• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.353-355
• /
• 2003

본 논문은 유전자 알고리즘의 다양성(diversity)을 유지하면서 동시에 수렴(convergence) 속도를 향상시키기 위한 새로운 선택기법을 제안한다. 이를 위해 적합도가 높은 염색체를 다음 세대로 전달하면서 동시에 적합도가 낮은 염색체에 대해서도 일정 수준 전달되게 하였다. 또한 기존의 설러 선택기법 중 가장 일반적으로 사용되는 토너먼트 선택 기법의 문제점을 고찰하고, 제안 알고리즘의 최적도 밀 수렴속도를 모의 실험을 통해 비교 및 분석한다. 실험 결과로부터 제안 알고리즘은 기존의 토너먼트 선택기법에 비해 우수함을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.5
• /
• pp.682-691
• /
• 1999

정보검색 시스템의 검색 효율 향상을 위해서 다양한 적합성 피드백 방법이 개발되었다. 그러나 한국어 정보검색 시스템을 위한 적합성 피드백에 대한 연구는 거의 이루어지지 않은 실정이다. 이 논문에서는 기존에 개발된 적합성 피드백 방법을 한국어 정보 시스템에 적용하여 검색 효율을 비교하고, 새로운 적합성 피드백 방법을 개발 적용하여 기존의 방법들과 검색 효율을 비교분석하였다. 적합성 피드백은 원질의문을 확장할 단어 선택과 선택된 단어 가중치 부여로 이루어진다. 원질의문이 입력되면 검색된 적합문서에서 원질의문을 단어와 밀접한 관계가 있는 단어를 선택하기 위하여 가중치를 부가한후, 원질의문에 추가하여 질의문을 확장한다. 이 논문에서는 원질의문 확장을 위한 단어 선택과 단어 가중치 부여를 위해 3가지 값을 사용한다. 첫째, TF는 적합문서 내의 단어 빈도의 총합이다. 둘째, idf는 해당 문서집단의 역문헌빈도이다. 셋째, r/R은 검색된 적합문서 중에서 해당단어가 있는 적합문서의 비율을 나타낸다. TF와 idf는 정보검색 시스템에서 일반적으로 사용되고있는 값이고 r/R은 이 논문에서 제안한 새로운 값이다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.827-836
• /
• 1998

본 연구의 목적은 평활 적합도 검정에 이용되는 모형선택 기법 중 AIC (Akaike information criteria) 기법과 BIC (Baysian information criteria) 기법을 사용한 검정통계량들에 대한 검정력을 비교 분석함에 있다. 또한 이 두 가지 기법을 이용한 새로운 검정 통계 량을 제시하고 기존의 검정 통계량들과 비교 분석하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2010.07a
• /
• pp.417-419
• /
• 2010

본 논문에서는 최적화 문제를 해결하는 기법의 하나인 유전자 알고리즘을 이용하여 모든 노드를 탐색하여 최적의 경로를 도출하는 최적화 경로 탐색 알고리즘을 제안한다. 경로를 도출하기 위해 중간 경로 노드로부터 출발지 노드 및 도착지 노드까지의 거리를 측정하여 개체를 생성한다. 출력 노드들을 도출하기 위해 생성된 개체를 적합도 함수에 적용하여 적합도를 계산한다. 계산된 적합도 값에 따라 교배를 할 노드 및 교배 지점(비트단위)을 선택한다. 선택되어진 교배와 교배 지점을 이용하여 개체들을 교배한다. 교배를 통해 새로운 개체를 생성한다. 새로운 개체가 적합도 조건(이전 개체 중 최대값 $^*\;2$)에 만족한다면 출력 노드로 도출하고, 다음 출력 노드를 도출할 때의 출발지 노드로 선택되어진다. 이러한 과정을 반복하여 모든 출력 노드를 도출한다. 제안된 방법을 실험한 결과, 순차 방식과 난수를 이용한 경우보다 제안된 방법이 효율적인 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.71-73
• /
• 2017

논문에서는 최적화 문제를 해결하는 기법의 하나인 $A^*$와 유전자 알고리즘을 이용하여 모든 노드를 탐색하여 최적의 경로를 도출하는 최적화 경로 탐색 방법을 제안한다. 경로를 도출하기 위해 $A^*$ 알고리즘을 적용하여 출발지 노드로부터 중간 경로 노드까지의 거리를 측정하여 개체를 생성한다. 출력 노드들을 도출하기 위해 생성된 개체를 적합도 함수에 적용하여 적합도를 계산한다. 계산된 적합도 값에 따라 교배를 할 노드 및 교배 지점을 선택한다. 선택된 노드와 교배 지점을 이용하여 개체들을 교배한다. 교배를 통해 새로운 개체를 생성한다. 새로운 개체가 적합도 조건에 만족하면 출력 노드로 도출하고, 다음 출력 노드를 도출하기 위한 출발지 노드로 선택한다. 이러한 과정을 반복하여 모든 출력 노드를 도출한다. 제안된 방법을 경로 탐색 문제를 대상으로 실험한 결과, $A^*$ 알고리즘만을 이용한 경우보다 제안된 방법이 경로 탐색 문제에 있어서 최적화된 거리를 기반으로 경로를 탐색하는 것을 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.1
• /
• pp.116-121
• /
• 2008

This paper introduces a selection operator which utilized similarity and fitness of individuals based on fuzzy inference. Adding similarity feature to fitness, proposed selector obtained the decrease of premature convergence and better performances than other selectors. Moreover, an adoption of steady-state evolution provided enhancement of performances additionally. Experiments of proposed method for deceptive problems were tested and showed better performances than conventional methods.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.07a
• /
• pp.73-74
• /
• 2017

4차 산업혁명의 핵심 중 하나인 소프트웨어 교육에서 프로그래밍 교육은 필수적이다. 다양한 프로그래밍 언어 중 프로그래밍 입문자를 위해 적합한 언어를 선택하는 것은 매우 중요하다. 본 논문에서는 프로그래밍 입문을 위해 적합한 언어를 선택하기 위한 가이드를 제공하기 위해 2017학년도 1학기에 프로그래밍 입문 관련 교과목을 수강한 학생들을 대상으로 프로그래밍 언어에 대한 선호도를 조사하고 분석하여 언어 선택을 위한 가이드를 제안한다.

• Annual Conference on Human and Language Technology
• /
• 1997.10a
• /
• pp.65-71
• /
• 1997

이 논문은 부산대학교 전자계산학과 인공지능 연구실에서 개발한 정보검색 시스템 "미리내"의 적합성 피드백 방법을 분석하고, 그 방법들의 검색 효율을 비교 분석하였다. "미리내"에서 질의문은 자연언어 질의문을 사용하고 재검색을 위한 적합성 피드백은 원질의문에서 검색된 문서 중 이용자가 직접 선택한 적합 문서에서 추출한다. 적합성 피드백은 크게 단어 확장(Term Expansion)을 위한 단어 선택 방법과 추가될 단어에 가중치를 부여하는 단어 가중치 부여(Term Weighting)의 2가지 요소로 이루어진다. 단어 선택을 위해서는 적합 문서에 나타난 단어 빈도합(tf), 역문헌빈도(idf), 적합 문서 중에서 해당 단어가 있는 적합 문서의 비율(r/R) 등의 정보를 이용한다. 단어 가중치 부여 방법으로는 정규화 또는 코사인 함수를 이용하여 부여하였다. 단어확장에는 tfidf가 tfidf(r/R)보다 정확도 면에서 나은 향상율을 보였으나, 30위 내 검색된 적합문서의 수를 비교해 보았을 때 tfidf(r/R)의 정확도가 높았다. 단어 선택 방법에서 계산된 값을 정규화하여 가중치를 부여하였을 때 보다 코사인 함수를 이용하여 가중치를 부여하였을 때 정확도가 높았다. 실험은 KT-Set 2.0 (4391 건), 동아일보 96 년 신문기사(70459 건)를 대상으로 수행하였다.

• Annual Conference of KIPS
• /
• 2003.11a
• /
• pp.305-308
• /
• 2003

본 논문은 토너먼트 선택을 사용한 Deceptive Problem에서 최적 해(optimum)를 찾으면서 수렴(Convergence)속도를 향상시키기 위한 최적의 조건을 찾고자 한다. 이를 위해 적합도가 높은 염색체(cromosome)를 다음 세대로 전달하면서 동시에 적합도가 낮은 염색체에 대해서도 적정 수준 전달되게 하였다. 또한 기존의 여러 선택기법 중 가장 일반적으로 사용되는 토너먼트 선택 기법의 문제점을 고찰하고, 제안 방법으로 최적도 및 수렴속도를 모의 실험을 통해 비교 및 분석한다. 실험 결과로부터 제안 방법에 대한 수렴속도의 경향을 고찰하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.7
• /
• pp.943-948
• /
• 2018

In this paper, we propose a hybrid approach of combining $A^*$ and Genetic algorithm in the path search problem. In $A^*$, the cost from a start node to the intermediate node is optimized in principle but the path from that intermediate node to the goal node is generated and tested based on the cumulated cost and the next node in a priority queue is chosen to be tested. In that process, we adopt the genetic algorithm principle in that the group of nodes to generate the next node from an intermediate node is tested by its fitness function. Top two nodes are selected to use crossover or mutation operation to generate the next generation. If generated nodes are qualified, those nodes are inserted to the priority queue. The proposed method is compared with the original sequential selection and the random selection of the next searching path in $A^*$ algorithm and the result verifies the superiority of the proposed method.