• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.157-164
• /
• 2023

본 논문은 NP-완전 문제로 분류된 기업 세금 구조 최적화 문제를 O(n²)의 다항시간으로 구하는 휴리스틱 알고리즘을 제안하였다. 제안된 알고리즘은 목적지(T)인 본사 노드를 레벨 1으로, 세금코드 범주 T_e=1, 4, 3, 2의 노드들을 레벨 2,3,4,5 순서로 배치하였다. 원천(S)-목적지(T)의 최대세금감면 경로를 찾기 위해, 첫 번째로 노드 u에서 v 노드로 송금 시 u 관점에서 부과되는 유출 과세(r_w(u, v))를 최소화시키는 방법으로 _minr_w(u, v)의 호를 연결하였다. 이 결과 모든 S로부터 T까지의 신장트리를 구성하여 초기 실현 가능 해를 구하였다. 다음으로, v 관점에서 자국에 유입되는 이익금에 대한 외국 소득세(r_fi)를 최소화시키는 _minr_fi(u, v)의 대체 경로를 찾아 두 경로 중 최대 세금감면 경로를 선정하였다. 제안된 휴리스틱 알고리즘을 10개의 벤치마킹 데이터에 적용한 결과 선형계획법이나 메타휴리스틱의 일종인 Tabu 탐색 법에 비해 보다 최적의 결과를 얻었다.

• 대한전자공학회논문지SP
• /
• 제47권6호
• /
• pp.39-47
• /
• 2010

영상 기반의 모션 캡처에 대한 연구는 인체의 특징 영역 검출, 정확한 자세 추정 및 실시간 성능 등의 문제를 풀기 위해 많은 연구가 진행되고 있다. 특히, 인체의 많은 관절 정보를 복원하기 위해 다양한 방법이 제안되고 있다. 본 논문에서는 수치적인 역운동학 방법의 단점을 개선한 실시간 모션 캡처 방법을 제안한다. 기존의 수치적인 역운동학 방법은 많은 반복 연산이 필요하며, 국부최소치 문제가 발생할 수 있다. 본 논문에서는 이러한 문제를 해결하기 위해 기존의 수치적인 역운동학 해법과 UKF를 결합하여 중간관절을 복원하는 방법을 제안한다. 수치적인 역운동학의 해와 UKF를 결합함으로써, 중간 관절 추정 시 최적값에 보다 안정적이고 빠른 수렴이 가능하다. 모션 캡처를 위해 먼저, 배경 차분과 피부색 검출 방법을 이용하여 인체의 특징 영역을 추출한다. 다수의 카메라로부터 추출된 2차원 인체 영역 정보로부터 3차원 정보를 복원하고, UKF와 결합된 수치적인 역운동학 해법을 통해 동작자의 중간 관절 정보를 추정한다. 수치적인 역운동학의 해는 UKF의 상태 추정 시 안정적인 방향을 제시하고, UKF는 다수의 샘플을 기반으로 최적 상태를 찾음으로써, 전역해에 보다 빠르게 수렴한다.

• 한국수자원학회논문집
• /
• 제30권4호
• /
• pp.347-355
• /
• 1997

본 연구에서는 자연계의 적응 및 도태에 의한 Darwin의 진화과정을 수학적으로 체계화시킨 유전자 알고리듬(genetic algorithm)을 다목적댐의 홍수추적모형으로 사용되고 있는 저류함수법의 매개변수 추정에 적용하였다. 유전자 알고리듬은 생명체의 자연도태 원리를 수학적인 학습영역으로 적용한 탐색 알고리듬의 일종으로 매개변수의 추정은 개체유전과 적자생존법칙을 통해 설정된 모형의 성능을 개선시켜 나감으로써 최적값에 도달하게 된다. 수문순환계의 복잡한 과정을 개념적으로 모형화한 저류함수모형에 대한 유전자 알고리듬의 적용성을 평가하기 위하여 대청댐의 홍수기록을 선정하여 매개변수를 조정하고 검증을 위하여 사용하였다. 여기서, 각 홍수사상은 기존의 경험공식에 의해 산정된 매개변수값으로 모의하였고 유전자 알고리듬에 의한 매개변수의 보정은 50세대로 한정하여 3회씩 실시하여 비교·분석하였다. 그 결과 유전자알고리듬을 적용했을 때에 보정전과 비교하여 첨두홍수량 및 첨두홍수량의 도달시간 등 모든 면에서 향상되었으며 민감도 분석결과에서는 매개변수 Rsa, f1의 민감도가 가장 큰 것으로 나타났다. 이를 토대로 수문계에서 강우-유출모형인 저류함수법의 매개변수 산정에 대한 유전자 알고리듬의 적용성을 입증하였으며, 저류함수모형의 적용시 매개변수 산정을 위하여 사용되고 있는 경험공식과 비교·검토함으로써 홍수조절업무에 개선에 활용하고자 하였다.

• 대한화학회지
• /
• 제53권6호
• /
• pp.653-662
• /
• 2009

흡수, 분포, 대사, 배설 특성 및 독성을 예측하기 위한 효과적인 툴을 개발하는 것은 신약개발의 초기단계에서 NCE(new chemical entity)에 대한 가장 중요한 업무 중의 하나이다. 최근에 이런 시도중의 하나로서 ADME/T(absorption, distribution, metabolism, excretion, toxicity)관련 성질들의 예측에 support vector machine(SVM)을 이용하고 있다. 그리고 SVM은 ADME/T 성질들을 정확하게 예측하는데 많이 사용 되고 있다. 그러나 SVM 모델링에 두 가지 문제가 있다. 특성 선택(feature selection) 과 매개변수 설정(parameter setting)은 여전히 해결해야 할 과제이다. 이 두 가지 문제들은 SVM 분류의 효율성과 정확도에 결정적인 영향을 끼친다. 특히 특성 선택과 최적화된 SVM 변수의 설정은 서로 영향을 주기 때문에 동시에 다루어져야 한다. 여기서 우리는 genetic algorithm(GA) – 특성 선택에 사용 – 과 grid search(GS) method– 변수최적화에 사용 – 두 가지를 통합하는 효과적인 해결책을 제시하였다. ADME/T관련 성질 중 하나인 심장부정맥을 야기시키는 hERG 이온채널 저해제 분류 모델이 여기서 제안된 GA-GS-SVM을 위해 할당되고 테스트 되었다. 1891개의 화합물을 가지는 트레이닝 셋으로 단일 모델 3개, 앙상블 모델 3개, 총 6개의 모델을 만들었고 175개의 외부 데이터를 테스트 셋으로 사용하여 검증하였다. 데이터의 불균형 문제를 해결하기 위하여 GA-GS-SVM 단일 모델에 의한 예측 정확도와 GA-GS-SVM 앙상블 모델 예측 정확도를 비교하였으며, 앙상블모델을 사용하여 예측의 정확도를 높일 수 있었다.

• 한국ITS학회 논문지
• /
• 제18권2호
• /
• pp.29-43
• /
• 2019

미시적 교통류 모형의 정산은 시뮬레이션 분석에 있어 매우 중요한 요소이다. 유전자 알고리즘은 교통류 모형의 정산에 널리 활용되어 왔으며, 일반적으로 이러한 최적화 문제에 있어 높은 효율성을 보이는 것으로 알려져 있다. 하지만 제한된 시간내에 신속한 의사결정을 위한 시뮬레이션 분석에 있어 유전자알고리즘의 모형 정산속도는 여전히 느리다. 이에 본 연구에서는 정산 효율 향상을 위해 중심합성계획법 기반의 이중유전자알고리즘을 활용한 차량추종모형 정산방법론을 개발하였다. 개발된 정산 방법론에서는 실험계획법 중 하나인 중심합성계획법과 유전자알고리즘을 결합하여 준최적해를 찾고, 이를 다시 유전자알고리즘의 초기 값으로 하여 모형 파라미터의 최적해를 찾는다. 개발된 방법을 활용하여 Gipps의 차량추종모형을 정산하였다. 선행연구에서 사용된 단일 유전자알고리즘을 활용한 방법과 비교한 결과, 본 연구에서 개발한 방법이 더 짧은 시간내에 최적해를 찾는 것으로 확인되었다. 개발된 방법론은 유전자알고리즘을 사용하는 다양한 교통분석에 활용될 수 있을 것으로 기대된다.

• 전자공학회논문지CI
• /
• 제48권2호
• /
• pp.78-85
• /
• 2011

본 논문에서는 운전자의 특성, 도로상황, 경로 추천을 담당하는 에이전트와 같은 동적환경정보(DEI:Dynamic Environment Information)를 반영하여 실시간으로 운전자에게 경로를 추천할 수 있는 시스템을 위해 멀티에이전트에 관한 연구를 수행하였다. DEI는 n개의 멀티 에이전트이며 운전자에게 최적화된 경로를 제공할 수 있는 경로추천시스템에 활용되는 환경변수이다. DEI가 반영되는 경로추천 시스템은 멀티 에이전트 연구의 새로운 연구 분야라 할 수 있겠다. 이를 위하여 멀티에이전트 연구의 대표적 실험 환경인 먹이추적문제를 이용하여 새로운 해법을 찾고자 하였다. 본 논문에서는 기존의 먹이추적 실험은 현실성이 결여된 멀티에이전트 연구였기에 기존의 실험환경과 달리 현실세계와 비슷한 실험환경을 제안을 하며 새로운 전략인 Ant-Q 학습을 적용한 알고리즘과 기존의 방향벡터를 활용한 전략과의 비교를 통해 새로운 환경에서의 성능의 향상을 입증할 수 있었다.

• 대한교통학회지
• /
• 제30권1호
• /
• pp.125-133
• /
• 2012

본 논문에서는 스마트카드 데이터를 이용하여 서울시의 대중교통 환승통행 현황을 분석하고, 이를 통해 환승체계 효율화의 필요성을 살펴보았다. 특별히 환승효율성 제고를 위한 환승센터 건립 시 그 입지선정을 위한 수리모형을 이중구조모형으로 구축/제시하였다. 상위모형은 입지결정 모형으로 지역별 환승센터 개수 및 총건설비용 예산 제약하에서 총통행비용을 최소화하는 선형 0-1 정수모형이고, 하위 모형은 환승센터 입지 여부에 따른 사용자 평형 경로 선택 모형으로 구성된다. 모형의 해법으로 상위 및 하위 모형의 해를 순차적으로 구하는 방법을 제시하였고, 예제네트워크 적용을 통해 해법의 수렴성과 모형의 적용성을 평가하였다. 그 결과 본 논문에서 구축된 모형과 해법을 이용하여 효과적으로 최적의 환승센터 입지를 결정할 수 있음을 확인하였다. 마지막으로, 실제 네트워크에 적용하기 위한 방법론을 검토한 결과 본 논문의 모형과 해법이 현실에서도 충분히 활용될 수 있을 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제16권4호
• /
• pp.89-96
• /
• 2016

본 논문에서는 데이터수집을 위한 MDC(mobile data collector) 기반의 무선센서네트워크를 고려한다. 이러한 네트워크에서는 MDC들이 이동하며 주위환경으로부터 데이터를 수집한 후 싱크노드에게 전달한다. 단일 MDC를 사용하는 기존 방식에서는 높은 데이터 수집 지연 문제가 발생한다. 복수의 MDC를 사용하는 일부 기존 방안에서는 네트워크 수명최대화에 초점을 두고 데이터 전달 지연에 대한 고려는 하지 않았다. 기존 방안의 이러한 제약을 극복하기 위하여 본 논문에서는 MDC의 개수가 주어진 상황에서 패킷지연을 최소화하는 문제와, 최대 허용 패킷 지연이 주어진 상황에서 필요한 MDC의 수를 최소화 하는 문제를 고려한다. 이를 위해서 두 개의 최적화 문제가 구성되었으며 MDC들의 이동거리와 이동시간 추정 모델을 개발하였다. Interior-point 알고리즘을 이용하여 최적화 문제에 대한 해를 구했으며, 제안된 방안을 검증하기 위한 수치결과와 분석을 제시하였다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1311-1327
• /
• 2016

본 논문에서는 종말 사건에 대한 정보는 주어져 있지만 중간 사건이 구간 중도절단되었거나 연구 기간 도중에 추적이 끊겨 중간 사건의 발생 유무를 모르는 준 경쟁 위험 자료에 다중상태모형을 적용하여 모수를 추정하는 방법을 제안하였다. 이를 위해 상태 간 전이 강도는 정규 프레일티를 랜덤효과로 가진 Cox 비례위험모형을 따른다고 가정하였다. 다섯 가지 상태를 가진 다중상태모형에서 가능한 여섯 가지 경로별로 조건부 우도를 정의하였고 주변 우도를 구하기 위해 조정 가우스 구적법을 적용하였으며 뉴튼-랩슨 방법으로 최적 해를 구하였다. 모수의 95% 신뢰구간 포함률을 통해 제안한 방법의 소표본 성질을 살펴보기 위해 모의실험을 수행하였으며, Persones $Ag{\acute{e}}es$ Quid(PAQUID) 자료 (Helmer 등, 2001)에 제안한 모형을 적용하고 그 결과를 해석하였다.

• 정보처리학회논문지B
• /
• 제11B권1호
• /
• pp.77-82
• /
• 2004

강화학습에서 temporal-credit 할당 문제 즉, 에이전트가 현재 상태에서 어떤 행동을 선택하여 상태전이를 하였을 때 에이전트가 선택한 행동에 대해 어떻게 보상(reward)할 것인가는 강화학습에서 중요한 과제라 할 수 있다. 본 논문에서는 조합최적화(hard combinational optimization) 문제를 해결하기 위한 새로운 메타 휴리스틱(meta heuristic) 방법으로, greedy search뿐만 아니라 긍정적 반응의 탐색을 사용한 모집단에 근거한 접근법으로 Traveling Salesman Problem(TSP)를 풀기 위해 제안된 Ant Colony System(ACS) Algorithms에 Q-학습을 적용한 기존의 Ant-Q 학습방범을 살펴보고 이 학습 기법에 다양화 전략을 통한 상태전이와 TD-오류를 적용한 학습방법인 Ant-TD 강화학습 방법을 제안한다. 제안한 강화학습은 기존의 ACS, Ant-Q학습보다 최적해에 더 빠르게 수렴할 수 있음을 실험을 통해 알 수 있었다.