• Proceedings of the KIEE Conference
• /
• 2003.11a
• /
• pp.110-112
• /
• 2003

본 논문에서는 확률적인 전역 최적화 알고리즘인 유전 알고리즘과 경험적인 최적화 알고리즘인 타부 탐색법을 병렬화함으로써 최적해 탐색성능 및 탐색속도를 개선하는 방안을 개발하였다. 배전계통의 주변압기에서 고장이 발생한 경우에는 여러 정전구역에 대한 복구문제가 되어 매우 복잡하고 많은 연산량을 수반한다. 따라서 제안한 고장복구 알고리즘은 PC 클러스트링을 이용하여 각 프로세서별로 유전 알고리즘 또는 타부 탐색법을 사용하여 최적해를 탐색한 후 일정 기간 이후에 해를 교환함으로써 배전계통에서의 주변압기 고장발생시 최적해 탐색에 소요되는 시간을 단축하였으며 고장복구 지원시스템의 성능개선을 도모하였다. 제안한 알고리즘의 유용성을 입증하기 위하여 한전의 실 배전계통 주변압기 고장복구 문제에 적용함으로써 제안한 알고리즘이 해의 탐색속도 및 해의 성능면에서 우수함을 입증하였다.

• Bulletin of the Society of Naval Architects of Korea
• /
• v.31 no.2
• /
• pp.25-27
• /
• 1994

최적설계에 대한 두번의 특집을 통해 최적설계, 다목적함수, 민감도 해석, 재설계, 지식기반시스템, 유전적 알고리듬, 신경회로망 등 새로운 방법들이 많이 소개되었다. 이들을 이론적인 배경에 의해 분류하면, 최적화 이론과 인공지능의 두 가지로 크게 나누어 볼 수 있다. 하지만 한편으로는 이들을 '어떻게 하면 더 나은 설계를 할 수 있는가\ulcorner'하는 한가지 목표를 달성하기 위해 제안되고 있는 여러가지 도구들로도 이해될 수 있다. 이글에서는 이 다양한 방법들에 대한 관련성을 설계 방법론이라는 관점에서 설명을 시도하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.494-496
• /
• 2020

기계학습 모델을 이용한 분류 및 회귀 문제해결에는 다양한 전처리 알고리즘 및 기계학습 모델이 활용된다. 하지만 합리적인 성능을 위해서는 주어진 데이터에 따라 적절한 알고리즘 조합에 대한 탐색 및 최적화 과정이 펄수적이다. 본 논문에서는 최적의 알고리즘 조합을 탐색하는 방법 중 랜덤 탐색과 유전 알고리즘 탐색 방법을 구현하고 8가지 데이터에 대한 성능 비교를 통해 여러 기계학습 모델을 고려하는 탐색 방법의 필요성을 보인다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.5
• /
• pp.562-567
• /
• 2006

Model Predictive Control(MPC) system uses the current input which minimizes the difference between the desired output and the estimated output in the receding horizon scheme. In many cases (for example, system with constraints or nonlinear system), however, it is not easy to find the optimal solution to the above problem. In this paper, we show that real number coding genetic algorithm can be used to solve the optimal problem for MPC effectively. Also, we show by simulation that the real coding algorithm is mote natural and advantageous than the digital coding one.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.26 no.4
• /
• pp.275-281
• /
• 2013

In this paper, determination of the scalability of the cluster composed common personal computer was performed when optimization of reinforced concrete structure using genetic algorithm. The goal of this research is watching the potential of multi-core-PC cluster for optimization of seismic design of reinforced-concrete structures. By increasing the number of core-processer of cluster, decreasing of computation time per each generation of genetic algorithm was observed. After classifying the components in singular personal computer, the estimation of the expected bottle-neck phenomenon and comparison with wall-clock time and Amdahl's law equation was performed. So we could obseved the scalability of the cluster appear complex tendency. For separating the bottle-neck phenomenon of physical and algorithm, the different size of population was selected for genetic algorithm cases. When using 64 core-processor, the efficiency of cluster is low as 31.2% compared with Amdahl's law efficiency.

• Journal of KIISE:Software and Applications
• /
• v.28 no.9
• /
• pp.669-680
• /
• 2001

Genetic Algorithms are optimization algorithm that mimics biological evolution to solve optimization problems. Genetic algorithms provide an alternative to traditional optimization techniques by using directed random searches to locate optimal solutions in complex fitness landscapes. Hybrid genetic algorithm that is combined with local search called learning can sustain the balance between exploration and exploitation. The genetic traits that each individual in the population learns through evolution are transferred back to the next generation, and when this learning is combined with genetic algorithm we can expect the improvement of the search speed. This paper proposes a genetic algorithm based Cellular Learning with accelerated learning capability for function optimization. Proposed Cellular Learning strategy is based on periodic and convergent behaviors in cellular automata, and on the theory of transmitting to offspring the knowledge and experience that organisms acquire in their lifetime. We compared the search efficiency of Cellular Learning strategy with those of Lamarckian and Baldwin Effect in hybrid genetic algorithm. We showed that the local improvement by cellular learning could enhance the global performance higher by evaluating their performance through the experiment of various test bed functions and also showed that proposed learning strategy could find out the better global optima than conventional method.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.783-786
• /
• 2008

외판원문제(Traveling Salesman problem: TSP)는 전형적인 조합최적화 문제로 위치하는 n개의 모든 지점을 오직 한번씩만 방문하는 순회경로를 결정하는 과정에서 순회비용 또는 순회거리를 최소화한다. 따라서 본 논문에서는 종래의 NP-hard문제로 널리 알려진 TSP를 해결하기 위해서 메타 휴리스틱기법 중에서 가장 널리 이용되고 있는 유전 알고리즘(Genetic Algorithm: GA)을 이용한다. 마지막으로, 유전 알고리즘을 이용해 외판원문제에 적합한 성능을 보이는 유전 연산자를 찾아내기 위해 수치 실험을 통해 그 성능에 대한 평가를 한다.

• The KIPS Transactions:PartA
• /
• v.10A no.1
• /
• pp.15-24
• /
• 2003

In this paper, an optimization model for the clustered node allocation systems in the distributed computing environment is presented. In the presented model with a distributed file system framework, the dynamics of system behavior over times is carefully thought over the nodes and hence the functionality of the cluster monitor node to check the feasibility of the current set of clustered node allocation is given. The cluster monitor node of the node allocation system capable of distributing the parallel modules to clustered nodes provides a good allocation solution using Genetic Algorithms (GA). As a part of the experimental studies, the solution quality and computation time effects of varying GA experimental parameters, such as the encoding scheme, the genetic operators (crossover, mutations), the population size, and the number of node modules, and the comparative findings are presented.

• Proceedings of the KIEE Conference
• /
• 2006.10a
• /
• pp.145-146
• /
• 2006

본 논문은 부분방전(PD: Partial Discharge)의 패턴인식 확률 극대화를 목적으로 신경망(NN: Neural Network) 파라미터 중에서 은닉층 뉴런의 수, 모멘텀(momentum)의 Step size와 Decay rate 를 최적화하기 위하여 유전 알고리즘(GA: Genetic Algonthm)을 적응하였다. 실험적 연구의 대상으로서, GIS(Gas Insulated Switchgear)사고의 주요 원인으로 보고되어있는 결함들을 인위적으로 모의한 16개 Test cell을 이용하여 부분방전을 발생시켰다. 부분방전 신호는 본 연구팀이 개발한 센서를 이용하여 검출되어 데이터베이스가 구축되어 그로부터 추출된 학습 데이터들의 학습에 다음과 같은 5가지 신경망 모델이 적응되었다: Multilayer Perception (MLP), Jordan-Elman Network (JEN), Recurrent Network (RN), Self-Organizing Feature Map (SOFM), Time-Lag Recurrent Network (TLRN). 유전 알고리즘 적용 효율성을 분석하기 위하여 동일한 데이터를 이용하여 다음과 같은 두 가지 방법을 적용한 결과를 상호 비교하였다. 우선 상기 선택된 모델만 적용하였고 다근 하나는 상기 모델과 Genetic Algorithm이 동시에 적용되었다. 모든 모델에 대하여 학습오차와 패턴 분류 확률을 비교한 결과, 유전 알고리즘 적응 시 부분방전 패턴인식 확률이 향상되었음이 확인되어 향후 신뢰성 있는 GIS 부분방전 진단기술에 활용될 수 있을 것으로 사료된다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2006.05a
• /
• pp.164-170
• /
• 2006

This paper proposes a RSM-based hybrid evolutionary algorithm (RHEA) which combines the merits of the popular programs such as genetic algorithm (GA), tabu search method, response surface methodology (RSM). This algorithm, for improving the convergent speed that is thought to be the demerit of genetic algorithm, uses response surface methodology and simplex method. The mutation of GA offers random variety to finding the optimum solution. In this study, however, systematic variety can be secured through the use of tabu list. Efficiency of this method has been proven by applying traditional test functions and comparing the results to GA. And it was also proved that the newly suggested algorithm is very effective to find the global optimum solution to minimize the weight for avoiding the resonance of fresh water tank that is placed in the rear of ship. According to the study, GA's convergent speed in initial stages is improved by using RSM method. An optimized solution is calculated without the evaluation of additional actual objective function. In a summary, it is concluded that RHEA is a very powerful global optimization algorithm from the view point of convergent speed and global search ability.