• 한국산학기술학회논문지
• /
• 제21권2호
• /
• pp.8-18
• /
• 2020

본 연구에서는 기존의 Harmony Search(HS)의 성능을 강화한 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)를 개발하였다. EBHS-CGS는 HS의 성능 강화를 위해 총 두 가지 방법을 추가하였다. 첫 번째 방법은 지역탐색을 강화하기 위한 Bandwidth(bw) 개량방안이다. 이 방법은 기존 bw를 지수형태의 bw로 대체하여 적용함으로써 반복시산이 진행되면서 bw값을 줄인다. 이러한 형태의 bw는 정밀한 지역탐색을 가능하고, 이를 통해 알고리즘은 더욱 정밀한 값을 구할 수 있다. 두 번째 방법은 효과적인 전역탐색을 위한 탐색범위 축소이다. 이 방법은 Harmony Memory(HM) 내에서 가장 좋은 결정변수를 고려하여 탐색범위를 축소한다. 이를 Centralized Global Search(CGS)라 하며, 이 과정은 새로운 매개변수 Centralized Global Search Rate(CGSR)에 의해 HS의 전역탐색과는 별도로 진행된다. 축소된 탐색범위는 효과적인 전역탐색을 가능하게 하며, 이를 통해 알고리즘의 성능이 향상된다. EBHS-CGS를 대표적인 최적화 문제(수학 및 공학 분야)에 적용하고, 그 결과를 HS와 Improved Harmony Search(IHS)와 비교하여 제시하였다.

• 한국수자원학회논문집
• /
• 제53권8호
• /
• pp.597-604
• /
• 2020

하도홍수추적을 위한 수문학적 방법인 머스킹검 방법은 유입량, 유출량 그리고 저류량의 관계를 활용하여 유출량을 예측하는 방법이다. 머스킹검 방법에 관한 많은 연구가 진행되면서 필요한 매개변수들은 점점 늘어나게 되었고, 많은 매개변수로 인해 계산과정이 복잡해졌다. 이러한 문제를 해결하기 위해 최적화 알고리즘을 머스킹검 방법의 매개변수 산정에 적용하였다. 본 연구는 Advanced Nonlinear Muskingum Model considering continuous flow (ANLMM-L)를 Wilson 홍수자료와 Sutculer 홍수자료에 적용하여 Linear Munsingum Model incorporating Lateral flow (LMM-L)과 Kinematic Wave Model (KWM)의 결과와 비교하였다. 관측 유출량과 모의 유출량과의 비교를 위한 지표로 Sum of Squares (SSQ)를 사용하였다. Exponential Bandwidth Harmony Search with Centralized Global Search (EBHS-CGS)가 ANLMM-L의 매개변수 산정에 적용되었다. Wilson 홍수자료에 적용한 결과 LMM-L보다 ANLMM-L이 정확한 결과를 나타냈다. Sutculer 홍수자료에서는 ANLMM-L이 KWM보다 좋은 결과를 보이긴 했으나, Sutculer 홍수자료의 유량이 크기 때문에 Wilson 홍수자료의 경우에 비해 SSQ가 크게 나타났다. EBHS-CGS는 본 연구에서 적용한 머스킹검 홍수추적뿐만 아니라 다양한 수자원 공학 문제에 적용할 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.61-73
• /
• 2021

메타휴리스틱 탐색법은 주어진 정보의 부족 및 시간의 제약을 받는 상황에서 다양한 목적함수를 가진 문제를 해결하기 위해 개발되었다. 본 연구에서는 기존의 최적화 알고리즘인 Vision Correction Algorithm(VCA)의 성능을 강화한 Hybrid Vision Correction Algorithm(HVCA)을 개발하였다. HVCA는 기존의 알고리즘의 성능을 개선하기 위해 두 가지 방법을 적용하였다. 첫 번째 방법으로 사용자가 입력해야 하는 매개변수를 자가적응형 매개변수로 개선하였다. 두 번째 방법으로 Exponential Bandwidth Harmony Search With Centralized Global Search(EBHS-CGS)의 CGS 구조를 HVCA에 추가하였다. CGS 구조의 추가로 인해 HVCA 내부는 CGS와 VCA의 두 가지 구조로 구성되어 있다. 두 가지 구조를 효율적으로 사용하기 위해 반복시산을 진행하면서 최적값이 나오는 구조의 선택확률을 증가시키는 방법을 적용하였다. 제안된 HVCA의 성능을 확인하기 위해 최적화 문제에 적용하고, 그 결과를 Harmony Search(HS), Improved Harmony Search(IHS) 및 VCA와 비교하여 나타내었다. 적용결과 수학문제와 공학문제에서 HVCA는 HS, IHS 및 VCA보다 최적값 및 100번의 반복실행 중 최적값을 찾는 횟수가 많았으며, 최적값에 수렴하는 반복시산횟수도 낮았다. 이를 통해 HVCA가 성능이 개선되었다는 것을 확인할 수 있었다. 제안된 HVCA는 적용한 수학문제 및 공학문제 이외에도 많은 분야에 대해 좋은 결과를 나타낼 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.196-196
• /
• 2021

상수관망은 많은 관을 통해 물의 수요가 있는 곳으로 물을 공급해주는 역할을 하는 사회기반 시설물이다. 상수관망 설계의 요점은 두 가지로 구분할 수 있다. 첫 번째 요점은 다양한 종류의 관배치로 인한 상수관망 설계안의 많은 경우의 수이다. 두 번째 요점은 상수관망 내 절점의 최저 요구수압 등의 제약조건이다. 두 가지 요점이 있는 상황에서 상수관망 설계비용의 최소화를 위한 상수관망 최적설계는 많은 계산이 요구된다. 많은 계산이 요구되기 때문에 상수관망 최적설계에 최적화 기법을 적용할 수 있다. 본 연구에서 상수관망 최적설계를 위해 적용된 최적화 기법은 Hybrid Rate(HR)를 개선한 Hybrid Vision Correction Algorithm(HVCA)이다. HVCA는 Vision Correction Algorithm(VCA)을 기반으로 추가적인 전역탐색을 실행하는 Centralized Global Search(CGS)의 적용 및 자가적응형 매개변수인 Hybrid Rate(HR)를 적용하여 사용성과 성능을 개량한 알고리즘이다. HVCA의 기존 HR은 선형적으로 증가하는 형태이다. 선형적으로 증가하는 HR로 인해 HVCA는 최적해 탐색과정에서 지역해에 빠지는 문제가 발생하였다. HVCA의 문제를 해결하기 위해 HR을 비선형적으로 증가하는 형태로 개량하였다. HR이 개량된 HVCA를 수자원공학 문제인 상수관망 최적설계 문제에 적용하여 결과를 비교하였다. 적용결과 HR이 개량된 HVCA가 기존의 HVCA보다 낮은 설계 비용을 나타내었다. 상수관망 최적설계 적용결과를 바탕으로 HR이 개량된 HVCA는 상수관망 최적설계 이외의 수자원공학 문제에도 적용가능할 것이다.

• 한국수자원학회논문집
• /
• 제54권7호
• /
• pp.475-484
• /
• 2021

상수관망의 최적설계는 절점의 최소 요구 수압을 만족함뿐만 아니라 관로비용의 최소화 등을 목적으로 한다. 상수관망 설계안의 수는 다양한 관의 배치로 인해 기하급수적으로 증가한다. 상수관망 설계에서 최적화된 설계를 제안하기 위해 다양한 최적화 알고리즘들이 적용되었다. 본 연구에서는 상수관망 최적설계에 자가적응형 매개변수를 개선한 Modified Hybrid Vision Correction Algorithm (MHVCA)을 적용하였다. 기존 Hybrid Vision Correction Algorithm (HVCA)의 Hybrid Rate (HR)를 비선형적 HR로 수정하여 성능을 개선하였다. 제안된 MHVCA의 성능을 확인하기 위해 결정변수가 2개 및 30개로 구성된 수학문제와 제약조건이 있는 수학문제에 적용하였다. MHVCA의 적용결과를 검토하기 위해 Harmony Search (HS), Improved Harmony Search (IHS), Vision Correction Algorithm (VCA) 및 HVCA와 비교하였다. 최종적으로 MHVCA를 상수관망 최적설계 문제에 적용하여 결과를 다른 알고리즘들과 비교하였다. 수학문제 및 상수관망 설계 문제에서 MHVCA가 다른 알고리즘들에 비해 좋은 결과를 보여주었다. MHVCA는 본 연구에서 적용한 문제뿐만 아니라 다양한 수자원공학 문제에 적용하여 좋은 결과를 보여줄 수 있을 것이다.