• Computational Structural Engineering
• /
• v.5 no.3
• /
• pp.44-47
• /
• 1992

본 학술기사의 목적은 구조설계를 위한 강력하고도 유용한 도구로서의 최적화기법을 소개하는 것이고 현재의 기술현황을 보여주는 것이다. 최적화의 발전은 유한요소법과 컴퓨터기법 그리고 최적화알고리즘 및 소프트웨어의 동시적인 발전으로부터 이루어진다. 이렇게 됨으로써 사용자가 꼭 최적화 이론가가 될 필요성은 없어질 것이고 모든 공학자는 설계의 질과 생산성을 증진시키기 위해 최적화를 훌륭한 설계기술로서 이용할 수가 있게 될 것이다. 최적화를 위한 두가지 접근방안이 제안되었다. 하나는 최적화 과정중 직접적으로 사용되는 민감도 정보를 제공하기 위해 유한요소해석 프로그램을 수정하는 것이고, 다른 하나는 설계변수와 구조응답들로 구성된 목적함수, 제약조건으로된 최적화문제에 최적화기법을 연결하는 것이다. 가장 좋은 방법은 이 두 접근방법의 조합된 방법인 것 같지만 서로 모순된 것 같기 때문에 분명하지가 않다. 따라서 이 부분은 앞으로 주목을 받을 충분한 가치가 있는 내용이 될 것이다. 원료 부족에 대한 인식의 증대와 부존에너지자원의 빠른 고갈은 경량이면서 효율적이고 경제적인 구조물에 대한 욕구를 증폭시켰다. 따라서 오늘날의 유용하고, 거대한 계산능력을 고려한다면, 최적화기법을 사용하고자 하는 동기는 충분한 것이고 숙련된 공학설계자들에 의해 응용됨으로써 최적화는 경쟁적인 우위를 제공하는 강력한 도구가 될 수 있을 것이다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.24 no.5
• /
• pp.115-120
• /
• 2019

In this paper, we present the results of the performance statistical analysis of the multi-robot formation control based on receding horizon particle swarm optimization (RHPSO). The formation control problem of multi-robot system can be defined as a constrained nonlinear optimization problem when considering collision avoidance between robots. In general, the constrained nonlinear optimization problem has a problem that it takes a long time to find the optimal solution. The RHPSO algorithm was proposed to quickly find a suboptimal solution to the optimization problem of multi-robot formation control. The computational complexity of the RHPSO increases as the number of candidate solutions and generations increases. Therefore, it is important to find a suboptimal solution that can be used for real-time control with minimal candidate solutions and generations. In this paper, we compared the formation error according to the number of candidate solutions and the number of generations. Through numerical simulations under various conditions, the results are analyzed statistically and the minimum number of candidate solutions and the minimum number of generations of the RHPSO algorithm are derived within the allowable control error.

• Journal of the Korea Society for Simulation
• /
• v.28 no.4
• /
• pp.21-32
• /
• 2019

Inspired by the social behavior models of a bird flock or fish school, particle swarm optimization (PSO) is a popular metaheuristic optimization algorithm and has been widely used from solving a complex optimization problem to learning a artificial neural network. However, PSO is difficult to apply to many real-life optimization problems involving stochastic noise, since it is originated in a deterministic environment. To resolve this problem, this paper incorporates a resampling method called the uncertainty evaluation (UE) method into PSO. The UE method allows the particles to converge on the accurate optimal solution quickly in a noisy environment by selecting the particles' global best position correctly, one of the significant factors in the performance of PSO. The results of comparative experiments on several benchmark problems demonstrated the improved performance of the propose algorithm compared to the existing studies. In addition, the results of the case study emphasize the necessity of this work. The proposed algorithm is expected to be effectively applied to optimize complex systems through digital twins in the fourth industrial revolution.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.2
• /
• pp.161-167
• /
• 2000

In this paper, we propose a design method for BAMs(bidirectiona1 associative memories) which can perform the function of bidirectional association efficiently. Based on the theoretical investigation about the properties of BAMs, we first formulate the problem of finding a BAM that can store the given pattern pairs as stable states with high error correction ratio in the form of a constrained optimization problem. Next, we transform the constrained optimization problem into a GEVP(genera1ized eigenvalue problem), which can be solved by recently developed interior point methods. The applicability of the proposed method is illustrated via design examples.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.856-858
• /
• 2001

분산 파일 시스템에서 파일을 복제하는 목적의 하나는 파일의 가용성을 높이는 것이다 서버들로 이루어진 시스템에서 가용도 문제는 주로 오류 상황이 대상이다 반면에 데스크탑으로 구성된 경우 각각이 상대적으로 가용도가 낮고 그 편차도 커서 파일의 가용도를 최적화 하도록 복제본을 저장하는 것이 기본적인 문제가 된다. 파일 단위 복제 기법에서는 파일 수가 참여 시스템 수에 따라 기하급수적으로 증가하고 파일 배치 때마다 가용도 최적화를 수행해야 하는 문제가 있다. 본 논문에서는 저장 공간 단위 복제 기법을 제안한다. 데스크탑 시스템의 저 장롱간을 고정 크기의 페이지들로 나누고 이들을 조합해서 일정한 가용도를 가지는 페이지 그룹을 형성한다. 파일들은 이 페이지 그룹에 저장된다. 페이지의 개수가 파일 수가 아닌 시스템 수에 의존하고, 파일 배치 시점과 무관하게 페이지 그룹을 만들 수 있는 장점이 있다. 최종 가용도를 높이고 연산 시간을 줄이기 위해 ILS(Iterated Local Search )방법을 이용만 탐색을 수행한다.

• The Transactions of the Korea Information Processing Society
• /
• v.6 no.4
• /
• pp.1120-1128
• /
• 1999

The model-based object recognition is defined as a graph matching process between model images and an input image. In this paper, a graph matching problem is modeled as a n optimization problems and a genetic algorithm is proposed to solve the problems. For this work, fitness function, data structured and genetic operators are developed The simulation results are shown that the proposed genetic algorithm can match feature points between model image and input image for recognition of partially occluded two-dimensional objects. The performance fo the proposed technique is compare with that of a neural network technique.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.532-533
• /
• 2008

연계지역 전력시장 간의 에너지 거래는 전체 전력시장의 사회적 편익을 향상시키기 위해 이루어진다. 기존의 연계지역 전력시장 간시장 최적화 문제를 다루는 중앙처리 접근방식은 경쟁적 전력시장 환경하에서 적합한 모델이 아니다. 본 논문은 연계지역 전력시장 문제를 다루기 위해 보완 라그랑지안 승수 기법(Augmented Lagrangian Relaxation) 기반의 분산처리 최적화 방법을 제시한다. Block Coordinate Descent(BCD) 분산처리 기법이 보완 라그랑지안 승수의 최적화 문제를 분리하기 위해 적용된다. 연계시장 모델을 구현한 사례연구를 통해 제시된 알고리즘의 효용성을 입증한다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1998.11a
• /
• pp.65-69
• /
• 1998

진화 연산을 이용하여 최적화 문제를 푸는데 있어서 가장 잘 알려져 있는 문제 중의 하나는 미완숙 수렴이다. 일반적인 제한 최적화 문제를 푸는 기법으로서 제안된 하이브리드 진화프로그래밍(EP), 이상 EP(TPEP), Evolian 등과 같은 알고리즘도 첫 번째 상에서 이와 같은 문제점을 내포하고 있다. 본 논문에서는 이같은 문제점을 극복하기 위해서 Evolian 알고리즘에 공유 함수 기법을 적용하고 다음 상들을 위해서는 다중 라그랑지안 승수를 사용하고자 한다. 부개체군 영역에서 각각의 라그랑지안 승수들을 설정하고 병렬적으로 갱신해 나가면서 전역적인 최적해를 병렬적으로 찾아나간다. 컴퓨터 모의 실험을 통해서 제안된 공유 기법 및 다중 라그랑지안 승수 기법의 유용성을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.49-50
• /
• 2018

인공지능의 급격한 발전으로 빅 데이터의 활용이 증가되었지만 이로 인해 머신 러닝에서 일어나는 문제들 또한 해결해야할 과제이다. 본 논문에서는 이에 따라 초래되는 문제들 중 학습 데이터가 많아질 경우의 문제들을 방지하기 위해, 알고리즘의 수정 대신 병렬 처리 기반 시스템을 제안한다. 본 논문에서는 Alternating Direction Method of Multiplier(ADMM) 알고리즘을 소개하고 ADMM 기반의 최적화 기법을 적용하여 병렬 학습 시스템 최적화를 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.134-136
• /
• 2000

진화 알고리즘은 자원 관리, 스케줄링, 퍼지 논리 재어기의 설계 등의 다양한 문제들에 적용되는, 일반적이고 효율적인 최적화 방법이다. 그러나 이러한 진화 알고리즘의 문제점은 탐색해야할 변수의 증가에 따라 차원의 증가로 인하여 탐색공간이 기하급수적으로 늘어난다는 것이다. 이러한 문제점을 해결하기 위해 Potter와 Dejong은 개개의 종족을 독립적으로 진화시킴으로써 탐색공간을 대폭 줄인, 협력 공진화 알고리즘을 제안하였다. 그러나 이것 또한 변수 의존성이 강한 문제들에 대해서는 비효율적인 탐색을 하는 문제점이 있다. 본 논문에서는 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘을 제안한다. 이 알고리즘은 최적화 하려는 변수들이 서로 의존성이 없는 경우에는 종족의 분할을 통하여 탐색공간의 축소의 이점을 얻고, 최적화 하려는 변수들이 서로 의존성이 있는 경우에는 종족의 병합을 통하여 전역탐색을 하도록 한다. 제안하는 알고리즘을 상품재고 제어 문제(ICP)로 실험하여 현존하는 어떤 공진화 알고리즘보다도 효율적인 결과를 보여준다.