• Structural Engineering and Mechanics
• /
• 제70권5호
• /
• pp.513-524
• /
• 2019

This study proposed an improved particle swarm optimization (IPSO) method ensemble with kriging model for model updating. By introducing genetic algorithm (GA) and grouping strategy together with elite selection into standard particle optimization (PSO), the IPSO is obtained. Kriging metamodel serves for predicting the structural responses to avoid complex computation via finite element model. The combination of IPSO and kriging model shall provide more accurate searching results and obtain global optimal solution for model updating compared with the PSO, Simulate Annealing PSO (SimuAPSO), BreedPSO and PSOGA. A plane truss structure and ASCE Benchmark frame structure are adopted to verify the proposed approach. The results indicated that the hybrid of kriging model and IPSO could serve for model updating effectively and efficiently. The updating results further illustrated that IPSO can provide superior convergent solutions compared with PSO, SimuAPSO, BreedPSO and PSOGA.

• 전기학회논문지
• /
• 제58권9호
• /
• pp.1658-1666
• /
• 2009

This paper proposes an approach of Mult_HPSO based on the PC cluster system to reduce or remove the stagnation on an early convergence effect of PSO, reduce an execution time and improve a search ability on an optimal solution. Hybrid PSO(HPSO) is combines the PSO(Particle Swarm Optimization) with the mutation of conventional GA(Genetic Algorithm). The conventional PSO has operated a search process in a single swarm. However, Multi_PSO operates a search process through multiple swarms, which increments diversity of expected solutions and reduces the execution time. Multiple Swarms are composed of unsynchronized PC clusters. We apply to SCED(security constrained economic dispatch) problem, a nonlinear optimization problem, which considers line flow constraints and N-1 line contingency constraints. To consider N-1 line contingency in power system, we have chosen critical line contingency through a process of Screening and Selection based on PI(performace Index). We have applied to IEEE 118 bus system for verifying a usefulness of the proposed approaches.

• 한국항행학회논문지
• /
• 제18권2호
• /
• pp.170-177
• /
• 2014

유전 알고리즘은 강인한 탐색과 최적화 기술이기는 하나 조기 수렴과 국부 최적해에 수렴하는 문제점들을 내포하고 있다. 모집단의 다양성이 작은 값으로 수렴할수록 탐색능력이 감소하고, 국부 최적해에 수렴하지만, 모집단의 다양성이 높은 값으로 수렴할수록 탐색능력이 증가하고 전역 최적해에 수렴할 수 있으나 유전 알고리즘은 발산할 수도 있다. 유전 알고리즘이 전역 최적해에 수렴하는 것을 보장하기 위해서는 유전 연산자가 적절하게 선정되어야 한다. 본 논문에서는 조기 수렴으로부터 벗어나기 위하여 모집단의 다양성을 유지하도록 평균해밍거리와 적합도 값을 혼합한 함수를 이용한 유전 연산자들을 제안하였다. 모의실험을 통하여 다양성의 유지를 위한 돌연변이 연산자와 수렴 특성의 향상을 위한 다른 유전자들의 효과를 확인할 수 있었으며, 본 논문에서 제안한 유전 연산자들이 조기 수렴이나 국부 최적해에 수렴하는 경우를 피하는데 유용한 방법임이 확인되었다.

• 한국항공우주학회지
• /
• 제44권11호
• /
• pp.989-996
• /
• 2016

본 연구는 비선형 응답모델과 실수기반의 혼합형 유전자 알고리즘을 적용하여 로터의 트?-발란스(RTB) 기법을 개발하는 데 목적이 있다. 트?-발란스 조절 파라미터의 변화에 따른 트림해석 결과를 이용하여 2차의 근사함수를 이용하는 비선형 응답모델을 개발하였다. 트?편차와 기체의 진동응답을 최소화하기 위해 균형추 무게, 트림 탭(Trim Tab) 및 피치링크 길이를 최적화하기 위한 비선형계획 문제를 정식화하였다. 정식화 결과는 수렴성 향상을 위해 군집최적화 기법을 실변수기반의 유전자 알고리즘에 통합한 혼합형 유전자 기법을 사용함으로써 효율적인 해석이 가능하였다. 비선형 모델을 이용한 본 연구의 방법을 선형모델의 결과와 비교하여 본 연구의 방법을 검증하였으며 비선형모델을 사용하는 경우 선형모델의 결과보다 향상된 응답특성을 계산할 수 있음을 밝혔다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.223-230
• /
• 2001

자기구성 지도는 주어진 입력에 대해 올바른 출력 값이 제공되지 않는 비교사 방식으로 학습된다. 또한, 반응하는 순서나 위치를 통해 위상이 보존(topology preserving)되는 특성을 가지고 있어 많은 분야에 응용되고 있다. 그러나, 자기 구성지도는 학습이 되기 전에 위상을 미리 고정시켜야 하기 때문에 실제 문제에 적용하기 어렵다는 단점을 가지고 있다. 구조 적응형 자기구성 지도는 자기구성 지도의 고정된 구조 때문에 발생하는 문제를 해결하기 위해 지도의 구조를 학습 중에 적절하게 변경시킨다. 이때, 변화된 구조의 가중치를 어떻게 초기화시킬 것인가 하는 것이 또한 중요한 문제이다. 이 논문에서는 구조 적응형 자기구성 지도 모델에서 유전자 알고리즘을 이용하여 분화된 노드의 가중치를 결정하는 방법을 제안한다. 이 방법은 기존의 구조 적응형 자기구성 지도보다 다소 높은 인식률을 보였고, 숫자 별 인식률 편차를 줄일 수 있었다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• 전기학회논문지
• /
• 제66권5호
• /
• pp.757-764
• /
• 2017

As the reduction of greenhouse gases(GHGs) emission has become a global issue, the microgrid markets are growing rapidly. With the sudden changes in the market, Korean government suggested a new business model called 'Self-Sufficient Energy Islands'. Its main concern is a stand-alone microgrid composed of Distributed Energy Resources(DERs) such as Renewable Energy Sources(RESs), Energy Storage System(ESS) and Fuel Cell, in order to minimize the emission of GHGs. According to these trend, this paper is written to propose an optimal sizing method of DERs in a stand-alone microgrid by using Genetic Algorithm(GA), one of the representative stochastic methods. It is to minimize the net present cost with the variables, size of RESs and ESS. In the process for optimization, the sunless days are considered as additional constraints. Through the case study analysis, the size of DERs installed in a microgrid system has been computed using the proposed method in MATLAB. And the result of MATLAB is compared with that of HOMER(Hybrid Optimization of Multiple Energy Resources), a well-known energy modeling software.

• 한국멀티미디어학회논문지
• /
• 제6권1호
• /
• pp.48-57
• /
• 2003

본 연구는 hidden Markov model(HMM)과 유전알고리 즘을 갖는 MLP(multilayer perceptron) 합성 분류기를 이용한 근전 신호의 인식에 관한 연구이다. 제안된 기법에서 유전알고리즘은 전역적인 탐색으로 신경회로망의 최적의 초기 연결강도를 선택하는데, 이로 인하여 학습속도 및 인식률이 향상되게 된다. 근전 신호의 동적 특성은 연속 운동 인식처럼 신호의 길이 및 시작점과 끝점이 일정치 않고 시변성이 큰 경우에 반드시 고려되어야 하나, 일반 신경회로망에서는 이의 적용이 용이하지 않다. 따라서, 본 연구에서는 신호의 동적 특성에 대한 적응성을 갖는 HMM과 MLP 신경회로망을 결합시킨 구조를 갖는 인식기를 제안한다. 이러한 구조는 인식기의 입장에서 볼 때 HMM의 신호의 동적 특성에 대한 적응성과, MLP의 정적인 신호에 대한 우수한 분류력이 결합되어 동적인 신호에도 높은 인식율을 갖는 특성을 갖는다.

• 한국강구조학회 논문집
• /
• 제27권2호
• /
• pp.131-142
• /
• 2015

트러스구조는 대형구조물의 설계 및 시공에 편리하며, 부재의 경량화에 따른 비용의 절검 효과를 얻을 수 있는 구조물로 최근 다양한 형태의 구조물건설에 많이 사용되고 있다. 본 연구에서는 응력, 좌굴 그리고 구조물의 고유진동수 제약조건을 고려한 트러스 구조물의 단면과 형상에 대해 최적설계를 하였다. 최적설계에서 최적화기법으로 HA-SA방법을 제시하였으며, HA-SA방법은 HA 초기메모리에서 최상의 설계를 SA의 초기 설계로 하여 최적화 하는 방법이다. 예제에 사용된 트러스 구조물은 고유진동수 제약조건으로 10-bar, 72-bar, 52-bar 트러스와 응력 및 좌굴응력 제약조건으로 18-bar, 47-bar 트러스를 사용하였다. 그리고 52-bar, 18-bar, 47-bar의 경우는 트러스의 형상을 최적설계 하였다. 예제로부터 다양한 설계 제약조건하에서 여러 연구결과와 HA, SA, GA, HA-SA방법에 의한 결과를 서로 비교하여 HA-SA방법의 적용성을 입증하였다.

• Computers and Concrete
• /
• 제32권2호
• /
• pp.217-232
• /
• 2023

Numerous studies have been performed on the behavior of pile foundations in cold regions. This study first attempted to employ artificial neural networks (ANN) to predict pile-bearing capacity focusing on pile data recorded primarily on cold regions. As the ANN technique has disadvantages such as finding global minima or slower convergence rates, this study in the second phase deals with the development of an ANN-based predictive model improved with an Elephant herding optimizer (EHO), Dragonfly Algorithm (DA), Genetic Algorithm (GA), and Evolution Strategy (ES) methods for predicting the piles' bearing capacity. The network inputs included the pile geometrical features, pile area (m²), pile length (m), internal friction angle along the pile body and pile tip (Ø°), and effective vertical stress. The MLP model pile's output was the ultimate bearing capacity. A sensitivity analysis was performed to determine the optimum parameters to select the best predictive model. A trial-and-error technique was also used to find the optimum network architecture and the number of hidden nodes. According to the results, there is a good consistency between the pile-bearing DA-MLP-predicted capacities and the measured bearing capacities. Based on the R2 and determination coefficient as 0.90364 and 0.8643 for testing and training datasets, respectively, it is suggested that the DA-MLP model can be effectively implemented with higher reliability, efficiency, and practicability to predict the bearing capacity of piles.

• 지능정보연구
• /
• 제17권4호
• /
• pp.241-254
• /
• 2011

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.