• Composites Research
• /
• 제21권1호
• /
• pp.30-39
• /
• 2008

본 논문에서는 기존의 유전자 알고리즘을 대신하여 병렬 마이크로 유전자 알고리즘을 사용한 복합재료 적층 구조물의 최적설계를 수행하였다. 마이크로 유전자 알고리즘은 한 세대 당 보통 5개의 개체로 해를 탐색한다 비록 세대를 구성하는 인구수는 적지만 공칭수렴 판단과 재초기화 과정을 통해 다양성을 제공하기 때문에 최적해 탐색이 가능하다. 2가지의 복합재 구조물의 최적화 문제를 가정하고 이를 마이크로 유전자 알고리즘을 사용하여 해를 구하였다. 효율성 판단을 위해서 기존의 유전자 알고리즘과 결과를 비교하였다. 두 문제 모두 마이크로 유전자 알고리즘이 비슷한 결과를 도출하면서도 약 70%의 계산량 감소를 보였다. 마이크로 유전자 알고리즘을 사용하여 일정 범위 내에서 변하는 하중을 받고 있는 복합재 적층 구조물의 최적설계를 수행하였다. 계산 결과 고정된 하중상태 하에서 얻은 최적해보다 하중 변화에 덜 민감한 설계변수를 얻을 수 있었다. 이상의 문제를 통해 다양한 설계변수를 갖는 복합재 적층 구조물의 최적설계의 한 방법으로서 마이크로 유전자 알고리즘이 효율적임을 확인하였다.

• 전자공학회논문지CI
• /
• 제46권6호
• /
• pp.44-55
• /
• 2009

최근 활발히 연구가 진행 중인 마이크로어레이로부터 얻어지는 유전자 발현 데이터를 이용한 질병 진단은, 데이터를 직접적으로 분석하기 힘들기 때문에 일반적으로 기계 학습 알고리즘을 사용하여 이루어져왔다. 그러나 유전자 발현 데이터를 분석함에 있어서 유전자들 간의 상호작용을 고려하는 분석이 필요하다는 최근의 연구 결과들은 기존 기계 학습 알고리즘들을 이용한 분석에 한계가 있음을 의미한다고 볼 수 있다. 본 논문에서는 특징들 사이의 고차원 상관관계를 고려 가능한 하이퍼네트워크 모델을 이용하여 유전자 발현 데이터의 분류를 수행하고 기존의 기계 학습 알고리즘들과 분류 성능을 비교한다. 또한 기존 하이퍼네트워크 모델의 단점을 개선 한 모델을 제안하고, 이를 병렬 프로세서 상에서 구현하여 처리 성능을 비교한다. 실험 결과 제안 된 모델은 기존의 기계 학습 방법들과의 비교에서도 경쟁력 있는 분류 성능을 보여주었고, 기존 하이퍼네트워크 모델 보다 안정적이고 향상된 분류 성능을 보여주었다. 또한 이를 병렬 프로세서 상에서 구현 할 경우 처리 성능을 극대화 할 수 있음을 보였다.