• Industrial Engineering and Management Systems
• /
• 제12권2호
• /
• pp.151-160
• /
• 2013

In the past decades, several algorithms based on evolutionary approaches have been proposed for solving job shop scheduling problems (JSP), which is well-known as one of the most difficult combinatorial optimization problems. Most of them have concentrated on finding optimal solutions of a single objective, i.e., makespan, or total weighted tardiness. However, real-world scheduling problems generally involve multiple objectives which must be considered simultaneously. This paper proposes an efficient particle swarm optimization based approach to find a Pareto front for multi-objective JSP. The objective is to simultaneously minimize makespan and total tardiness of jobs. The proposed algorithm employs an Elite group to store the updated non-dominated solutions found by the whole swarm and utilizes those solutions as the guidance for particle movement. A single swarm with a mixture of four groups of particles with different movement strategies is adopted to search for Pareto solutions. The performance of the proposed method is evaluated on a set of benchmark problems and compared with the results from the existing algorithms. The experimental results demonstrate that the proposed algorithm is capable of providing a set of diverse and high-quality non-dominated solutions.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.3892-3912
• /
• 2021

The recent rapid growth of mobile network traffic places multi-access edge computing in an important position to reduce network load and improve network capacity and service quality. Contrasting with traditional mobile cloud computing, multi-access edge computing includes a base station cooperative cache layer and user cooperative cache layer. Selecting the most appropriate cache content according to actual needs and determining the most appropriate location to optimize the cache performance have emerged as serious issues in multi-access edge computing that must be solved urgently. For this reason, a cache placement algorithm based on comprehensive utility in big data multi-access edge computing (CPBCU) is proposed in this work. Firstly, the cache value generated by cache placement is calculated using the cache capacity, data popularity, and node replacement rate. Secondly, the cache placement problem is then modeled according to the cache value, data object acquisition, and replacement cost. The cache placement model is then transformed into a combinatorial optimization problem and the cache objects are placed on the appropriate data nodes using tabu search algorithm. Finally, to verify the feasibility and effectiveness of the algorithm, a multi-access edge computing experimental environment is built. Experimental results show that CPBCU provides a significant improvement in cache service rate, data response time, and replacement number compared with other cache placement algorithms.

• 국제학술발표논문집
• /
• The 2th International Conference on Construction Engineering and Project Management
• /
• pp.530-539
• /
• 2007

Many construction projects such as highways, pipelines, tunnels, and high-rise buildings typically contain repetitive activities. Research has shown that the Critical Path Method (CPM) is not efficient in scheduling linear construction projects that involve repetitive tasks. Linear Scheduling Method (LSM) is one of the techniques that have been developed since 1960s to handle projects with repetitive characteristics. Although LSM has been regarded as a technique that provides significant advantages over CPM in linear construction projects, it has been mainly viewed as a graphical complement to the CPM. Studies of scheduling linear construction projects with resource consideration are rare, especially with multiple resource constraints. The objective of this proposed research is to explore a resource assignment mechanism, which assigns multiple critical resources to all activities to minimize the project duration while satisfying the activities precedence relationship and resource limitations. Resources assigned to an activity are allowed to vary within a range at different stations, which is a combinatorial optimization problem in nature. A heuristic multiple resource allocation algorithm is explored to obtain a feasible initial solution. The Simulated Annealing search algorithm is then utilized to improve the initial solution for obtaining near-optimum solutions. A housing example is studied to demonstrate the resource assignment mechanism.

• 국제학술발표논문집
• /
• The 5th International Conference on Construction Engineering and Project Management
• /
• pp.243-251
• /
• 2013

Cash management is a major concern for all contractors in the construction industry. It is arguable that cash is the most critical resource of all. A contractor needs to secure sufficient funds to navigate the project to the end, while keeping an eye on maximizing profits along the way. Past research attempted to address such topic via developing models to tackle the time-cost tradeoff problem, cash flow forecasting, and cash flow management. Yet, little was done to integrate the three aspects of cash management together. This paper, as such, presents a comprehensive model that integrates the time-cost tradeoff problem, cash flow management, and cash flow forecasting. First, the model determines the project optimal completion time by considering the different alternative construction methods available for executing project activities. Second, it investigates different funding alternatives and proposes a project-level cash management plan. Two funding alternatives are considered; they are borrowing and company own financing. The model was built as a combinatorial optimization model that utilizes ant colony search capabilities. The model also utilizes Microsoft Project software and spreadsheets to maintain an environment that incorporates activities, their durations, and other project data, in order to estimate project completion time and cost. Ant Colony Optimization algorithm was coded as a Macro program using VBA. Finally, an example project was used to test the developed model, where it acted reliably in maximizing the contractor's profit in the test project.

• 한국정보과학회논문지:시스템및이론
• /
• 제26권9호
• /
• pp.1166-1176
• /
• 1999

연속 매체, 특히 비디오 데이타에 대한 일반 사용자 연산에는 재생뿐만 아니라 임의 속도 탐색 연산, 정지 연산, 그리고 그 외 다양한 연산이 있다. 이 연산 중에서 원하는 화면을 빨리 찾는 데에 유용한 고속 전진(FF: fast-forward)과 고속 후진(FB: fast-backward)은 재생 연산과는 달리 비순차적인 디스크 접근을 요구한다. 이러한 경우에 디스크 부하가 균등하지 않으면 일부 디스크에 접근이 편중되어 서비스 품질이 떨어진다. 본 논문에서는 디스크 배열을 이용한 저장 시스템에서 디스크 접근을 고르게 분산시키기 위하여 '소수 라운드 로빈(PRR: Prime Round Robin)' 방식으로 연속 매체를 디스크에 배치하는 기법에서 문제가 됐던 낭비된 디스크 저장 공간을 신뢰도 향상을 위해서 사용하는 '그룹화된 패리티를 갖는 소수 라운드 로빈(PRRgp: PRR with Grouped Parities)' 방식을 제안한다. 이 기법은 PRR 기법처럼 임의 속도 검색 연산에 있어서 디스크 배열을 구성하는 모든 디스크의 부하를 균등하게 할뿐만 아니라 낭비됐던 디스크 저장 공간에 신뢰도를 높이기 위한 패리티 정보를 저장함으로서 신뢰도를 향상시킬 수 있다. 신뢰도 모델링 방법으로 조합 모델과 마르코프 모델을 이용해서 결함발생율과 결함복구율을 고려한 신뢰도를 산출하고 비교.분석한다. PRR 기법으로 연속 매체를 저장하고 낭비되는 공간에 패리티 정보를 저장할 경우에 동시에 두 개 이상의 결함 발생 시에 그 결함으로부터 복구가 불가능하지만 PRRgp 기법에서는 약 30% 이상의경우에 대해서 동시에 두 개의 결함 발생 시에 저장한 패리티 정보를 이용한 복구가 가능할 뿐만 아니라 패리티 그룹의 수가 두 개 이상인 경우에는 두 개 이상의 결함에 대해서도 복구가 가능하다.Abstract End-user operations on continuous media (say video data) consist of arbitrary-rate search, pause, and others as well as normal-rate play. FF(fast-forward) / FB(fast-backward) among those operations are desirable to find out the scene of interest but they require non-sequential access of disks. When accesses are clustered to several disks without considering load balance, high quality services in playback may not be available. In this paper, we propose a new disk placement scheme, called PRRgp(Prime Round Robin with Grouped Parities), with enhanced reliability by using the wasted disk storage space in an old one(PRR: Prime Round Robin), in which continuous media are placed on a disk array based storage systems to distribute disk accesses uniformly. The PRRgp can not only achieve load balance of disks consisting of a disk array under arbitrary-rate search like PRR, but also improve reliability by storing parity information on the wasted disk space appropriately. We use combinatorial and Markov models to evaluate the reliability for a disk array and to analyze the results. When continuous media like PRR are placed and parity information on the wasted disk space is stored, we cannot tolerate more than two simultaneous faults. But they can be recovered by using stored parity information for about 30 percent as a whole in case of PRRgp presented in this paper. In addition, more than two faults can be tolerated in case there are more than two parity groups.

• 대한교통학회지
• /
• 제23권3호
• /
• pp.35-47
• /
• 2005

버스 대중교통은 정해진 노선, 운행시간표에 의해 정류장을 경유하여 운행하므로 버스 노선망 설계 문제(BTRNDP: Bus Transit Route Network Design Problem)는 승용차위주의 가로망 설계 문제와 다른 접근방법이 요구된다. 버스 노선망 설계 문제의 적용모형은 설계방법의 역사적발전과정에 따라 매뉴얼 및 지침, 시장분석기법, 시스템해석모형, 휴리스틱모형, 하이브리드모형, 경험기반모형, 시뮬레이션모형, 수리최적화모형 등 크게 8가지 분류할 수 있다. BTRNDP는 이용자비용과 운영자비용의 조합인 총비용을 최소화하는 목적함수를 획득하기 위한 일련의 현실적 제약조건하에서 버스노선집합과 배차횟수를 결정하는 문제이다. BTRNDP는 조합최적화문제로 일반적 수리최적화문제로 가능해 공간을 정의하는 것이 어렵기 때문에 모든 가능해로 구성된 큰 탐색공간으로부터 최적해를 탐색해야하는 NP-Hard라는 특성을 가진다. BTRNDP의 목적함수는 이용자와 운영자관점을 모두 고려한 다목적함수(Multi-Objective Function)를 이용하며 수요는 고정수요를 이용하였으나 최근에는 가변수요를 고려한 방법론이 연구되고 있다. 해알고리즘으로 최적 버스 노선망을 구성하게 될 모든 가능한 후보노선집합(Candidate Route Set)을 생성하고 노선집합의 최적조합을 찾는 메타휴리스틱(Meta-heuristic) 알고리즘을 이용하여 전역최적 노선집합을 찾는 방법이 적용되고 있다. 최적 버스 노선망의 배차횟수를 결정하기 위해서 대중교통 통행배분모형이 필요한데 BTRNDP에 적용되는 통행배분모형은 다중경로 통행배분모형이 주로 활용되었다. 국내외 BTRNDP를 고찰한 결과 주요 시사점으로는 BTRNDP에서 가장 중요한 고려사항은 세분화된 버스정류장 기반 기종점통행량 구축, 버스 노선망 평가 모형 및 대중교통 통행 배분모형의 개발, 탐색 해알고리즘의 개발 등의 향후 연구내용이 포함될 수 있다.

• 한국전산구조공학회논문집
• /
• 제13권3호
• /
• pp.337-349
• /
• 2000

유전자 알고리즘(GA)은 어떠한 유형의 문제에도 적용가능하며 달리 방법이 없는 경우 최후의 수단으로 흔히 사용되는 방법이다. 강구조물 설계란 기본적으로 구조물을 이루는 부재로서 어떤 재료를 선택될 것인지를 결정하는 문제이다. 따라서 천문학적인 숫자의 설계가 존재하며 이들 중 최적의 설계를 탐색하는 것은 대체로 불가능한 일이다. 본 논문에서는 GA와 이와 관련된 여러 가지 기법들을 소개하고 강구조물 최적설계에 이들의 활용을 모색하였다. 작은 설계공간을 가지는 문제에서는 GA로 전역최적설계를 찾을 수 있었다. GA는 또한 연속변수 최적설계 문제에서도 최적설계를 찾았으며 구조물 최적설계에 적용될 수 있음을 보였다. 그러나 규모가 큰 현실문제에서는 GA가 최적 또는 최적에 근접한 설계를 항상 찾을 수 있을 것이라고 기대하기는 어려울 것으로 생각된다. GA에 G bit improvement를 추가하여 수행한 경우에 더 좋은 최적설계 결과를 보여주었으며 앞으로 이 부분의 연구가 활발해 질 것이다.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.751-756
• /
• 2003

개미 집단 최적화는 최근에 제안된 조합 최적화 문제를 해결하기 위한 메타 휴리스틱 탐색 방법으로, 그리디 탐색뿐만 아니라 긍정적 반응의 탐색을 사용한 모집단에 근거한 접근법으로 순회 판매원 문제를 풀기 위해 처음으로 제안되었다. 본 논문에서는 기존의 개미 집단 시스템의 성능을 향상시키기 위해 강화와 다양화를 통한 집단간 긍정적 상호작용과 부정적 상호작용을 수행하는 다중 집단 개미 모델을 제안한다. 이 알고리즘은 TSP 문제를 해결하기 위해 몇 개의 에이전트 집단으로 이루어진 ACS 집단간의 상호작용을 통해 문제를 해결하는 방법이다. 본 논문에서는 이 제안된 방법을 TSP 문제에 적용해 보고 그 성능에 대해 기존의 ACS 방법과 비교 평가해, 문제 해결의 질적 수준이 우수하다는 것을 실험을 통해 알아보고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제13권3호
• /
• pp.147-152
• /
• 2008

개미 시스템(Ant System)은 조합 최적화 문제를 해결하기 위한 메타 휴리스틱 탐색 방법으로, 그리디 탐색뿐만 아니라 긍정적 피드백을 사용한 모집단에 근거한 접근법으로 순회 판매원 문제를 풀기 위해 처음으로 제안되었다. 본 논문에서는 이러한 개미 시스템을 이용한 멀티캐스트 라우팅 방법을 제안한다. 멀티캐스트 라우팅은 하나의 송신자에서 다수의 수신자로 데이터를 전송하는 것으로 스타이너 트리(Steiner Tree)를 구성해 문제를 해결할 수 있다. 하지만, 멀티캐스트 라우팅 문제는 모든 노드를 방문하는 순회 판매원 문제와 접근법이 다르므로, 순회 판매원 문제를 해결하기 위한 개미 시스템의 전략을 수정한 엘리트 에이전트에 의한 개미 멀티캐스트 라우팅 모델을 제안한다. 이 모델은 이웃노드를 선택할 경우 해당 에지와 선택될 다음노드의 전체 비용까지 모두 고려해 이웃노드를 선택한다. 또한, 엘리트 에이전트에 의해 선택된 에지에 대해서는 추가 페로몬 갱신을 수행한다. 이러한 전략을 통해 제안한 모델의 성능을 평가한다.

• 전기학회논문지
• /
• 제59권2호
• /
• pp.436-444
• /
• 2010

In this study, we introduce and discuss a concept of a granular-oriented radial basis function neural networks (GRBF NNs). In contrast to the typical architectures encountered in radial basis function neural networks(RBF NNs), our main objective is to develop a design strategy of GRBF NNs as follows : (a) The architecture of the network is fully reflective of the structure encountered in the training data which are granulated with the aid of clustering techniques. More specifically, the output space is granulated with use of K-Means clustering while the information granules in the multidimensional input space are formed by using a so-called context-based Fuzzy C-Means which takes into account the structure being already formed in the output space, (b) The innovative development facet of the network involves a dynamic reduction of dimensionality of the input space in which the information granules are formed in the subspace of the overall input space which is formed by selecting a suitable subset of input variables so that the this subspace retains the structure of the entire space. As this search is of combinatorial character, we use the technique of genetic optimization to determine the optimal input subspaces. A series of numeric studies exploiting some nonlinear process data and a dataset coming from the machine learning repository provide a detailed insight into the nature of the algorithm and its parameters as well as offer some comparative analysis.