• 대한교통학회지
• /
• 제24권6호
• /
• pp.103-117
• /
• 2006

본 연구에서는 개별 관광객을 Simulation하는 모형을 개발하고. 이를 이용해 첨단 관광정보시스템 하에서의 여행객의 관광지 선택행태 변화와 관광 수요 패턴의 변화를 분석하였다. 관광객의 여행계획 목적함수는 기대효용 최대화로 가정하였고, 교통망에서 순차적 방문 계획 해를 얻기 위해 Traveling Salesman Problem(TSP)을 이용하였다. 단 관광객들의 경우 하루 동안 주어진 여행시간과 여행예산의 제약이 존재하기 때문에, 제약이 존재하는 TSP. 즉 Prize-Collecting TSP를 이용하였으며, 하루 이상 관광지에 체류하는 관광객들의 여행계획 문제를 풀기위해 Prize-Collecting Multiple-Day TTaveling Salesman Problem(PC MD TSP)을 개발하였다 관광 정보의 형태는 사전정보, Oft-line 정보. On-line 정보로 구분하여, 전체 관광객들을 이용 가능한 정보 형태에 따라 3가지 계층으로 구분하였으며. Simulation을 통해 각 관광지의 관광객을 계산하였다. 개발된 모형을 통해 Ubiquitous 환경에서의 On-line 정보가 관광객들뿐만 아니라 관광지에도 수요증가에 따른 운영 이익 증대를 가져다 줄 수 있음을 확인하였다.

• 정보처리학회논문지B
• /
• 제12B권7호
• /
• pp.823-828
• /
• 2005

개미 군락 시스템 (Ant Colony System, ACS)은 조합 최적화 문제 중의 하나인 방문 판매원 문제에(Traveling Salesman Problem TSP) 간단하게 응용할 수 있고 좋은 결과를 보여주었다. 그러나 ACS는 작은 TSP에서는 최적해를 구하였지만, 큰 TSP에 대해서는 최적해를 구하지 못하였다. 본 연구에서는 큰 TSP에 대한 최적해를 찾기 위하여 개미들에게 좀 더 많은 정보를 주는 기법의 하나로 한 도시에서 다음 도시로의 탐색 경로를 결정할 때, 인접한 도시들에(adjacent neighbor) 대한 거리로만 결정하지 않고 길이가 w인 부경로(subpath)에 대한 정보를 미리 수집한 후, 이 정보를 이용하여 경로를 생성하였다. 실험 결과 본 연구에서 제안한 기법이 기존의 ACS 기법보다 큰 그래프에서 최적해(Known Optimal)에 가까운 경로를 찾는 것을 볼 수 있다. 그래프에 따라서는 기존의 ACS 기법보다 최대 $70\%$ 이상의 성능이 개선되었으며 평균적으로 $30\%$ 내외의 개선된 결과를 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (상)
• /
• pp.321-324
• /
• 2000

조합 최적화 문제인 Traveling Salesman problems(TSP)을 Genetic Algorithm(GA)[3]과 Local Search Heuristic Algorithm[8]을 이용하여 접근하는 것은 최적해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP문제를 해결하기 위한 또 다른 접근법으로, 다수의 Ant들이 Tour들을 찾는 ACS(Ant Colony System) Algorithms[4][6][7]을 소개하고, ACS에서 Global Optima를 찾는 과정에서, 이미 이루어져 있는 Ant들의 Tour결과들을 서로 비교한다. Global Updating Rule에 의해 Global Best Tour 에 속해 있는 각 Ant Tour의 edge들을 update하는 ACS Algorithm에, 각 루프마다 Ant Tour들을 우성과 열성 인자들로 구분하고, 각각의 우성과 열성 인자들에 대해서 Global Updating Rule에 기반한 가중치를 적용(Weight Updating Rule)하므로서 기존의 ACS Algorithm보다 효율적으로 최적 해를 찾아내는 방법에 대해서 논하고자 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권9호
• /
• pp.862-866
• /
• 2003

조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problem, TSP)를 유전자 알고리즘(Genetic Algorithm)과 Local Search Heuristic인 Lin-Kernighan(LK) Heuristic［1］을 이용하여 접근하는 것은 최적 해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP 문제를 해결하기 위한 또 다른 접근법으로 ACS(Ant Colony system) 알고리즘을 소개하고 새로운 페로몬 갱신 방법을 제시하고자 한다. ACS 알고리즘은 다수의 개미들이 경로를 만들어 가는 과정에서 각 에지상의 페로몬 정보를 이용하며, 이러한 반복적인 경로 생성 과정을 통해 최적 해를 발견하는 방법이다. ACS 기법의 전역 갱신 단계에서는 생성된 모든 경로들 중 전역 최적 경로에 속한 에지들에 대하여 페로몬을 갱신한다. 그러나 본 논문에서는 전역 갱신 규칙이 적용되기 전에 생성된 모든 에지에 대하여 페로몬을 한번 더 갱신한다. 이 때 페로몬 갱신을 위해 각 에지들의 발생 빈도수를 이용한다. 개미들이 생성한 전체 에지들의 발생 빈도수를 페로몬 정보에 대한 가중치(weight)로 부여함으로써 각 에지들에 대하여 통계적 수치를 페로몬 정보로 제공할 수 있었다. 또한 기존의 ACS 알고리즘보다 더 빠른 속도로 최적 해를 찾아내며 더 많은 에지들이 다음 번 탐색에 활용될 수 있게 함으로써 지역 최적화에 빠지는 것을 방지할 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.768-772
• /
• 2005

외판원문제(TSP)는 아직까지도 쉽게 풀리지 않는 NP-complete군에 속하는 어려운 문제이다. TSP의 결정적인 난점은 {0,1}의 정수해를 보장하면서 동시에 부분순환(sub-tour)을 피해야 한다는 점이다. 우리는 TSP를 두 단계로 나누어 탐색한다. 첫째, 초기해는 2개의 마디로 이루어진 최소단위의 부분순환에 가장 적은 비용의 마디를 하나씩 추가적으로 더하여 모든 마디가 포함될 때까지 반복하여 만든다. 둘째, 선택된 초기해의 마디를 임의의 단위로 잘라내어 그 개선비용이 음수인 경우 다른 마디 자리에 삽입함으로서 새로운 전체순환(grand tour)을 만들어 해를 개선한다. 우리는 최적해가 알려진 TSPLIB에 적용하여 그 결과를 비교하고 또한 랜덤하게 생성된 마디 200개까지의 TSP문제에 대하여 실험을 하였다. 대부분의 해는 최적해로부터 1% 이내의 결과로서 30분 이내에 얻을 수 있었다. 우리의 방법은 실용적인 문제에 적용할 수 있을 것으로 판단된다.

• Spatial Information Research
• /
• 제11권3호
• /
• pp.275-289
• /
• 2003

시스템은 관광정보를 효과적으로 제공하여, 관광자의 관광만족도를 향상시키는 것을 목적으로 한다. 본 연구에서는 지리정보시스템을 이용하여 개별 관광자들의 여행계획 수립을 돕는 관광안내 시스템을 개발하였다. 관광노선을 네트워크로 검색하고 분석하는 관광노선 안내 시스템을 개발하였다. 다수의 경유지를 최소 거리시간에 방문할 수 있는 TSP (Traveling salesman problem)을 네트워크 분석에 적용하였고, ArcGIS 8.3의 ArcObject 환경에서 시스템을 개발하였다. 개발된 시스템을 제주시의 자료에 적용하여 그 효용성을 평가하였다. 본 연구에서 개발한 관광노선 안내 시스템은 다음과 같은 점에서 의미가 있다. 첫째, 개발된 시스템은 제한된 시간 내에 무엇을 볼 것인가 라는 관광지 선택문제를 해결해준다. 둘째, 효율적 시간관리와 일정관리에 도움을 준다. 셋째, 낯선 장소에서의 활동에 대한 불안감을 낮추어 심리적 안정을 도모한다. 넷째, 그래픽적 표현 익숙한 관광자들에게 공간정보를 효과적으로 습득할 수 있도록 돕는다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2009년도 추계학술발표논문집
• /
• pp.574-577
• /
• 2009

본 논문은 외판원 문제(TSP: Traveling Salesman Problem)를 이용하여 로봇중심의 FMC(Flexible Manufacturing Cell)에서 반송 로봇의 작업순서를 설계하는 방법을 제시하였다. 이를 위해, 먼저 다수의 설비와 반송 로봇으로 구성된 대표적인 로봇 중심의 FMC를 가상으로 설계한 후, 실험계획법을 이용하여 다양한 조건에서의 주요 반응변수들의 인과관계를 규명하였다. 실험결과, 처리량, 반송로봇의가동률, 그리고 Buffer의 평균 대기 작업물의 수가 주요 반응변수들로 선정되었으며, 이를 기반으로 순서기반 조합최적화 문제인 TSP로 로봇 작업순서를 설계하였다. 제안한 방법과 기존의 방법을 비교하기 위해서 시뮬레이션을 수행 한 결과 제안된 TSP 방법이 기존의 방법 보다 반송 로봇의 교착 (Deadlock) 상태를 방지하여 처리량 등 주요 반응변수들 모두를 향상 시키는 결과를 가져왔다. 더불어,이 방법은 본 연구에서 제시한 FMC 뿐 아니라 반도체나 LCD(Liquid Crystal Display) 생산 공정과 같이 반송 로봇에 의해 구성되어 있는 장치 산업분야에 적용가능하다는 측면에서 큰 효과가 기대된다.

• 대한산업공학회지
• /
• 제32권1호
• /
• pp.61-73
• /
• 2006

This paper deals with traveling salesman problem(TSP) with the stochastic travel time. Practically, the travel time between demand points changes according to day and time zone because of traffic interference and jam. Since the almost pervious studies focus on TSP with the deterministic travel time, it is difficult to apply those results to logistics problem directly. But many logistics problems are strongly related with stochastic situation such as stochastic travel time. We need to develop the efficient solution method for the TSP with stochastic travel time. From the previous researches, we know that Q-learning technique gives us to deal with stochastic environment and neural network also enables us to calculate the Q-value of Q-learning algorithm. In this paper, we suggest an algorithm for TSP with the stochastic travel time integrating Q-learning and neural network. And we evaluate the validity of the algorithm through computational experiments. From the simulation results, we conclude that a new route obtained from the suggested algorithm gives relatively more reliable travel time in the logistics situation with stochastic travel time.

• 한국게임학회 논문지
• /
• 제9권4호
• /
• pp.57-66
• /
• 2009

퀘스트(Quest) 시스템은 MMORPG에서 콘텐츠를 제공하는 핵심 시스템 중 하나이다. 퀘스트디자인 업무에서 퀘스트 보상 설정은 게임 내 작용하는 여러 구성 요소의 높은 조합 복잡도로 인해 적절한 보상 수준을 산출하기가 어려운 문제에 속한다. 본 논문에는 퀘스트 보상 문제를 순회 판매원 문제(Traveling Salesman Problem, TSP)로 모델링하여 해결함으로써 적절한 보상수치를 자동적으로 산출해 낼 수 있는 기법을 제안하였다. 이를 통해 퀘스트 디자인 단계에서 퀘스트 보상 수치 확정을 위한 강도 높은 테스트 부담을 줄이고 정확한 보상 수치를 산출하는데 도움이 될 것이다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권1호
• /
• pp.61-67
• /
• 2008

This paper introduces the multi-vehicle routing problem(MRP) which is different from the traveling sales problem(TSP), and presents the ant system(AS) applied to the MRP. The proposed MRP is a distributive model of TSP since many vehicles are used, not just one salesman in TSP and even some constraints exist. In the AS, a set of cooperating agents called vehicles cooperate to find good solutions to the MRP. To make the proposed MRP extended more, Tokyo city model(TCM) is proposed. The goal in TCM is to find a set of routes that minimizes the total traveling time such that each vehicle can reach its destination as soon as possible. The results show that the AS can effectively find a set of routes minimizing the total traveling time even though the TCM has some constraints.