• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.12 no.4
• /
• pp.619-627
• /
• 1999

다분야 통합 시스템의 설계문제는 다량의 설계변수와 구속조건으로 구성되며 다수의 공학적 현상으로 연관되어 있다. 다분야 통합 최적설계 문제를 효과적으로 다루기 위해서는 다양한 해석분야의 공학적 설계원리를 동시에 고려하여 균형 있고 유기적인 방법으로 최적의 설계를 결정하는 체계적인 설계자동화기술이 요구된다. 다분야 통합 설계문제를 위한 효율적인 설계방법론으로 분리기반 최적화 기법이 적용되는데 이 방법은 한 단위의 대규모 설계문제를 여러 개의 하부시스템으로 분리하여 독립적으로 최적화를 수행하고 각 하부 시스템으로부터의 설계해 사이의 중재 및 통합화를 거쳐 최종적으로 수렴된 최적설계를 찾는 방법이다. 본 논문에서는 분리기반 최적화기법을 다분야 통합최적 설계문제에 적용하는데 필요한 시스템분리기법을 유전알고리즘 및 다층 역전 파 신경회로망을 이용하여 정립하였다. 시스템분리기법을 검증하기 위해 최근 미국 Boeing사에서 개발중인 고속 민간항공기인 HSCT의 시뮬레이션기반 설계문제를 이용하였다. 대규모 설계시스템의 분리결과는 전체 설계문제의 특성을 파악하기 위한 자료로 활용되며 향후, 분리기반 최적화과정에서 최종적으로 통합된 최적설계를 탐색하는데 필요한 기반구조를 제공한다.

• Journal of Intelligence and Information Systems
• /
• v.3 no.2
• /
• pp.11-22
• /
• 1997

본 연구에서는 비선형 최적화 문제를 효율적으로 해결하기 위한 혼합유전알고리즘(Hybrid Genetic Algorthm : HGA)을 개발하였다. HGA는 기존 유전알고리즘의 적용에 있어 문제점으로 지적된 정밀도의 적용문제와 벌금함수의 사용을 배제하였으며 지역적최적점으로 빠르게 수렴하는 기존의 지역적 탐색법과 유전알고리즘 적용이후 수렴된 해 주변에 대한 정밀탐색법을 함께 고려하여 설계하였으며 이를 세가지의 비선형 최적화 문제 적용하여 본 논문에서 개발한 HGA의 유효성을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.241-243
• /
• 2004

실제 응용에서 제기되는 많은 최적화 문제는 실제로 여러 개의 목적함수를 가진 최적화 문제로 분류될 수 있다. 이러한 다중 목적함수 최적화 문제에 적용되온 방법 중에서 다중 목적함수 진화 알고리즘은 해집합을 이용한다는 특성 및 목적함수 처리의 용이성 때문에 많은 연구가 이루어지고 있다. 본 논문에서는 대표적인 다중 목적함수 진화 알고리즘이라 할 수 있는 입실론-다중 목적함수에 대하여 다양한 최적화 문제에 대하여 실험적으로 비교 분석해 보았다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.30 no.2
• /
• pp.83-88
• /
• 2007

본 논문에서 선형함수의 곱의 형태로 표현된 비선형 함수를 목적식 또는 제약식에 가지는 비선형 최적화 문제를 새로운 변수를 추가하여 선형 Relaxation 최적화 문제로 Reformulation 하는 기법을 소개한다. 특히, 선형함수의 곱의 형태를 가지는 비선형 함수를 포함하는 비선형 정수 최적화 문제를 선형 정수 최적화 문제로 Relaxation할 경우 두 최적화 문제의 해가 일치함을 보인다. 또한 소개된 Relaxation 기법을 응용하여, 추가되는 변수의 수를 증가시킴으로서, 보다 Tight한 Relaxation 문제를 도출하는 과정에 대하여 소개한다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.27 no.9
• /
• pp.816-823
• /
• 2000

상위단계 합성에서 데이터 저장을 위한 메모리 할당 문제는 중요하게 다루어지는 영역의 하나이다. 이 논문에서는, 다중포트(multiport)메모리 할당 문제에 대한 새로운 방법을 제안한다. 문제의 복잡도를 줄이기 위해, 기존의 연구들은 요약하면, 두 단계의 과정으로 이루어지고 있다. 첫 번째 단계에서는 변수들을 몇 개씩 묶어서 하나의 메모리를 형성한다. (즉 메모리 최적화 문제를 푼다.) 두 번째 단계에서는 메모리들과 기능모듈들 간의 연결선을 최적화시킨다. (즉, 연결선 최적화 문제를 푼다) 이 경우 심각한 단점은 연결선의 비용을 최소화하는 데는 한계가 있다는 것이다. 다시 말해, 연결선의 비중이 점점 중요하게 되어지는 설계 추세에서 기존의 방법은 다중포트 메모리 사용을 통해 얻을 수 있는 연결선 최소화를 극대화하는데 한계가 있음을 뜻한다. 이를 극복하기 위해, 우리는 새로운 할당 방법을 제시한다. 구체적으로 먼저, 연결선 최소화를 해결하고, 그 다음에, 메모리 최적화를 시도한다. 또한 제안한 알고리즘은 연결선 최소화 과정 동안 다음 단계에서 결정될 메모리 비용도 적절히 고려한다. 우리는 다양한 실험을 통해, 우리의 제안한 방법이 기존의 연구보다 상당히 효율적인 것임을 보인다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.21 no.2
• /
• pp.108-116
• /
• 1997

유전알고리즘은 진화원리에서 발견된 몇몇 특징들을 컴퓨터 알고리즘과 결합시켜 복잡한 최적화 문제를 해결하려는 도구로서 1975년 미국의 Holland 교수에 의해 처음으로 개발되었다. 주어진 문제에서 탐색환경이 다변수 또는 다봉(multi-modal)이 되어 대단히 복잡하거나 또는 부분적으로 알려질 경우는, 구배(gradient)에 기초한 재래식 방법을 사용하여 최적화하는 것은 매우 어렵게 되고 경우에 따라서는 불가능할 수도 있다. 이러한 이유로 유전알고리즘과 같은 강인한 탐색법이 요구된다. 유전알고리즘의 장점은 연속성(continuity), 미분가능성(differentiability), 단봉성(unimodality) 등과 같이 탐색공간에 대한 제약으로부터 자유롭다는 것이다. 다시 말하면 목적함수 외 탐색공간에 대한 사전지식을 필요로 하지 않고, 매우 크고 복잡한 공간일지라도 전역해 쪽으로 수렴해 갈수 있다는 것이다. 이러한 특성 때문에 유전알고리즘은 실제 환경에서 많은 복잡한 최적화 문제를 해결하는 방법으로 인정을 받고 있으며, 함수의 최적화, 신경회로망의 학습, 동적시스템의 식별및 제어, 신호처리등 여러 분야에 성공적으로 응용되고 있다. 이러한 중요성에 비해 유전알고리즘에 대한 연구는 국내적으로는 아직 미진한 수준이나 최근 이에 대한 관심이 고조되고 있으며, 또한 그 응용분야도 점점 넓어져 이론 개발과 실질적인 응용에 확산되리라 생각된다. 따라서 본 해설기사는 유전알고리즘의 원리와 응용 사례를 살펴봄으로서 최적화 문제를 해결하려는 독자들에게 조금이나마 도움을 주고자 한다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2639-2641
• /
• 2003

유전자 알고리즘은 다윈의 자연선택설과 유전자의 진화 개념을 이용한 적응 탐색 알고리즘으로 적용하고자 하는 문제의 매개 변수를 유전자와 비슷한 데이터 구조로 부호화하고, 유전 연산자를 이용하여 문제의 해답을 찾는 알고리즘이다. 최근 유전자 알고리즘은 이러한 복수개의 목적 함수를 최적화 하기 위한 다중 최적화 문제를 위한 최적화 기술로서의 관심이 크게 다루어지고 있으며 전송 문제, 생산 공정 문제 계획 등과 같은 다목적 함수를 다루는 많은 응용 부분에 대해 적용되고 있다. 본 논문에서는 기본적인 다중 목적 함수용 예와 Gen과 Kim이 제안한 네트워크 신뢰도를 고려한 연결 비용과 메시지 지연을 고려한 이중 구속 통신망 설계 문제를 가지고 가중치 합과 여러 가지 파레토 방법들을 비교하고 연구 검토 하고자 한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.483-487
• /
• 2005

본 논문에서 우리는 최적화 문제를 효율적으로 해결하기 위한 새로운 유전 알고리즘을 제안하였다. 새로운 유전 알고리즘의 가장 큰 특징은 서로 다른 목적을 가진 2개의 집단을 가지고 진화를 수행한다는 점이다. 하나의 집단은 일반적인 유전 알고리즘의 그것과 비슷하지만, 좋은 영역의 탐색에 집중하는 경향을 보이며 다른 하나의 집단은 이러한 좋은 영역에의 집중 시 나타날 수 있는 조기 수렴 문제를 보완하기 위해 탐색을 다각화 하는 방향으로 진화한다. 몇 가지 최적화 문제에 대한 실험 결과 이러한 특성이 다른 2개 집단에 의한 진화 방법이 문제 해결에 도움이 됨을 확인할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.6
• /
• pp.491-496
• /
• 2002

Multi-objective Optimization Problems(MOPs) are occur more frequently than generally thought when we try to solve engineering problems. In the real world, the majority cases of optimization problems are the problems composed of several competitive objective functions. In this paper, we introduce the definition of MOPs and several approaches to solve these problems. In the introduction, established optimization algorithms based on the concept of Pareto optimal solution are introduced. And contrary these algorithms, we introduce theoretical backgrounds of Nash Genetic Algorithm(Nash GA) and Evolutionary Stable Strategy(ESS), which is the basis of Co-evolutionary algorithm proposed in this paper. In the next chapter, we introduce the definitions of MOPs and Pareto optimal solution. And the architecture of Nash GA and Co-evolutionary algorithm for solving MOPs are following. Finally from the experimental results we confirm that two algorithms based on Evolutionary Game Theory(EGT) which are Nash GA and Co-evolutionary algorithm can search optimal solutions of MOPs.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.35 no.3
• /
• pp.212-217
• /
• 2007

The Alienor method is a powerful tool for solving global optimization problems. It allows the transformation of a multi-variable problem into a new one that depends on a single variable. Any one-dimensional global optimization method can then be used to solve the transformed problem. Several one-dimensional global optimization methods coupled with the Alienor method have been suggested by mathematicians and it is shown that the suggested methods are successful for test functions. However, there are problems with these methods in engineering practice. In this paper, Lipschitzian optimization without using the Lipschitz constant is coupled with the Alienor method and applied to the test functions. Using test functions, it is shown that the suggested method can be successfully applied to global optimization problems.