• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2870-2872
• /
• 2005

본 논문에서는 시각기반 센서 네트워크에 의해 다중물체의 위치를 인식 및 추적하여 목표물들의 위치를 결정할 수 있는 분산형 시각 시스템을 제시한다. 각 시각 센서는 칼라와 동작 정보에 의한 대상물체의 정확한 분할 및 다중물체에 대한 실시간 추적 그리고 간단한 원근법에 의한 포즈 추정을 수행한다. 각 시각 센서를 하나의 에이전트 - 시각 에이전트 -로 정의하고, 전체 시각기반 센서 네트워크를 복수 에이전트 시스템(multiagent system)으로 구성한다. 이로써 대상물체의 핸드오버시 그 대상물체의 신분에 대한 매칭 문제를 Identified Contract Net (ICN) 프로토콜을 제안하여 해결한다. ICN 프로토콜은 시각 에이전트의 개수에 독립적이고 그것을 사용할 경우 시각 에이전트들 간의 캘리브레이션도 필요로 하지 않기 때문에 시각기반 센서 네트워크의 속도, 확장성 및 모듈성을 높여준다. 실험을 통해 구성한 시각기반 센서 네트워크에서 ICN 프로토콜이 적용됨을 성공적으로 검증하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.399-408
• /
• 2002

다중 에이전트 학습이란 다중 에이전트 환경에서 에이전트간의 조정을 위한 행동전략을 학습하는 것을 말한다. 본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 서로 독립적으로 대표적인 강화학습법인 Q학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동 공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 먹이와 사냥꾼 문제(Prey and Hunters Problem)를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM을 이용한 일반화 방법인 QSOM 학습법을 제안한다. 이 방법은 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 이전에 경험하지 못했던 상태-행동들에 대한 Q값을 예측하고 이용할 수 있다는 장점이 있다. 또한 본 논문에서는 실험을 통해 QSOM 학습법의 일반화 효과와 성능을 평가하였다.

• The KIPS Transactions:PartB
• /
• v.10B no.3
• /
• pp.249-256
• /
• 2003

The most important problems in the multi-agent system are to accomplish a goal through the efficient coordination of several agents and to prevent collision with other agents. In this paper, we propose a new control strategy for succeeding the goal of the prey pursuit problem efficiently. Our control method uses reinforcement learning to control the multi-agent system and consider the distance as well as the space relationship between the agents in the state space of the prey pursuit problem.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.294-302
• /
• 2007

멀티 에이전트 강화학습에서 중요한 이슈 중의 하나는 자신의 성능에 영향을 미칠 수 있는 다른 에이전트들이 존재하는 동적 환경에서 어떻게 최적의 행동 정책을 학습하느냐 하는 것이다. 멀티 에이전트 강화 학습을 위한 기존 연구들은 대부분 단일 에이전트 강화 학습기법들을 큰 변화 없이 그대로 적용하거나 비록 다른 에이전트에 관한 별도의 모델을 이용하더라도 현실적이지 못한 가정들을 요구한다. 본 논문에서는 상대 에이전트에 대한RBFN기반의 행동 정책 모델을 소개한 뒤, 이것을 이용한 강화 학습 방법을 설명한다. 본 논문에서는 제안하는 멀티 에이전트 강화학습 방법은 기존의 멀티 에이전트 강화 학습 연구들과는 달리 상대 에이전트의 Q 평가 함수 모델이 아니라 RBFN 기반의 행동 정책 모델을 학습한다. 또한, 표현력은 풍부하나 학습에 시간과 노력이 많이 요구되는 유한 상태 오토마타나 마코프 체인과 같은 행동 정책 모델들에 비해 비교적 간단한 형태의 행동 정책 모델을 이용함으로써 학습의 효율성을 높였다. 본 논문에서는 대표적이 절대적 멀티 에이전트 환경인 고양이와 쥐 게임을 소개한 뒤, 이 게임을 테스트 베드 삼아 실험들을 전개함으로써 제안하는 RBFN 기반의 정책 모델의 효과를 분석해본다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.25 no.8
• /
• pp.70-81
• /
• 2011

In this paper, a multi-agent control system for DC-coupled photovoltaic (PV), fuel cell (FC), ultracapacitor(UC) and battery hybrid power system is studied for commercial buildings & apartment buildings microgrid. In this proposed system, the PV system provides electric energy to the electrolyzer to produce hydrogen for future use and transfer to the load side, if possible. Whenever the PV system cannot completely meet load demands, the FC system provides power to meet the remaining load. A multi-agent system based-power management and control algorithm is proposed for the hybrid power system by taking into account the characteristics of each power source. The main works of this paper are hybridization of alternate energy sources with FC systems using long and short storage strategies to build the multi-agent control system with pragmatic design, and a dynamic model proposed for a PV/FC/UC/battery bank hybrid power generation system. A dynamic simulation model for the hybrid power system has been developed using Matlab/Simulink, SimPowerSystems and Stateflow. Simulation results are also presented to demonstrate the effectiveness of the proposed multi-agent control and management system for building microgrid.

• Smart Structures and Systems
• /
• v.12 no.2
• /
• pp.209-233
• /
• 2013

With an annual growth rate of about 30%, wind energy systems, such as wind turbines, represent one of the fastest growing renewable energy technologies. Continuous structural health monitoring of wind turbines can help improving structural reliability and facilitating optimal decisions with respect to maintenance and operation at minimum associated life-cycle costs. This paper presents an integrated monitoring system that is designed to support structural assessment and life-cycle management of wind turbines. The monitoring system systematically integrates a wide variety of hardware and software modules, including sensors and computer systems for automated data acquisition, data analysis and data archival, a multiagent-based system for self-diagnosis of sensor malfunctions, a model updating and damage detection framework for structural assessment, and a management module for monitoring the structural condition and the operational efficiency of the wind turbine. The monitoring system has been installed on a 500 kW wind turbine located in Germany. Since its initial deployment in 2009, the system automatically collects and processes structural, environmental, and operational wind turbine data. The results demonstrate the potential of the proposed approach not only to ensure continuous safety of the structures, but also to enable cost-efficient maintenance and operation of wind turbines.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.303-306
• /
• 2006

유비쿼터스 컴퓨팅의 핵심은 네트워크 환경에 대한 고 가용성이라 할 수 있다. 이러한 사실은 사용자 컨텍스트(Context)가 반영된 서비스를 제공하기 위한 필수조건이 이미 갖추어져 있다는 것을 시사한다. 지금까지 상황인지(Context-Aware) 서비스를 위한 여러 응용들이 제시되어 왔지만, 동적으로 변화하는, 즉 예측하기 어려운 환경을 충분히 반영할 만큼의 유연성을 제공하지 못했다. 왜냐하면, 응용 태스크 시나리오가 시작단계부터 이미 정해져 있었기 때문이다. 여기에, 본 고는 평생동안 개인화된 태스크를 동적으로 생성, 제공할 수 있는 멀티 에이전트 시스템 구조를 제안하고자 한다. 평생 개인화 태스크(Life Long Personalized Task)는 끊임없이 변화하는 사용자의 행동패턴을 반영할 수 있도록, 동적으로 생성, 제공되는 태스크를 의미한다. 이는 태스크 시나리오가 컴파일 타임에 이미 결정되지 않고, 실행 시간 중에 자동으로 생성된다는 것을 의미한다. 이러한 유연성은 평생학습 엔진(Life Long Learning Engine)을 활용함으로써 가능하다. 이 엔진은 사용자의 행동패턴을 학습하며, 결과적으로 사용자 행동패턴 규칙들을 생성한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.461-463
• /
• 2003

휴먼지놈프로젝트이후 컴퓨터를 이용한 연구는 점차로 활발하게 진행되고 있는데 그 중 단백질의 기능예측과 관련하여 보다 많은 연구가 이루어지고 있다. 단백질의 기능예측을 위해서는 3차원 구조정보가 많이 이용된다. 3차원 구조를 형성하는 것은 주로 아미노산 서열이나 1차, 2차 구조 정보가 보다 구체적인 단백질 구조예측을 위해 이용되고 있다. 전세계적으로 다량의 단백질 구조정보 및 예측을 위한 방법들이 소개되고 있지만 각 자원들마다 저장, 관리 형식이 다를 뿐만 아니라, 정보를 이용하는 방법도 어렵다. 본 논문에서는 다양하게 존재하는 단백질 구조 데이터베이스 자원들을 에이전트화여 통합성과 재사용성을 지향하였고, 에이전트시티 네트워크에 연결함으로써 개방성과 확장성, 분산성을 높이도록 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.280-282
• /
• 2001

인터넷의 발달로 웹에서 제공되는 정보와 서비스의 양이 폭발적으로 증가하고 있다. 따라서 사용자들은 보다 쉽게 빠르게 정보를 찾을 수 있도록 지원해 주는 정보 검색 에이전트에 대한 개발을 요구하고 있다. 본 논문에서는 사용자에게 적합한 도서 정보를 검색 및 추천하는 멀티 에이전트 시스템을 설계한다. 그리고 여러 에이전트 사이의 행동을 제어하는 CA(Coordination Agent) 에이전트의 조정 기능과 각 에이전트간의 통신을 지원하는 KQML처리의 알고리즘을 구현한다. 구현 결과 CA의 Message Queue 비교를 토한 조정 기능은 IEA(Information Extraction Agent)의 중복된 정보검색을 방지하여 보다 빠르고 효율적인 정보 검색의 효과를 얻을 수 있었고, KQML은 JAVA의 클래스로 구현하여 본 시스템에서 사용된 메시지 이외의 모든 KQML 메시지 처리 기능을 포함할 수 있도록 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.283-285
• /
• 2002

강의시간표 문제(Lecture timetabling Problem)는 일주일을 기본으로 하는 특정 시간대 별로 학생(Course-class), 교수, 그리고 강의실과 같은 자원에 대한 스케줄링 문제로서 각각의 자원에 대하여 적절한 조합으로 제약조건들 사이의 충돌을 최소화하여 자원을 배치하는 할당문제이다. 강의시간표 문제는 수천 명 학생들에 대하여 개개인의 시간표를 작성해야 하므로 기하급수적으로 증가하는 탐색공간에 대하여 최악의 경우 탐색 시간이 지수적으로 증가하는 NP-complete Problem이다. 이러한 거대하고 복잡한 강의시간표 문제는 계층적으로 분할하여 기능별로 처리하면서 제약조건을 협상하도록 하는 각 모듈 단위의 에이전트를 구성하므로 좀 더 작고 단순한 문제로 변환될 수 있다. 본 논문에서는 방대한 탐색 공간과 과잉-제약조건(Over-constraint)문제의 하나인 강의시간표 작성 문제를 분산제약조건 만족 문제 특성을 이용하고 다중 에이전트 구조를 사용하여 해결하는 강의시간표 자동화 시스템 설계를 제안한다.