• 조명전기설비학회논문지
• /
• 제23권12호
• /
• pp.48-57
• /
• 2009

본 논문에서는 FEM(Finite Element Method)을 이용한 직접구동형 영구자석 풍력발전기의 최적설계를 위해 최신의 최적화 기법인 MADS(Mesh Adaptive Direct Search)를 적용하였으며, 최적설계 목표는 연간 에너지 생산량(Annual Energy Production : AEP)을 최대화 하는 방향으로 선정하였다. 또한, 풍력발전기의 전 운전영역을 고려하기 위해 해당풍속에서의 통계적 확률밀도와 연간 운전시간을 적용하여 연간 최대에너지 생산량을 산정하였다. 아울러, MADS의 최적설계 결과와 병렬분산 컴퓨팅을 결합한 유전 알고리즘(Genetic Algorithm : GA)의 최적설계 결과를 비교하였으며, MADS는 병렬분산 유전알고리즘에 비해 상대적으로 빠른 수렴성을 나타내었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 A
• /
• pp.137-141
• /
• 2000

This paper presents an application of a new Adaptive Genetic Algorithms(AGA) to solve the Optimal Routing problem(ORP) for distribution system planning. In general, since the ORP is modeled as a mixed integer problem with some various mathematical constraints, it is hard to solve the problem. In this paper, we proposed a new adaptive strategy in GA to overcome the premature convergence and improve the convergence efficiency. And for these purposes, we proposed a fitness function suited for the ORP. In the proposed AGA, we used specially designed adaptive probabilities for genetic operators to consider the characteristics of distribution systems that are operated under radial configuration. The proposed algorithm has been tested in sample networks and the results are presented.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 C
• /
• pp.1177-1179
• /
• 1999

This paper presents a design of artificial neural network power system stabilizer(ANNPSS) using adaptive evolutionary algorithm(AEA). We have proposed an adaptive evolutionary algorithm which uses both a genetic algorithm(GA) and an evolution strategy(ES), useing the merits of two different evolutionary computations. ANNPSS shows better control performances than conventional power system stabilizer(CPSS) in three-phase fault with heavy load which is used when tuning ANNPSS. To show the robustness of the proposed ANNPSS, it is applied to damp the low frequency oscillation caused by disturbances such as three-phase fault with normal and light load. the proposed ANNPSS shows better robustness than CPSS.

• 산업기술연구
• /
• 제19권
• /
• pp.209-216
• /
• 1999

In this paper, we proposed a modofied genetic algorithm to minimize misclassification rate for determining the codebook. Genetic algorithms are adaptive methods which may be used solve search and optimization problems based on the genetic processes of biological organisms. But they generally require a large amount of computation efforts. GAVQ can choose the optimal individuals by genetic operators. The position of individuals are optimized to improve the recognition rate. The technical properties of this study is that prevents us from the local minimum problem, which is not avoidable by conventional VQ algorithms. We compared the simulation result with Matlab using phoneme data. The simulation results show that the recognition rate from GAVQ is improved by comparing the conventional VQ algorithms.

• 전자공학회논문지CI
• /
• 제38권2호
• /
• pp.9-15
• /
• 2001

본 논문은 적응 피지 제어 시스템에 있어 유전자 알고리즘에 대한 새로운 방법을 제안한다. 다중개체군 유전자 알고리즘을 이용한 이전의 논문은 염색체를 두부분(제어규칙과 소속함수)으로 분할하였다. 그러나 이런 경우 좋지 못한 제어규칙은 좋은 제어규칙과 잘 진화된 소속함수의 최적화를 방해한다. 다중개체군 유전자 알고리즘에 대한 새로운 방법은 염색체를 세부분(좋은 제어규칙, 좋지 못한 제어규칙 및 소속함수)으로 분할하는 것이다. 이 방법에 대한 효율성을 입증하기 위해 트럭 배킹 문제에 적용하였다. 시뮬레이션 결과 다중개체군 유전자 알고리즘에 대한 제안된 방법이 좋은 적응성을 보여 주었다.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.207-210
• /
• 2012

유전 알고리즘은 확률에 기반한 매우 효과적인 최적화 기법이지만 지역해로의 조기수렴과 전역해로의 수렴 속도가 느리다는 단점이 있다. 본 논문에서는 이러한 단점을 보완하기 위해 적응 분할법에 기반한 유전 알고리즘을 제안하였다. 유전 알고리즘이 전역해를 효과적으로 찾도록 하는 적응 분할법은 최적화의 복잡도를 줄이기 위해 탐색공간을 적응적으로 분할한다. 이러한 적응 분할법은 탐색공간의 복잡도가 증가할수록 더 효과적이다. 제안된 방법을 테스트 함수의 최적화 및 도립진자 제어를 위한 퍼지 제어기 설계 최적화에 적용하여 그 유효성을 보였다.

• 한국산업경영시스템학회:학술대회논문집
• /
• 한국산업경영시스템학회 2002년도 춘계학술대회
• /
• pp.203-208
• /
• 2002

In case of the problems with multiple plants, alternative operation sequence, alternative machine, setup time, and transportation time between plants, we need a robust methodology for the integration of process planning and scheduling in supply chain. The objective of this model is to minimize the tardiness and to maximize the resource utilization. So, we propose a multi-objective model with limited-capacity constraint. To solve this model, we develope an efficient and flexible model using adaptive genetic algorithm(AGA), compared to traditional genetic algorithm(TGA)

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.233-236
• /
• 2001

In this paper, we propose a TSK-type fuzzy classifier using PCA(Principal Component Analysis), FCM(Fuzzy C-Means) clustering and hybrid GA(genetic algorithm). First, input data is transformed to reduce correlation among the data components by PCA. FCM clustering is applied to obtain a initial TSK-type fuzzy classifier. Parameter identification is performed by AGA(Adaptive Genetic Algorithm) and RLSE(Recursive Least Square Estimate). we applied the proposed method to Iris data classification problems and obtained a better performance than previous works.

• 한국항해학회지
• /
• 제24권5호
• /
• pp.361-371
• /
• 2000

This paper treats a genetic algorithm for ship scheduling problem in set packing formulation. We newly devised a partition based representation of solution and compose initial population using a domain knowledge of problem which results in saving calculation cost. We established replacement strategy which makes each individual not to degenerate during evolutionary process and applied adaptive mutate operator to improve feasibility of individual. If offspring is feasible then an improve operator is applied to increase objective value without loss of feasibility. A computational experiment was carried out with real data and showed a useful result for a large size real world problem.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.391-394
• /
• 2002

진화 연산(Genetic Algorithm)은 최적화 분야에서 사용되는 강력하면서도 일반적인 방법이다. 이러한 진화 연산의 일반성은 진화 연산에서 사용되는 기본 연산자들이 문제에 대한 정보를 필요로 하지 않는 것에 기인하고 있기에, 실제 구현시에는 여러 파라미터들을 문제에 맞게 정해 줌으로써 성능 향상을 죄할 수 있다. 이러한 파라미터의 조절은 보통 시행착오를 거쳐 행해지나, 실행시에 동적으로 파라미터를 학습하는 적응적 진화 연산도 연구되어 왔다. 본 논문에서는 진화 연산에서의 파라미터 학습 과정을 강화 학습 과정으로 공식화하고 강화 학습을 사용한 적응적 진화 연산 구현을 제안한다.