• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1873-1893
• /
• 2023

The development of lightweight, low energy and small-sized sensors incorporated with the wireless networks has brought about a phenomenal growth of Wireless Sensor Networks (WSNs) in its different fields of applications. Moreover, the routing of data is crucial in a wide number of critical applications that includes ecosystem monitoring, military and disaster management. However, the time-delay, energy imbalance and minimized network lifetime are considered as the key problems faced during the process of data transmission. Furthermore, only when the functionality of cluster head selection is available in WSNs, it is possible to improve energy and network lifetime. Besides that, the task of cluster head selection is regarded as an NP-hard optimization problem that can be effectively modelled using hybrid metaheuristic approaches. Due to this reason, an Improved Coyote Optimization Algorithm-based Clustering Technique (ICOACT) is proposed for extending the lifetime for making efficient choices for cluster heads while maintaining a consistent balance between exploitation and exploration. The issue of premature convergence and its tendency of being trapped into the local optima in the Improved Coyote Optimization Algorithm (ICOA) through the selection of center solution is used for replacing the best solution in the search space during the clustering functionality. The simulation results of the proposed ICOACT confirmed its efficiency by increasing the number of alive nodes, the total number of clusters formed with the least amount of end-to-end delay and mean packet loss rate.

• Steel and Composite Structures
• /
• 제48권2호
• /
• pp.179-190
• /
• 2023

Many recent attempts have sought accurate prediction of pile pullout resistance (P_ul) using classical machine learning models. This study offers an improved methodology for this objective. Adaptive neuro-fuzzy inference system (ANFIS), as a popular predictor, is trained by a capable metaheuristic strategy, namely equilibrium optimizer (EO) to predict the P_ul. The used data is collected from laboratory investigations in previous literature. First, two optimal configurations of EO-ANFIS are selected after sensitivity analysis. They are next evaluated and compared with classical ANFIS and two neural-based models using well-accepted accuracy indicators. The results of all five models were in good agreement with laboratory P_uls (all correlations > 0.99). However, it was shown that both EO-ANFISs not only outperform neural benchmarks but also enjoy a higher accuracy compared to the classical version. Therefore, utilizing the EO is recommended for optimizing this predictive tool. Furthermore, a comparison between the selected EO-ANFISs, where one employs a larger population, revealed that the model with the population size of 75 is more efficient than 300. In this relation, root mean square error and the optimization time for the EO-ANFIS (75) were 19.6272 and 1715.8 seconds, respectively, while these values were 23.4038 and 9298.7 seconds for EO-ANFIS (300).

• Steel and Composite Structures
• /
• 제45권2호
• /
• pp.205-218
• /
• 2022

Proper calculation of splitting tensile strength (STS) of concrete has been a crucial task, due to the wide use of concrete in the construction sector. Following many recent studies that have proposed various predictive models for this aim, this study suggests and tests the functionality of three hybrid models in predicting the STS from the characteristics of the mixture components including cement compressive strength, cement tensile strength, curing age, the maximum size of the crushed stone, stone powder content, sand fine modulus, water to binder ratio, and the ratio of sand. A multi-layer perceptron (MLP) neural network incorporates invasive weed optimization (IWO), cuttlefish optimization algorithm (CFOA), and electrostatic discharge algorithm (ESDA) which are among the newest optimization techniques. A dataset from the earlier literature is used for exploring and extrapolating the STS behavior. The results acquired from several accuracy criteria demonstrated a nice learning capability for all three hybrid models viz. IWO-MLP, CFOA-MLP, and ESDA-MLP. Also in the prediction phase, the prediction products were in a promising agreement (above 88%) with experimental results. However, a comparative look revealed the ESDA-MLP as the most accurate predictor. Considering mean absolute percentage error (MAPE) index, the error of ESDA-MLP was 9.05%, while the corresponding value for IWO-MLP and CFOA-MLP was 9.17 and 13.97%, respectively. Since the combination of MLP and ESDA can be an effective tool for optimizing the concrete mixture toward a desirable STS, the last part of this study is dedicated to extracting a predictive formula from this model.

• Computers and Concrete
• /
• 제32권6호
• /
• pp.577-594
• /
• 2023

Engineered cementitious composites with calcined clay limestone cement (LC³-ECC) as a kind of green, low-carbon and high toughness concrete, has recently received significant investigation. However, the complicated relationship between potential influential factors and LC³-ECC compressive strength makes the prediction of LC³-ECC compressive strength difficult. Regarding this, the machine learning-based prediction models for the compressive strength of LC³-ECC concrete is firstly proposed and developed. Models combine three novel meta-heuristic algorithms (golden jackal optimization algorithm, butterfly optimization algorithm and whale optimization algorithm) with support vector regression (SVR) to improve the accuracy of prediction. A new dataset about LC³-ECC compressive strength was integrated based on 156 data from previous studies and used to develop the SVR-based models. Thirteen potential factors affecting the compressive strength of LC³-ECC were comprehensively considered in the model. The results show all hybrid SVR prediction models can reach the Coefficient of determination (R²) above 0.95 for the testing set and 0.97 for the training set. Radar and Taylor plots also show better overall prediction performance of the hybrid SVR models than several traditional machine learning techniques, which confirms the superiority of the three proposed methods. The successful development of this predictive model can provide scientific guidance for LC³-ECC materials and further apply to such low-carbon, sustainable cement-based materials.

• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.15-24
• /
• 2024

One of the most significant issues in combinatorial optimization is the classical NP-complete conundrum known as the 0/1 Knapsack Problem. This study delves deeply into the investigation of practical solutions, emphasizing two classic algorithmic paradigms, brute force, and dynamic programming, along with the metaheuristic and nature-inspired family algorithm known as the Genetic Algorithm (GA). The research begins with a thorough analysis of the dynamic programming technique, utilizing its ability to handle overlapping subproblems and an ideal substructure. We evaluate the benefits of dynamic programming in the context of the 0/1 Knapsack Problem by carefully dissecting its nuances in contrast to GA. Simultaneously, the study examines the brute force algorithm, a simple yet comprehensive method compared to Branch & Bound. This strategy entails investigating every potential combination, offering a starting point for comparison with more advanced techniques. The paper explores the computational complexity of the brute force approach, highlighting its limitations and usefulness in resolving the 0/1 Knapsack Problem in contrast to the set above of algorithms.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.29-37
• /
• 2020

과거 자연현상에서 발생하는 복잡한 비선형성에 따른 문제를 해결하기 위해 메타 휴리스틱 최적화 알고리즘들이 개발되었고 개발된 알고리즘의 적용성을 검토하기 위해 다양한 연구들이 진행되었다. Self-adaptive vision correction algorithm (SAVCA)는 수학 문제에서는 우수한 성능을 보여주었지만 복잡한 공학 문제들에 적용되지 않았을 뿐만 아니라 SAVCA의 적용과정에 대한 검토가 필요하다. SAVCA의 공학 문제에 대한 적용 및 적용과정에 대한 검토를 위해 최근 개발되어 우수한 성능을 보여주었던 advanced nonlinear Muskingum flood routing model (ANLMM-L)에 적용하였다. 먼저 SAVCA에 의해 초기 해집합을 생성한 후 ANLMM-L을 통해 적합도를 산출하였다. 국지탐색 및 전역탐색에 의해 선택된 새로운 값을 SAVCA에 넣고 새로운 해를 생성한 후 다시 ANLMM-L을 적용하여 적합도를 계산하였다. 새로운 해와 기존 해집합의 결과를 비교하여 개량하는 방법을 통해 마지막 연산이 진행되었다. 관측 유출량과 계산된 유출량과의 오차를 계산하기 위해 sum of squares (SSQ)가 사용되었으며 적용한 결과는 기존 방법들과 비교하였다. Muskingum 홍수추적에서 우수한 성능을 보여준 SAVCA는 다양한 공학 문제들에 적용되어 우수한 성능을 보여줄 것으로 예상된다.

• 한국건설관리학회논문집
• /
• 제15권6호
• /
• pp.53-62
• /
• 2014

최근 세계 경제가 금융위기로부터 회복되기 시작하면서 전 세계적으로 초고층 건축공사 프로젝트가 증가하는 추세에 있다. 수직 리프트 양중은 리프트 양중 장비 대수의 제약으로 인해 초고층 건축공사 프로젝트에 있어서 전체 프로젝트의 생산성 측면에서 매우 중요한 요소이다. 특히 건물 높이가 400m 이상 되는 초고층 건축공사에서는, 리프트의 최대 운행높이로 인해 환승운영방식의 리프트 양중이 필수적이다. 환승운영방식 리프트 양중에서의 환승층 지정은 자원들의 양중 시간 단축에 많은 영향을 미친다. 본 연구에서는 AnyLogic 프로그램을 통한 이산사건 시뮬레이션 모델 구축 및 OptQuest 최적화 프로그램을 통한 메타휴리스틱 방식의 최적해 탐색으로 오전 출근시간대의 작업원 양중 시 환승층 최적화를 위한 방법을 제안하였다. 중간층을 환승층으로 지정했을 때와 비교한 결과, 최적 환승층을 지정했을 때 작업자들의 전체 양중시간이 상당히 단축되는 것으로 분석되었다. 본 연구에서 제안하는 도구를 사용 시 초고층 건축공사 프로젝트에서 작업원들의 가용 작업시간 증가를 통한 비용 절감 및 프로젝트 공기 단축이 가능할 것으로 예상된다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.580-586
• /
• 2021

현재 사출성형분야의 Computer Aided Testing(CAT) 방법론으로 CAE(Computer Aided Engineering)를 이용한 수치 해석 기법이 주를 이루고 있다. 그러나 최근 시뮬레이션에 추가로 인공지능 기법을 응용하는 방법론이 연구되고 있다. 우리는 지난 연구에서 다양한 Machine Learning 기법을 활용하여 사출 성형 공정에 따른 변형 결과를 비교하였으며, 최종적으로 MLP(Multi-Layer Perceptron) 예측모델을 생성하였고, HMA(Hybrid Metaheuristic Algorithm)를 이용하여 최적화 결과를 얻어냈다. 그러나 MLP는 예측 성능이 우수한 반면 블랙박스와 같이 결정 과정에 대한 설명이 부족하다. 본 연구에서는 Radiator Tank 부품에 대하여 사출 성형 해석 소프트웨어인 Autodesk Moldflow 2018을 이용하여 수치 해석 기법으로 데이터를 생성하고, Machine Learning 소프트웨어인 RapidMiner Studio version 9.5를 활용하여 여러 Machine Learning Algorithms 모델을 생성하여 평균 제곱근 오차를 비교하였다. Decision-tree는 Root Mean Square Error(RMSE) 값이 다른 Machine Learning 기법에 비해 양호한 예측 성능을 갖추고 있었다. Decision-tree의 크기를 결정하는 Maximal Depth에 따라 분류 기준을 높일 수 있지만 복잡성도 함께 증가시켰다. Decision-tree를 이용하여 구속 조건을 만족하는 중간 값을 선정하여 시뮬레이션을 진행한 결과 기존의 시뮬레이션만 진행한 것보다 7.7%의 개선 효과가 있었다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.61-73
• /
• 2021

메타휴리스틱 탐색법은 주어진 정보의 부족 및 시간의 제약을 받는 상황에서 다양한 목적함수를 가진 문제를 해결하기 위해 개발되었다. 본 연구에서는 기존의 최적화 알고리즘인 Vision Correction Algorithm(VCA)의 성능을 강화한 Hybrid Vision Correction Algorithm(HVCA)을 개발하였다. HVCA는 기존의 알고리즘의 성능을 개선하기 위해 두 가지 방법을 적용하였다. 첫 번째 방법으로 사용자가 입력해야 하는 매개변수를 자가적응형 매개변수로 개선하였다. 두 번째 방법으로 Exponential Bandwidth Harmony Search With Centralized Global Search(EBHS-CGS)의 CGS 구조를 HVCA에 추가하였다. CGS 구조의 추가로 인해 HVCA 내부는 CGS와 VCA의 두 가지 구조로 구성되어 있다. 두 가지 구조를 효율적으로 사용하기 위해 반복시산을 진행하면서 최적값이 나오는 구조의 선택확률을 증가시키는 방법을 적용하였다. 제안된 HVCA의 성능을 확인하기 위해 최적화 문제에 적용하고, 그 결과를 Harmony Search(HS), Improved Harmony Search(IHS) 및 VCA와 비교하여 나타내었다. 적용결과 수학문제와 공학문제에서 HVCA는 HS, IHS 및 VCA보다 최적값 및 100번의 반복실행 중 최적값을 찾는 횟수가 많았으며, 최적값에 수렴하는 반복시산횟수도 낮았다. 이를 통해 HVCA가 성능이 개선되었다는 것을 확인할 수 있었다. 제안된 HVCA는 적용한 수학문제 및 공학문제 이외에도 많은 분야에 대해 좋은 결과를 나타낼 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.157-164
• /
• 2023

본 논문은 NP-완전 문제로 분류된 기업 세금 구조 최적화 문제를 O(n²)의 다항시간으로 구하는 휴리스틱 알고리즘을 제안하였다. 제안된 알고리즘은 목적지(T)인 본사 노드를 레벨 1으로, 세금코드 범주 T_e=1, 4, 3, 2의 노드들을 레벨 2,3,4,5 순서로 배치하였다. 원천(S)-목적지(T)의 최대세금감면 경로를 찾기 위해, 첫 번째로 노드 u에서 v 노드로 송금 시 u 관점에서 부과되는 유출 과세(r_w(u, v))를 최소화시키는 방법으로 _minr_w(u, v)의 호를 연결하였다. 이 결과 모든 S로부터 T까지의 신장트리를 구성하여 초기 실현 가능 해를 구하였다. 다음으로, v 관점에서 자국에 유입되는 이익금에 대한 외국 소득세(r_fi)를 최소화시키는 _minr_fi(u, v)의 대체 경로를 찾아 두 경로 중 최대 세금감면 경로를 선정하였다. 제안된 휴리스틱 알고리즘을 10개의 벤치마킹 데이터에 적용한 결과 선형계획법이나 메타휴리스틱의 일종인 Tabu 탐색 법에 비해 보다 최적의 결과를 얻었다.