• 콘크리트학회논문집
• /
• 제18권2호
• /
• pp.151-159
• /
• 2006

강섬유보강 콘크리트는 일반 콘크리트에 비해 휨성능이 월등히 우수하지만, 아직까지 국내에는 이에 대한 명확한 배합설계 지침이 확립되어 있지 않은 상황이다. 또한, 강섬유를 2종이상 동시에 혼입하여 사용하는 하이브리드 섬유보강 콘크리트에 대해서는 최근에 들어서야 그 연구가 시작되었으며, 이에 대해서도 배합에 대한 구체적인 지침이 확립되어 있지 않다. 따라서 본 연구에서는 새로운 최적화 기법인 화음탐색법을 이용하여 강섬유 및 하이브리드 섬유보강 콘크리트의 최적배합 프로그램을 개발하였으며, 검증 실험을 수행하여 프로그램의 신뢰도를 높였다. 이는 현장 시험 배합횟수의 감소 및 배합설계의 편의성 향상 등에 도움이 될 것으로 기대된다. 또한, 실험 결과 동일한 강섬유 혼입률이라 하더라도, 하이브리드 섬유보강 콘크리트가 일반 강섬유보강 콘크리트보다 휨강도 및 휨인성 모두 우수한 것으로 나타났으며 이를 프로그램 상에 추가 반영하였다. 이는 세계적으로도 아직 연구 초기 단계에 있는 하이브리드 섬유보강 콘크리트의 휨 특성을 파악하는데에도 향후 연구의 발판이 될 것으로 생각되며, 지속적인 실험 및 연구로 보완이 된다면 보다 더 정밀도를 높일 수 있을 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제21권2호
• /
• pp.8-18
• /
• 2020

본 연구에서는 기존의 Harmony Search(HS)의 성능을 강화한 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)를 개발하였다. EBHS-CGS는 HS의 성능 강화를 위해 총 두 가지 방법을 추가하였다. 첫 번째 방법은 지역탐색을 강화하기 위한 Bandwidth(bw) 개량방안이다. 이 방법은 기존 bw를 지수형태의 bw로 대체하여 적용함으로써 반복시산이 진행되면서 bw값을 줄인다. 이러한 형태의 bw는 정밀한 지역탐색을 가능하고, 이를 통해 알고리즘은 더욱 정밀한 값을 구할 수 있다. 두 번째 방법은 효과적인 전역탐색을 위한 탐색범위 축소이다. 이 방법은 Harmony Memory(HM) 내에서 가장 좋은 결정변수를 고려하여 탐색범위를 축소한다. 이를 Centralized Global Search(CGS)라 하며, 이 과정은 새로운 매개변수 Centralized Global Search Rate(CGSR)에 의해 HS의 전역탐색과는 별도로 진행된다. 축소된 탐색범위는 효과적인 전역탐색을 가능하게 하며, 이를 통해 알고리즘의 성능이 향상된다. EBHS-CGS를 대표적인 최적화 문제(수학 및 공학 분야)에 적용하고, 그 결과를 HS와 Improved Harmony Search(IHS)와 비교하여 제시하였다.

• 인터넷정보학회논문지
• /
• 제10권5호
• /
• pp.79-93
• /
• 2009

사용자들의 특성에 맞게 개인화되고 세분화된 위치 기반 서비스를 개발하기 위한 목적으로 시공간 상에서 발생하는 이동 객체의 다양한 패턴들 중 의미있는 유용한 패턴을 추출하기 위한 시공간 패턴 탐사가 필요하다. 이에 본 논문에서는 방대한 이동 객체의 이력 데이터로부터 패턴 탐사를 통해 실세계에 적용 가능한 위치 기반 서비스의 개발에 대한 응용으로, STOMP(F)[25]에서 정의한 최적의 이동 패턴을 탐사하는 문제들을 기반으로 시간 및 공간 제약을 갖는 패턴을 추출하기 위한 새로운 탐사 기법인 STOMP(FW)를 제안한다. 제안된 기법은 패턴 빈발도 만을 이용한 기존 연구(STOMP(F)[25])에 가중치(거리, 시간, 비용 등)를 복합적으로 이용하는 패턴 탐사 방법으로, 특정한 지점들 사이를 이동한 객체의 이동 패턴들 중 패턴 빈발도가 특정 임계치 이상이고 가중치가 가장 적게 소요되는 이동 패턴을 최적 경로로 결정하는 방법이다. 제안된 방법의 패턴 탐사는 경험적인 이동 이력을 사용함으로써 기존의 최적 경로 탐색 기법들($A^*$, Dijkstra 알고리즘)이나 빈발도 만을 이용한 방법들 보다 접근하는 노드 수가 상대적으로 적어 보다 빠르고 정확하게 최적 패턴을 탐색할 수 있음을 보인다.

• Korean Chemical Engineering Research
• /
• 제48권6호
• /
• pp.717-724
• /
• 2010

액체의 화재 및 폭발위험을 나타내는 가장 중요한 물성의 하나인 인화점의 실험 데이터는 그 필요에도 불구하고 실제로 데이터를 확보하는 것이 가능하지 않은 경우가 많다. 이 연구에서는 DIPPR 801에서 얻은 893개 유기물의 인화점 실험데이터로부터 인화점을 예측하는 부분최소자승법(PLS) 및 support vector machine(SVM) 모델을 만들고 비교하였다. 분자를 구성하는 각 구성요소들이 분자의 물성에 일정한 기여를 한다는 가정을 이용하여 분자의 물성을 예측하는 방법인 그룹기여법을 이용하여 65개 작용기가 이 예측모델의 독립변수가 되었고 분자량의 로그값이 추가되었다. 두 모델에서 결정해야 할 매개변수는 교차검증에서 계산된 오차를 이용하여 결정되었는데, SVM모델은 그 매개변수가 많아 particle swarm optimization을 이용한 최적화를 이용하였다. 훈련데이터의 선택이 예측성능에 영향을 줄 수 있어 임의로 100개의 데이터 세트를 생성하여 테스트하였다. 전체 데이터에 대해 계산된 평균절대오차는 PLS가 13.86~14.55였고, SVM이 7.44~10.26여서 SVM이 PLS에 비해 매우 우수한 예측성능을 보였다.