• 한국통신학회논문지
• /
• 제40권6호
• /
• pp.1142-1147
• /
• 2015

무선 센서 네트워크에서 네트워크의 확장성과 효율성을 높이기 위한 방법으로 네트워크 구조를 계층적으로 구성하는 방법에 관심이 높다. 무선 네트워크를 계층 구조로 구성하는 방법은 특정 노드들을 선별하여 이들을 백본 네트워크로 구성하는 방법을 중심으로 연구가 진행되었다. 백본을 구성하는 노드들은 연결되어 있어서 자신들 간에 통신이 직접적으로 가능해야하며, 백본에 속하지 않은 모든 노드들이 백본을 통해 통신이 가능해야한다. 이러한 조건을 만족하는 최소 크기의 노드 집합을 선출하는 문제를 최소연결지배집합선출 문제라 한다. 최소연결지배집합선출 문제는 복잡도가 NP-hard로 알려져 있으며, 현재 효율적인 알고리즘이 존재하지 않는다. 본 논문은 최소연결지배집합선출 문제를 해결하기 위한 다중시작 지역탐색 알고리즘을 제안하다. 제안 방법의 성능 측정을 위해 다양한 조건에서 실험하고 결과를 제시한다.

• Industrial Engineering and Management Systems
• /
• 제8권1호
• /
• pp.29-36
• /
• 2009

We present two local-search based metaheuristics for the multi-source capacitated facility location problem. In such a problem, each customer's demand can be supplied by one or more facilities. The problem is NP-hard and the number of locations in the optimal solution is unknown. To keep the search process effective, the proposed methods adopt the following features: (1) a multi-exchange neighborhood structure, (2) a tabu list that keeps track of recently visited solutions, and (3) a multi-start to enhance the diversified search paths. The transportation simplex method is applied in an efficient manner to obtain the optimal solutions to neighbors of the current solution under the algorithm framework. Two in-and-out selection rules are also proposed in the algorithms with the purpose of finding promising solutions in a short computational time. Our computational results for some of the benchmark instances, as well as some instances generated using a method in the literature, have demonstrated the effectiveness of this approach.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.49-56
• /
• 2023

본 연구에서는 트랜스포터의 할당 및 운행 순서를 최적화하기 위한 유전 알고리즘을 제안한다. 유전 알고리즘의 해는 리스트의 집합으로 표현되는데 각 리스트는 해당 트랜스포터가 작업할 순서를 나타낸다. 또한 성능 향상을 위해 효과적인 지역 탐색 연산을 결합한 혼합형 유전 알고리즘의 형태로 구현하였다. 지역 탐색 연산은 작업량이 적은 트랜스포터에서 작업의 블록을 꺼내어 다른 트랜스포터의 작업 목록에 삽입함으로써 트랜스포터 운용 대수의 감소를 유도한다. 제안하는 알고리즘의 효용성을 평가하기 위해 실제 조선소와 유사한 규모의 시뮬레이션 환경을 통해 Multi-Start 및 순수 유전알고리즘과 비교하였다. 가장 큰 규모의 문제에 대해 그들에 비해 트랜스 포터 수는 각각 40% 및 34%, 총작업 소요 시간은 27% 및 17% 감소시켰다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권12호
• /
• pp.409-414
• /
• 2015

제한된 에너지 자원으로 동작하는 무선 센서 네트워크에서는 에너지 소비를 최소화하여 통신하는 방법이 중요한 연구 주제이다. 클러스터 헤드를 가진 구분되는 클러스터 안에 센서 노드를 그룹으로 묶는 클러스터링은 에너지 절약에 가장 효과적인 기술로 알려져 있다. 그러나 클러스터 기반 무선 센서 네트워크에서 클러스터 헤드나 게이트웨이는 수집된 정보를 싱크로 보내는 역할 등을 수행하기 때문에 더 많은 에너지를 소비하게 된다. 부적절한 클러스터의 구성은 게이트웨이에 오버로드를 가중시켜 전체 네트워크의 성능을 저하시킨다. 본 논문에서는 에너지 효율을 높이고 네트워크 수명을 향상시키기 위하여 새로운 부하 균형 클러스터링 모델을 제시하고 이를 분기한정 알고리즘과 다중시작 지역탐색 알고리즘을 설계하여 기존에 제시된 부하 균형 클러스터링 모델과 비교한 후 성능 측정 실험 후 결과를 제시한다.

• KEPCO Journal on Electric Power and Energy
• /
• 제2권2호
• /
• pp.311-316
• /
• 2016

인공신경망과 같은 기계학습에 기반한 네트워크 침입탐지/방지시스템은 특징 조합에 따라 탐지의 정확성과 효율성 측면에서 크게 영향을 받는다. 하지만 침입탐지에 사용 가능한 여러개의 특징들 중 정확성과 효율성 측면에서 최적의 특징 조합을 추출하는 특징 선택 문제는 많은 계산량을 요구한다. 본 논문에서는 NSL-KDD 데이터 집합에서 제공하는 6가지 서비스 거부 공격과 정상 트래픽을 구분해 내기 위한 최적 특징 조합 선택 문제를 다룬다. 최적 특징 조합 선택 문제를 해결하기 위해 대표적인 메타 휴리스틱 알고리즘 중 하나인 다중 시작 지역탐색 알고리즘에 기반한 최적 특징 선택 알고리즘을 제시한다. 제안한 특징 선택 알고리즘의 성능 평가를 위해 NSL-KDD 데이터를 상대로 41개의 특징 모두를 사용한 경우와 비교한다. 그리고 선택된 특징 조합을 사용했을 때 가장 높은 성능을 보여주는 기계학습 방법을 찾기위해 3가지 잘 알려진 기계학습 방법들 (베이즈 분류기와 인공신경망, 서포트 벡터 머신)을 사용해 성능을 비교한다.

• Industrial Engineering and Management Systems
• /
• 제7권2호
• /
• pp.171-181
• /
• 2008

Home care, known also as domiciliary care, is part of the community care service that is a responsibility of the local government authorities in the UK as well as many other countries around the world. The aim is to provide the care and support needed to assist people, particularly older people, people with physical or learning disabilities and people who need assistance due to illness to live as independently as possible in their own homes. It is performed primarily by care workers visiting clients' homes where they provide help with daily activities. This paper is concerned with the dispatching of care workers to clients in an efficient manner. The optimized routine for each care worker determines a schedule to achieve the minimum total cost (in terms of distance traveled) without violating the capacity and time window constraints. A collaborative population-based meta-heuristic called Particle Swarm Optimization (PSO) is applied to solve the problem. A particle is defined as a multi-dimensional point in space which represents the corresponding schedule for care workers and their clients. Each dimension of a particle represents a care activity and the corresponding, allocated care worker. The continuous position value of each dimension determines the care worker to be assigned and also the assignment priority. A heuristic assignment scheme is specially designed to transform the continuous position value to the discrete job schedule. This job schedule represents the potential feasible solution to the problem. The Earliest Start Time Priority with Minimum Distance Assignment (ESTPMDA) technique is developed for generating an initial solution which guides the search direction of the particle. Local improvement procedures (LIP), insertion and swap, are embedded in the PSO algorithm in order to further improve the quality of the solution. The proposed methodology is implemented, tested, and compared with existing solutions for some 'real' problem instances.