• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.523-530
• /
• 2007

This paper proposes a new stochastic optimization algorithm for hidden Markov models (HMMs) used as a recognizer of automatic lipreading. The proposed method combines a global stochastic optimization method, the simulated annealing technique, and the local optimization method, which produces fast convergence and good solution quality. We mathematically show that the proposed algorithm converges to the global optimum. Experimental results show that training HMMs by the method yields better lipreading performance compared to the conventional training methods based on local optimization.

• Journal of the Korea Society for Simulation
• /
• v.22 no.4
• /
• pp.21-28
• /
• 2013

This paper describes the method to solve the optimization problems for stochastic simulation which is represented by military simulations. For this reason, the test fitness function reflecting the characteristics of military simulations, complex and stochastic results, is defined and PSO is used to solve the test fitness function. To control the known weak point of PSO for stochastic simulations, this paper proposes a technique which reevaluates the value of global optimum. By using the technique, the result shows notable improvements. From the simulation results, interactions among the calculation conditions which affect the accuracy and speed of optimization are analyzed. And the strategy for the optimization of stochastic simulations is proposed.

• Journal of the Korea Society for Simulation
• /
• v.32 no.1
• /
• pp.23-34
• /
• 2023

The purpose of this paper is to review global stochastic optimization algorithms(GSOA) in case binary response experimentation is used and to compare the performances of them. GSOAs utilise estimator of probability of success $\^p$ instead of population probability of success p, since p is unknown and only known by its estimator which has stochastic characteristics. Hill climbing algorithm algorithm, simple random search, random search with random restart, random optimization, simulated annealing and particle swarm algorithm as a population based algorithm are considered as global stochastic optimization algorithms. For the purpose of comparing the algorithms, two types of test functions(one is simple uni-modal the other is complex multi-modal) are proposed and Monte Carlo simulation study is done to measure the performances of the algorithms. All algorithms show similar performances for simple test function. Less greedy algorithms such as Random optimization with Random Restart and Simulated Annealing, Particle Swarm Optimization(PSO) based on population show much better performances for complex multi-modal function.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.14 no.2
• /
• pp.213-224
• /
• 2001

확률론적 구조설계 최적화는 구조물의 역학적 특성이나 하중의 불확실성이나 임의성과 같은 변동성을 정량적이고 합리적으로 고려할 수 있다는 점에서 기존의 전통적인 확정론적 최적화와 비교된다. 확률론적 최적화의 방법론으로는 개선된 일계이차모멘트법을 이용하는 신뢰도지수에 기반한 접근법(MPFP search)이 널리 알려져 있으며, 최근 목표성능치에 기반한 접근법(MPTP search)이 새롭게 제안되었다. 본 논문에서는 이들 두 가지 접근법에 대한 정식화를 수행하고, 특히 탐색과정에서 소모적인 반복계산을 발견하고 제거하는 알고리즘을 제시하였다. 예제에서 두 접근법에 의한 확률론적 최적화를 수행하고 구조설계 최적화의 관점에서 두 접근법의 장단점을 비교·검토하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.8
• /
• pp.1393-1400
• /
• 2006

This paper optimizes the access probabilities (APs) in a network resource allocation scheme based on access probabilities in order that the waiting time and the blocking probability are minimized under the given constraints, and obtains its performance. In order to optimize APs, an infinite number of balance equations is reduced to a finite number of balance equations by applying Neuts matrix geometric method. And the nonlinear programming problem is converted into a linear programming problem. As a numerical example, the performance measures of waiting time and blocking probability for optimal access probabilities and the maximum utilization under the given constraints are obtained. And it is shown that the scheme with optimal APs gives more performance build-up than the strategy without optimization.

• Journal of KIISE:Software and Applications
• /
• v.34 no.3
• /
• pp.246-254
• /
• 2007

Local search algorithms start from a certain candidate solution and probe its neighborhood to find ones with improved quality. This paper proposes a method of probabilistically filtering out bad-looking neighbors based on a simple low-cost preliminary evaluation heuristics. The probabilistic filtering enables us to save time wasted on fully evaluating those solutions that will eventually be trashed, and thus improves the search efficiency by allowing us to spend more time on examining better looking solutions. Experiments with two large-scaled real-world problems, which are a traffic signal control problem in traffic network and a load balancing problem in production scheduling, have shown that the proposed method finds better quality solutions, given the same amount of CPU time.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.697-699
• /
• 2005

연속 변수 함수 최적화를 위한 진화 연산에서는 전통적으로 확률 분포를 도입하여 새로운 세대를 생성하는 기법을 사용하고 있다. 최근 들어 이러한 확률 분포를 개체군으로부터 추정하여 보다 효율적으로 최적화를 해결하려는 연구가 진행되고 있다. 본 논문에서는 variational 베이지안 혼합 인자 분석 기법(Bayesian mixtures of factor analyzers)을 사용한 개체군의 분포 추정을 통해 연속 변수 함수의 최적화 문제를 해결하는 방법을 제안한다. 이 기법은 혼합 분포의 개수 추정을 자동화하여 개체군의 다양성을 유지할 수 있기 때문에 지역 최적점으로 일찍 수렴하는 현상을 방지할 수 있으며, 세부 개체군 내의 분포 추정을 통해 탐색을 효율적으로 수행할 수 있다. 잘 알려진 평가 함수들에 대하여 다른 분포 추정 진화 연산과 비교하여 제안하는 방법의 우수성을 검증하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• Journal of Digital Convergence
• /
• v.12 no.7
• /
• pp.273-278
• /
• 2014

In vocabulary recognition using HMM(Hidden Markov Model) by model for the observation of a discrete probability distribution indicates the advantages of low computational complexity, but relatively low recognition rate. Improve them with a HMM model is proposed for the optimization of the Bayesian methods. In this paper is posterior distribution and prior distribution in recognition Gaussian mixtures model provides a model to optimize of the Bayesian methods vocabulary recognition. The result of applying the proposed method, the recognition rate of 97.9% in vocabulary recognition, respectively.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.392-395
• /
• 2009

응답면 기법을 활용하여 댐구조물과 같은 사회간접자본 시설물의 파괴확률을 구할 수 있다. 본 위험성 평가과정에서 응답면기법으로 구성한 한계상태 방정식을 유전자알고리즘의 적합도 방정식으로 사용하면, 핵심타입이나 지반종류, 지반다짐정도 등의 입력설계변수의 최적화 과정 속도를 더욱 신속화 시킬 수 있다. 제안된 응답면 기법과 유전자알고리즘의 복합해석기법은 신뢰성기반 최적화프로그램으로 기존의 유전자알고리즘의 수렴속도를 더욱 빠르게 하여주고, 특히 입력변수의 상하한계가 불확실한 경우에도 만족스러운 수렴성을 보장하여준다. 한계상태 방정식의 목표신뢰도 지수를 변화시켜면 해당하는 입력변수의 최적값을 출력하여주므로, 입력변수의 제약조건에 가격함수와 같은 가중치를 벌칙함수로 부여하면 가격최적화 프로그램으로 작용하게 되며, 시설물 운영자에게는 목표신뢰도에 대한 유지관리 기법과 정도를 의사결정 할 수 있도록 하여주는 기능을 가지게 된다. 조사된 많은 댐구조물의 파괴모드가 시간에 독립적으로 시공중 또는 시공완료 후 5년이내에 다수 발생하는바, 파괴모드를 조사하고 중요한 파괴모드인 파이핑 현상에 대해서 파괴확률을 계산하고 최적유지관리를 위한 개선된 유전자알고리즘 최적화 연산을 수행하였다. 기존 댐구조물과 같이 설계변수와 하중의 변동성을 알기가 어려운 경우에 유지관리비용 최소화를 위해서 본 제안 프로그램의 확장된 버젼은 중요한 기준을 제시하여줄 것으로 기대한다.