• 한국정보처리학회논문지
• /
• 제6권4호
• /
• pp.959-968
• /
• 1999

기존의 많은 논문에서는 병렬휴리스틱법(Parallel Heuristics) 또는 몇 개의 휴리스틱법을 결합하는 하이브리드 시스템(Hybrid system)이 보다 양질의 탐색 결과를 얻을 수 있음을 보고하고 있다. 그러나 단일 프로세스를 가진 범용 컴퓨터상에서의 병렬화와 하이브리드화는 지나치게 많은 탐색시간을 요구한다. 이러한 경우 탐색의 고속화를 위해서는 탐색법간의 보다 적절한 결합법이 요구된다. 이를 위한 방법론으로서 병렬프리스틱법의 고속화모델(Fast Model of Parallel Heuristics : FMPH)을 제안하고 있다. 유전적 알고리즘(Genetic algorithms)의 섬모델(Island Model)에 의거, 다양한 탐색 공간에서 선택된 우수한 엘리트해에 대해서만 선택적으로 국소탐색(local search)의 능력이 뛰어난 타부 탐색법을 도입한다. 본 논문에서는 NP-hard문제 중에서도 가장 어려운 문제로 평가되는 잡숍 스케쥴링 문제(Job-Shop scheduling Problem)에 대해 적용한 병렬프리스틱법의 고속화 모델을 소개하며 모델의 범용성을 입증하기 위해 유명한 벤치마크 문제에 적용하여 얻은 뛰어난 결과를 보고한다.

• 한국시뮬레이션학회논문지
• /
• 제19권2호
• /
• pp.91-98
• /
• 2010

기존의 경로 찾기는 장애물을 피하는 짧은 경로를 찾는 것에 집중되어 왔다. 그러나 컴퓨터 게임이 점점 복잡해지면서 경로 찾기에 매복지점이나 적으로부터의 가시성과 같은 전술적 정보를 포함하는 것이 요구되고 있다. 이와 같은 정보를 경로 찾기에 반영하는 한 가지 방법은 탐색 알고리즘의 휴리스틱 함수를 전술들의 가중치 합으로 나타내는 것이다. 본 논문에서는 주어진 전술적 정보에 대해 경로 찾기를 최적화하도록 휴리스틱을 학습하는 문제를 다룬다. 여기서 학습이란 휴리스틱 함수를 위한 좋은 가중치 벡터를 찾아내는 것을 의미한다. 학습용 훈련 예제는 게임 레벨 설계자가 제공하며 매 탐색 레벨마다 실제 탐색결과와 비교되어 가중치를 갱신하는데 사용된다. 본 논문에서는 전술적 경로 찾기를 위해 탐색과 결합된 학습 알고리즘을 제안한다. 가중치를 갱신하는데 사용된 퍼셉트론 유사 방법을 설명하며 이를 구현한 시뮬레이션 도구를 소개한다. 시뮬레이션 도구에서는 레벨 설계자가 캐릭터의 특성에 따라 바람직한 이동경로를 제시할 수 있고, 이를 훈련 예제로 이용하여 가중치를 학습하며 훈련에 따라 변화하는 경로의 자취를 보여주는 기능을 제공한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 추계학술발표논문집 (상)
• /
• pp.307-310
• /
• 2002

인공지능 로봇 계획 문제는 초기상태, 동작, 목적상태로 구성되며, 초기상태를 목적상태로 변화시키는 일련의 동작을 찾는 문제로서, 지수 복잡도 문제이다. 이러한 문제에 대한 접근 방법으로 인공지능 탐색이 널리 쓰인다. 본 논문에서는 아일랜드 탐색을 사용하는 방법을 소개한다. 아일랜드 탐색을 적용하려면 초기상태에서 목적상태로 변환하는 도중 꼭 거쳐야 하는 아일랜드를 제공해야 한다. 그러나 그러한 아일랜드를 찾는 것은 불가능한 일이다. 그러므로, 본 논문에서는 선취관계를 이용하여 적당한 아일랜드를 생성하여 사용한다. 로봇 계획 문제의 목적 상태를 구성하는 부분목적 사이에 어떤 부분 목적이 반드시 다른 어떤 부분 목적 보다 먼저 성취되어져야 하는 관계를 선취관계라 한다. 아일랜드를 프로세서 수만큼 생성하여, 각 프로세서에 하나의 아일랜드를 원래의 계획 문제와 함께 할당한다. 각 프로세서는 초기상태에서 아일랜드까지 가는 문제를 휴리스틱 방법으로 풀고, 아일랜드에서 목적 상태로 도달하는 문제를 또한 휴리스틱 방법으로 풀어 결합함으로써 원래의 문제에 대한 해를 구하여 주 프로세서에게 되돌려 준다. 주 프로세서는 되돌아 온 해 중에서 가장 효율적인 해를 선택하여 최적해를 찾는다.

• 정보처리학회논문지B
• /
• 제18B권1호
• /
• pp.29-38
• /
• 2011

계획 문제 명세로부터 영역-독립적인 휴리스틱을 유도해내기 위해서는 주어진 계획문제에 대한 간략화와 간략화된 계획문제에 대한 해 도출 과정이 요구된다. 본 논문에서는 초기 상태의 불확실성과 비결정적 동작 효과를 모두 포함한 조건부 계획문제를 풀기 위한 새로운 융합 계획그래프와 이것을 이용한 GD 휴리스틱 계산법을 소개한다. 융합 계획그래프는 고전적 계획 문제 풀이를 위한 휴리스틱 계산에 이용되는 간략화된 계획그래프를 조건부 계획문제에 적용할 수 있도록 확장한 자료구조이다. 융합 계획그래프에서는 감지 동작과 비결정적 동작들을 포함한 조건부 계획 문제에 대한 휴리스틱을 얻기 위해, 전통적인 삭제 간략화외에도 감지 동작과 비결정적 동작들에 대한 효과-융합 간략화를 추가로 이용한다. 융합 계획 그래프의 전향 확장과 병행적으로 진행되는 GD 휴리스틱 계산에서는 목표조건들 간의 상호 의존성을 분석하여 전체 목표 집합에 대한 최소 도달비용을 추정할 때 불필요한 중복성을 배제한다. 따라서 GD 휴리스틱은 기존의 겹침 휴리스틱보다 더 적은 계산시간 을 요구하면서도, 최대 휴리스틱이나 합산 휴리스틱보다 더 높은 정보력을 가진다는 장점이 있다. 본 논문에서는 GD 휴리스틱의 정확성과 탐색 효율성을 확인하기 위한 실험적 분석에 대해 설명한다.

• 한국산학기술학회논문지
• /
• 제7권1호
• /
• pp.89-95
• /
• 2006

공급사슬망에서 분산되어있는 제조시스템에 대한 생산 계획수립은 공급사슬관리의 주요 연구분야 중의 하나이다. 본 논문은 공급사슬망에서 자원제약을 갖는 다단계 다품목 로트사이즈 결정 문제(Multi-Level, multi-item Capacitated Lot Sizing Problem: MLCLSP)를 위한 알고리즘을 제시한다. MLCLSP는 MIP(mixed integer program) 문제에 해당한다. 제안된 알고리즘은 휴리스틱과 최적화 패키지인 LINGO를 이용해 서로 반복적인 방식으로 해를 풀어나가는 혼성적인 성격을 갖는다. 휴리스틱을 이용하여 정수형 변수를 결정한 후, 얻게 되는 LP(linear program) 문제를 LINGO를 이용하여 해를 개선해 나가는 방식을 기본으로 한다. 본 논문에서는 탐색 휴리스틱 기법으로 임의 재시작 타부탐색 알고리즘을 제시한다. 다양한 시나리오의 실험을 통해 제안된 알고리즘들의 성능을 평가한다.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2367-2372
• /
• 2009

최근 단말기 기반의 경로 탐색에서도 동적인 정보를 반영하기 위한 연구가 진행되고 있다. 제시하는 대부분의 알고리즘은 $A^*$알고리즘을 기반으로 한다. 휴리스틱을 이용한 알고리즘에서는 탐색 비용이 증가하는 문제가 발생할 수 있다. 추상 그래프는 실제 도로 네트워크를 단순화한 그래프로, 휴리스틱 의존성과 탐색 비용을 줄이기 위해 제안된 방법이다. 이 논문에서는 생성방법이 다른 두 가지의 추상 그래프를 이용하여 성능 평가하였다. 추상 그래프는 생성 방법에 따라 동일 특성 노드 합병을 통한 추상 그래프($AG^H$)와 연결 노드 합병을 통한 추상 그래프($AG^C$)로 구별된다. 성능 실험 결과 생성 비용과 노드 접근 비용 측면에서 $AG^C$가 좋은 성능을 보였지만, 탐색된 경로의 이동시간측면에서는 $AG^H$가 좋은 성능을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.137-141
• /
• 2005

최적경로를 탐색하기 위해서는 출발지와 목적지간의 거리뿐만 아니라 탐색 되어지는 구간에 존재하는 많은 교통 상황들을 파악하고 이를 경로 탐색에 활용하여야 한다. 그러나 기존의 경로 탐색 알고리즘은 이러한 교통상황들을 적절히 이용하지 못하고 있다. 이 논문에서는 새로운 최적 경로 알고리즘을 제안한다. 알고리즘은 최적경로를 검색하기 위해 교통상황을 충분히 고려하고, 연산비용을 줄이기 위해 도로를 그리드 형태로 나누어 각각의 평균 속도를 가지고 휴리스틱을 부여한다. 또한 알고리즘의 전체 수행시간, 노드 접근 횟수, 최적경로의 정확도를 항목으로 하는 실험을 수행하여 기존의 탐색 알고리즘인 Dijkstra 알고리즘과 $A^*$알고리즘과의 성능평가를 실시하였다. 설험 결과 제안한 알고리즘이 타 알고리즘에 대해 좋은 성능을 보여주었다. 제안한 알고리즘은 향상된 응용을 지원하는 텔레매틱스 시스템에 유용하게 사용될 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• 한국산학기술학회논문지
• /
• 제16권9호
• /
• pp.6290-6296
• /
• 2015

정보력이 높은 휴리스틱들은 해 계획을 찾기 위한 탐색을 보다 효율적으로 유도할 수 있다. 하지만 일반적으로, 계획 문제 명세로부터 이러한 정보력이 높은 휴리스틱을 추출하는 것은 매우 많은 계산 노력을 요구한다. 이러한 문제점들에 효과적으로 대처하기 위해서, 본 논문에서는 계획문제로부터 계획 수립을 보다 효율적으로 풀 수 있는 상태-동작 기반 계획 그래프와 동작-기반 휴리스틱을 제안한다. 상태-동작 기반 계획그래프는 계획문제 풀이를 위한 휴리스틱 계산에 이용되는 간략화된 계획그래프를 부속 목표와 목표조건들 간의 상호작용을 찾는데 적용할 수 있도록 확장한 자료구조로써, 상태-동작 기반 계획그래프를 이용하는 동작 기반 휴리스틱은 보다 효과적인 방법으로 부속 목표와 목표조건들 간의 상호작용을 찾아내고, 이들을 목표 도달 거리 계산에 이용한다. 따라서 동작-기반 휴리스틱은 종래의 최대 휴리스틱, 합산 휴리스틱 보다 더 높은 정보력을 가지며 겹침 휴리스틱보다 더 적은 계산 노력을 통해 동일한 결과를 얻을 수 있다. 본 논문에서는 동작-기반 휴리스틱을 계산하는 알고리즘을 제시하고, 동작-기반 휴리스틱의 정확성과 효율성을 알아보기 위한 실험적 분석에 대해 설명한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.436-439
• /
• 2005

로봇축구는 과거의 단순한 수비시스템 벗어나 지능적 공격시스템으로 점차 변하기 시작했다. 본 논문에서는 휴리스틱 탐색기법인 최고우선탐색기법을 사용하여 공격로봇의 경험을 통해 로봇 움직임의 최적해를 찾아내고, 각 로봇간의 동기화로 인한 전술변화에 대해 설명하고 있다. 로봇이 공격과정에서 수비하는 로봇을 피해 다른 로봇에게 공을 전달하고 그 로봇이 상황에 따라 공격과 수비의 변화를 주는 방식이다. 이 알고리즘을 적용하여 최적의 로봇축구에이전트 시스템의 행동상황을 추출하고, 시뮬레이션을 통해 그 전략의 유용성을 확인한다.