• 제목/요약/키워드: Fibonacci method

검색결과 23건 처리시간 0.015초

블록 보간 탐색법 (Block Interpolation Search)

  • 이상운
    • 한국인터넷방송통신학회논문지
    • /
    • 제17권5호
    • /
    • pp.157-163
    • /
    • 2017
  • 데이터 탐색법 중 가장 널리 알려진 이진법은 평균과 최악의 경우 $O(log_2n)$, 보간법은 평균 $O(log_2log_2n)$, 최악의 경우 O(n)의 수행 복잡도를 갖고 있다. 또한 기존의 보간탐색법은 사전정보없이 킷값이 확률적으로 위치한 정보에 근거하여 탐색을 한다. 본 논문에서는 데이터의 MSB 인덱스를 블록으로 하는 블록탐색법으로 해당 블록범위를 결정하고, 블록 내에서는 보간법을 적용하여 탐색하는 하이브리드 블록과 보간탐색 알고리즘을 제안한다. 제안된 알고리즘은 블록탐색법의 사전 정보를 활용하여 탐색범위를 축소시키고 축소된 탐색범위내에서 무정보 방법으로 탐색하는 방법으로 평균과 최악의 경우 모두 수행복잡도는 $O(log_2log_2n_i)$, $n_i{\simeq}0.1n$으로 보간탐색법의 평균 수행복잡도에 비해 10배 정도 시간을 단축시킬 수 있다.

옥산서원 경사지담장의 디자인원리분석을 통한 조경리듬설계방법론 연구 (A Study on the Rhythm Design Methodology of Landscape Architecture through the Design Principles Analysis of Oksan Seowon Traditional Slope Walls)

  • 구민아
    • 한국전통조경학회지
    • /
    • 제34권2호
    • /
    • pp.45-54
    • /
    • 2016
  • 조경설계에 있어 디자인 원리에 대한 정량적 연구는 설계가에게 매우 중요한 데이터로써 본 연구에서는 옥산서원의 경사지에 수평으로 올라가는 담장의 리듬을 디자인 원리로 분석하여 리듬에 대한 구체적인 비례와 수열을 분석해 내고, 이를 모티브화 한 다음 설계에 응용할 수 있는 설계방법론을 제시하였다. 옥산서원은 매우 가치있는 문화재로서 담장의 경사지리듬에서 비례와 척도를 사용하여 분석해 본 결과 매우 세심한 디자인 원리가 발견되었다. 휴먼스케일에 입각한 담장의 높이 척도와 경사의 정도에 따라 낮은 경사 쪽에 가중치를 주어 비대칭균형을 조성하는 비례의 원리가 분석되었다. 또한 담장의 리듬을 발생시키는 수평선과 면적의 리듬에서 미적인 수열이 도출되었고, 피보나치 수열과 황금비가 도출되었다. 이는 매우 체계적이고 정량적인 방법으로서 문화재의 미적원리를 분석해 낸 의의와 더불어, 분석된 리듬수열을 모티브로 활용하여 조경리듬설계에 적용한 사례를 제시하였다. 이는 조경리듬설계방법론에 대한 틀과 데이터의 역할을 할 수 있을 것이다.

SVM을 이용한 시스템트레이딩전략의 선택모형 (Selection Model of System Trading Strategies using SVM)

  • 박성철;김선웅;최흥식
    • 지능정보연구
    • /
    • 제20권2호
    • /
    • pp.59-71
    • /
    • 2014
  • KOSPI200 선물 트레이딩을 위해 업계에서는 여러 전략으로 포트폴리오를 구성해서 운용한다. 동일한 전략 모음을 갖고 있더라도 포트폴리오를 어떻게 구성하느냐에 따라 수익은 크게 차이가 난다. 시장 상황에 맞는 전략들로 포트폴리오를 구성하는 것은 오랜 경험과 탁월한 노하우가 있어야하는 어려운 작업이다. 본 논문에서는 SVM을 활용하여 쉽고 빠르게 적절한 전략 포트폴리오를 구성하는 방법을 제시하였다. 본 논문에서 제안한 시스템의 성과는 벤치마킹의 성과와 비교하여 2배 이상의 수익을 내는 것을 확인하였다. 1990.01.03~2011.11.04 동안의 KOSPI200 데이터 중 이전 80%의 데이터로 학습을 하고 최근 20%의 데이터로 성능을 시험하였다. 각 전략별로 선택여부를 판별하는 SVM모델을 만들고 그 결과를 바탕으로 포트폴리오를 구성하였다. 벤치마킹을 위해 KOSPI200 선물을 2계약 매수한 경우의 수익, 시험 시작 직전 30일간 최고 수익을 낸 2개 전략의 수익, 실제 최고 수익을 낸 전략 2개를 보유했을 때의 수익과 비교하였다. 매매 비용을 반영하지 않을 때는 벤치마킹은 132.2~510.37pt의 수익을 냈고, 본 시스템은 1072.36~1140.91pt의 수익을 보여주었다. 그리고 거래비용을 감안하면 벤치마킹은 130.44~502.41pt의 수익을 냈고, 본 시스템은 706.22pt~768.95pt의 수익을 나타내었다. 본 논문은 기계학습을 통한 전략 포트폴리오를 구성하는 방안이 유의미하며 실전에 활용할 수 있음을 보여주었다. 이를 바탕으로 여러 전략과 다양한 시장에 적용해서 안정성을 검증하면 견고한 상용 솔루션으로 발전시킬 수 있을 것이다. 그리고 자금관리 기법을 더 반영한다면 수익을 더욱 크게 향상시킬 수 있을 것이다.