• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2002년도 추계학술대회 논문집
• /
• pp.40-44
• /
• 2002

선박 설계시 최적화에 있어 종래에는 Random search Parametric study, Hook&Jeeves Method등이 사용되어져 왔으나 1960년대 Genetic algorithm이 소개되고 꾸준히 발전함과 함께 선박 설계에서도 Genetic algorithm이 사용되기 시작하였다. 본 논문에서는 이러한 Genetic algorithm 중 Simple Genetic algorithm(SGA), Micro Genetic algorithm(MGA), Threshold Genetic algorithm(TGA), Hybrid Genetic algorithm(HGA)을 선박 설계에 적용하여 그 성능을 비교 검토해 보았다. MGA는 계산 부담을 줄이기 위해 작은 개체로 효율적인 탐색을 하며, TGA는 local optimum에서 쉽게 벗어나게 할 수 있는 특징이 있다. HGA는 Hook&Jeeves Method를 Genetic algorithm과 병합되어 있다. 이를 바탕으로 본 논문에서 망간단괴 수송선의 경제성을 평가한다. 평가 방법은 연간 300만톤을 생산한다고 가정하여 연간 운송 용적을 동호제약으로 해서 최적화를 한 뒤, 이를 이용하여 몇가지 Case로 나누어서 초기 자본, 연간 비용, 20년간 총 비용을 계산하여 가장 경제적인 선박을 선택한다.

• 산업공학
• /
• 제20권4호
• /
• pp.504-514
• /
• 2007

The multicast routing problem lies in the composition of a multicast routing tree including a source node and multiple destinations. There is a trade-off relationship between cost and delay, and the multicast routing problem of optimizing these two conditions at the same time is a difficult problem to solve and it belongs to a multi-objective optimization problem (MOOP). A multi-objective genetic algorithm (MOGA) is efficient to solve MOOP. A micro-genetic algorithm(${\mu}GA$) is a genetic algorithm with a very small population and a reinitialization process, and it is faster than a simple genetic algorithm (SGA). We propose a multi-objective micro-genetic algorithm (MO${\mu}GA$) that combines a MOGA and a ${\mu}GA$ to find optimal solutions (Pareto optimal solutions) of multicast routing problems. Computational results of a MO${\mu}GA$ show fast convergence and give better solutions for the same amount of computation than a MOGA.

• International Journal of Control, Automation, and Systems
• /
• 제4권6호
• /
• pp.725-735
• /
• 2006

This paper deals with the problem of self-learning cooperative motion control for the pushing task of a humanoid robot in the sagittal plane. A model with 27 linked rigid bodies is developed to simulate the system dynamics. A simple genetic algorithm(SGA) is used to find the cooperative motion, which is to minimize the total energy consumption for the entire humanoid robot body. And the multi-layer neural network based on backpropagation(BP) is also constructed and applied to generalize parameters, which are obtained from the optimization procedure by SGA, in order to control the system.

• Journal of Information Processing Systems
• /
• 제16권5호
• /
• pp.1169-1182
• /
• 2020

The ant colony optimization (ACO) algorithm is a classical metaheuristic optimization algorithm. However, the conventional ACO was liable to trap in the local minimum and has an inherent slow rate of convergence. In this work, we propose a novel combinatorial ACO algorithm (CG-ACO) to alleviate these limitations. The genetic algorithm and the cloud model were embedded into the ACO to find better initial solutions and the optimal parameters. In the experiment section, we compared CG-ACO with the state-of-the-art methods and discussed the parameter stability of CG-ACO. The experiment results showed that the CG-ACO achieved better performance than ACO_R, simple genetic algorithm (SGA), CQPSO and CAFSA and was more likely to reach the global optimal solution.

• 한국음향학회지
• /
• 제24권6호
• /
• pp.309-316
• /
• 2005

본 논문은 병렬 다중 개체군 유전 알고리즘을 적용한 지음향 파라미터 역산 방법을 제안한다. 이 방법은 기존의 유전 알고리즘의 변형된 방법으로, 일반 유전 알고리즘의 단점을 보완하기 위해 사용한다 지음향 파라미터 역산을 위해 전구를 음원으로 사용했으며, VLA 수신기를 사용하여 전구 신호를 수신하였다. 연구 결과 제안된 알고리즘을 사용하여 지음향 파라미터 역산이 가능함을 확인하였으며, 일괄처리 역산수행에 비해 약1.7배의 역산속도향상효과가 있음을 확인하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.811-814
• /
• 2006

대부분의 게임에는 플레이어를 상대하는 몬스터가 존재한다. 이 몬스터는 대부분 미리 정해진 방법과 데이터로 생성되며, 환경이나 플레이어에 적응하는 방식은 거의 없었다. 본 논문에서는 몬스터 생성을 위해 개선된 유전 알고리즘을 소개한다. 이 알고리즘은 상동염색체 구조가 적용되어있다. 기존의 유전알고리즘에서 각 개체가 오직 하나의 genome만을 가지고 있다. 하지만, 상동 염색체 구조를 가지고 있는 유전 알고리즘에서는 각 개체가 각 좌 위에 한 쌍의 대립 유전자를 지니게 된다. 단순한 유전알고리즘과 개선된 유전알고리즘을 비교하기 위해 간단한 이진 문제를 가지고 시뮬레이션 해 보았다. 실험결과 제안된 알고리즘이 더 적은 세대수로 답을 찾을 수 있다는 것을 알게 되었다.

• 제어로봇시스템학회논문지
• /
• 제13권6호
• /
• pp.560-567
• /
• 2007

The objective of this research is to optimize the designing parameters of the parallel manipulator with large orientation workspace at the boundary position of the constant orientation workspace (COW). The method uses a simple genetic algorithm(SGA) while considering three different kinematic performance indices: COW and the global conditioning index(GCI) to evaluate the mechanism's dexterity for translational motion of an end-effector, and orientation workspace of two angle of Euler angles to obtain the large rotation angle of an end-effector at the boundary position of COW. Total fifteen cases divided according to the combination of the sphere radius of COW and rotation angle of orientation workspace are studied, and to decide the best model in the total optimized cases, the fuzzy inference system is used for each case's results. An optimized model is selected as a best model, which shows better kinematic performances compared to the basis of the pre-existing model.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.329-330
• /
• 2007

본 논문에서는 particle swarm optimization(PSO)를 통한 비선형시스템의 퍼지집합 퍼지모델의 최적화 방법을 제안한다. 퍼지 모델링에서 전반부 동정, 즉 구조 동정 및 파라미터 동정은 비선형 시스템을 표현하는데 있어서 매우 중요하다. 퍼지모델의 전반부 동정에 있어 최적화 과정이 필요하며 유전자 알고리즘(Genetic Algorithm; GA)을 이용하여 퍼지모델을 최적화한 연구가 많이 있다. 본 연구는 파라미터 동정 시 최근 여러 가지 어려운 최적화 문제를 수행함에 있어서 성능의 우수성이 증명된 PSO를 이용하여 퍼지집합 퍼지모델의 전반부 파라미터를 동정하였다. 구조동정은 단순 유전자 알고리즘(Simple Genetic Algorithm; SGA)을 이용하여 동정하였으며 파라미터 동정시 실수 코딩유전자 알고리즘(Real Coded Genetic Algorithm; RCGA)와 PSO를 각각 파라미터 동정에 이용하여 성능을 비교하였다.

• 제어로봇시스템학회논문지
• /
• 제16권1호
• /
• pp.96-100
• /
• 2010

This paper proposes novel genetic design of optimal classifier ensemble for vehicle detection using Genetic Algorithm with Varying Population Size (GAVaPS). Recently, many classifiers are used in classifier ensemble to deal with tremendous amounts of data. However the problem has a exponential large search space due to the increasing the number of classifier pool. To solve this problem, we employ the GAVaPS which outperforms comparison with simple genetic algorithm (SGA). Experiments are performed to demonstrate the efficiency of the proposed method.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제3권1호
• /
• pp.115-125
• /
• 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 some problems. In designing intelligent systems, specially, since there is no deterministic solution, a heuristic trial-and error procedure is usually used to determine the systems' parameters. As an alternative scheme, therefore, there is a growing interest in a co-evolutionary system, where two populations constantly interact and co-evolve. In this paper we review the existing co-evolutionary algorithms and propose co-evolutionary schemes designing intelligent systems according to the relation between the system's components.