• Journal of the Korean Institute of Intelligent Systems
• /
• v.8 no.4
• /
• pp.27-35
• /
• 1998

Navigation is a method to direct a mobile robot without collision when traversing the environment. This is to reach a destination without getting lost. In this paper, global and local path planning in fixed obstacle and moving obstacle using genetic algorithm are presented. First, mobile robot searches optimal global path using genetic algorithm without falling into local minima. Then if it finds a unknown obstacle, it searches new path without crashing obstacle. Also if there is a moving obstacle, mobile robot searches new optimal path without colliding with the obstacles. Various simulation results show the proposed algorithm can search a shortest path effectively.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10a
• /
• pp.636-638
• /
• 1998

WDM망을 구성하는데 있어서 광학적 파장은 가장 중요한 자원의 하나이다. 그러나 주어진 통신 요구를 모두 수용하면서 동시에 최소한의 파장만을 사용하는 WDM망의 설계 문제는 이미 NP-complete 계열의 문제인 것으로 밝혀졌으며 많은 휴리스틱 알고리즘들이 제안되었다. 본 논문에서는 임의의 물리적 망 위상(topology)과 완전 연결(full connection)형태의 통신 요구가 주어질 경우, 요구되는 파장 경로(Wavelength Path, lightpath)를 확립하기 위한 방법으로써 각 노드 사이의 최단 거리 경로를 기반으로 하여 탐색 공간을 만들고 구성된 탐색 공간 내에서 Branch-and-bound 탐색방식을 수행하는 파장 경로 설정 알고리즘을 제안한다. Branch-and-bound탐색방식은 초기에 좋은 bound조건을 가질 경우 주어진 시간 안에 보다 넓은 탐색 공간을 검색할 수 있으므로 최초의 탐색에서 가능한 좋은 성능의 파장 경로 설정을 발견할 수 있어야한다. 시뮬레이션 실험을 통하여 최초의 탐색에서 발견한 파장 경로 설정과 구성된 탐색 공간내의 최적해를 얻고, cut-set를이용하여 요구 파장 개수의 하위 한계값을 계산한후, 이를 상호 비교하여 제안된 알고리즘의 성능을 평가한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.358-363
• /
• 2010

본 논문은 가정용 청소로봇이 대중화가 이루어지면서 많은 종류의 청소로봇들이 개발되고 있지만 대부분의 청소로봇들이 외부 환경과 상호적으로 대응하지 못하고 무작위 경로 생성에 가까운 알고리즘들을 적용하고 있는 점에서 착안하였다. 목표로 하고 있는 경로 탐색 기법은 대부분의 가정용 청소로봇이 장착하고 있는 범퍼 센서를 사용하여 논리적인 가상의 지도를 생성하고 이 정보를 활용하여 청소로봇의 위치를 파악하고 최적의 청소 경로를 생성하는 방법이다. 사람이 진공청소기를 사용하여 청소를 하듯이 청소할 공간을 파악하고 일련의 규칙대로 청소하는 무의식의 프로세스를 청소로봇이 최대한 유사하게 작동하기 위해서는 벽뿐만 아니라 소파나 테이블과 같은 로봇의 움직임을 방해하는 각종 요소들을 모두 고려해야 한다. 그러므로 본 논문에서는 Occupancy Grid Map을 생성하여 로봇이 장애물의 위치를 파악하고 청소 경로를 탐색할 수 있도록 한다. 그리고 이러한 경로 탐색 기법을 적용하기 위해서 Monte-Carlo Localization 알고리즘을 사용하며 생성된 Occupancy Grid Map을 통하여 로봇이 자체적으로 위치를 파악할 수 있도록 한다. 청소로봇이 자체의 위치를 파악하게 되면 로봇의 크기와 비교하여 움직일 수 있는 공간과 움직이지 못하는 공간을 구별하여 이동 가능한 영역과는 별개로 청소를 위한 경로 탐색을 수행할 수 있다. 청소를 목적으로 하는 경로 탐색은 청소 영역을 최대화하면서 최적의 경로를 탐색하고 Localization을 통해 해당 경로를 유지하면서 이동할 수 있게 된다. 이러한 경로 탐색 기법을 제시하면서 기존의 청소로봇들과의 알고리즘 차원에서의 비교 및 그 성능 평가는 향후 연구에서 해결하도록 한다.

• Journal of Korea Game Society
• /
• v.9 no.4
• /
• pp.81-88
• /
• 2009

In this paper, I suggested a way for searching a path of the intelligent character in an action game by using a genetic algorithm. This realized the algorithm which enables not only to chose the nearest path but also to search the optimum path by using genetic algorithm. In this case, if the codes of chromosomes are applied as they are, a lot of lethal genes could occur. In order to solve such a problem, I used a splicing method, one of the DNA's behavior characteristics. The intelligent character searched out a optimum pass as well as a shortcut path with one treatment by using the characteristic of a genetic algorithm which generates multiple candidate solutions in the search process.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.12 no.12
• /
• pp.2343-2348
• /
• 2008

Ant algorithm is new meta heuristic for hard combinatorial optimization problem. It is a population based approach that uses exploitation of positive feedback as well as greedy search. It was first proposed for tackling the well known Traveling Salesman Problem. In this paper, we propose the improved $AS_{rank}$ algorithms. The original $AS_{rank}$ algorithm accomplishes a pheromone updating about only the paths which will be composed of the optimal path is higher, but, the paths which will be composed the optimal path is lower does not considered. In this paper, The proposed method evaporate the pheromone of the paths which will be composed of the optimal path is lowest(worst tour path), it is reducing the probability of the edges selection during next search cycle. Simulation results of proposed method show lower average search time and average iteration than original ACS.

• Journal of Korea Game Society
• /
• v.19 no.6
• /
• pp.83-90
• /
• 2019

Heuristic based Genetic Algorithm Pathfinding(H-GAP), a method without the need for node and edge information, can compensate the disadvantages of existing pathfinding algorithm, and perform the path search at high speed. However, because the pathfinding by H-GAP is non-node-based, it may not be an optimal path when it includes unnecessary path information. In this paper, we propose an algorithm to optimize the search path using H-GAP. The proposed algorithm optimizes the path by removing unnecessary path information through ray-tracing algorithm after the H-GAP path search is completed.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.18 no.5
• /
• pp.91-99
• /
• 2019

Existing node-to-node based optimal path searching is built on the assumption that all destination nodes can be arrived at from an origin node. However, the recent appearance of the adaptive path search algorithm has meant that the optimal path solution cannot be derived in node-to-node path search. In order to reflect transportation data at the links in real-time, the necessity of the node-to-link (or link-to-node; NL) problem is being recognized. This research assumes existence of a network with link-label and non-additive path costs as a solution to the node-to-link optimal path problem. At the intersections in which the link-label has a turn penalty, the network retains its shape. Non-additive path cost requires that M-similar paths be enumerated so that the ideal path can be ascertained. In this, the research proposes direction deletion and turn restriction so that regulation of the loop in the link-label entry-link-based network transformation method will ensure that an optimal solution is derived up until the final link. Using this method on a case study shows that the proposed method derives the optimal solution through learning. The research concludes by bringing to light the necessity of verification in large-scale networks.

• 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 Digital Contents Society
• /
• v.13 no.3
• /
• pp.451-457
• /
• 2012

Recently, as the use of real time traffic information of a car navigation system increases rapidly with the development of Intelligent Transportation Systems (ITS), path search is getting more important. Previous algorithms, however, are mostly for the shortest distance searching and provide route information using static distance and time information. Thus they could not provide the most optimal route at the moment which changes dynamically according to traffic. Accordingly, in this study, Semantic Shortest Path algorithm with Reduction ratio & Distance(SSP_RD) is proposed to solve this problem. Additionally, a routing model based on velocity reduction ratio and distance and a dynamic route link map are proposed.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.4
• /
• pp.361-365
• /
• 2002

오랜 세월동안 위대한 이동수단을 만들어내고자 하는 인간의 꿈은 오늘날 눈부신 각종 운송기구를 만들어 내는 결실을 얻고 있다. 자동차 네비게이션 시스템도 그러한 결실중의 한 예라고 할 수 있을 것이다. 지능적으로 판단하고 정보를 처리할 수 있는 자동차 네비게이션 시스템을 부착함으로써 한 단계 발전한 운송수단으로 진화할 수 있을 것이다. 이러한 자동차 네비게이션 시스템의 단점이라면 한정된 리소스만으로 여러 가지 작업을 수행해야만 하는 어려움이다. 그래서 네비게이션 시스템의 주요 작업중의 하나인 경로를 추출하는 경로추출(Route Planning) 작업은 한정된 리소스에서도 최적의 경로를 찾을 수 있는 지능적인 방법이어야만 한다. 이러한 경로를 추출하는 작업을 하는데 기존에 일반적으로 쓰였던 두 가지 방법에는 Dijkstra s algorithm과 A*algorithm이 있다. 이 두 방법은 최적의 경로를 찾아낸다는 점은 있지만 경로를 찾기 위해서 알고리즘의 특성상 각각, 넓은 영역에 대하여 탐색작업을 해야 하고 또한 수행시간이 많이 걸린다는 단점과 또한 경로를 계산하기 위해서 Heuristic function을 추가적인 정보로 계산을 해야 한다는 단점이 있다. 본 논문에서는 적은 탐색 영역을 가지면서 또한 최적의 경로를 추출하는데 드는 수행시간은 작으며 나아가 동적인 교통환경에서도 최적의 경로를 추출할 수 있는 최적 경로 추출방법을 강화학습의 일종인 Q- Learning을 이용하여 구현해 보고자 한다.