• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2008년도 정기 학술대회
• /
• pp.416-421
• /
• 2008

A Metropolis genetic algorithm (MGA) is a newly-developed hybrid algorithm combining simple genetic algorithm (SGA) and simulated annealing (SA). In the algorithm, favorable features of Metropolis criterion of SA are incorporated in the reproduction operations of SGA. This way, MGA alleviates the disadvantages of finding imprecise solution in SGA and time-consuming computation in SA. It has been successfully applied and the efficiency has been verified for the practical structural design optimization. However, applicability of MGA for the wider range of problems should be rigorously proved through the solution of mathematical optimization problems. Thus, performances of MGA for the typical mathematical problems are investigated and compared with those of conventional algorithms such as SGA, micro genetic algorithm (${\mu}GA$), and SA. And, for better application of MGA, the effects of acceptance level are also presented. From numerical Study, it is again verified that MGA is more efficient and robust than SA, SGA and ${\mu}GA$ in the solution of mathematical optimization problems having various features.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.1013-1016
• /
• 1999

Simple Genetic Algorithm(SGA) proposed by J. H. Holland is a population-based optimization method based on the principle of the Darwinian natural selection. The theoretical foundations of GA are the Schema Theorem and the Building Block Hypothesis. Although GA does well in many applications as an optimization method, still it does not guarantee the convergence to a global optimum in GA-hard problems and deceptive problems. Therefore as an alternative scheme, there is a growing interest in a co-evolutionary system, where two populations constantly interact and co-evolve. In this paper we propose an extended schema theorem associated with a schema co-evolutionary algorithm(SCEA), which explains why the co-evolutionary algorithm works better than SGA. The experimental results show that the SCEA works well in optimization problems including deceptive functions.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2003년도 가을 학술발표회 논문집
• /
• pp.115-122
• /
• 2003

A Metropolis genetic algorithm(MGA) is developed and applied for the structural design optimization. In MGA favorable features of Metropolis algorithm in simulated annealing(SA) are incorporated in simple genetic algorithm(SGA), so that the MGA alleviates the disadvantage of finding imprecise solution in SGA and time-consuming computation in SA. Performances of MGA are compared with those of conventional algorithms such as Holland's SGA, Krishnakumar's micro genetic algorithm(μGA), and Kirkpatrick's SA. Typical numerical examples are used to evaluate the favorable features and applicability of MGA From the theoretical evaluation and numerical experience, it is concluded that the proposed MGA is a reliable and efficient tool for structural design optimization.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2002년도 봄 학술발표회 논문집
• /
• pp.225-232
• /
• 2002

Simple genetic algorithm(SGA) has been used to optimize a lot of structural optimization problems because it can optimize non-linear problems and obtain the global solution. But, because of large evolving populations during many generations, it takes a long time to calculate fitness. Therefore this paper applied micro-genetic algorithm(μ -GA) to structural optimization and compared results of μ -GA with results of SGA. Additionally, the Paper applied μ -GA to gate optimization problem for injection molds by using simulation program CAPA.

• 한국전산구조공학회논문집
• /
• 제19권1호
• /
• pp.27-37
• /
• 2006

모사풀림(SA)의 특징적인 Metropolis 규준을 단순 유전자 알고리즘(SGA)의 재생산 연산과정에 도입함으로써 Metropolis 유전자 알고리즘(MGA)이 개발되고, 구조 설계 최적화에 응용되었다. 이러한 결합을 통하여 MGA는 개체의 다양성을 유지하며, 초기 세대에서 나타날 수 있는 유용한 유전자 정보가 보존될 수 있다. 따라서 이 연구에서 제안된 MGA는, 국부적 최적해로 조기 수렴하게 되는 SGA의 단점과 정밀한 전역적 최적해를 찾기 위해 수없이 많은 계산을 해야 하는 SA의 단점을 극복하게 되었다 수치예를 통하여 MGA의 성능과 적용성을 재래의 알고리즘들과 비교하고 평가하였다. 특히 MGA의 성능 신뢰성과 강건성을 평가하는 데는 집단 크기와 최대 반복세대수의 효과를 인용하였다. 이론적 고찰과 수치예의 결과로부터, 이 연구에서 개발된 MGA가 효율성과 신뢰성을 갖춘 구조 설계 최적화의 도구로서 평가되었다.

• 산업경영시스템학회지
• /
• 제27권1호
• /
• pp.64-73
• /
• 2004

This paper addresses a problem of machining determination of input quantity in a multi-stage flexible flow system with non-identical parallel machines considers a subcontracting, machining restraint, and machine yield. We develop a nonlinear programing with the objective of minimizing the sum of in-house processing cost and subcontracting cost. To solve this model, we introduce a single-processor parallel genetic algorithm(SPGA) to improve a weak point for the declined robustness of simple algorithm(SGA). The efficiency of the SPGA is examined in comparison with the SGA for the same problem. In of examination the SPGA is to provide the excellent solution than the solution of the SGA.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제2권1호
• /
• pp.95-110
• /
• 1998

Evolutionary Algorithms (EAs) are population-based optimization methods based on the principle of Darwinian natural selection. The representative methodology in EAs is genetic algorithm (GA) proposed by J. H. Holland, and the theoretical foundations of GA are the Schema Theorem and the Building Block Hypothesis. In the meaning of these foundational concepts, simple genetic algorithm (SGA) allocate more trials to the schemata whose average fitness remains above average. Although SGA does well in many applications as an optimization method, still it does not guarantee the convergence of a global optimum in GA-hard problems and deceptive problems. Therefore as an alternative scheme, there is a growing interest in a co-evolutionary system, where two populations constantly interact and co-evolve in contrast with traditional single population evolutionary algorithm. In this paper we show why the co-evolutionary algorithm works better than SGA in terms of an extended schema theorem. And predator-prey co-evolution and symbiotic co-evolution, typical approaching methods to co-evolution, are reviewed, and dynamic fitness landscape associated with co-evolution is explained. And the experimental results show a co-evolutionary algorithm works well in optimization problems even though in deceptive functions.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 춘계학술대회 학술발표 논문집
• /
• pp.77-80
• /
• 1998

The theoretical foundations of simple genetic algorithm(SGA) are the Schema Theorem and the Building Block Hypothesis. Although SGA does well in many applications as an optimization method, still it does not guarantee the convergence of a global optimum in GA-hard problems and deceptive problems. Therefore as an alternative scheme, there is a growing interest in a co-evolutionary system, where two populations constantly interact and cooperate each other. In this paper we show why the co-evolutionary algorithm works better than SGA in terms of an extended schema theorem. Also the experimental results show a co-evolutionary algorithm works well in optimization problems.

• 한국수자원학회논문집
• /
• 제40권9호
• /
• pp.687-696
• /
• 2007

본 연구는 다목적 유전자알고리즘을 이용하여 Tank 모형의 매개변수를 추정하는데 있어서 선호적순서화(preference ordering)를 적용한 연구로써, 목적함수의 개수가 여러 개인 경우에 발생할 수 있는 파레토최적화의 단점을 해결하기 위한 것이다. 최적화를 위한 목적함수는 모두 4가지를 사용하였으며, 선호적순서화를 통해서 구한 2차 효율성(2nd order efficiency)을 가지면서 정도(degree)가 3인 4개의 해 중에서 1개의 해만을 최우선해로 선정하였다. NSGA-II로 도출된 최우선해의 적합성을 살펴보기 위해서, 자동보정방법인 Powell 방법과 SGA(simple genetic algorithm)를 매개변수 자동보정 방법으로 이용하고 하나의 단일목적함수로 사용해서 최적화한 결과와 비교해보았으며, 비교결과 다목적 유전자 알고리즘을 4개의 목적함수에 모두 적용해서 한번에 도출된 매개변수를 이용한 결과가 보정기간뿐만 아니라 검정기간에 대해서도 비교적 양호한 결과를 나타내는 것으로 나타났다.

• 정보처리학회논문지B
• /
• 제14B권5호
• /
• pp.369-376
• /
• 2007

이 논문은 최적의 분류기 앙상블 선택을 위한 혼합 유전 알고리즘을 제안한다. 혼합 유전 알고리즘은 단순 유전알고리즘의 미세 조정력을 보완하기 위해 지역 탐색 연산을 추가한 것이다. 혼합 유전 알고리즘의 우수성을 입증하기 위해 단순 유전 알고리즘과 혼합 유전 알고리즘 각각을 비교 실험하였다. 또한 혼합 유전 알고리즘의 지역 탐색 연산으로 두 가지 방법(SSO: 순차 탐색 연산, CSO: 조합 탐색 연산)을 제안한다. 비교 실험 결과는 혼합 유전 알고리즘이 단순 유전 알고리즘에 비해 해를 탐색하는 능력이 우수하였다. 또한 분류기들의 상관관계를 고려한 CSO 방법이 SSO 방법보다 더 우수하였다.