• 사물인터넷융복합논문지
• /
• 제10권6호
• /
• pp.151-165
• /
• 2024

지하 물류 네트워크 설계는 도시 지하 물류 시스템에서 중요한 단계로, 물류 효율을 높이고 운영 비용을 절감하기 위해 최적의 물류 네트워크 경로를 찾는 것을 목표로 한다. 그러나 지하 환경의 복잡성과 불확실성으로 인해 전통적인 설계 방법은 이를 효과적으로 해결하기 어려운 경우가 많다. 본 논문에서는 화이트 샤크 최적화 알고리즘(WSO)을 기반으로 한 개선된 화이트 샤크 최적화 알고리즘(LGWSO)을 제안하여 지하 물류 네트워크 경로를 설계했다. 제안된 방법은 먼저 지하 공간 모델을 구축한 후, LGWSO 알고리즘을 이용해 경로를 계획한다. 혼돈 초기화 방법과 가우스 변이 전략을 채택하여 알고리즘의 성능을 효과적으로 향상시켰다. 시뮬레이션 실험을 통해 제안된 알고리즘은 최적화 정확도, 수렴 속도 및 강건성 측면에서 뛰어난 성능을 보이는 것으로 검증되었다. 전통적인 설계 방법과 비교할 때, 본 방법은 복잡한 지하 환경에 더 적합하며 도시 물류 시스템의 지하 네트워크 설계에 최적화된 솔루션을 제공한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권11호
• /
• pp.833-841
• /
• 2001

본 논문에서는 진화프로그래밍에서 레비 확률분포(Levy probability distribution)를 사용한 돌연변이 연산의 유용성을 레비 돌연변이 연산 후의 변수의 평균변화율(mean square displacement) 및 유일성(distinctness) 등을 통하여 분석하였다. 레비 확률분포는 무한의 분산(infinite second moment을 가지는 확률분포로 쪽거리(fractal)와 연계되어 최근 연구가 활발히 진행되고 있는 확률분포이다. 레비 확률분포를 사용한 레비 돌연변이 연산은 변화가 작은 자손(offspring)뿐만 아니라 기존의 정규분포를 사용한 돌연변이 연산에 비하여 상대적으로 변화가 큰 자손을 생성할 수 있다. 이러한 사실에 기초하여 레비 돌연변이 연산은 보다 넓은 탐색 공간을 효율적으로 조사할 수 있음을 평균변화율 및 유일성 등의 조사를 통하여 수학적으로 증명하였다. 이를 통하여 진화 프로그래밍에서 레비 확률분포에 기초한 돌연변이 연산이 정규분포를 사용한 돌연변이 연산보다 다변량 함수의 최적화의 경우 일반적으로 효율적인 연산임을 알 수 있었다.

• 한국전자통신학회논문지
• /
• 제7권4호
• /
• pp.905-915
• /
• 2012

본 논문은 해양 USN 환경에서 수질환경의 온라인 정상 비정상 상태를 구분하기 위한 기법을 제안한다. 해양 수질 환경 인자의 정상 상태 집합을 정의하기 위해 정상 비정상 구분 특성을 갖는 인공면역시스템의 부정선택 알고리즘을 활용한다. 비정상 상태 구분을 위해 해양 USN 환경에서 센서를 통해 수집된 해양 수질 환경의 정상 집합 생성이 필요하다. 이를 위해 각 측정 인자에 대한 단위 데이터의 돌연변이와 해양 수질 상태를 각 요소의 논리곱적 관점에서 상태 데이터의 돌연변이를 기반으로 정상 집합을 생성한다. 생성된 정상 집합을 활용하여 비정상 상태를 구분한다. 이 과정을 가우시안 함수를 기반으로 돌연변이 된 정상 집합에 대하여 모의 실험을 제시한다. 이렇게 제안된 기법을 해양 수질 센서 로거단에 설치함으로써, 온라인으로 해양 수질 환경의 정상 인자를 모니터링 할 수 있다.

• Journal of Electrical Engineering and Technology
• /
• 제10권1호
• /
• pp.56-63
• /
• 2015

The optimization is an important role in wide geographical distribution of electrical power market, finding the optimum solution for the operation and design of power systems has become a necessity with the increasing cost of raw materials, depleting energy resources and the ever growing demand for electrical energy. In this paper, the real coded biogeography based optimization is proposed to minimize the operating cost with optimal setting of equality and inequality constraints of thermal power system. The proposed technique aims to improve the real coded searing ability, unravel the prematurity of solution and enhance the population assortment of the biogeography based optimization algorithm by using adaptive Gaussian mutation. This algorithm is demonstrated on the standard IEEE-30 bus system and the comparative results are made with existing population based methods.

• 전자공학회논문지S
• /
• 제34S권8호
• /
• pp.92-103
• /
• 1997

This paper proposes a new gray-level image segmentation method using GA(genetic algorithm) and an ACA(adaptive clustering algorithm). The solution in the general GA can be moving because of stochastic reinsertion, and suffer from the premature convergence problem owing to deficiency of individuals before finding the optimal solution. To cope with these problems and to reduce processing time, we propose the new GBR algorithm and the technique that resolves the premature convergence problem. GBR selects the individual in the child pool that has the fitness value superior to that of the individual in the parents pool. We resolvethe premature convergence problem with producing the mutation in the parents population, and propose the new method that removes the small regions in the segmented results. The experimental results show that the proposed segmentation algorithm gives better perfodrmance than the ACA ones in Gaussian noise environments.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.686-691
• /
• 2011

This study is concerned with the identification of fuzzy models. To address the optimization of fuzzy model, we proposed an improved space search evolutionary algorithm (ISSA) which is realized with the combination of space search algorithm and Gaussian mutation. The proposed ISSA is exploited here as the optimization vehicle for the design of fuzzy models. Considering the design of fuzzy models, we developed a hybrid identification method using information granulation and the ISSA. Information granules are treated as collections of objects (e.g. data) brought together by the criteria of proximity, similarity, or functionality. The overall hybrid identification comes in the form of two optimization mechanisms: structure identification and parameter identification. The structure identification is supported by the ISSA and C-Means while the parameter estimation is realized via the ISSA and weighted least square error method. A suite of comparative studies show that the proposed model leads to better performance in comparison with some existing models.

• 한국컴퓨터정보학회논문지
• /
• 제16권12호
• /
• pp.23-31
• /
• 2011

최적화 알고리즘의 하나로 제안한 단순 박테리아협동 최적화는 비교적 좋은 성능을 보였으나 개체가 한 번에 한 스텝씩 움직이는 것으로 말미암아 성능에 한계가 발생하였다. 이러한 문제를 해결하고자 개체에 등급을 매기고 등급별로 개체의 속력을 할당하는 방법을 제안하여 어느 정도의 성능향상을 보았다. 본 논문에서는 개체에 속력을 할당하는 방법에 추가적으로 성능향상을 위하여 기존의 진화적 최적화 알고리즘들이 많이 사용한 돌연변이를 새로 추가한 알고리즘을 제안한다. 새로 추가한 돌연변이에서는 적합도가 좋지 않은 일정 퍼센트의 개체를 해당 개체의 등급에 비례하는 영역내로 돌연변이를 일으킨다. 즉, 적합도가 낮아 등급이 낮으면 더 큰 표준편차의 가우시안 잡음을 섞어서 돌연변이를 발생한다. 결국 낮은 등급을 갖는 개체들은 부모로부터 멀리 떨어질 확률이 증가하게 된다. 이렇게 함으로서 개체가 지역 최적해 영역에 빠질 가능성을 줄이고 지역 최적해 영역에 빠져도 빠르게 나올 수 있는 가능성이 높아진다. 네개의 함수 최적화 문제에 적용해본 결과 개체 속력과 돌연변이를 함께 적용했을 경우에 성능이 향상되는 것을 보았다. 다만, 아주 복잡도가 높은 함수에서는 반드시 좋아지지 만은 않았는데, 추후 이를 해결하기 위한 다른 방법을 고안해야할 것으로 판단된다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.171-176
• /
• 2022

A dramatic rise in the number of people dying from heart disease has prompted efforts to find a way to identify it sooner using efficient approaches. A variety of variables contribute to the condition and even hereditary factors. The current estimate approaches use an automated diagnostic system that fails to attain a high level of accuracy because it includes irrelevant dataset information. This paper presents an effective neural network with convolutional layers for classifying clinical data that is highly class-imbalanced. Traditional approaches rely on massive amounts of data rather than precise predictions. Data must be picked carefully in order to achieve an earlier prediction process. It's a setback for analysis if the data obtained is just partially complete. However, feature extraction is a major challenge in classification and prediction since increased data increases the training time of traditional machine learning classifiers. The work integrates the CNN-MDRP classifier (convolutional neural network (CNN)-based efficient multimodal disease risk prediction with TANFIS (tuned adaptive neuro-fuzzy inference system) for earlier accurate prediction. Perform data cleaning by transforming partial data to informative data from the dataset in this project. The recommended TANFIS tuning parameters are then improved using a Laplace Gaussian mutation-based grasshopper and moth flame optimization approach (LGM²G). The proposed approach yields a prediction accuracy of 98.40 percent when compared to current algorithms.