• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.113-113
• /
• 2018

본 연구는 다목적 입자군집최적화(Particle Swarm Optimization, PSO) 알고리즘을 SWAT(Soil and Water Assessment Tool) 모형에 적용하여 자동보정 알고리즘의 적용 가능성을 평가하고자 한다. PSO 알고리즘은 Python을 활용해 다목적 함수를 고려할 수 있도록 새롭게 개발되었다. SWAT 모형의 유출 해석은 안성천의 공도 수위 관측소 상류유역($366.5km^2$)을 대상으로 하였으며, 공도 지점의 2000년부터 2017년까지의 일 유량 자료를 이용하여 검보정하였다. 모형을 위한 기상자료는 공도유역 주변 3개 기상관측소(수원, 천안, 이천)의 일별 강수량, 최고 및 최저기온, 평균 풍속, 상대습도 및 일사량을 구축하였다. SWAT 모형의 유출 해석은 결정계수(Coefficient of determination, $R^2$), RMSE(Root mean square error), Nash-Sutcliffe 모형효율계수(NSE) 및 IOA(index of agreement) 등을 활용하여, 기존 연구 결과와 PSO 알고리즘을 활용한 결과를 비교 분석하고자 한다. 본 연구에서 개발한 다목적 PSO 알고리즘을 활용한 SWAT모형의 유출 해석은 보다 높은 정확도를 얻을 수 있을 것으로 예상되며, Python으로 개발되어 SWAT모형 이외에도 널리 적용될 수 있을 것으로 판단된다.

• 한국정보전자통신기술학회논문지
• /
• 제16권4호
• /
• pp.203-209
• /
• 2023

Harmony search(HS)는 새로운 하모니를 구성할 때 HM을 참조하는 경우 개별 하모니의 평가를 이용하지 않지만 PSO(particle swarm optimization)는 개별 입자의 평가와 모집단의 평가를 이용하여 해를 찾아간다. 그러나 본 연구에서는 HS와 PSO의 유사점을 찾아 PSO의 입자 개선 과정을 HS에 적용하여 알고리즘의 성능을 향상시키고자 하였다. PSO 알고리즘을 적용하기 위해서는 개별 입자의 local best와 떼(swam)의 global best가 필요하다. 본 연구에서는 HS가 harmony memory(HM)에서 가장 나쁜 하모니을 개선하는 과정을 PSO와 매우 유사한 과정으로 보았다. 이에 따라 HM의 가장 나쁜 하모니를 입자의 PSO의 local best로, 가장 좋은 하모니는 PSO의 global best 최고로 간주하였다. 이와 같이 PSO의 입자 개선과정을 HS 하모니 개선과정에 도입하여 HS의 성능을 향상시킬 수 있었다. 본 연구의 결과는 다양한 함수에 대한 최적화 예시를 통해 비교 확인하였다. 그 결과 정확성과 일관성에 있어 기존 HS보다 제안한 HS-PSO가 매우 우수함을 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 추계학술대회 논문집 전력기술부문
• /
• pp.196-198
• /
• 2007

전력계통에서 상태추정은 신뢰도 높은 제어를 위해 매우 중요한 역할을 한다. 최근에는 상태추정 문제를 위해 가중최소자승법과 fast decoupled 방법이 많이 쓰이고 있다. 그러나 이런 알고리즘들은 지역해로 수렴하기 쉬운 단점이 있다. 이런 문제점을 극복하기 위해 PSO와 같은 heuristic한 방법을 이용한다. 본 논문에서는 전력계통에서 상태추정의 최적해를 구하기 위한 방법으로 PSO 알고리즘을 제안한다. 제안한 PSO알고리즘의 유용함을 증명하기 위해 IEEE-118모선 시스템에 적용해 보고, 그 결과로부터 전력계통의 상태 추정에 PSO 알고리즘의 적용가능성을 증명하였다.

• 한국산학기술학회논문지
• /
• 제14권5호
• /
• pp.2536-2543
• /
• 2013

본 논문에서는 단일존 빌딩의 모델링과 PSO 알고리즘을 이용한 냉방시스템 제어구간 건물 실내온도 제어 알고리즘을 제안한다. 최적제어를 하기 위한 제어구간 설정은 스위칭방법과 PSO 알고리즘을 사용하고 냉방시스템 사용요금은 TOU와 피크요금을 포함 하여 산정한다. 시뮬레이션을 통해 제안한 제어구간 설정방법을 적용하면 전력 사용에 따른 비용의 절감과 피크전력 절감을 확인할 수 있다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.381-383
• /
• 2009

본 논문에서는 대표적인 시스템 모델링 도구중의 하나인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)를 설계하고 모델을 최적화하기 위하여 최적화 알고리즘인 PSO(Particle Swarm Optimization) 알고리즘을 이용하였다. 즉, 모델의 최적화에 주요한 영향을 미치는 모델의 파라미터들을 PSO 알고리즘을 이용하여 동정한다. 제안된 RBF 뉴럴 네트워크는 은닉층에서의 활성함수로서 일반적으로 많이 사용되어지는 가우시안 커널함수를 사용한다. 더 나아가 모델의 최적화를 위하여 각 커널함수의 중심값은 HCM 클러스터링에 기반을 두어 중심값을 결정하고, PSO 알고리즘을 통하여 가우시안 커널함수의 분포상수, 은닉층에서의 노드 수 그리고 다수의 입력을 가질 경우 입력의 종류를 동정한다. 제안한 모델의 성능을 평가하기 위해 Mackey-Glass 시계열 공정 데이터를 적용하였으며 제안된 모델의 근사화와 일반화 능력을 분석한다.

• 한국지능시스템학회논문지
• /
• 제18권5호
• /
• pp.649-658
• /
• 2008

본 논문에서는 기존의 PSO(Conventional Particle Swarm Optimization : CPSO) 알고리즘에서 매 반복횟수마다 매개변수 값을 적응적으로 변화시키는 적응 PSO(APSO) 알고리즘을 제안하였다. 본 논문에서 제안한 APSO의 성능을 평가하기 위해 De Jong함수, Ackley 함수, Davis 함수 Griewank 함수 등의 최소화 문제에 적용하여 실수형 유전알고리즘과 그 결과를 비교하여, 제안한 알고리즘에 대한 우수성을 증명하였다. 그리고 자계계측기와 설문지를 통해 얻은 전자계 노출량에 대한 실측데이터를 이용하여 개인생활 자계노출식 개발에 제안한 APSO를 적용하여 그 우수성을 입증하였다.

• 정보처리학회논문지B
• /
• 제16B권4호
• /
• pp.319-326
• /
• 2009

PSO(Particle Swarm Optimization)는 군집(swarm)을 구성하는 단순한 개체들인 입자(particle)들이 각자의 경험을 공유하여 문제의 해답을 찾는 최적화 알고리즘으로 다양한 분야에서 응용되고 있다. PSO에 대한 연구는 최적화를 위해 군집이 적합한 영역으로 빠르게 수렴하도록 하는 파라미터 값의 선정, 토폴로지, 입자의 이동에서 주로 이루어지고 있다. 표준 PSO 알고리즘은 입자 자신과 최고의 이웃이 제공하는 정보만을 이용해서 이동하므로 다양한 영역을 탐색하지 못하고 지역적 최적점에 조기 수렴하는 경향이 있다. 본 논문에서는 군집이 다양한 영역을 탐색하기 위해, 각 입자는 더 나은 경험을 가진 이웃입자들의 정보를 상대적인 중요도에 따라서 참조하여 이동하도록 하였다. 다양한 영역의 탐색은 표준 PSO 알고리즘보다 지역적 최적화의 확률을 줄이고 탐색 속도를 가속화하며 탐색의 성공률을 높일 수 있다. 또한 군집이 지역적 미니멈으로부터 벗어나기 위한 검사 전략을 제안하여 탐색의 성공률을 높였다. 제안한 PSO 알고리즘을 평가하기 위하여, 벤치마크 함수들에 적용한 결과 최적화의 진행 속도 개선과 탐색 성공률의 향상이 있었다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1129-1136
• /
• 2022

본 연구는 RSSI의 거리측정 방법이 외부 환경에 의해 쉽게 영향을 받아 위치 오차가 크다는 결점을 도출하였고 이 3차원 배치 환경에서 RSSI의 거리측정 노드에서 측정한 거리값을 최적화하는 문제에 대해 향상된 CA-PSO 알고리즘을 개선한 CA-PSO-BP 알고리즘을 제안하였다. 제안된 알고리즘은 3차원 무선센서네트워크(WSN) 공간에서 인식할 수 없는 노드를 설정할 수 있도록 하였다. 또한, CA-PSO를 BP 신경망에 응용하므로, 학습을 통해 BP 네트워크의 학습시간 단축과 알고리즘의 수렴 속도를 제고 할 수 있었다. 본 연구에서 제안한 알고리즘을 통해 네트워크의 위치의 정밀도를 현저(15%)하게 높일 수 있다는 것을 증명하였고 유의미한 결과를 얻을 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.606-609
• /
• 2015

본 연구에서는 support vector regression (SVR) 및 매개변수 최적화 알고리즘을 이용한 하천수위 예측모델을 구축하고 이를 실제 유역에 적용하여 모델 효율성을 평가하였다. 여기서, SVR은 하천수위를 예측하기 위한 예측모델로서 채택되었으며, 커널함수 (Kernel function)로서는 radial basis function (RBF)을 선택하였다. 최적화 알고리즘은 SVR의 최적 매개변수 (C?, cost parameter or regularization parameter; ${\gamma}$, RBF parameter; ${\epsilon}$, insensitive loss function parameter)를 탐색하기 위하여 적용되었다. 매개변수 최적화 알고리즘으로는 grid search (GS), genetic algorithm (GA), particle swarm optimization (PSO), artificial bee colony (ABC) 알고리즘을 채택하였으며, 비교분석을 통해 최적화 알고리즘의 적용성을 평가하였다. 또한 SVR과 최적화 알고리즘을 결합한 모델 (SVR-GS, SVR-GA, SVR-PSO, SVR-ABC)은 기존에 수자원 분야에서 널리 적용되어온 신경망(Artificial neural network, ANN) 및 뉴로퍼지 (Adaptive neuro-fuzzy inference system, ANFIS) 모델과 비교하였다. 그 결과, 모델 효율성 측면에서 SVR-GS, SVR-GA, SVR-PSO 및 SVR-ABC는 ANN보다 우수한 결과를 나타내었으며, ANFIS와는 비슷한 결과를 나타내었다. 또한 SVR-GA, SVR-PSO 및 SVR-ABC는 SVR-GS보다 상대적으로 우수한 결과를 나타내었으며, 모델 효율성 측면에서 SVR-PSO 및 SVR-ABC는 가장 우수한 모델 성능을 나타내었다. 따라서 본 연구에서 적용한 매개변수 최적화 알고리즘은 SVR의 매개변수를 최적화하는데 효과적임을 확인할 수 있었다. SVR과 최적화 알고리즘을 이용한 하천수위 예측모델은 기존의 ANN 및 ANFIS 모델과 더불어 하천수위 예측을 위한 효과적인 도구로 사용될 수 있을 것으로 판단된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.86-90
• /
• 2007

본 논문에서는 Particle Swarm Optimization(PSO) 기법을 이용한 이족보행로봇의 보행 계획방법을 제안한다. 이족보행로봇의 보행 프리미티브를 기반으로 PSO의 학습 및 군집 특성을 이용하여 장애물이 있는 작업공간에서 보행 계획을 수행하였다. 먼저 PSO의 탐색알고리즘을 사용하여 장애물을 회피하는 실행 가능한 보행 프리미티브들의 순서를 찾아내고 탐색된 순서를 바탕으로 경로 최적화 알고리즘을 수행하는 보행 계획방법을 제안하였다. 제안된 PSO 기반 이족보행로봇의 보행 계획방법은 모의실험을 통하여 발걸음 탐색 시간이 줄고 최적화된 보행 경로를 생성하는 것을 검증하였다.