• Steel and Composite Structures
• /
• 제50권5호
• /
• pp.583-594
• /
• 2024

In this paper, a Guided Simulated Annealing (GSA) algorithm is presented to optimize 2D and 3D steel frames against Progressive Collapse. Considering the nature of structural optimization problems, a number of restrictions and improvements have been applied to the decision mechanisms of the algorithm without harming the randomness. With these improvements, the algorithm aims to focus relatively on the flawed variables of the analyzed frame. Besides that, it is intended to be more rational by instituting structural constraints on the sections to be selected as variables. In addition to the LRFD restrictions, the alternate path method with nonlinear dynamic procedure is used to assess the risk of progressive collapse, as specified in the US Department of Defense United Facilities Criteria (UFC) Design of Buildings to Resist Progressive Collapse. The entire optimization procedure was carried out on a C# software that supports parallel processing developed by the authors, and the frames were analyzed in SAP2000 using OAPI. Time history analyses of the removal scenarios are distributed to the processor cores in order to reduce computational time. The GSA produced 3% lighter structure weights than the SA (Simulated Annealing) and 4% lighter structure weights than the GA (Genetic Algorithm) for the 2D steel frame. For the 3D model, the GSA obtained 3% lighter results than the SA. Furthermore, it is clear that the UFC and LRFD requirements differ when the acceptance criteria are examined. It has been observed that the moment capacity of the entire frame is critical when designing according to UFC.

• 한국산학기술학회논문지
• /
• 제14권8호
• /
• pp.3925-3932
• /
• 2013

감성은 인간의 삶과 밀접한 관련을 가지고 있으며 이는 집중력, 학습능력 등 많은 부분에 영향을 주어 다양한 행동 패턴을 가지게 한다. 따라서 본 논문의 목적은 부정감성을 구분하기 위하여 생체신호를 기반으로 주요한 특징들을 추출하는 것이다. 이를 위해 본 논문에서는 심전도, 뇌파, 피부 온도와 피부전도도를 기반으로 생체신호를 측정한 후, 선형분류기와 유전 알고리즘의 조합으로 정확하고 신속한 알고리즘 개발하고, 주요 특징을 추출하였다. 그 결과, 알고리즘은 최대 96.4%의 정확도를 가짐을 확인할 수 있었고, 추출된 파라미터는 심박변이도의 Mean, RMSSD, NN50과 뇌파의 전두엽 영역에서의 ${\sigma}$파와 ${\alpha}$파의 주파수 파워, 두정엽 영역에서 ${\alpha}$파, ${\beta}$파, ${\gamma}$파와 의 주파수 파워, 그리고 피부온도의 평균과 표준편차 값이었다. 이에 따라 각 각의 생체신호를 기반으로 한 추출 된 특징들은 부정감성의 분류에 있어 중요한 역할을 함을 확인할 수 있었다.

• Journal of Electrical Engineering and Technology
• /
• 제8권3호
• /
• pp.621-632
• /
• 2013

In this paper, we introduce advanced architectures of genetically-oriented Fuzzy Neural Networks (FNNs) based on fuzzy set and fuzzy relation and discuss a comprehensive design methodology. The proposed FNNs are based on 'if-then' rule-based networks with the extended structure of the premise and the consequence parts of the fuzzy rules. We consider two types of the FNNs topologies, called here FSNN and FRNN, depending upon the usage of inputs in the premise of fuzzy rules. Three different type of polynomials function (namely, constant, linear, and quadratic) are used to construct the consequence of the rules. In order to improve the accuracy of FNNs, the structure and the parameters are optimized by making use of genetic algorithms (GAs). We enhance the search capabilities of the GAs by introducing the dynamic variants of genetic optimization. It fully exploits the processing capabilities of the FNNs by supporting their structural and parametric optimization. To evaluate the performance of the proposed FNNs, we exploit a suite of several representative numerical examples and its experimental results are compared with those reported in the previous studies.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권2호
• /
• pp.145-152
• /
• 1999

This paper presents an optimal design method for fuzzy logic controllers using genetic algorithms. In general, the design of fuzzy logic controllers has difficulties in the acquisition of exper's knowledge and relies to a great extent on empirical and heuristic knowledge which, in many cases, cannot be objectively justified. So, the performance of the controller can be degraded in the case of plant parameter variations or unpredictable incident which the designer may have ignored, and parameters of the fuzzy logic controller obtained by expert's control action may not be global. To solve these problems, the proposed method using genetic algorithms in this paper, can tune the parameters of fuzzy logic controller including scaling factors and determine the appropriate number of fuzzy reles systematically and automatically. We provide the second drder dead time plant and inverted pendulum system to evaluate the feasibility and generality of our proposed method. Comparison shows that the proposed controller can producd higher accuracy and a smaller number of fuzzy rules than manually tuned fuzzy logic controller.

• 한국정보통신학회논문지
• /
• 제9권8호
• /
• pp.1840-1846
• /
• 2005

본 논문에서는 유전 알고리즘을 사용하여 PID의 각 계수를 자동적으로 조정함으로써 DC 서보모터의 속도제어에 적용하였다. DC 서보모터는 산업현장 및 로봇분야에 널리 적용되고 있으며 적절한 제어성능을 얻기 위하여 많은 시행착오에 의한 다양한 제어방법이 사용되고 있다. 그러나 산업현장, 플랜트의 변화 및 외란에 강인한 제어알고리즘을 선택하기가 매우 어려우며 많은 시행착오를 통하여 원하는 계수값을 얻어 낼 수 있다. 따라서 본 논문에서는 이러한 문제점을 해결하고 DC 서보모터의 제어성능을 향상시키기 위하여 유전 알고리즘을 적용함으로써 우수한 응답특성을 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.1374-1376
• /
• 1996

In this paper We proposed a new method to generate fuzzy logic controllers through genetic algorithm(GA). In designing of fuzzy logic controllers encounters difficulties in the selection of optimized member-ship functions, gains and rule base, which is conventionally achieved by a tedious trial-and-error process. This paper develops genetic algorithms for automatic design of high performance fuzzy logic controllers which can overcome nonlinearities in many engineering control applications. The rule-base is coded in base-7 strings by generated from random function. Which can be presented in discrete fuzzy linguistic value, and using membership function with Gaussian curve. To verify the validity of this fuzzy logic controller it is compared with conventional fuzzy logic controller(FLC) and PID controller.

• Nuclear Engineering and Technology
• /
• 제54권3호
• /
• pp.834-841
• /
• 2022

System thermal-hydraulic (STH) code is adopted for nuclear safety analysis. The critical flow model (CFM) is significant for the accuracy of STH simulation. To overcome the defects of current CFMs (low precision or long calculation time), a CFM based on a genetic neural network (GNN) has been developed in this work. To build a powerful model, besides the critical mass flux, the critical pressure and critical quality were also considered in this model, which was seldom considered before. Comparing with the traditional homogeneous equilibrium model (HEM) and the Moody model, the GNN model can predict the critical mass flux with a higher accuracy (approximately 80% of results are within the ±20% error limit); comparing with the Leung model and the Shannak model for critical pressure prediction, the GNN model achieved the best results (more than 80% prediction results within the ±20% error limit). For the critical quality, similar precision is achieved. The GNN-based CFM in this work is meaningful for the STH code CFM development.

• Smart Structures and Systems
• /
• 제25권4호
• /
• pp.487-499
• /
• 2020

This paper proposes a novel approach to model updating for a large-scale cable-stayed bridge based on ambient vibration tests coupled with a hybrid metaheuristic search algorithm. Vibration measurements are carried out under excitation sources of passing vehicles and wind. Based on the measured structural dynamic characteristics, a finite element (FE) model is updated. For long-span bridges, ambient vibration test (AVT) is the most effective vibration testing technique because ambient excitation is freely available, whereas a forced vibration test (FVT) requires considerable efforts to install actuators such as shakers to produce measurable responses. Particle swarm optimization (PSO) is a famous metaheuristic algorithm applied successfully in numerous fields over the last decades. However, PSO has big drawbacks that may decrease its efficiency in tackling the optimization problems. A possible drawback of PSO is premature convergence leading to low convergence level, particularly in complicated multi-peak search issues. On the other hand, PSO not only depends crucially on the quality of initial populations, but also it is impossible to improve the quality of new generations. If the positions of initial particles are far from the global best, it may be difficult to seek the best solution. To overcome the drawbacks of PSO, we propose a hybrid algorithm combining GA with an improved PSO (HGAIPSO). Two striking characteristics of HGAIPSO are briefly described as follows: (1) because of possessing crossover and mutation operators, GA is applied to generate the initial elite populations and (2) those populations are then employed to seek the best solution based on the global search capacity of IPSO that can tackle the problem of premature convergence of PSO. The results show that HGAIPSO not only identifies uncertain parameters of the considered bridge accurately, but also outperforms than PSO, improved PSO (IPSO), and a combination of GA and PSO (HGAPSO) in terms of convergence level and accuracy.

• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.331-340
• /
• 2008

특징 선택은 기계 학습에서 분류의 성능을 높이기 위해 사용되는 방법이다. 여러 방법들이 개발되고 사용되어 오고 있으나, 전체 데이터에서 최적화된 특징 부분집합을 구성하는 문제는 여전히 어려운 문제로 남아있다. 생태계 모방 알고리즘은 생물체들의 행동 원리 등을 기반으로하여 만들어진 진화적 알고리즘으로, 최적화된 해를 찾는 문제에서 매우 유용하게 사용되는 방법이다. 특징 선택 문제에서도 생태계 모방 알고리즘을 이용한 해결방법들이 제시되어 오고 있으며, 이에 본 논문에서는 생태계 모방 알고리즘을 이용한 특징 선택 방법을 개선하는 방안을 제시한다. 이를 위해 잘 알려진 생태계 모방 알고리즘인 유전자 알고리즘(GA)과 파티클 집단 최적화 알고리즘(PSO)을 이용하여 데이터에서 가장분류 성능이 우수한 특징 부분집합을 만들어 내도록 하고, 최종적으로 개별 특징의 사전 중요도를 설정하여 생태계 모방 알고리즘을 개선하는 방법을 제안하였다. 이를 위해 개별 특징의 우수도를 구할 수 있는 mRMR이라는 방법을 이용하였다. 이렇게 설정한 사전 중요도를 이용하여 GA와 PSO의 진화 연산을 수정하였다. 데이터를 이용한 실험을 통하여 제안한 방법들의 성능을 검증하였다. GA와 PSO를 이용한 특징 선택 방법은 그 분류 정확도에 있어서 뛰어난 성능을 보여주었다. 그리고 최종적으로 제시한 사전 중요도를 이용해 개선된 방법은 그 진화 속도와 분류 정확도 면에서 기존의 GA와 PSO 방법보다 더 나아진 성능을 보여주는 것을 확인하였다.

• 전자공학회논문지CI
• /
• 제42권4호
• /
• pp.43-50
• /
• 2005

본 논문에서는 유전자 알고리즘을 이용한 새로운 적응적 특징 가중치 방식과 클래스별로 적용된 KNN(Nearest -Neighbor) 규칙을 이용한 새로운 패턴 인식 시스템을 제안한다. 패턴 인식 시스템의 성능을 향상시키기 위하여, 새로운 연산자를 갖는 유전자 알고리즘으로 가중치의 중간값을 결정함으로써 과잉 맞춤(overfitting)을 피하면서, 데이터의 분포에 따라 적절한 특징의 가중치를 찾는 새로운 특징 가중치 알고리즘을 제안한다. 또한, 제안하는 방법은 각각의 클래스를 가장 잘 표현하는 특징 공간들을 개별적으로 찾는다. KNN분류기는 클래스별로 찾은 특징 공간들을 이용하여 클래스에 따라 특징 공간을 변화시켜 미지 패턴의 클래스를 예측한다. 제안된 알고리즘은 Concordia대학의 handwritten numeral database에 적용시켜 그 성능을 확인하였다.