• IE interfaces
• /
• v.20 no.2
• /
• pp.186-194
• /
• 2007

Recent deregulation of Korean electricity industry has made each power generation company pay more attention to maximizing its own profit instead of minimizing the overall system operation cost while guaranteeing system security. Electricity power generation problem is typically defined as the problem of determining both the on and off status and the power generation level of each generator under the given fuel constraints, which has been known as Profit-Based Unit Commitment (PBUC) problem. To solve the PBUC problem, the previous research mostly focused on devising Lagrangian Relaxation (LR) based heuristic algorithms due to the complexity of the problem and the nonlinearity of constraints and objectives. However, these heuristic approaches have been reported as less practical in real world applications since the computational run time is usually quite high and it may take a while to implement the devised heuristic algorithms as software applications. Especially when considering long-term planning problem which spans at least one year, the complexity becomes higher. Therefore, this paper proposes an explicit column generation algorithm using power generation patterns and the proposed algorithm is successfully applied to a Korean power generation company. The proposed scheme has a robust structure so that it is expected to extend general PBUC problems.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2002.05a
• /
• pp.410-417
• /
• 2002

We consider the constraint based explicit routing problem in MPLS based IP Network. In this problem, we are given a set of traffic demands and a network with different link capacities. The problem is to assign the demand commodities to the paths in the network while minimizing the maximum link load ratio. We formulate this problem as an integer programming problem and propose an efficient column generation technique. To strengthen the formulation, we consider some valid inequalities. We also incorporate the column generation technique with variable fixing scheme Computational results show that the algorithm gives high quality solutions in a short execution time.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.11a
• /
• pp.75-89
• /
• 2006

한국전력산업의 탈규제화의 영향으로 각 개별 발전회사들은 자사의 이익을 최대화하기 위한발전계획 수립에 큰 관심을 가지게 되었다. 발전계획은 주어진 연료제약 하에 발전수익과 유지보수비용을 고려하여 시간대별 발전기의 기동, 정지 및 발전출력을 결정하는 문제로서Profit-Based Unit Commitment (PBUC) 문제로 알려져 있다. PBUC 문제는 문제 자체의 복잡성과 비선형 제약식의 특성으로 인하여 과거 연구는 대부분 비선형 제약식 처리를 위한 Lagrangian Relaxation (LR) 기반 휴리스틱 접근법에 초점이 맞추어져 왔다. 하지만, 실제현업 적용에 있어 계산시간이 많이 소요되고 알고리즘의 구현에 많은 기간이 소요되어 실용성은 낮은 것으로 보고되었다. 특히 연료도입 및 저장제약을 고려하기 위한 1년 단위 장기 발전계획 수립은 문제의 범위가 더욱 넓어짐으로 인하여 복잡성이 매우 크게 증가하고, 이에 따라 기존 접근법에 한계가 있어 왔다. 이에 본 연구에서는 국내가스발전소의 사례를 중심으로 발전패턴개념의 도입 및 다양한 발전패턴 생성을 통한 Explicit Column Generation 기반 최적화 접근법을 제안한다. 발전패턴은 Column Generation 접근법의 각 Column에 해당하는 각주별 발전기 기동정지계획을 의미한다. 즉, 미리 유효한 발전패턴의 Pool을 최대한 확보한 후 Explicit Column Generation Formulation을 통하여 주별 최적의 발전패턴을 찾아내는 알고리즘으로 구성이 된다. 본 알고리즘은 실제 가스발전소의 장기 발전계획 수립과정에 적용되어 효과적으로 운용되고 있으며 연간 수십억원의 추가적인 이익을 실현할 것으로 분석되었다. 본 알고리즘을 확장 적용할 경우 PBUC 문제 해결을 위한 새로운 해법으로도 그 효용성이 클 것으로 예상된다.자료이기 때문에 통계적 활용의 범위가 방대하다. 특히 개인, 가구, 사업체 등 사회 활동의 주체들이 어떻게 변화하는지를 추적할 수 있는 자료를 생산함으로써 다양한 인과적 통계분석을 할 수 있다. 행정자료를 활용한 인구센서스의 이러한 특징은 국가의 교육정책, 노동정책, 복지정책 등 다양한 정책을 정확한 자료를 근거로 수립할 수 있는 기반을 제공한다(Gaasemyr, 1999). 이와 더불어 행정자료 기반의 인구센서스는 비용이 적게 드는 장점이 있다. 예를 들어 덴마크나 핀란드에서는 조사로 자료를 생산하던 때의 1/20 정도 비용으로 행정자료로 인구센서스의 모든 자료를 생산하고 있다. 특히, 최근 모든 행정자료들이 정보통신기술에 의해 데이터베이스 형태로 바뀌고, 인터넷을 근간으로 한 컴퓨터네트워크가 발달함에 따라 각 부처별로 행정을 위해 축적한 자료를 정보통신기술로 연계${cdot}$통합하면 막대한 조사비용을 들이지 않더라도 인구센서스자료를 적은 비용으로 생산할 수 있는 근간이 마련되었다. 이렇듯 행정자료 기반의 인구센서스가 많은 장점을 가졌지만, 그렇다고 모든 국가가 당장 행정자료로 인구센서스를 대체할 수 있는 것은 아니다. 행정자료로 인구센서스통계를 생산하기 위해서는 각 행정부서별로 사용하는 행정자료들을 연계${cdot}$통합할 수 있도록 국가사회전반에 걸쳐 행정 체제가 갖추어져야 하기 때문이다. 특히 모든 국민 개개인에 관한 기본정보, 개인들이 거주하며 생활하는 단위인 개별 주거단위에 관한 정보가 행정부에 등록되어 있고, 잘 정비되어 있어야 하며, 정보의 형태 또한 서로 연계가 가능하도록 표준화되어있어야 한다. 이와 더불어, 현재 인구센서스에서 표본조사를 통해 부가적으로 생산하는 경제활동통계를 생산하기 위해서는 개인이 속한 사업체를 파악할 수 있도록 모든 사업체가 등록되어

• IE interfaces
• /
• v.24 no.2
• /
• pp.151-155
• /
• 2011

In this study, we propose a signomial classification method with ₀-regularization (₀-)which seeks a sparse signomial function by solving a mixed-integer program to minimize the weighted sum of the ₀-norm of the coefficient vector of the resulting function and the $L_1$-norm of loss caused by the function. $SC_0$ gives an explicit description of the resulting function with a small number of terms in the original input space, which can be used for prediction purposes as well as interpretation purposes. We present a practical implementation of $SC_0$ based on the mixed-integer programming and the column generation procedure previously proposed for the signomial classification method with $SL_1$-regularization. Computational study shows that $SC_0$ gives competitive performance compared to other widely used learning methods for classification.

• IE interfaces
• /
• v.23 no.4
• /
• pp.365-371
• /
• 2010

In this study, we propose a novel remote health monitoring system to accurately predict Parkinson's disease severity using a signomial regression method. In order to characterize the Parkinson's disease severity, sixteen biomedical voice measurements associated with symptoms of the Parkinson's disease, are used to develop the telemonitoring model for early detection of the Parkinson's disease. The proposed approach could be utilized for not only prediction purposes, but also interpretation purposes in practice, providing an explicit description of the resulting function in the original input space. Compared to the accuracy performance with the existing methods, the proposed algorithm produces less error rate for predicting Parkinson's disease severity.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• v.16 no.10
• /
• pp.3230-3255
• /
• 2022

Causality mining in NLP is a significant area of interest, which benefits in many daily life applications, including decision making, business risk management, question answering, future event prediction, scenario generation, and information retrieval. Mining those causalities was a challenging and open problem for the prior non-statistical and statistical techniques using web sources that required hand-crafted linguistics patterns for feature engineering, which were subject to domain knowledge and required much human effort. Those studies overlooked implicit, ambiguous, and heterogeneous causality and focused on explicit causality mining. In contrast to statistical and non-statistical approaches, we present Bidirectional Encoder Representations from Transformers (BERT) integrated with Multi-level Feature Networks (MFN) for causality recognition, called BERT+MFN for causality recognition in noisy and informal web datasets without human-designed features. In our model, MFN consists of a three-column knowledge-oriented network (TC-KN), bi-LSTM, and Relation Network (RN) that mine causality information at the segment level. BERT captures semantic features at the word level. We perform experiments on Alternative Lexicalization (AltLexes) datasets. The experimental outcomes show that our model outperforms baseline causality and text mining techniques.