Salesman Problems. The experiment shows that DPSOs are comparable or superior to a genetic algorithm (GA). Also, hybrid PSO combined with local optimization (i.e., 2-OPT) provides much improved solutions. Since DPSO requires more computation time compared with GA, however, the performance of hybrid DPSO is not better than hybrid GA.

• 산업경영시스템학회지
• /
• 제36권3호
• /
• pp.63-70
• /
• 2013

Many real world optimization problems are discrete and multi-valued. Meta heuristics including Genetic Algorithm and Particle Swarm Optimization have been effectively used to solve these multi-valued optimization problems. However, extensive comparative study on the performance of these algorithms is still required. In this study, performance of these algorithms is evaluated with multi-modal and multi-dimensional test functions. From the experimental results, it is shown that Discrete Particle Swarm Optimization (DPSO) provides better and more reliable solutions among the considered algorithms. Also, additional experiments shows that solution quality of DPSO is not lowered significantly when bit size representing a solution increases. It means that bit representation of multi-valued discrete numbers provides reliable solutions instead of becoming barrier to performance of DPSO.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.527-531
• /
• 2012

본 논문에서는 종래의 PSO 알고리즘 성능저하의 주요 원인들 중 하나인 입자들의 조기수렴 현상을 개선한 DPSO-QI (Distributed PSO with quantum-infusion mechanism) 기법을 제안한다. DPSO-QI 알고리즘은 다음과 같은 두 가지 특징을 지닌다. 첫째, 분산형 구조의 PSO 기법을 도입한다. 이는 먼저 적절한 수의 입자들로 소그룹을 형성하고, 최적해 탐색에 필요한 다양한 정보의 교환이 각 소그룹 내에서만 이루어지도록 한 기법이다. 이러한 기법을 바탕으로 입자들의 탐색 다양성을 증대시킴으로서 조기수렴 현상을 감소시키는 효과를 달성할 수 있다. 둘째, 상기의 입자 소그룹에 Quantum-infusion (QI) 메커니즘에 기반 한 기법을 도입시킨다. 이를 통해 입자들의 전역 최적해 탐색 정밀도를 보다 향상시킬 수 있다. 끝으로 다양한 수치예제를 통하여 제안하는 새로운 PSO 기법이 종래의 방식들에 비해 매우 뛰어난 성능을 구현할 수 있음을 입증하고자 한다.

• 한국시뮬레이션학회논문지
• /
• 제27권2호
• /
• pp.83-90
• /
• 2018

본 연구에서는 선형의 기본 파라메타가 주어졌을 때, 선형 최적화를 통하여 고속으로 주행하는 활주선의 저항성능을 개선하는 기법을 제안하였다. 먼저 선행연구 된 활주선형을 기준 선형으로 채택한 뒤, 선형 변경지점을 정의해 설계변수로 하여 최적화 문제를 수립하였다. 계산 효율을 위하여 탐색공간을 이산화하고, 최적화 문제를 풀기위하여 DPSO(Discrete binary version of Particle Swarm Optimization) 알고리즘을 사용하였다. 최적화 수행 후 기준 선형과 수정 선형의 목적함수 출력의 비교를 수행하였고, 이를 통해 고속영역에서의 저항성능의 개선을 확인하였다.

• 한국시뮬레이션학회논문지
• /
• 제24권2호
• /
• pp.1-9
• /
• 2015

다양한 변수들이 존재하는 현대의 전투전장에서는 운용전술에 따라 전투의 양상이 결정되기 때문에 최적화된 운용전술을 도출하는 연구가 필요하다. 기존의 M&S(Modeling & Simulation) 연구에서는 몬테 칼로 실험을 통해 변수들을 분석하는 것이 일반적이다. 그러나 이 방법은 상호 복합적으로 작용하는 다수의 변수들의 모든 조합에 대해 시뮬레이션을 수행하기 때문에, 많은 수행시간이 소요되고 최적의 운용전술 도출을 위한 별도의 분석이 필요하다. 본 논문에서는 최적화 요소를 찾는 전산탐색 기법 중 하나인 DPSO(Discrete binary version of PSO) 알고리즘을 기반으로 하는 최적화 시뮬레이션 프레임워크를 제안하였다. 최적화 시뮬레이션 프레임워크는 짧은 시간 내에 최적화된 운용전술을 도출하기 위하여 설계되었다. 본 연구에서는 아군 수상함이 적 어뢰로부터 회피하는 사례를 적용하여 최적화 시뮬레이션 프레임워크의 탐색 성능을 확인하였다. 이를 통해 최적화 시뮬레이션 프레임워크의 효율성을 제시하였다.