• 한국전자통신학회논문지
• /
• 제7권4호
• /
• pp.789-796
• /
• 2012

최적 교정률을 보이는 모듈 순서를 찾는 것이 논문의 목적이다. 한국어 맞춤법 교정기의 성능을 분석하기 위하여 등산법을 실험에서 사용하였다. 주어진 오류어절 집합에 대하여 96.41%의 교정률을 나타낸 모듈순서열을 찾았다. 교정률이 상당히 높기때문에, 등산법이 맞춤법 교정기에 대하여 실용적인 방법임을 보였다.

• 한국군사과학기술학회지
• /
• 제22권4호
• /
• pp.467-474
• /
• 2019

Recently, optical phased array(OPA) based laser detection and ranging(LADAR) has gained great interest to replace the traditional mechanical light detection and ranging technique(LiDAR). In OPA-based LADAR, it is well known that phases of laser pulses traveling through each of channels should be the same to obtain a narrow free-space single beam without noise-like ripples in the far field. However, it is difficult to provide such ideal condition due to the fabrication errors. To tackle this problem, any algorithms should be necessary to compensate the initial random phases of each channel in OPA antenna. In this paper, we propose a hill-climbing based phase calibration algorithm and evaluate the performance of the proposed algorithm.

• 한국컴퓨터정보학회논문지
• /
• 제11권1호
• /
• pp.129-138
• /
• 2006

지금까지 maximal covering문제를 해결하기 위해 다양한 기법들이 적용되어 왔다. 타부 탐색 역시 그 중의 하나이다. 그러나 기존 연구에서는 타부 탐색을 비롯한 언덕오르기 탐색이나 시뮬레이티드 어닐링과 같은 이웃해 탐색 기법들에 대한 종합적인 분석과 성능 향상을 위한 노력이 부족하였다. 본 논문에서는 다양한 실험과 분석을 통해 이웃해 탐색 기법들의 성능을 향상시키기 위한 방안을 소개한다. 기본적으로 모든 이웃해 탐색 기법들은 k-exchange 이웃해 생성 방법을 사용하고 있으며 다양한 파라미터 설정에 따라 각 기법의 성능이 어떻게 달라지는가를 분석하였다. 실험 결과 단순 언덕오르기 탐색과 시뮬레이티드 어닐링이 다른 기법들에 비해 훨씬 우수한 탐색 성능을 보였으며, 일반적인 경우와는 달리 단순 언덕오르기 탐색이 시뮬레이티드 어닐링과 비슷한 성능을 보임을 확인하였다.

• 한국산학기술학회논문지
• /
• 제12권4호
• /
• pp.1523-1531
• /
• 2011

본 다축 차량은 험지와 야전에서 높은 이동성 때문에 비포장도로를 주행해야 하는 군용차량으로 사용된다. 특히 군용차량은 군 요구 사항에 의거 기본적으로 60% 경사로에서 안정적인 등판 성능을 지녀야 한다. 따라서 본 논문은 최적 타이어 힘 분배 방법을 통한 6WD/6WS차량의 등판능력 향상을 다루었다. 경사로 등판 시 사용할 최적 타이어 힘 분배 방법을 위하여 운전자로부터, 목표로 하는 종 방향 힘과 횡 방향 힘, 요 모멘트를 계산하였고, 마찰 원이론과 목적함수에 따른 최적화 된 토크가 각 륜에 분배되었다. 알고리즘 성능을 확인하기 위해서, 트럭심 소프트웨어를 이용하여 시뮬레이션 하였고, 비교를 위하여 2대의 차량을 제안하였다. 한 대의 차량은 최적타이어 힘 분배 방법이 적용되었고, 나머지 한 대는 궤도 차량과 같은 균등 힘 분배 방법이 적용되었다. 경사로에서 등판능력은 최적 타이어 힘 분배 방법에 의해서 향상 되어졌다.

• 제어로봇시스템학회논문지
• /
• 제7권10호
• /
• pp.819-826
• /
• 2001

Genetic algorithms are becoming more popular because of their relative simplicity and robustness. Genetic algorithms are global search techniques for nonlinear optimization. However, traditional genetic algorithms, though robust, are generally not the most successful optimization algorithm on any particular domain because they are poor at hill-climbing, whereas simulated annealing has the ability of probabilistic hill-climbing. Therefore, hybridizing a genetic algorithm with other algorithms can produce better performance than using the genetic algorithm or other algorithms independently. In this paper, we propose an efficient hybrid optimization algorithm named the adaptive random signal-based learning. Random signal-based learning is similar to the reinforcement learning of neural networks. This paper describes the application of genetic algorithms and simulated annealing to a random signal-based learning in order to generate the parameters and reinforcement signal of the random signal-based learning, respectively. The validity of the proposed algorithm is confirmed by applying it to two different examples.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 추계학술대회 논문집
• /
• pp.451-454
• /
• 2002

The fiber optic communication technology is considered as a key solution for the future communication. However the assembly of the fiber optic components highly depends on manual or semi-automated alignment process. And the light search algorithm is recognized an important factor to reduce the manufacturing process time. Therefore this paper investigates optimal search algorithm for the automatic alignment of fiber optic components. The experiments show the effectiveness of Hill Climbing Search, Adaptive Hill Climbing Search and Steepest Search algorithms, in a view of process time.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.111-113
• /
• 2006

DEAS is an direct searching and optimization method that based on the binary code space. It can be classified as an direct hill climbing searching. However, because of binary code space based searching, the searching in low resolution has random property. As the resolution of code increases during the search, its property of searching changes like that of hill climbing search. This paper propose a method for improving the performance of minimum seeking ability of DEAS with history information. The cost evaluation is increased. However the minimum searching ability of DEAS is improved along the same starting resolution.

• 한국산업정보학회논문지
• /
• 제20권6호
• /
• pp.57-65
• /
• 2015

제조최적화 문제는 비선형 형태의 설계변수로 표시되며, 다양하고 복잡한 제약들을 만족하는 조건하에서 최적해를 구하는 문제이다. 이러한 제조최적화 문제 해결을 위하여 본 연구에서는 혼합형접근법을 제안한다. 제안된 혼합형접근법은 기존의 유전알고리즘(Genetic algorithm: GA)과 쿠쿠탐색(Cuckoo search: CS) 및 언덕오르기법(Hill climbing method: HCM)을 혼합한 형태로 구성된다. 제안된 혼합형접근법에서 GA는 전역적탐색(Global search)를 위해 사용되고, CS는 GA탐색과정에서 발생하는 단점을 개선하기 위해 적용되고, 마지막으로 HCM은 GA와 CS 탐색 이후의 수렴된 지역을 정밀하게 탐색하기 위한 지역적탐색(Local search)을 위해 적용된다. 실험분석에서는 다양한 형태의 제조최적화 문제가 제시되어 본 연구에서 제안된 혼합형접근법와 기존접근법들의 수행도를 각각 비교, 분석하였으며, 그 결과는 본 연구에서 제안한 혼합형접근법의 수행도가 기존접근법들의 수행도보다 더 우수한 것을 확인하였다.

• 한국산업정보학회논문지
• /
• 제27권1호
• /
• pp.37-48
• /
• 2022

본 연구에서는 공학설계 최적화 문제 해결을 위한 혼합 메타휴리스틱(Hybrid Meta-heuristic) 접근법을 제안된다. 공학 설계 최적화 문제는 다양한 형태의 변수를 가지며, 복잡한 제약조건들하에서 그 최적해를 구하는 문제로 이미 많은 기존 연구들을 통해 다양한 접근법들이 개발되어져 왔다. 하지만 그 효율성은 아직까지 크게 개선되지 못하고 있는 실정이다. 따라서 본 연구에서는 이러한 효율성을 개선하기 위한 새로운 접근법을 제안한다. 제안된 혼합 메타휴리스틱 접근법은 탐색 공간에 대한 전역적 탐색을 위해 유전알고리즘(Genetic Algorithm: GA) 접근법, 지역적 탐색을 위해 변동이웃탐색(Variable Neighborhood Search: VNS) 접근법과 언덕오르기(Hill Climbing: HC) 접근법을 혼합(GA-VNS-HC)하였다. 사례 연구에서는 다양한 형태의 공학설계 최적화 문제를 이용하여 본 연구에서 제안한 GA-VNS-HC 접근법의 우수성을 입증하였다.

• Journal of Multimedia Information System
• /
• 제2권1호
• /
• pp.179-186
• /
• 2015

This paper describes the application of a simulated annealing to a random signal-based learning. The simulated annealing is used to generate the reinforcement signal which is used in the random signal-based learning. Random signal-based learning is similar to the reinforcement learning of neural network. It is poor at hill-climbing, whereas simulated annealing has an ability of probabilistic hill-climbing. Therefore, hybridizing a random signal-based learning with the simulated annealing can produce better performance than before. The validity of the proposed algorithm is confirmed by applying it to two different examples. One is finding the minimum of the nonlinear function. And the other is the optimization of fuzzy control rules using inverted pendulum.