• Journal of Electrical Engineering and Technology
• /
• 제5권3호
• /
• pp.423-430
• /
• 2010

Particle swarm optimization (PSO) algorithm is designed to find a single global optimal point. However, the PSO needs to be modified in order to find multiple optimal points of a multimodal function. These modifications usually divide a swarm of particles into multiple subswarms; in turn, these subswarms try to find their own optimal point, resulting in multiple optimal points. In this work, we present a new PSO algorithm, called coupling PSO to find multiple optimal points of a multimodal function based on coupling particles. In the coupling PSO, each main particle may generate a new particle to form a couple, after which the couple searches its own optimal point using non-stop-moving PSO algorithm. We tested the suggested algorithm and other ones, such as clustering PSO and niche PSO, over three analytic functions. The coupling PSO algorithm was also applied to solve a significant benchmark problem, the TEAM workshop problem 22.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.241-244
• /
• 2000

The optimization method based on an enhanced genetic algorithms is proposed for multimodal function optimization in this paper This method is consisted of two main steps. The first step is global search step using the genetic algorithm(GA) and function assurance criterion(FAC). The belonging of an population to initial solution group is decided according to the FAC. The second step is to decide resemblance between individuals and research optimum solutions by single point method in reconstructive research space. Two numerical examples are also presented in this paper to comparing with conventional methods.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2000년도 추계학술대회논문집
• /
• pp.587-592
• /
• 2000

The optimization method based on an enhanced genetic algorithms is proposed for multimodal function optimization in this paper. This method is consisted of two main steps. The first step is global search step using the genetic algorithm(GA) and function assurance criterion(FAC). The belonging of an population to initial solution group is decided according to the FAC. The second step is to decide the similarity between individuals, and to research the optimum solutions by simplex method in reconstructive search space. Two numerical examples are also presented in this paper to comparing with conventional methods.

• 제어로봇시스템학회논문지
• /
• 제6권12호
• /
• pp.1061-1069
• /
• 2000

In this paper, a new genetic algorithm is proposed for solving multimodal function optimization problems that are not easily solved by conventional genetic algorithm(GA)s. This algorithm finds one of local optima first and another optima at the next iteration. By repeating this process, we can locate all the local solutions instead of one local solution as in conventional GAs. To avoid converging to the same optimum again, we devise a new genetic operator, called a Mendel operator which simulates the Mendels genetic law. The proposed algorithm remembers the optima obtained so far, compels individuals to move away from them, and finds a new optimum.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.629-633
• /
• 1998

Proposed here is a parallel genetic algorithm accompanied with intermittent migration among subpopulations. It is intended to maintain diversity in the population for a long period . This method was applied to finding out the global maximum of some multimodal functions for which no other methods seem to be useful . Preferable results and their detailed analysis are also presented.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.373-378
• /
• 2001

본 연구에서의 다봉성 함수의 최적화를 위한 향상된 유전알고리듬을 제안하였다. 이 방법은 2개의 주요 단계로 구성된다. 첫째 단계는 유전알고리듬과 함수인정기준을 이용한 전역탐색단계이다. 초기해 집단에 대한 개체군의 소속도를 함수인정기준에 따라 결정한다. 둘째 단계는 개체군과 탐색최적해 사이의 유사도를 결정하고, 재구성된 탐색공간에서 단일점 탐색법에 의해 최적해를 탐색한다. 4개의 시험함수를 이용한 수치 예에 대해 종래의 방법과의 비교를 통하여 제안된 알고리듬이 모든 전역최적해 뿐만 아니라 국부최적해도 탐색이 가능함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 추계학술대회 논문집 전기기기 및 에너지변환시스템부문
• /
• pp.86-89
• /
• 2008

There are some modified methods such as K-means Clustering Particle Swarm Optimization and Niching Particle Swarm Optimization based on PSO which aim to locate all optima in multimodal functions. K-means Clustering Particle Optimization could locate all optima of functions with finite number of optima. Niching Particle Swarm Optimization is able to locate all of optima but high computing time. Because of those disadvantages, we proposed a new method that could locate all of optima with reasonal time. We applied our method and others as well to analytic functions. By comparing the outcomes, it is shown that our method is significantly more effective than the two others.

• 정보처리학회논문지A
• /
• 제11A권5호
• /
• pp.391-400
• /
• 2004

서로 다른 종류의 영상을 정확하게 연관시켜 복합적인 정보를 제공하는 다중모달리티 의료 영상정합기법 중 표면정보 기반 영상정합에서는 일반적으로 동일 대상에 대한 서로 다른 모달리티에서 추출된 표면 윤곽정보 사이의 거리를 최소화함으로써 매칭이 이루어진다. 그런데 동일대상에 대해 취득되는 서로 다른 두 모달리티는 관심 영역 상의 표면 특성이 서로 유사하다. 그러므로 다중모달리티 영상정합에서 표면거리와 함께 표면의 형태 특성을 고려하여 두 영상을 매칭하는 방법이 정합결과의 정확도를 향상시킬 수 있다. 본 연구에서는 동일 대상의 서로 다른 두 모달리티 뇌영상 간의 표면거리와 표면곡률을 최적화하는 정합기법을 제안한다. 영상정합은 참조영상과 테스트영상에 대한 표면정보 생성과 이 두 개의 표면정보를 최적화하는 단계로 구성된다. 표면정보 생성 단계에서는 두 모달리티로부터 관심영역의 윤곽선을 추출하고, 이 중 참조 볼륨의 윤곽선에 대해서는 표면거리맵과 표면곡률맵을 구성하게 된다. 최적화 단계에서는 표면거리맵과 표면곡률맵을 참조하는 최적화 평가함수(cost function)에 의해 두 객체의 표면거리 차이와 표면곡률 차이를 최소화하는 정합 변환 값이 결정되고, 이것이 테스트영상의 변환에 적용되어 결과적으로 두 영상이 정합 되게 된다. 제안된 최적화 평가함수는 표면거리 정보만을 사용하는 평가함수에 비해 보다 견고한 정합 정확도를 보였으며 또한 본 연구는 정합결과의 볼륨 가시화를 통해 효율적인 영상 분석 수단을 제공하고자 하였다.

• 한국산학기술학회논문지
• /
• 제15권10호
• /
• pp.6276-6281
• /
• 2014

유전자 알고리즘은 탐색과 최적화 문제에 대한 효과적인 방법으로 이용되고 있으나 다수의 정점이 있는 다중정점 함수에 대한 응용에 있어서는 지역해에 조기 수렴하여 고착되는 등 전역 최적해를 찾는데 어려움이 있다. 이러한 문제는 탐색공간을 충분히 탐색할 수 있는 모집단의 다양성이 부족한 데 기인하는 것이며 해결방법으로 니칭 방법과 크라우딩 방법 등이 소개되고 있다. 개체군의 다양성을 증가시키는 방법으로 지역해에 고착되지 않고 전역 최적해로 수렴되도록 하는 데 기본을 두고 있다. 본 논문에서는 다중정점 함수의 전역 최적해에 수렴하고 수렴속도를 높이는 방법으로 진화과정의 매 세대마다 탐색영역에 충분히 분포되도록 임의로 생성된 보조 모집단을 공급함으로서 안정적으로 전역 최적해로 수렴하는 방법을 제안하였다. 컴퓨터 모의실험을 통하여 본 논문에서 제안한 방법을 입증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 A
• /
• pp.76-78
• /
• 1998

Niching methods extend genetic algorithms to domains that require the location of multiple solutions. But, current niching methods have some of drawbacks in the ability of search and preservation of solutions. So, this paper presents a new technique, named as Restricted Competition Selection(RCS). Then, RCS method is compared with sharing and deterministic crowding by applying to some multimodal problems in order to verify that it has more favorable properties.