• 제목/요약/키워드: dependency-directed backtracking

검색결과 3건 처리시간 0.018초

제약만족탐색 기법을 이용한 수출 컨테이너 장치장 계획 (Space Allocation of Export Container Yard by Constraint Satisfaction Search)

  • 손예진;류광렬;김갑환
    • 한국지능정보시스템학회:학술대회논문집
    • /
    • 한국지능정보시스템학회 2002년도 춘계학술대회 논문집
    • /
    • pp.99-105
    • /
    • 2002
  • 컨테이너 터미널의 수출 장치장은 수출될 컨테이너들이 지속적으로 반입되어 해당 선박에 선적되기까지 일시적으로 보관되는 장소이다. 장치장의 공간 활용도를 높이면서 선적 시 작업의 능률을 극대화하기 위해서는 여러 가지 제약조건과 장치 규칙에 따라 컨테이너들의 장치 위치를 결정해야 할 뿐 아니라, 소정의 기간을 대상으로 그 동안 반입 예정인 전 컨테이너들에 대한 적절한 공간할당 계획을 미리 수립해 두어야 한다. 본 논문에서는 수출 장치장 계획 문제를 제약조건만족 문제로 보고 이를 효과적으로 해결하기 위한 탐색 기법을 제시하고 있다 대규모의 탐색공간으로부터 효율적으로 해를 찾기 위해 dependency-directed backtracking 기법을 적용하였고, 탐색 중에 제약조건을 만족하는 해를 찾기 어렵다고 판단될 경우에는 일부 제약조건을 완화하여 해를 재 탐색하는 제약조건 완화 기법을 적용하였다. 실제 부산 신선대 컨테이너 터미널의 데이터를 이용한 실험 결과 만족할 만한 수준의 계획을 빠른 시간 내에 수립할 수 있음을 확인하였다

  • PDF

NATMS를 이용한 온톨로지 추론의 non-deterministic 문제 해결 및 일관성 오류 탐지 기법 (Solving Non-deterministic Problem of Ontology Reasoning and Identifying Causes of Inconsistent Ontology using Negated Assumption-based Truth Maintenance System)

  • 김제민;박영택
    • 한국정보과학회논문지:소프트웨어및응용
    • /
    • 제36권5호
    • /
    • pp.401-410
    • /
    • 2009
  • 온톨로지의 논리적 오류와 개념들 간의 포함 관계를 탐지하는 추론 엔진들이 소개되고 있다. 발표된 온톨로지 추론 엔진의 대부분은 태블로 알고리즘을 기반으로 구축되었다. 그러나 대부분의 추론 엔진들은 논리적 오류를 일으키는 원인은 밝히지 않고, 논리적 오류를 갖는 개념만을 탐지한다. 본 논문의 목적은 태블로 알고리즘 전개 과정 중에 발생하는 non-deterministic 상황을 최적화하는 동시에 논리적 오류를 일으키는 원인을 탐지하기 위한 방법을 연구하는 것이다. 따라서 본 논문에서는 논리적 부정 가정기반 진리 유지 시스템(NATMS)을 사용하여 non-deterministic 문제를 해결하고 논리적 오류 원인을 탐지하는 기법을 제안한다. 본 논문에서는 기존에 발표되었던 종속 부호 기반 백트랙킹 기법과 Swoop 프로젝트에 적용된 논리적 오류 원인을 탐지하는 기법을 소개하고, 제안하고자 하는 기법을 설명한다.

대용량 추론을 위한 분산환경에서의 가정기반진리관리시스템 (Distributed Assumption-Based Truth Maintenance System for Scalable Reasoning)

  • 바트셀렘;박영택
    • 정보과학회 논문지
    • /
    • 제43권10호
    • /
    • pp.1115-1123
    • /
    • 2016
  • 가정기반진리관리 시스템(ATMS)은 추론 시스템의 추론 과정을 저장하고 비단조추론을 지원할 수 있는 도구이다. 또한 의존기반 backtracking을 지원하므로 매우 넓은 공간 탐색 문제를 해결 할 수 있는 강력한 도구이다. 모든 추론 과정을 기록하고, 특정한 컨텍스트에서 지능형시스템의 Belief를 매우 빠르게 확인하고 비단조 추론 문제에 대한 해결책을 효율적으로 제공할 수 있게 한다. 그러나 최근 데이터의 양이 방대해지면서 기존의 단일 머신을 사용하는 경우 문제 해결 프로그램의 대용량의 추론과정을 저장하는 것이 불가능하게 되었다. 대용량 데이터에 대한 문제 해결 과정을 기록하는 것은 많은 연산과 메모리 오버헤드를 야기한다. 이러한 단점을 극복하기 위해 본 논문에서는 Apache Spark 환경에서 functional 및 객체지향 방식 기반의 점진적 컨텍스트 추론을 유지할 수 있는 방법을 제안한다. 이는 가정(Assumption)과 유도과정을 분산 환경에 저장하며, 실체화된 대용량 데이터셋의 변화를 효율적으로 수정가능하게 한다. 또한 ATMS의 Label, Environment를 분산 처리하여 대규모의 추론 과정을 효과적으로 관리할 수 있는 방안을 제시하고 있다. 제안하는 시스템의 성능을 측정하기 위해 5개의 노드로 구성된 클러스터에서 LUBM 데이터셋에 대한 OWL/RDFS 추론을 수행하고, 데이터의 추가, 설명, 제거에 대한 실험을 수행하였다. LUBM2000에 대하여 추론을 수행한 결과 80GB데이터가 추론되었고, ATMS에 적용하여 추가, 설명, 제거에 대하여 수초 내에 처리하는 성능을 보였다.