• 한국컴퓨터정보학회논문지
• /
• 제11권4호
• /
• pp.119-125
• /
• 2006

네트워크를 통하여 서로 연결된 컴퓨팅 자원들의 집합을 분산 시스템이라고 정의할 수 있다. 최적화 문제 영역에서 가장 중요한 해결 기법 중에 하나인 병렬 유전자 알고리즘은 분산 시스템을 기반으로 하고 있다. 인터넷과 이동 컴퓨팅과 같은 동적 네트워크 환경 하에서 네트워크의 상태는 가변적으로 변할 수 있어 기존의 병렬 유전자 알고리즘을 분산 시스템에서 최적화 문제를 해결하기 위하여 그대로 사용하기에는 비효율적이다. 본 논문에서는 동적 네트워크 환경 하에서 분산 에이전트를 사용하여 병렬 유전자 알고리즘을 효율적으로 사용할 수 있는 기법을 제시한다.

• 대한안전경영과학회지
• /
• 제3권3호
• /
• pp.191-200
• /
• 2001

Parallel Genetic Algorithms partition the whole population into several sub-populations and search the optimal solution by exchanging the information each others periodically. Distributed Genetic Algorithm, one of Parallel Genetic Algorithms, divides a large population into several sub-populations and executes the traditional Genetic Algorithm on each sub-population independently. And periodically promising individuals selected from sub-populations are migrated by following the migration interval and migration rate to different sub-populations. In this paper, for the Travelling Salesman Problems, we analyze and compare with Distributed Genetic Algorithms using different Genetic Algorithms and using same Genetic Algorithms on each separated sub-population The simulation result shows that using different Genetic Algorithms obtains better results than using same Genetic Algorithms in Distributed Genetic Algorithms. This results look like the property of rapidly searching the approximated optima and keeping the variety of solution make interaction in different Genetic Algorithms.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1679-1691
• /
• 2016

Successive interference cancellation (SIC) is an effective means of multi-packet reception to combat interference at the physical layer. We investigate the joint optimization issue of channel access and power control for capacity maximization in SIC-enabled wireless networks. We propose a new interference model to characterize the sequential detection nature of SIC. Afterward, we formulize the joint optimization problem, prove it to be a nondeterministic polynomial-time-hard problem, and propose a novel approximation approach based on the genetic algorithm (GA). Finally, we discuss the design and parameter setting of the GA approach and validate its performance through extensive simulations.

• 한국통신학회논문지
• /
• 제28권1B호
• /
• pp.27-32
• /
• 2003

본 논문에서는 고속 네트웍 기반의 분산 병렬 시스템에서 다양한 내재 병렬 형태를 갖는 프로그램의 효과적인 수행을 위한 유전자 알고리즘 기반의 태스크 스케쥴링 방법(Genetic Algorithm based Task Scheduling GATS)을 제안한다. 분산병렬 시스템은 고속 네트웍을 통해 연결되어진 다수의 범용, 병렬, 벡터 컴퓨터들로 구성되어진다. 분산병렬 처리의 목적은 다양한 내재 병렬 형태를 갖는 연산 집약적인 문제들을 다수의 고성능 및 병렬 컴퓨터들의 각기 다른 능력을 최대한 이용하여 해결함에 있다 분산병렬 시스템에서 스케쥴링을 통하여 더 많은 속도향상을 얻기 위해서는 시스템간의 부하 균형보다는 태스크와 병렬 컴퓨터간의 병렬특성의 일치가 주의 깊게 다루어져야 하며 태스크의 이동으로 인한 통신 오버헤드가 최소화되어야 한다 본 논문에서는 유전자 알고리즘의 동작이 병렬 특성을 감안하여 이루어질 수 있도록 초기화 방법과 지식 기반의 mutation 방법을 제안한다.

• 한국정보과학회논문지:시스템및이론
• /
• 제29권7호
• /
• pp.377-383
• /
• 2002

외판원 문제는 잘 알려진 NP-완전 문제로, 최적해(optimal value)를 구하는 다양한 알고리즘들이 개발되었다. 그러나 최악의 경우 지수 시간이 걸리므로 수행시간을 줄이는 다양한 방법들이 제안되고 있다. 최근접 휴리스틱 알고리즘은 최적해를 구하는 다른 알고리즘들에 비해 구조가 비교적 간단하다. 따라서 본 논문에서는 외판원 문제(Traveling Salesman Problem, TSP)의 최적해를 구할 수 있는 분기 함수(bounding function)를 적용한 분산 최근접 휴리스틱(nearest neighbor heuristic) 알고리즘을 PVM(Parallel Virtual Machine)에서 제공하는 마스터/슬래이브(master/slave) 모델을 사용하여 설계하고 구현하였다. 먼저 최적해를 찾는 수행 시간을 줄이기 위해 최적화 문제에서 좋은 성능을 보이는 분산 유전 알고리즘(distributed genetic algorithm)을 수행해 얻은 근사해(near optimal)를 초기 분기 함수로 사용한다. 특히 더욱 좋은 근사해를 구하고자 유전 연산자인 돌연변이를 새롭게 변형하여 적용하였다.

• Journal of information and communication convergence engineering
• /
• 제8권1호
• /
• pp.13-18
• /
• 2010

The composite stock cutting problem is defined as allocating rectangular and irregular patterns onto a large composite stock sheet of finite dimensions in such a way that the resulting scrap will be minimized. In this paper, we introduce a novel approach to hybrid optimization algorithm called MGA in MPI (Message Passing Interface) environments. The proposed MGA combines the benefit of rapid convergence property of Mean Field Annealing and the effective genetic operations. This paper also proposes the efficient data structures for pattern related information.

• 한국정보통신학회논문지
• /
• 제14권2호
• /
• pp.287-295
• /
• 2010

본 논문에서는 MPI(Message Passing Interface) 환경 하에서 채널배선 문제에 대한 분산 평균장 유전자 알고리즘(MGA, Mean field Genetic Algorithm)이라는 새로운 최적화 알고리즘을 제안한다. 분산 MGA는 평균장 어닐링(MFA, Mean Field Annealing)과 시뮬레이티드 어닐링 형태의 유전자 알고리즘(SGA, Simulated annealing-like Genetic Algorithm)을 결합한 경험적 알고리즘이다. 평균장 어닐링의 빠른 평형상태 도달과 유전자 알고리즘의 다양하고 강력한 연산자를 합성하여 최적화 문제를 효율적으로 해결하였다. 제안된 분산 MGA를 VLSI 설계에서 중요한 주제인 채널 배선문제에 적용하여 실험한 결과 기존의 GA를 단독으로 사용하였을 때보다 최적해에 빠르게 도달하였다. 또한 분산 알고리즘은 순차 알고리즘에서의 최적해 수렴 특성을 해치지 않으면서 문제의 크기에 대하여 선형적인 수행시간 단축을 나타냈다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2000년도 가을 학술발표회논문집
• /
• pp.40-47
• /
• 2000

One of the drawbacks of GA-based structural optimization is that the fitness evaluation of a population of hundreds of individuals requiring hundreds of structural analyses at each CA generation is computational too expensive. Therefore, a parallel genetic algorithm is developed for structural optimization on a cluster of personal computers in this paper. Based on the parallel genetic algorithm, a population at every generation is partitioned into a number of sub-populations equal to the number of slave computers. Parallelism is exploited at sub-population level by allocationg each sub-population to a slave computer. Thus, fitness of a population at each generation can be concurrently evaluated on a cluster of personal computers. For implementation of the algorithm a virtual distributed computing system in a collection of personal computers connected via a 100 Mb/s Ethernet LAN. The algorithm is applied to the minimum weight design of a steel structure. The results show that the computational time requied for serial GA-based structural optimization process is drastically reduced.

• 전자공학회논문지CI
• /
• 제41권2호
• /
• pp.9-22
• /
• 2004

본 논문에서는 NP-Complete 부류에 속하는 다중 디스크 데이터 배치 문제를 해결하기 위한 병렬 유전자 알고리즘을 제안한다. 이 문제는 디스크 입출력 처리의 병렬성이 극대화되도록 Binary Cartesian Product File의 데이터 블록들을 디스크어레이에 배치하는 방식을 찾는 것이다. 이 문제를 해결하기 위하여 제안되었던 DAGA 방식은 순차 유전자 알고리즘(Genetic Algorithm)으로서, 이전에 제안되었던 다른 방식에 비해 디스크 수에 대한 제약을 없애면서도 우수한 결과를 제공함을 보여 주었으나 시뮬레이션 시간이 너무 커서 큰 용량의 데이터 구성에 대한 시뮬레이션을 어렵게 하는 문제점이 있었다. 본 논문에서는 DAGA의 시뮬레이션 시간 단축을 위한 방식으로서, 2차원 토러스(2-Dimension Torus) 기반 병렬 유전자 알고리즘(ParaDAGA)을 제안한다. ParaDAGA는 분산 객체 모형을 기반으로 설계되었으며, 단일 프로세서 시스템에서 구현된 병렬처리 컴퓨터 시뮬레이터에서 수행되도록 구현하였다. 시뮬레이션 연구를 통하여, ParaDAGA의 시뮬레이션 변수 값이 결과에 주는 영향을 분석하였고, ParaDAGA 방식이 DAGA 방식에 비해 우수한 결과를 제공할 수 있는지를 실험하였다. 실험 결과는 ParaDAGA 방식이 순차 알고리즘인 DAGA보다 알고리즘 수행 시간 뿐 아니라, 찾아낸 결과도 우수함을 보여준다.

• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2003년도 추계학술대회 논문집
• /
• pp.47-52
• /
• 2003

지금까지의 선형 최적화에 대한 연구는 고전적인 최적화 기법인 비선형계획법과 유동해석법을 중심으로 생물의 진화 알고리즘을 바탕으로 한 유전자 알고리즘과 인공지능에 기초를 둔 신경망이론 등이 이용되어 왔다. 또한 최근 컴퓨터의 성능이 급속도로 향상됨에 따라 전산유체역학에 기초한 시뮬레이션 평가기법도 사용되고 있다. 본 논문에서는 유전자 알고리즘을 이용한 선형 최적화 방법을 제시하였다. 그리고 광역 최적해의 효과적인 검색과 빠른 접근을 위한 방법으로 네트워크 시스템을 기반으로 한 병렬분산 유전자 알고리즘 시스템(PDGAS)을 개발하였으며 그 성능을 기존의 진화 알고리즘과 비교${\cdot}$분석함으로써 선형 최적화의 가능성을 확인하였다.