• Smart Media Journal
• /
• v.10 no.3
• /
• pp.39-47
• /
• 2021

Enhanced index tracking is a problem of optimizing the objective function to generate returns above the index based on the index tracking that follows the market return. In order to avoid problems such as large transaction costs and illiquidity, we used a method of constructing a portfolio by selecting only some of the stocks included in the index. Commonly used enhanced index tracking methods tried to find the optimal portfolio with only one objective function in all tested periods, but it is almost impossible to find the ultimate strategy that always works well in the volatile financial market. In addition, it is important to improve generalization performance beyond optimizing the objective function for training data due to the nature of the financial market, where statistical characteristics change significantly over time, but existing methods have a limitation in that there is no direct discussion for this. In order to solve these problems, this paper proposes ensemble learning that composes a portfolio by combining several objective functions and a 3-stage portfolio selection algorithm that can select a portfolio by applying criteria other than the objective function to the training data. The proposed method in an experiment using the S&P500 index shows Sharpe ratio that is 27% higher than the index and the existing methods, showing that the 3-stage portfolio selection algorithm and ensemble learning are effective in selecting an enhanced index portfolio.

• Journal of Korean Society of Steel Construction
• /
• v.17 no.6 s.79
• /
• pp.661-672
• /
• 2005

For the efficient stochastic optimization of steel structures for which a large number of analyses is required, artificial neural networks,which have emerged as a powerful tool that could have been used to replace time-consuming procedures in many scientific or engineering applications, are applied. They are utilized for the solution of the equilibrium equations resulting from the application of the finite element method in connection with the reanalysis type of problem, for which a large number of finite element analyses are required in this study. As such, the use of artificial neural networks to predict finite element analysis outputs simplifies and facilitates the performance of the stochastic optimal design of structural systems where a trained neural network is used to replace the structural reanalysis phase. Moreover, to improve efficiency of used artificial neural networks, genetic algorithm is utilized. The stochastic optimizer used in this study is an algorithm based on the evolution theory. The efficiency of the proposed procedure is examined in problems with both volume (weight) functions and real-world cost functions

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.788-789
• /
• 2015

본 논문에서는 사이클로트론 전자석의 설계과정을 체계화하고, 자기장 최적화 과정을 순차적 근사화 기법을 이용하여 설계를 진행하였다. 설계하는 전자석은 방사성동위원소생산을 목적으로하는 PET(Positron Emission Tomography) 사이클로트론 이며, 크기를 줄이고 동위원소의 효율적인 생산을 위해 에너지대역은 10MeV로 선정하였다. 설계과정은 실험계획법 중 하나인 LHS(Latin Hypercube Sampling) 기법을 통해 샘플 데이터를 구성하고, 이를 바탕으로 크리깅을 이용해 근사모델을 구성한다. 근사 모델과 진화 알고리즘을 이용해 목적에 맞는 최적의 형상을 찾을 수 있다. 이러한 과정을 반복함으로써 점진적으로 목적에 부합하는 형상을 찾을 수 있다. 각각의 형상의 성능을 판단하는 목적함수를 단계별로 규칙을 정함으로써 결과의 신뢰도를 높인다. 이로써 시간적 효율을 증대시키고 전문지식이 부족한 설계자도 고성능의 형상을 얻을 수 있다. 최적화과정은 STEP1과 STEP2로 나누어 진행되며, STEP1에서는 초기사이클로트론 전자석을 설계하고, 자기장 최적화를 진행한다. STEP2에서는 빔 시뮬레이션 및 분석을 통하여 최적화를 진행하고, 최종적으로 전자석모델을 완성한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.367-370
• /
• 2005

본 논문에서는 정보 입자화와 유전자 알고리즘을 기반으로 최적 퍼지 다항식 뉴럴네트워크를 제안하고, 유전자 알고리즘을 사용하여 종합적인 설계방법을 개발한다. 제안된 모델은 기존의 진화론적 퍼지 다항식 뉴럴네트워크의 구조를 정보입자화를 통해 좀 더 빠르게 최적의 해공간에 접근시키는데 그 목적이 있다. 퍼지 관계기반 다항식 뉴럴네트워크는 퍼지 다항식 뉴론이 기초가 되어 가능한 구조적이고 요소적으로 모델의 성능을 향상 시켜준다. 퍼지 다항식 뉴런의 최적 구조를 위해 유전자 알고리즘을 이용하여 입력변수의 수와 후반부 다항식의 차수 입력변수 수에 따른 입력변수 그리고 멤버쉽 함수의 수를 동조한다. 여기서, 클러스터링의 하나의 방법인 HCM에 의해 퍼지 규칙 각각의 전반부와 후반부에 데이터 중심값을 이용하여 다항식함수의 파라미터값을 결정한다. 제안된 유전론적 퍼지 관계 다항식 뉴럴네트워크의 성능평가는 기존 퍼지 모델링에서 이용된 표준 데이터를 활용하여 평가한다.

• Proceedings of the KIEE Conference
• /
• 2007.11b
• /
• pp.127-129
• /
• 2007

최적조류계산(Optimal Power Flow:OPF)은 전력계통에서 여러 가지 제약 조건을 만족하면서 경제적이고 안전하게 계통을 운영하기 위한 기법이다. 종래의 계산방법에는 비선형 계획법, 선형계획법 같은 수치해석적인 방법을 사용하였다. 그러나, 이러한 방법들은 전역 최저해를 구하기 위해서는 목적함수가 convex해야 한다. 또한, 계통 규모가 클 경우, 최적해 수렴이 안 되거나 수렴이 되더라도 시간이 많이 걸리는 단점이 있다. 최근에는 이러한 문제를 극복하고자 여러 가지 진화연산기법들이 최석조류계산 문제에 적용되고 있다. 본 논문에서 최근에 등장한 PSO알고리즘을 수정한 MPSO알고리즘은 이용한 최적조류계산 기법을 소개하고, 제안한 방법의 유용성을 보이기 위하여 IEEE 30,118 모선 계통의 최적 조류계산 문제에 적용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.80-82
• /
• 2012

전쟁수행 패러다임이 변화하면서 NCW 환경에서 발생하는 네트워크 파워를 측정하려는 많은 연구들이 수행되고 있다. 그러나 기존의 연구는 현실의 전장환경내 구축되어 있는 C2 체계의 네트워크 구조와 각 시스템간의 상호운용성 요소를 평가에 반영하지 못하고 있다. 따라서 본 연구에서는 최근 다양한 분야에서 활용되고 있는 소셜 네트워크 분석 기법을 적용하여 다수의 지휘통제체계에 의해 구축되는 네트워크 구조를 평가할 수 있는 알고리즘을 제안한다. 제안한 알고리즘을 통해 진화하는 군 C2 체계의 네트워크 구조를 대상으로 평가 결과를 분석해보았으며, 연결성에 근거한 네트워크 구조에 상호운용성 가치를 반영함으로써 보다 실질적인 네트워크 파워를 제시함에 그 목적이 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.321-322
• /
• 2014

게임에서 캐릭터가 현재 위치에서 목적지까지 경로를 탐색하는 것은 매우 중요하다. 특히, 오브젝트나 벽 등의 장애물들이 배치된 복잡한 게임 맵에서는 이러한 장애물을 회피하면서 가능한 최단 경로를 찾아 이동해야 한다. 본 논문에서는 복잡한 게임 맵 상에서 캐릭터가 목적지까지 최단 경로를 탐색하는 방법으로 유전자 알고리즘을 적용하는 방법을 제안한다. 유전자 알고리즘은 모집단(Population)을 구성하는 염색체의 인코딩 및 디코딩, 진화를 위한 연산자인 교차연산(Crossover)과 돌연변이연산(Mutation), 그리고 염색체를 평가하는 목적함수로 구성된다. 본 논문에서는 염색체 구성을 시작 노드에서 목적지 노드까지의 전체 노드로 구성하기 보다는 캐릭터의 현재노드에서 이동할 수 있는 8방향만으로 구성하여 염색체의 크기를 줄였고, 이를 통해 염색체의 인코딩과 디코딩 연산 시간을 줄일 수 있었다.

• Journal of the Institute of Electronics Engineers of Korea TC
• /
• v.46 no.2
• /
• pp.27-37
• /
• 2009

Sensor nodes forming a sensor network have limited energy capacity such as small batteries and when these nodes are placed in a specific field, it is important to research minimizing sensor nodes' energy consumption because of difficulty in supplying additional energy for the sensor nodes. Clustering has been in the limelight as one of efficient techniques to reduce sensor nodes' energy consumption in sensor networks. However, energy saving results can vary greatly depending on election of cluster heads, the number and size of clusters and the distance among the sensor nodes. /This research has an aim to find the optimal set of clusters which can reduce sensor nodes' energy consumption. We use a Genetic Algorithm(GA), a stochastic search technique used in computing, to find optimal solutions. GA performs searching through evolution processes to find optimal clusters in terms of energy efficiency. Our results show that GA is more efficient than LEACH which is a clustering algorithm without evolution processes. The two-dimensional GA (2D-GA) proposed in this research can perform more efficient gene evolution than one-dimensional GA(1D-GA)by giving unique location information to each node existing in chromosomes. As a result, the 2D-GA can find rapidly and effectively optimal clusters to maximize lifetime of the sensor networks.

• Journal of Environmental Impact Assessment
• /
• v.26 no.1
• /
• pp.44-56
• /
• 2017

Sustainable development is important because the ultimate objective is efficient development combining the economic, social, and environmental aspects of urban conservation. Despite Korea's rapid urbanization and economic development, the distribution of resources is inefficient, and land-use is not an exception. Land use distribution is difficult, as it requires considering a variety of purposes, whose solutions lie in a multipurpose optimization process. In this study, Yangpyeong-eup, Yangpyeong, Gyeonggi-do, is selected, as the site has ecological balance, is well-preserved, and has the potential to support population increases. Further, we have used the genetic algorithm method, as it helps to evolve solutions for complex spatial problems such as planning and distribution of land use. This study applies change to the way of mutation. With four goals and restrictions of area, spatial objectives, minimizing land use conversion, ecological conservation, maximizing economic profit, restricting area to a specific land use, and setting a fixed area, we developed an optimal planning map. No urban areas at the site needed preservation and the high urban area growth rate coincided with the optimization of purpose and maximization of economic profit. When the minimum point of the fitness score is the convergence point, we found optimization occurred approximately at 1500 generations. The results of this study can support planning at Yangpyeong-eup.ausative relationship between the perception of improving odor regulation and odor acceptance.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.11a
• /
• pp.599-617
• /
• 2006

A network model and a Genetic Algorithm(GA) is proposed to solve the simultaneous estimation of the trip distribution and traffic assignment from traffic counts in the congested networks in a logit-based Stochastic User Equilibrium (SUE). The model is formulated as a problem of minimizing the non-linear objective functions with the linear constraints. In the model, the flow-conservation constraints of the network are utilized to restrict the solution space and to force the link flows meet the traffic counts. The objective of the model is to minimize the discrepancies between the link flows satisfying the constraints of flow-conservation, trip production from origin, trip attraction to destination and traffic counts at observed links and the link flows estimated through the traffic assignment using the path flow estimator in the legit-based SUE. In the proposed GA, a chromosome is defined as a vector representing a set of Origin-Destination Matrix (ODM), link flows and travel-cost coefficient. Each chromosome is evaluated from the corresponding discrepancy, and the population of the chromosome is evolved by the concurrent simplex crossover and random mutation. To maintain the feasibility of solutions, a bounded vector shipment is applied during the crossover and mutation.