• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권9호
• /
• pp.694-705
• /
• 2010

진화 프로그래밍은 실수형 최적화 문제에 널리 사용되는 알고리즘으로 돌연변이 연산이 중요한 연산이다. 일반적으로 돌연변이 연산은 확률 분포와 이에 따른 매개변수를 사용하여 변수값을 변화시키는데, 이 때 매개변수 역시 돌연변이 연산의 대상이 됨으로 이를 위한 또 다른 매개변수가 필요하다. 그러나 최적의 매개변수 값은 주어진 문제에 전적으로 의존하기 때문에 매개변수 개수가 많은 경우 매개변수값들에 대한 최적 조합을 찾기 어렵다. 이러한 문제를 부분적으로나마 해결하기 위하여 본 논문에서는 변수의 돌연변이 연산을 위한 매개변수를 자기 적응적 관점에서 이론적으로 추정한 돌연변이 연산을 제안하였다. 제안한 알고리즘에서는 코시 확률 분포의 축척 매개변수를 추정하여 돌연변이 연산에 적용함으로 축척 매개변수에 대한 돌연변이 연산이 필요하지 않다는 장점이 있다. 제안한 알고리즘을 벤치마킹 문제에 적용한 실험 결과를 통해 볼 때, 최적값 측면에서는 제안한 알고리즘의 상대적 우수성은 벤치마킹 문제에 의존하였으나 계산 시간 측면에서는 모든 벤치마킹 문제에 대하여 제안한 알고리즘이 우수하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.55-61
• /
• 2020

유전자 알고리즘은 명료한 방식으로 답을 찾기 어려운 문제, 즉 NP 문제의 경우 효과적인 솔루션을 찾을 수 있다. 단 유전자 알고리즘의 실행 비용은 기존 프로그래밍 방식에 비하여 높은 비용을 요구하게 되므로, 높은 성능의 실행환경을 전제로 한다. 이러한 문제를 조금이나마 줄여보기 위하여 본 연구는 유전자 알고리즘의 돌연변이 연산자를 초점을 맞추고, 돌연변이 연산의 복잡한 실행을 위한 비용을 고려하여, 과연 해당 연산자가 모든 문제 영역에서 반드시 요구될까를 분석하기 위한 실험을 진행한다. 우리 실험 주체는 유전자 알고리즘을 적용하는 대표적인 문제 중의 하나인 TSP(Travelling Salesman Problem)으로 하였다. 돌연변이 연산을 적용하는 경우와 적용하지 않는 경우에 대한 결과값들을 세대수와 적합도 값을 수집하여 분석한다. 그 결과 돌연변이 연산자를 적용하는 경우가 세대수 감소와 적합도 향상의 효과적인 결과를 반드시 보이지는 않았다.

• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.85-92
• /
• 2005

본 논문에서는 변형된 돌연변이 연산자를 적용한 대화형 유전자 알고리즘을 사용해서 웹-기반 학습 콘텐츠를 개발하였다. 대화형 유전자 알고리즘은 주로 상호 교환(reciprocal exchange) 돌연변이를 사용한다. 그러나 본 논문에서는 학습자의 학습 효과를 높이기 위해 돌연변이 연산자를 변형하였다. 그리고, 대화형 유전자 알고리즘을 이용한 웹 기반 학습 콘텐츠는 동적인 학습 내용과 실시간 테스트 시스템을 제공한다. 특히 학습자가 자신의 특성과 흥미에 따라 대화형 유전자 알고리즘을 수행하면서 효율적인 학습 환경과 콘텐츠 배열 순서를 선택할 수 있다.

• 한국지능시스템학회논문지
• /
• 제12권4호
• /
• pp.317-322
• /
• 2002

The major operations of Evolutionary Computation include crossover, mutation, competition and selection. Although selection does not create new individuals like crossover or mutation, a poor selection mechanism may lead to problems such as taking a long time to reach an optimal solution or even not finding it at all. In view of this, this paper proposes a hybrid Evolutionary Programming (EP) algorithm that exhibits a strong capability to move toward the global optimum even when stuck at a local minimum using a synergistic combination of the following three basic ideas. First, a "local selection" technique is used in conjunction with the normal tournament selection to help escape from a local minimum. Second, the mutation step has been improved with respect to the Fast Evolutionary Programming technique previously developed in our research group. Finally, the crossover and mutation operations of the Genetic Algorithm have been added as a parallel independent branch of the search operation of an EP to enhance search diversity.

• 한국공간구조학회논문집
• /
• 제5권3호
• /
• pp.117-122
• /
• 2005

This paper investigated the optimum design of truss structures based on Genetic Algorithms (GA's). With GA's characteristic of running side by side, the overall optimization and feasible operation, the optimum design model of truss structures was established. Elite models were used to assure that the best units of the previous generation had access to the evolution of current generation. Using of non-uniformity mutation brought the obvious mutation at earlier stage and stable mutation in the later stage; this benefited the convergence of units to the best result. In addition, to avoid GA's drawback of converging to local optimization easily, by the limit value of each variable was changed respectively and the genetic operation was performed two times, so the program could work more efficiently and obtained more precise results. Finally, by simulating evolution process of nature biology of a kind self-organize, self-organize, artificial intelligence, this paper established continuous structural optimization model for ten bars cantilever truss, and obtained satisfactory result of optimum design. This paper further explained that structural optimization is practicable with GA's, and provided the theoretic basis for the GA's optimum design of structural engineering.

• 한국컴퓨터정보학회논문지
• /
• 제22권10호
• /
• pp.83-92
• /
• 2017

Reconnaissance is performed gathering information from a series of scanning probes where the objective is to identify attributes of target hosts. Network reconnaissance of IP addresses and ports is prerequisite to various cyber attacks. In order to increase the attacker's workload and to break the attack kill chain, a few proactive techniques based on the network-based moving target defense (NMTD) paradigm, referred to as IP address mutation/randomization, have been presented. However, there are no commercial or trial systems deployed in real networks. In this paper, we propose a threat model and the request for requirements for developing NMTD techniques. For this purpose, we first examine the challenging problems in the NMTD mechanisms that were proposed for the legacy TCP/IP network. Secondly, we present a threat model in terms of attacker's intelligence, the intended information scope, and the attacker's location. Lastly, we provide seven basic requirements to develop an NMTD mechanism for the legacy TCP/IP network: 1) end-host address mutation, 2) post tracking, 3) address mutation unit, 4) service transparency, 5) name and address access, 6) adaptive defense, and 7) controller operation. We believe that this paper gives some insight into how to design and implement a new NMTD mechanism that would be deployable in real network.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.573-580
• /
• 2017

심층 신경망은 많은 노드의 층을 쌓아 만든 거대한 신경망이다. 심층 신경망으로 대표되는 딥 러닝은 오늘날 많은 응용 분야에서 괄목할만한 성과를 거두고 있다. 하지만 다년간의 연구를 통해 심층 신경망에 대한 다양한 문제점이 식별되고 있다. 이 중 일반화는 가장 널리 알려진 문제점들 중 하나이며, 최근 연구 결과인 드롭아웃은 이러한 문제를 어느 정도 성공적으로 해결하였다. 드롭아웃은 노이즈와 같은 역할을 하여 신경망이 노이즈에 강건한 데이터 표현형을 학습할 수 있도록 하는데, 오토인코더와 관련된 연구에서 이러한 효과가 입증되었다. 하지만 드롭아웃은 빈번한 난수 연산과 확률연산으로 인해 신경망의 학습 시간이 길어지고, 신경망 각 계층의 데이터 분포가 크게 변화하여 작은 학습율을 사용해야하는 단점이 있다. 본 논문에서는 돌연변이 연산을 사용하여 비교적 적은 횟수의 연산으로 드롭아웃과 동등 이상의 성능을 나타내는 모델을 제시하고, 실험을 통하여 논문에서 제시한 방법이 드롭아웃 방식과 동등한 성능을 보임과 동시에 학습 시간 문제를 개선함을 보인다.

• 한국통신학회논문지
• /
• 제27권12C호
• /
• pp.1215-1227
• /
• 2002

본 논문은 최단 경로 라우팅 문제의 해결을 위한 새로운 방식의 유전자 알고리즘(Genetic Algorithm)을 제안한다. 이를 위해 가변길이(variable-length) 염색체(chromosome) 구조와 그에 따른 유전자 부호화(genes coding) 기법을 설계하고, 부분 염색체(partial-chromosome)를 교환하는데 있어서 교차점(crossing-site)에 의존성이 없는 교배(crossover) 기법과 개체군(population)의 다양성(diversity)을 유지하는 돌연변이(mutation) 기법을 개발한다. 또한, 모든 부적합(infeasible) 염색체를 간단하게 치료할 수 있는 복구 함수(repair function)를 제안한다. 제안 교배 기법과 돌연변이 기법의 상호 동작은 제안 알고리즘이 개체군의 다양성을 유지하면서 해-표면(solution-surface)을 효과적으로 탐색할 수 있도록 하여 해의 최적성(optimality) 및 수렴(convergence) 속도의 향상을 도모한다. 제안 알고리즘에 의해 계산된 경로의 최적성은 유전자 알고리즘을 이용하는 기존의 알고리즘보다 우수하고, 수렴 속도도 빠르다는 것을 컴퓨터 시뮬레이션을 통해 확인한다. 이 결과는 대부분의 출발지와 도착지 쌍에 대해 기존의 유전자 알고리즘 기반의 최단 경로 라우팅 알고리즘에 비해 네트워크 토폴로지에 비교적 덜 민감한 것으로 나타난다.

• Journal of Electrical Engineering and Technology
• /
• 제13권3호
• /
• pp.1202-1211
• /
• 2018

In this paper, induction machine operation efficiency and torque is improved using Machine Learning based Gene Optimization (ML-GO) Technique is introduced. Optimized Genetic Algorithm (OGA) is used to select the optimal induction machine data. In OGA, selection, crossover and mutation process is carried out to find the optimal electrical machine data for induction machine design. Initially, many number of induction machine data are given as input for OGA. Then, fitness value is calculated for all induction machine data to find whether the criterion is satisfied or not through fitness function (i.e., objective function such as starting to full load torque ratio, rotor current, power factor and maximum flux density of stator and rotor teeth). When the criterion is not satisfied, annealed selection approach in OGA is used to move the selection criteria from exploration to exploitation to attain the optimal solution (i.e., efficient machine data). After the selection process, two point crossovers is carried out to select two crossover points within a chromosomes (i.e., design variables) and then swaps two parent's chromosomes for producing two new offspring. Finally, Adaptive Levy Mutation is used in OGA to select any value in random manner and gets mutated to obtain the optimal value. This process gets iterated till finding the optimal value for induction machine design. Experimental evaluation of ML-GO technique is carried out with performance metrics such as torque, rotor current, induction machine operation efficiency and rotor power factor compared to the state-of-the-art works.

• Genomics & Informatics
• /
• 제12권4호
• /
• pp.289-292
• /
• 2014

Next-generation sequencing (NGS) is widely used to identify the causative mutations underlying diverse human diseases, including cancers, which can be useful for discovering the diagnostic and therapeutic targets. Currently, a number of single-nucleotide variant (SNV)-calling algorithms are available; however, there is no tool for visualizing the recurrent and phenotype-specific mutations for general researchers. In this study, in order to support defining the recurrent mutations or phenotype-specific mutations from NGS data of a group of cancers with diverse phenotypes, we aimed to develop a user-friendly tool, named mutation arranger for defining phenotype-related SNV (MAP). MAP is a user-friendly program with multiple functions that supports the determination of recurrent or phenotype-specific mutations and provides graphic illustration images to the users. Its operation environment, the Microsoft Windows environment, enables more researchers who cannot operate Linux to define clinically meaningful mutations with NGS data from cancer cohorts.