• 제어로봇시스템학회논문지
• /
• 제22권3호
• /
• pp.199-203
• /
• 2016

A brain-computer interface or BCI provides an alternative method for acting on the world. Brain signals can be recorded from the electrical activity along the scalp using an electrode cap. By analyzing the EEG, it is possible to determine whether a person is thinking about his/her hand or foot movement and this information can be transferred to a machine and then translated into commands. However, we do not know which information relates to motor imagery and which channel is good for extracting features. A general approach is to use all electronic channels to analyze the EEG signals, but this causes many problems, such as overfitting and problems removing noisy and artificial signals. To overcome these problems, in this paper we used a new optimization method called the Fruit Fly optimization algorithm (FOA) to select the best channels and then combine them with CSP method to extract features to improve the classification accuracy by linear discriminant analysis. We also used particle swarm optimization (PSO) and a genetic algorithm (GA) to select the optimal EEG channel and compared the performance with that of the FOA algorithm. The results show that for some subjects, the FOA algorithm is a better method for selecting the optimal EEG channel in a short time.

• 산업경영시스템학회지
• /
• 제39권2호
• /
• pp.88-102
• /
• 2016

This paper considers the allocation and engagement scheduling problem of interceptor missiles, and the problem was formulated by using MIP (mixed integer programming) in the previous research. The objective of the model is the maximization of total intercept altitude instead of the more conventional objective such as the minimization of surviving target value. The concept of the time window was used to model the engagement situation and a continuous time is assumed for flying times of the both missiles. The MIP formulation of the problem is very complex due to the complexity of the real problem itself. Hence, the finding of an efficient optimal solution procedure seems to be difficult. In this paper, an efficient genetic algorithm is developed by improving a general genetic algorithm. The improvement is achieved by carefully analyzing the structure of the formulation. Specifically, the new algorithm includes an enhanced repair process and a crossover operation which utilizes the idea of the PSO (particle swarm optimization). Then, the algorithm is throughly tested on 50 randomly generated engagement scenarios, and its performance is compared with that of a commercial package and a more general genetic algorithm, respectively. The results indicate that the new algorithm consistently performs better than a general genetic algorithm. Also, the new algorithm generates much better results than those by the commercial package on several test cases when the execution time of the commercial package is limited to 8,000 seconds, which is about two hours and 13 minutes. Moreover, it obtains a solution within 0.13~33.34 seconds depending on the size of scenarios.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1114-1124
• /
• 2015

In this paper, precipitation / non-precipitation pattern classification of meteorological radar data is conducted by using neuro-fuzzy algorithm. Structure expression of meteorological radar data information is analyzed in order to effectively classify precipitation and non-precipitation. Also diverse input variables for designing pattern classifier could be considered by exploiting the quantitative as well as qualitative characteristic of meteorological radar data information and then each characteristic of input variables is analyzed. Preferred pattern classifier can be designed by essential input variables that give a decisive effect on output performance as well as model architecture. As the proposed model architecture, neuro-fuzzy algorithm is designed by using FCM-based radial basis function neural network(RBFNN). Two parts of classifiers such as instance classifier part and echo classifier part are designed and carried out serially in the entire system architecture. In the instance classifier part, the pattern classifier identifies between precipitation and non-precipitation data. In the echo classifier part, because precipitation data information identified by the instance classifier could partially involve non-precipitation data information, echo classifier is considered to classify between them. The performance of the proposed classifier is evaluated and analyzed when compared with existing QC method.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.722-728
• /
• 2012

도심지역의 하수관거 시스템은 우수 수용능력 및 하수 월류 발생 등의 시스템의 한계점을 가지고 있어, 강우시 우수 유출수로 인한 침수저감과 더불어 도시비점오염원의 저감에 모두 대응할 수 있는 저류시설의 도입이 주목받고 시작하였다. 최근 환경부에서는 방재적 우수관리와 더불어 합류식 하수관거 월류수, 분류식 우수관거 유출수 처리를 포함하는 다기능 저류시설을 "하수저류시설"이라 통칭하고, 이의 도입을 적극 추진하고 있는 실정이다. 반면 대규모 단일 저류시설 설치의 경우에는 공간 확보의 문제가 발생할 수 있으며, 이에 대안으로는 중 소규모의 분산형 저류시설 설치 및 운영을 들 수 있다. 본 연구에서는 분산형 저류시설-하수관망 네트워크 시스템의 최적 운용을 위한 모델 예측 제어기법을 제안한다. 이를 위해 첫째로 네트워크 시스템의 각 구성 요소의 수리모델을 제시함으로써 보다 정밀한 하수관망 네트워크의 거동을 모사하고자 한다. 둘째로 제안된 모델을 기반으로 현재의 강우 유입량을 고려하여 각 저류조의 수위, 하수관로의 유입/유출량을 예측하여, 입자군집 최적화 알고리즘을 이용한 모델 예측 제어기법을 바탕으로 주어진 제약조건을 만족하며 상황을 바탕으로 제안된 제어기법의 사용여부에 따른 효과를 비교 분석하고, 이의 타당성을 검증하고자 한다.

• 한국수자원학회논문집
• /
• 제53권9호
• /
• pp.681-690
• /
• 2020

일반적으로 빗물이용시설의 설계 저류 용량은 다양한 시나리오(저류 용량, 공급 보장률, 우수 이용률 등)에 대한 반복적인 계산을 통해 결정된다. 이 방법은 분석에 많은 시간이 소요될 뿐만 아니라 많은 계산이 수반되므로 분석 오류가 나타날 수도 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 최적화 기법을 이용하여 임의의 목표 보장률을 만족하는 최소의 저류 용량을 직접적으로 결정할 수 있는 방법을 제시하였다. 해당 방법은 Python 언어를 이용하여 모의 모형과 입자 군집 최적화를 연계하여 구현되었다. 최적화 기법은 Python의 오픈 소스로 제공되는 pyswarm을 이용하였는데, 해당 알고리즘은 전역 최적해 탐색이 가능하고, 제약조건을 고려할 수 있다. 최적화 기법을 이용한 빗물이용시설의 저류 용량 결정 방법은 인천 청라지구 1공구에 설치된 빗물이용시설의 설계자료에 적용하여 분석의 효율성, 안정성, 정확성을 검증하였다. 본 연구에서 제시한 빗물이용시설의 저류 용량 결정 방법은 현재의 분석 기술 수준을 개선할 수 있으므로 실용적 가치가 있는 것으로 판단된다.