• 한국컴퓨터정보학회논문지
• /
• 제25권11호
• /
• pp.41-50
• /
• 2020

감성분석 연구에서는 문장에 내포된 감성을 결정짓는 단어를 찾는 것으로부터 시작된다. 경영자는 소비자가 주로 사용하는 단어를 분석함으로써 시장의 반응을 이해할 수 있다. 본 연구에서는 감성분류의 성능에 영향을 미치는 단어를 찾기 위하여 입자군집최적화 탐색방법과 다목적진화 알고리즘이 적용된 속성선택 방법을 제안한다. 속성선택 방법은 기존 머신러닝 분류기를 벤치마킹함으로써 성능이 비교된다. 벤치마킹된 분류기는 의사결정나무, 나이브 베이지안 네트워크, 서포터 벡터 머신, 랜덤포레스트, 배깅, 랜덤 서브스페이스, 로테이션 포레스트이다. 연구결과에 따르면, 입자군집 최적화 알고리즘이 적용된 속성선택방법으로 선택된 속성을 사용한 경우에 속성의 수를 상당히 줄일 수 있었고, 분류기의 성능을 유지시킬 수 있었다. 특히, 정확도 결과에서는 입자군집 최적화 탐색방법으로 선택된 속성을 사용한 경우의 서포터 벡터 머신의 성능이 가장 높게 나타났다. AUC 결과에서는 랜덤 서브스페이스가 가장 높게 나타났다. 본 연구의 결과는 해당 탐색방법과 분류기를 적용함으로써 오피니언 마이닝 모델의 성능을 효율적으로 유지 및 개선시키도록 도움을 준다.

• Structural Engineering and Mechanics
• /
• 제69권1호
• /
• pp.21-31
• /
• 2019

Optimizing composite structures to exploit their maximum potential is a realistic application with promising returns. In this research, simultaneous maximization of the fundamental frequency and frequency separation between the first two modes by optimizing the fiber angles is considered. A high-fidelity design optimization methodology is developed by combining the high-accuracy of finite element method with iterative improvement capability of metaheuristic algorithms. Three powerful nature-inspired optimization algorithms viz. a genetic algorithm (GA), a particle swarm optimization (PSO) variant and a cuckoo search (CS) variant are used. Advanced memetic features are incorporated in the PSO and CS to form their respective variants-RPSOLC (repulsive particle swarm optimization with local search and chaotic perturbation) and CHP (co-evolutionary host-parasite). A comprehensive set of benchmark solutions on several new problems are reported. Statistical tests and comprehensive assessment of the predicted results show CHP comprehensively outperforms RPSOLC and GA, while RPSOLC has a little superiority over GA. Extensive simulations show that the on repeated trials of the same experiment, CHP has very low variability. About 50% fewer variations are seen in RPSOLC as compared to GA on repeated trials.

• 한국수자원학회논문집
• /
• 제52권10호
• /
• pp.681-695
• /
• 2019

Transient Stroage Model (TSM)은 하천을 본류대와 저장대로 나누어 각각에 대한 오염물의 혼합거동을 해석함으로써 복잡한 하천에 유입된 오염물질 혼합을 이해하는 데에 가장 많이 이용되는 모형 중 하나이다. TSM의 매개변수들은 역산모형을 통해 산정하게 되는데 이는 자연하천에서 추적자실험을 통해 계측된 농도곡선에 가장 잘 맞는 TSM 모의 농도곡선을 찾는 최적화 문제이다. 저장대모형의 매개변수 산정에 관한 선행 연구들에 의해 매개변수를 산정하는 최적화 문제의 비볼록(non-convex) 특성에서 오는 불확실성이 보고되어 왔다. 본 연구에서는 청미천에서 수행된 추적자실험으로부터 취득된 농도곡선을 이용해 최상의 최적화 기법과 목적함수의 조합에 대해 분석하였다. 최적화 문제의 수렴성과 수렴 속도를 모두 만족하는 최적화 조건을 결정하기 위해 SCE-UA의 CCE와 SP-UCI의 MCCE와 같은 진화 알고리즘 기반의 전역 최적화 방법들과 오차 기반 목적함수들을 Shuffled Complex-Self Adaptive Hybrid EvoLution (SC-SAHEL)을 활용해 비교하였다. 전반적인 변수 산정 결과 여러 EA를 동시에 적용한 SC-SAHEL을 평균 제곱오차를 목적함수로 한 방법이 가장 빠르고 가장 안정적으로 최적해에 수렴하는 것으로 나타났다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권5호
• /
• pp.2277-2298
• /
• 2019

Adaptive learning in e-learning has garnered researchers' interest. In it, learning resources could be recommended automatically to achieve a personalized learning experience. There are various ways to realize it. One of the realistic ways is adaptive learning path recommendation, in which learning resources are provided according to learners' requirements. This paper summarizes existing works and proposes an innovative approach. Firstly, a learner-centred concept map is created using graph theory based on the features of the learners and concepts. Then, the approach generates a linear concept sequence from the concept map using the proposed traversal algorithm. Finally, Learning Objects (LOs), which are the smallest concrete units that make up a learning path, are organized based on the concept sequences. In order to realize this step, we model it as a multi-objective combinatorial optimization problem, and an improved immune algorithm (IIA) is proposed to solve it. In the experimental stage, a series of simulated experiments are conducted on nine datasets with different levels of complexity. The results show that the proposed algorithm increases the computational efficiency and effectiveness. Moreover, an empirical study is carried out to validate the proposed approach from a pedagogical view. Compared with a self-selection based approach and the other evolutionary algorithm based approaches, the proposed approach produces better outcomes in terms of learners' homework, final exam grades and satisfaction.

• 한국공간구조학회논문집
• /
• 제4권2호
• /
• pp.89-97
• /
• 2004

최적설계기법을 사용한 경제적인 설계의 필요성은 오래 전부터 요구되어 왔으나, 종전의 설계가 설계자의 경험에 의한 시행착오적인 반복설계를 통하여 이루어져 왔기 때문에 구조물의 형상이 복잡한 경우에는 계산상의 어려움과 반복계산을 되풀이해야 하는 번거로움으로 진정한 최적설계는 기대하기 어려웠다. 최적설계법이 구조물의 설계에 매우 유용하다는 사실이 증명되고 있긴 하지만, 아직도 최적설계의 의미를 제대로 이해하지 못하고 있는 실정이며, 더구나 설계실무자는 어디까지나 사용자이기 때문에 수리적 계획수법에 친숙할 필요까지는 없지만 최소한 이런 기법의 가능성과 중요성을 이해할 필요는 있는데 대부분 그러하지 못하고 있는 실정이다. 일반적으로 트러스 구조물 설계 시 주어진 부재의 응력에 따라 단면적을 산출하여 그 단면적에 역학적으로 가장 합리적인 단면을 선정하여 경제적인 설계단면을 구한다. 그러나 트러스의 형상, 트러스 높이에 따른 경제성의 문제는 보통 설계자의 경험과 직관에 의하여 결정되고, 특별한 검토가 이루어지지 않고 설계가 수행되는데, 실제 트러스 구조물에서 트러스의 형상과 높이가 전체 건설공사비에 크게 영향을 미친다. 그러므로, 트러스 구조물의 최적설계에서 트러스 형상, 라이즈 비(rise ratio : 높이/스팬) 및 격간 수(number of panel)를 고려하는 것이 필요하다. 트러스 형상과 스팬에 따른 최적형상과 최적높이 및 격간 수에 대해 설계자의 초기 구조계획 시 주관적 선택의 어려움을 해결하고, 실제의 지붕형 트러스 구조에 설계하중을 작용시켜 응력해석에서부터 부재 단면설계까지의 자동화된 최적설계 알고리즘을 개발할 필요가 있다. 따라서 본 연구는 플랫 트러스의 형상, 격간 수, 격간의 간격 및 부재단면 등에 대하여 이산적인 변수의 처리와 넓은 설계 공간의 탐색능력과 더불어 문제의 비선형성과 관계없이 전체 최적해를 찾아낼 수 있는 유전자 알고리즘을 이용한다. 또한, 강 구조 한계상태설계기준(대한건축학회, 1998)을 기준으로 하여 자동으로 플랫 트러스의 구조계획과 단면이산화 최적설계를 동시에 수행할 수 있는 최적화 알고리즘을 제시하는 것을 목적으로 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1217-1228
• /
• 2005

최근 들어 DNA 컴퓨팅이 활발하게 연구되면서, DNA 컴퓨팅에서 가장 기본적이고도 중요한 DNA 서열 디자인 문제가 부각되고 있다. 기존의 연구에서 DNA 서열 디자인 문제를 다중목적 최적화 문제로 정의하고, elitist non-dominated sorting genetic algorithm(NSGA-II)를 이용하여 성공적으로 DNA 서열을 디자인하였다. 그런데, NSGA-II는 계산속도가 느리다는 단점이 있어서, 이를 극복하기 위해 본 논문에서는 $\varepsilon$-다중목적함수 진화알고리즘(r-Multiobjective evolutionary algorithm, $\varepsilon$-MOEA)을 DNA 서열 디자인에 이용하였다. 우선, 두 알고리즘의 성능을 보다 자세히 비교하기 위해서 DTLZ2 벤치 마크 문제에 대해서 적용한 결과, 목적함수의 개수가 작은 경우에는 큰 차이가 없으나, 목적함수의 개수가 많을 경우에는 $\varepsilon$-MOEA가 NSGA-II에 대해서 최적해를 찾는 정도(Convergence)와 다양한 해를 찾는 정도 (diversity)에 있어서 각각 $70\%,\;73\%$ 향상된 성능을 보여주었고, 또한 최적해를 찾는 속도도 비약적으로 개선되었다. 이러한 결과를 바탕으로 기존의 DNA 서열 디자인 방법론으로 디자인된 DNA 서열들과 7-순환외판원 문제 해결에 필요한 DNA 서열을 NSGA-II와 $\varepsilon$-MOEA로 재디자인하였다. 대부분의 경우 $\varepsilon$-MOEA가 우수한 결과를 보였고, 특히 7-순환외판원 문제에 대해서 NSGA-II와 비교하여 convergence와 diversity의 측면에서 유사한 결과를 2배 이상 빨리 발견하였고, 동일한 계산 시간을 이용해서는 $22\%$ 정도 보다 다양하게 해를 발견하였으며, $92\%$ 우수한 최적해를 발견하는 것을 확인하였다.