• 디지털콘텐츠학회 논문지
• /
• 제19권2호
• /
• pp.343-349
• /
• 2018

본 논문에서는 유리재단 문제에 평균장 어닐링과 시뮬레이션된 어닐링 형태의 유전자 알고리즘을 결합한 합성 알고리즘을 분산 처리하여 적용한다. 유리재단 문제는 2차원 2진 패킹 문제로 주어진 원판에 요구되는 사각형 모양의 패턴들을 버려지는 부분이 최소가 되게 배치하는 조합 최적화 문제이다. 제안된 합성 알고리즘은 유전자 알고리즘의 다양한 연산자에 시뮬레이션된 어닐링의 온도개념을 추가하여 평균장 알고리즘에 의한 빠른 평형상태 도달을 유지하게 하였다. MPI를 이용한 분산 합성 알고리즘을 유리재단 문제에 적용하여 실험한 결과 기존의 평균장 어닐링 또는 유전자 알고리즘을 단독으로 사용하였을 때보다 최적의 배치 상태를 나타내었으며 최적해 접근 특성을 유지하면서 문제의 크기에 대하여 선형적인 수행시간 단축을 보여 주었다.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.660-665
• /
• 2004

In this study, a new architecture and comprehensive design methodology of genetically optimized Multi-layer Fuzzy Neural Networks (gMFNN) are introduced and a series of numeric experiments are carried out. The gMFNN architecture results from a synergistic usage of the hybrid system generated by combining Fuzzy Neural Networks (FNN) with Polynomial Neural Networks (PNN). FNN contributes to the formation of the premise part of the overall network structure of the gMFNN. The consequence part of the gMFNN is designed using PNN. The optimization of the FNN is realized with the aid of a standard back-propagation learning algorithm and genetic optimization. The development of the PNN dwells on the extended Group Method of Data Handling (GMDH) method and Genetic Algorithms (GAs). To evaluate the performance of the gMFNN, the models are experimented with the use of a numerical example.

• 대한교통학회지
• /
• 제28권5호
• /
• pp.107-116
• /
• 2010

도심지에서 수요지간의 이동시간은 복잡한 도로사정과 외부환경으로 인하여 실시간 변화하는 교통상황에 큰 영향을 받고 있으며, 수요는 시기나 성향에 따라 확률적으로 변화하고 있다. 대부분의 차량경로문제 연구는 차량경로를 선정함에 있어 수요지간의 이동거리와 평균속력, 확정된 수요를 고려하여 경로를 구성하고 있으며, 교통상황과 확률적인 수요의 동적인 외부환경 반영이 미흡하였다. 본 연구에서는 원활 지체 정체의 교통상황과 확률적인 수요를 고려한 현실적인 차량경로문제를 제안하였다. 수리모형을 구축하고, CPLEX 11.1을 이용하여 검증하였으며, 총 소요시간을 최소화하는 Hybrid 유전자 알고리즘을 제안하였다. 교통상황과 확률적 수요를 고려한 차량경로문제의 결과를 기존의 휴리스틱 알고리즘과 비교하였으며, 본 연구에서 제안한 알고리즘이 가장 우수한 해를 제공하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.140-140
• /
• 2021

Urban flood management is a crucial and challenging task, particularly in developed cities. Therefore, accurate prediction of urban flooding under heavy precipitation is critically important to address such a challenge. In recent years, machine learning techniques have received considerable attention for their strong learning ability and suitability for modeling complex and nonlinear hydrological processes. Moreover, a survey of the published literature finds that hybrid computational intelligent methods using nature-inspired algorithms have been increasingly employed to predict or simulate the streamflow with high reliability. The present study is aimed to propose a novel approach, an ensemble tree, Bayesian Additive Regression Trees (BART) model incorporating a nature-inspired algorithm to predict hourly multi-step ahead streamflow. For this reason, a hybrid intelligent model was developed, namely GA-BART, containing BART model integrating with Genetic algorithm (GA). The Jungrang urban basin located in Seoul, South Korea, was selected as a case study for the purpose. A database was established based on 39 heavy rainfall events during 2003 and 2020 that collected from the rain gauges and monitoring stations system in the basin. For the goal of this study, the different step ahead models will be developed based in the methods, including 1-hour, 2-hour, 3-hour, 4-hour, 5-hour, and 6-hour step ahead streamflow predictions. In addition, the comparison of the hybrid BART model with a baseline model such as super vector regression models is examined in this study. It is expected that the hybrid BART model has a robust performance and can be an optional choice in streamflow forecasting for urban basins.

• 한국컴퓨터정보학회논문지
• /
• 제16권3호
• /
• pp.45-51
• /
• 2011

본 논문에서는 유전자알고리즘에서 단성생식과 양성생식을 혼용하여 개체진화 속도를 향상시키는 방법에 대하여 제안한다. 단성생식은 암수의 구분이 없는 세균이나 단세포 생물이 두 개의 개체로 분열되는 방법으로 유전적으로 지역적 탐색에 유리하며 양성생식은 암수의 구분이 있는 개체가 만나 생식하는 방법으로 유전적 다양성을 확보하는데 유리하다. 이러한 특성은 유전자알고리즘에서 개체의 진화속도를 향상시키는데 적절히 이용될 수 있다. 본 논문에서는 선택된 개체가 상대적으로 좋은 개체의 경우 진화를 위하여 지역적 탐색을 강화하는 단성생식을 하게 하고 상대적으로 좋지 않은 개체의 경우 유전자의 다양성을 확보하여 전역적 탐색을 강화하는 양성생식을 하게 하였다. 단성생식의 경우 지역적 탐색을 강화하기 위하여 돌연변이 확률을 기존의 유전자알고리즘 보다 낮추었으며 양성생식의 경우 유전자의 다양성 확보를 위하여 돌연변이 확률을 기존의 유전자알고리즘 보다 크게 높였다. 4가지 함수최적화 문제에 적용해본 결과 3개의 함수에서 성능이 매우 좋았으나 전역 최적해가 분산되어 있는 4번째 함수에서는 성능이 좋지 못하였다. 이는 전역최적해가 분산되어 있는 경우 안정적 진화에 혼란을 주기 때문인 것으로 판단된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권9호
• /
• pp.857-868
• /
• 2007

좋은 분류기 앙상블은 분류기간에 상호 보완성을 갖추어 높은 인식 성능을 보여야 하며, 크기가 작아 계산 효율이 좋아야 한다. 이 논문은 이러한 목적을 달성하기 위한 거친-섬세한 (coarse-to-fine)단계를 밟는 분류기 앙상블 선택 방법을 제안한다. 이 방법이 성공하기 위해서는 초기 분류기 풀 (pool)이 충분히 다양해야 한다. 이 논문에서는 여러 개의 서로 다른 분류 알고리즘과 아주 많은 수의 특징 부분집합을 결합하여 충분히 큰 분류기 풀을 생성한다. 거친 선택 단계에서는 분류기 풀의 크기를 적절하게 줄이는 것이 목적이다. 분류기 군집화 알고리즘을 사용하여 다양성을 최소로 희생하는 조건하에 분류기 풀의 크기를 줄인다. 섬세한 선택에서는 유전 알고리즘을 이용하여 최적의 앙상블을 찾는다. 또한 탐색 성능이 개선된 혼합 유전 알고리즘을 제안한다. 널리 사용되는 필기 숫자 데이타베이스를 이용하여 기존의 단일 단계 방법과 제안한 두 단계 방법의 성능을 비교한 결과 제안한 알고리즘이 우수함을 입증하였다.

• Journal of Ship and Ocean Technology
• /
• 제5권3호
• /
• pp.27-35
• /
• 2001

In this research, hybrid method with case-based reasoning and rule-based reasoning is applied. Using case-based reasoning, design experts'experience and know-how are effectively represented in order to obtain a proper configuration of midship section in the initial ship design stage. Since there is not sufficient domain knowledge available to us, traditional case-adaptation algorithms cannot be applied to our problem, i.e., creating the configuration of midship section. Thus, new case-adaptation algorithms not requiring any domain knowledge are developed antral applied to our problem. Using the knowledge representation of DnV rules, rule-based reasoning can perform deductive inference in order to obtain the scantling of midship section efficiently. The results from the case-based reasoning and the rule-based reasoning are examined by comparing the results with various conventional methods. And the reasonability of our results is verified by comparing the results wish actual values from parent ship.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 추계학술대회 논문집 학회본부
• /
• pp.174-176
• /
• 1997

This paper proposes a unit commitment scheduling method based on hybrid genetic algorithm(GA). When the systems are scaled up, conventional genetic algorithms suffer from computational time limitations because of the growth of the search space. So greatly reduce the search space of the GA and to efficiently deal with the constraints of the problem, priority list unit ordering scheme are incorporated as the initial solution and the minimum up and down time constraints of the units are included. The violations of other constraints are handled by integrating penalty factors. To show the effectiveness of the proposed method. test results for system of 10 units is compared with results obtained using other methods.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.396-396
• /
• 2000

Multiperiod optimization is the key step to tackle the supply chain optimization problems. Taking supply and demand uncertainty or prediction into consideration during the process synthesis phase leads to the maximization of the profit for the long range time horizon. In this study, new algorithm based on the Genetic Algorithms is proposed for multiperiod optimization formulated in MINLP, GDP and hybrid MINLP/GDP. In this study, the focus is given especially on the design of the Genetic Algorithm suitable to handle disjunctive programming with the same level of MINLP handling capability. Hybridization with the Simulated Annealing is tried. and many heuristics are adopted for this purpose.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.5904-5927
• /
• 2019

Many artificial intelligence (AI) techniques have been embedded into various engineering technologies to assist them in achieving different goals. The integration of modern technologies with energy consumption management system and occupant's comfort inside buildings results in the introduction of intelligent building concept. The major aim of this integration is to manage the energy consumption effectively and keeping the occupant satisfied with the internal environment of the building. The last few couple of years have seen many applications of AI techniques for optimizing the energy consumption with maximizing the user comfort in smart buildings but still there is much room for improvement in this area. In this paper, a hybrid of two AI algorithms called firefly algorithm (FA) and genetic algorithm (GA) has been used for user comfort maximization with minimum energy consumption inside smart building. A complete user friendly system with data from various sensors, user, processes, power control system and different actuators is developed in this work for reducing power consumption and increase the user comfort. The inputs of optimization algorithms are illumination, temperature and air quality sensors' data and the user set parameters whereas the outputs of the optimization algorithms are optimized parameters. These optimized parameters are the inputs of different fuzzy controllers which change the status of different actuators according to user satisfaction.