• 한국군사과학기술학회지
• /
• 제19권4호
• /
• pp.492-499
• /
• 2016

Null pattern synthesis method using the Quantum-inspired Evolutionary Algorithm(QEA) is described in this study. A $12{\times}12$ planar array antenna is considered and each element of the array antenna is controlled by 6-bit phase shifter. The maximum number of iteration of 500 is used in simulation and the rotation angle for updating Q-bit individuals is determined to make the individual converge to the best solution and is summarized in a look-up table. In this study we showed that QEA can satisfactorily synthesize the null pattern using smaller number of individuals compared with the conventional Genetic Algorithm.

• 대한전자공학회논문지SD
• /
• 제49권8호
• /
• pp.1-9
• /
• 2012

Quantum-Inspired Evolutionary Algorithm(QEA)은 알고리즘 자체에 충분한 data-level parallelism이 내재되어 있어 GPU를 이용한 가속에 용이하다. 그러나 효과적인 실행시간의 단축을 위해서는 CPU와 GPU에의 적절한 task-mapping이 필요하다. 이때 단순히 함수 자체의 병렬성만을 고려하는 것이 아니라 CPU와 GPU간의 데이터 전송도 고려하여 task-mapping을 할 필요가 있다. 또한 추가적인 성능향상을 위하여 zero-copy host memory와 적절한 execution configuration의 사용, 그리고 memory coalescing 등을 이용할 수 있다. 그 결과 30,000개의 item수를 가진 0-1 knapsack problem에 대한 QEA의 수행을 multi-threading CPU에 비해 평균 3.69배 빠르게 할 수 있었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제18권4호
• /
• pp.1-9
• /
• 2014

최근 양자컴퓨터의 개발과 더불어 양자역학의 특성을 응용한 양자기반 탐색기법의 개발과 공학 문제에의 적용은 매우 흥미로운 연구주제 중 하나로 부각되고 있다. 이 알고리즘은 기본적으로 0과 1이 중첩되어진 양자비트를 이용하여 정보가 저장되고, 양자게이트 연산을 통해 해에 접근하게 된다. 이 과정에서 알고리즘은 탐사와 개척 두 가지 탐색 특성간의 균형이 자연스럽게 유지되며, 진화정보가 계속 누적된다는 장점으로 기존의 탐색법과 차별되어 새로운 알고리즘으로 평가되었다. 본 연구에서는 이와 같은 양자기반 진화알고리즘을 평면 트러스의 구조최적화에 적용하여 최소중량설계 기법을 제안하였다. 최적화 수리모형에서 비용함수는 최소중량이며, 제약함수는 변위와 응력에 관한 함수로 구성하였다. 진화정보의 누적과 수렴 과정을 알아보기 위해서 10부재 평면 트러스와 17부재 평면트러스 예제를 수치예제로 채택하여 결과를 분석하였다. 수치예제의 구조최적설계 결과에서 볼 때, 기존의 고전적 탐색기법의 연구결과와 비교해서 더 나은 최소중량 설계의 결과를 얻을 수 있었으며, 진화정보의 누적된 결과로 해의 정밀도를 관찰할 수 있었다. 또한 누적된 진화정보인 양자비트의 확률적 표현은 종료시점을 쉽게 판단할 수 있다.

• 전기학회논문지
• /
• 제58권6호
• /
• pp.1057-1064
• /
• 2009

This paper introduces a new approach based on a quantum-inspired evolutionary algorithm (QEA) to solve unit commitment (UC) problems. The UC problem is a complicated nonlinear and mixed-integer combinatorial optimization problem with heavy constraints. This paper proposes a bounded quantum evolutionary algorithm (BQEA) to effectively solve the UC problems. The proposed BQEA adopts both the bounded rotation gate, which is simplified and improved to prevent premature convergence and increase the global search ability, and the increasing rotation angle approach to improve the search performance of the conventional QEA. Furthermore, it includes heuristic-based constraint treatment techniques to deal with the minimum up/down time and spinning reserve constraints in the UC problems. Since the excessive spinning reserve can incur high operation costs, the unit de-commitment strategy is also introduced to improve the solution quality. To demonstrate the performance of the proposed BQEA, it is applied to the large-scale power systems of up to 100-unit with 24-hour demand.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.1765-1794
• /
• 2019

Genetic Programming (GP) is an intelligence technique whereby computer programs are encoded as a set of genes which are evolved utilizing a Genetic Algorithm (GA). In other words, the GP employs novel optimization techniques to modify computer programs; imitating the way humans develop programs by progressively re-writing them for solving problems automatically. Trial programs are frequently altered in the search for obtaining superior solutions due to the base is GA. These are evolutionary search techniques inspired by biological evolution such as mutation, reproduction, natural selection, recombination, and survival of the fittest. The power of GAs is being represented by an advancing range of applications; vector processing, quantum computing, VLSI circuit layout, and so on. But one of the most significant uses of GAs is the automatic generation of programs. Technically, the GP solves problems automatically without having to tell the computer specifically how to process it. To meet this requirement, the GP utilizes GAs to a "population" of trial programs, traditionally encoded in memory as tree-structures. Trial programs are estimated using a "fitness function" and the suited solutions picked for re-evaluation and modification such that this sequence is replicated until a "correct" program is generated. GP has represented its power by modifying a simple program for categorizing news stories, executing optical character recognition, medical signal filters, and for target identification, etc. This paper reviews existing literature regarding the GPs and their applications in different scientific fields and aims to provide an easy understanding of various types of GPs for beginners.