• Journal of Electrical Engineering and Technology
• /
• 제13권3호
• /
• pp.1202-1211
• /
• 2018

In this paper, induction machine operation efficiency and torque is improved using Machine Learning based Gene Optimization (ML-GO) Technique is introduced. Optimized Genetic Algorithm (OGA) is used to select the optimal induction machine data. In OGA, selection, crossover and mutation process is carried out to find the optimal electrical machine data for induction machine design. Initially, many number of induction machine data are given as input for OGA. Then, fitness value is calculated for all induction machine data to find whether the criterion is satisfied or not through fitness function (i.e., objective function such as starting to full load torque ratio, rotor current, power factor and maximum flux density of stator and rotor teeth). When the criterion is not satisfied, annealed selection approach in OGA is used to move the selection criteria from exploration to exploitation to attain the optimal solution (i.e., efficient machine data). After the selection process, two point crossovers is carried out to select two crossover points within a chromosomes (i.e., design variables) and then swaps two parent's chromosomes for producing two new offspring. Finally, Adaptive Levy Mutation is used in OGA to select any value in random manner and gets mutated to obtain the optimal value. This process gets iterated till finding the optimal value for induction machine design. Experimental evaluation of ML-GO technique is carried out with performance metrics such as torque, rotor current, induction machine operation efficiency and rotor power factor compared to the state-of-the-art works.

• 인터넷정보학회논문지
• /
• 제11권1호
• /
• pp.1-13
• /
• 2010

네트워크 장비를 관리함에 있어서 환경에 따른 RED(Random Early Detection) 매개변수에 대한 설정은 쉽지 않은 일이다. 특히 관리자가 환경의 변화에 따라 일정한 서비스율을 유지하고 싶은 경우의 매개변수 설정은 더욱 쉽지 않은 일이다. 본 논문에서는 출력 큐에 멀티 코어 CPU를 탑재한 라우터를 가정하고 라우터의 출력 큐에, RED의 환경에 따른 매개변수의 최적화에 적합한 것으로 알려진, 인공지능의 유전 알고리즘을 직접적으로 도입하여 스스로 부하에 적응하는 AI RED(Artificial Intelligence RED)를 제안한다. AI RED는 FuRED(Fuzzy-Logic-based RED) 보다 단순하고 세밀하며, 실험을 통하여 AI RED가 찾아낸 RED 매개변수는 표준 RED 매개변수보다 환경에 더욱 잘 적응하는 효율적인 서비스를 제공하여 준다는 것을 확인 할 수 있다. RED 매개변수 관리의 자동화는 네트워크 관리의 측면에서 많은 효율성의 향상을 관리자에게 제공하여 줄 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1997년도 추계학술대회발표논문집; 홍익대학교, 서울; 1 Nov. 1997
• /
• pp.166-169
• /
• 1997

For parallel processing, the compiler partitions a loaded program into a set of tasks and makes a schedule for the tasks that will minimize parallel processing time for the loaded program. Building an optimal schedule for a given set of partitioned tasks of a program has known to be NP-complete. In this paper we introduce a GA(Genetic Algorithm)-based scheduling method in which a chromosome consists of two parts of a string which decide the number and order of tasks on each processor. An additional computation is used for feasibility constraint in the chromosome. By granularity theory, a partitioned program is categorized into coarse-grain or fine-grain types. There exist good heuristic algorithms for coarse-grain type partitioning. We suggested another GA adaptive to the coarse-grain type partitioning. The infeasibility of chromosome is overcome by the encoding and operators. The number of processors are decided while the GA find the minimum parallel processing time.

• 전자공학회논문지B
• /
• 제32B권12호
• /
• pp.1680-1686
• /
• 1995

GAs, effective stochastic search algorithms based on the model of natural evolution and genetics, have been successfully applied to various optimization problems. When population size is not large, GAs often suffer from the phenomenon of premature convergence in which all chromosomes in the population lose the diversity of genes before they find the optimal solution. In this paper, we propose that a new heuristic that maintains the diversity of genes by adding some chromosomes with random mutation and selective mutation into population during evolution. And population size changes dynamically with supplement of new chromosomes. Experimental results for several test functions show that when population size is rather small and the length of chromosome is not long, this method is effective.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.278-278
• /
• 2000

In this paper, we introduce a new genetic reordering operator based on the concept of schema to solve optimization problems such as the Traveling Salesman Problem(TSP) and maximizing or minimizing functions. In particular, because TSP is a well-known combinational optimization problem andbelongs to a NP-complete problem, there is huge solution space to be searched. For robustness to local minima, the operator separates selected strings into two parts to reduce the destructive probability of good building blocks. And it applies inversion to the schema part to prevent the premature convergence. At the same time, it searches new spaces of solutions. Additionally, the non-schema part is applied to inversion for robustness to local minima. By doing so, we can preserve diversity of the distributions in population and make GA be adaptive to the dynamic environment.

• 한국지능시스템학회논문지
• /
• 제14권1호
• /
• pp.75-81
• /
• 2004

징후 기반의 침입 탐지 시스템은 일정한 침입 탐지 규칙을 구성하여 라이브러리에 저장한 후 새로운 입력에 대해 규칙과 패턴 매칭을 하여 침입 여부를 판정한다. 그러나 징후(규칙)를 기반으로 하는 침입 탐지 시스템은 통상적으로 크게 2가지의 제약을 갖는다. 첫 번째는 침입에 대한 규칙을 구성하지 못할 경우 그에 따른 FN 오류(false negative error)가 발생할 수 있으며, 두 번째는 규칙의 다양성을 확보하기 위해서 많은 규칙을 구성하게 되었을 경우 그에 소요되는 자원의 규모가 커진다는 점이다. 이에 본 논문에서는 생체 면역 세포의 생성 과정인 부정 선택을 공학적으로 모델링하여 변형 인식부를 구성하고 이를 후보 개체군으로 하여 유전자 알고리즘을 이용해 진화시킴으로서 변이적인 침입에 대해 탐지 가능한 변형 인식부의 학습 알고리즘을 제안한다. 제안한 알고리즘은 컴퓨터 시뮬레이션을 통하여 그 유효성을 입증한다.

• Journal of Electrical Engineering and Technology
• /
• 제12권5호
• /
• pp.1729-1742
• /
• 2017

In designing System Protection Schemes (SPSs) in power systems, protecting transmission network against extreme undesired conditions becomes a significant challenge in mitigating the transmission line overloading. This paper presents an intelligent Special Protection and Control Scheme (SPCS) using of Differential Evolution with Adaptive Mutation (DEAM) approach to obtain the optimum generation rescheduling to solve the transmission line overloading problem in system contingency conditions. DEAM algorithm employs the attraction-repulsion idea that is applied in the electromagnetism-like algorithm to support the mutation process of the conventional Differential Evolution (DE) algorithm. Different N-1 contingency conditions under base and increase load demand are considered in this paper. Simulation results have been compared with those acquired from Genetic Algorithm (GA) application. Minimum severity index has been considered as the objective function. The final results show that the presented DEAM method offers better performance than GA in terms of faster convergence and less generation fuel cost. IEEE 30-bus test system has been used to prove the effectiveness and robustness of the proposed algorithm.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.1-20
• /
• 2018

Service composition in the Inter-Cloud raises new challenges that are caused by the different Quality of Service (QoS) requirements of the users, which are served by different geo-distributed Cloud providers. This paper aims to explore how to select and compose such services while considering how to reach high efficiency on cost and response time, low network latency, and high reliability across multiple Cloud providers. A new hybrid multi-objective evolutionary algorithm to perform the above task called LS-NSGA-II-DE is proposed, in which the differential evolution (DE) algorithm uses the adaptive mutation operator and crossover operator to replace the those of the Non-dominated Sorting Genetic Algorithm-II (NSGA-II) to get the better convergence and diversity. At the same time, a Local Search (LS) method is performed for the Non-dominated solution set F{1} in each generation to improve the distribution of the F{1}. The simulation results show that our proposed algorithm performs well in terms of the solution distribution and convergence, and in addition, the optimality ability and scalability are better compared with those of the other algorithms.

• 한국시뮬레이션학회논문지
• /
• 제27권2호
• /
• pp.101-114
• /
• 2018

무인 비행체의 실시간 경로계획 생성 시 최적의 경로를 찾기 위한 다양한 연구가 진행되어 왔다. 본 논문에서는 진화알고리즘을 통한 무인비행체의 경로계획 생성을 수행하고, 이를 에이전트 기반 시뮬레이션 환경에서 구현 및 테스트가 가능함을 검증하였다. 이를 위해, Repast toolkit에 JGAP 패키지를 탑재하여 Java 기반의 유전 알고리즘 프로그래밍을 통한 무인 비행체의 경로 계획을 생성하였고, 해당 결과를 에이전트 기반으로 시뮬레이션을 수행하였다. 본 논문에서는 에이전트 기반 시뮬레이션 소프트웨어를 소프트웨어 공학 개발 생명주기에 맞춰 문서화하여 설계 및 구현되었으며, 에이전트 모델링 설계는 자동화, 적응성 및 에이전트 간의 상호 작용에 초점을 맞추었다. 또한, 시뮬레이션을 통해 에이전트 기반 환경에서 설계한 모델 및 시나리오를 검증하여 다수의 비행 에이전트에 내재된 동적 경로계획 알고리즘이 실시간으로 자율적인 경로 생성이 가능함을 증명하였다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.164-170
• /
• 2004

본 논문에서는 인공 면역 시스템과 분산 유전자 알고리즘에 기반하여 동작하는 자율분산로봇 시스템을 제안한다. 시스템에서 로봇들의 행동은 전역행동과 지역행동으로 분류된다. 전역행동은 환경에서 작업을 탐색하는데 이를 빠르게 수행하기 위하여 집합과 분산의 두 가지 행동으로 이루어져 있다. 이때 인공 면역 시스템은 로봇이 어떤 행동을 선택하여 행동할 것인가를 결정한다. 지역행동은 탐색된 작업을 수행하는 부분으로서 어떤 로봇들이 협조행동을 할지를 학습하고, 학습한 결과에 따라 작업을 수행하는 행동을 한다. 이를 위해 분산 유전자 알고리즘을 이용하여 각 로봇들은 주어진 작업에 대하여 학습을 한다. 제안된 시스템에서 학습 알고리즘은 주어지는 작업의 변화로봇들은 주어진 작업을 수행하기 위해 학습을 하고, 주어진 작업이 변할 경우 스스로 대처한다는 면에서 기존의 자율 분산 시스템보다 적응성에서 향상된 시스템이다.