• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.682-685
• /
• 2014

본 논문에서는 센서노드용 원형편파 안테나의 설계하였다. 확률론적 방법인 Particle Swarm Optimization(PSO) 알고리즘과 Adaptive Particle Swam Optimization(APSO) 알고리즘을 구현하고 성능비교를 통해 안테나 최적설계에 적합한 알고리즘을 결정하였다. PSO는 41번, APSO는 27번의 계산 결과 수렴을 하였다. 두 알고리즘 모두 최적설계에서 목표값을 모두 만족을 하였으나 수렴도에서 APSO가 빠르게 수렴한 것을 확인할 수 있었다.

• 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.

• 전기학회논문지
• /
• 제62권11호
• /
• pp.1578-1583
• /
• 2013

In this paper, stochastic optimization algorithms of PSO (Particle Swarm Optimization) and APSO (Adaptive Particle Swam Optimization) are studied and compared. It is revealed that the APSO provides faster convergence and better search efficiency than the conventional PSO when they are adopted to find the global minimum of a two-dimensional function. The advantages of the APSO comes from the ability to control the inertia weight, and acceleration coefficients. To verify that the APSO is working better than the standard PSO, the design of a 10GHz microstrip patch as one of the elements of a high frequency array antenna is taken as a test-case and shows the optimized result with 5 iterations in the APSO and 28 iterations in th PSO.

• 제어로봇시스템학회논문지
• /
• 제18권7호
• /
• pp.638-643
• /
• 2012

This paper presents an intelligent reduction method for external noise. The main idea comes from PSO-FCM (Particle Swam Optimization Fused fuzzy C-Means) clustering. The data of the target is transformed from the antenna coordinates to the vessel one and to the system coordinates. In the conversion, the overall noises hinder observer to get the exact position and velocity of the maneuvering target. While the filter is used for tracking system, unexpected acceleration becomes the main factor which makes the uncertainty. In this paper, the tracking efficiency is improved with the PSO-FCM and the compensation methodology. The acceleration is approximated from the external noise splitted by the proposed clustering method. After extracting the approximated acceleration, the rest in the noise is filtered by the filter and the compensation is added to after that. Proposed tracking method is applicable to the linear model and nonlinear one together. Also, it can do to the on-line system. Finally, some examples are provided to examine the reliability of the proposed method.

• 한국전자파학회논문지
• /
• 제27권8호
• /
• pp.676-683
• /
• 2016

본 논문에서는 단일포트시스템으로 설계된 배열안테나에서 재밍신호나 간섭신호 방향으로 방사패턴에 널(null)을 형성하는 적응 알고리즘을 제안한다. 제안한 적응 알고리즘은 재밍신호나 간섭신호의 크기나 입사방향에 대한 사전정보를 요구하지 않으며, 배열안테나의 일부 RF 경로의 위상을 제어하는 부분적응(partially adaptive) 알고리즘이다. 제안한 적응 알고리즘은 최적화 알고리즘의 한 종류인 PSO(Particle Swam Optimization) 알고리즘과 gradient-based 섭동 적응 알고리즘을 혼합하여 시간에 따라 간섭신호의 입사방향이 변화하는 이동형 재밍환경에서도 적응적으로 안정적인 널링 성능을 가진다.

• 한국전자파학회논문지
• /
• 제27권9호
• /
• pp.808-816
• /
• 2016

본 논문에서는 단일포트시스템으로 설계된 배열안테나에서 수신신호의 스펙트럼 분포로부터 목표신호와 재밍신호를 분리하여 목표신호 방향의 주빔 왜곡을 최소화 하며, 재밍신호 방향으로 패턴 널(null)을 형성하는 새로운 기법 및 비용함수를 제안한다. 제안한 비용함수는 최적화 알고리즘의 한 종류인 PSO(Particle Swam Optimization) 알고리즘과 gradient-based 섭동 알고리즘을 혼합한 적응형 알고리즘에 적용하여 시간에 따라 재밍신호의 입사방향이 변화하는 이동형 재밍환경에서도 적응적으로 안정적인 널링 성능을 가진다.

• 한국정보통신학회논문지
• /
• 제13권7호
• /
• pp.1312-1320
• /
• 2009

본 논문은 Particle Swarm Optimization(PSO)을 이용하여 2차원 IIR 디지털필터의 설계방법을 제안하였다. 먼저 2차원 디지털필터의 설계문제를 PSO에 적용하기 위하여 최소화 문제로써 형식화 과정이 논의된다. 제안된 PSO 알고리즘을 이용한 설계방법은 기존의 PSO 알고리즘에 IIR 필터설계에서 요구되는 안정성을 보증하는 과정이 검토되어 개선된다. 본 논문에서 제안된 방법의 타당성을 설계예시를 통해 고찰한 결과, 설계된 디지털필터는 동일한 설계사양으로 기존의 설계방법으로 설계된 디지털필터보다 근사오차 면에서 우수한 결과를 얻을 수 있었다. 또한 제안한 설계방법에 의한 2차원 IIR 디지털필터는 설계과정에서 필터의 안정성을 보증할 수 있었다.

• 전기학회논문지
• /
• 제59권12호
• /
• pp.2319-2323
• /
• 2010

The existing contact-type bearings using rolling or sliding require continuous maintenance due to abrasion caused by friction and are not suitable for high-speed rotation and slimming. A magnetic bearing without contact can overcome such problems but the performance depends on the allocation of magnets and the structure of bearings. This paper proposes a method designing parameters of a passive magnetic bearing to improve levitation force. The proposed method employs Halbach array as the allocation of magnets, uses particle swam optimization to determine the structure of bearings. The numerical experiment shows that the levitation force is improved by the proposed method compared with the existing one using finite element analysis.

• 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.

• Journal of Electrical Engineering and Technology
• /
• 제13권6호
• /
• pp.2511-2520
• /
• 2018

In this study, Multi-Radial Basis Function Support Vector Machine (Multi-RBF SVM) classifier is introduced based on a composite kernel function. In the proposed multi-RBF support vector machine classifier, the input space is divided into several local subsets considered for extremely nonlinear classification tasks. Each local subset is expressed as nonlinear classification subspace and mapped into feature space by using kernel function. The composite kernel function employs the dual RBF structure. By capturing the nonlinear distribution knowledge of local subsets, the training data is mapped into higher feature space, then Multi-SVM classifier is realized by using the composite kernel function through optimization procedure similar to conventional SVM classifier. The original training data set is partitioned by using some unsupervised learning methods such as clustering methods. In this study, three types of clustering method are considered such as Affinity propagation (AP), Hard C-Mean (HCM) and Iterative Self-Organizing Data Analysis Technique Algorithm (ISODATA). Experimental results on benchmark machine learning datasets show that the proposed method improves the classification performance efficiently.