• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.93.4-93
• /
• 2002

When the GA is applied to optimization problems, it is important to maintain the diversity in designing generation alternation model. Generally, when the diversity is not fully maintained, it is difficult to find good solution, and it is easy to stagnate the early convergenece. In this paper, we propose the Elite Correlation Selection operator (ECS) as a new selection operator for survival. This selection operator aims to keep the diversity of populations and contributes the high searching ability. This selection operator is an extension of selection operator for survival in the Minimal Generation Gap (MGG). In the selection for survival, this selection operator selects one elite individual...

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1521-1524
• /
• 2003

In this paper, we propose a "Distance Correlation Selection operator (DCS)" as a new selection operator. For Genetic Algorithm (GA), many improvements have been proposed. The MGG (Minimal Generation Gap) model proposed by Satoh et.al. shows good performance. The MGG model has all advantages of conventional models and the ability of avoiding the premature convergence and suppressing the evolutionary stagnation. The proposed method is an extension of selection operator in the original MGG model. Generally, GA has two types of selection operators, one is "selection for reproduction", and the other is "selection for survival"; the former is for crossover and the latter is the individuals which survive to the next generation. The proposed method is an extension of the former. The proposed method utilizes distance information between individuals. From this extension, the proposed method aims to expand a search area and improve ability to search solution. The performance of the proposed method is examined with several standard test functions. The experimental results show good performance better than the original MGG model.

• 응용통계연구
• /
• 제26권1호
• /
• pp.131-139
• /
• 2013

지지벡터기계는 잡음변수가 존재하는 경우에 성능이 저하될 수 있다. 또한 최종 분류기에서 각 변수들의 중요도를 알리 어려운 단점이 있다. 따라서 변수선택은 지지벡터기계의 해석력과 정확도를 높일 수 있다. 기존의 문헌상의 대부분의 연구는 선형 지지벡터기계에서 성근 해를 주는 벌점함수를 통해 변수를 선택에 관한 것이다. 실제로는 분류의 정확도를 높이기 위해 비선형 커널을 사용하는 경우가 일반적이다. 따라서 변수선택은 비선형 지지벡터기계에서도 마찬가지로 필요하다. 본 논문에서는 모의실험 및 실제자료를 통하여 비선형 지지벡터의 대표적인 변수선택법인 COSSO(component selection and smoothing operator)와 KNIFE(kernel iterative feature extraction)의 성능을 비교한다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.116-121
• /
• 2008

본 논문은 퍼지추론을 통해 개체의 유사성과 적합도의 종합적 평가를 이용한 유전알고리즘의 선택연산자를 제안한다. 일반적으로 많이 쓰이는 적합도에 의한 선택 방법에 비해서 유사성에 대한 요소를 추가함으로써 조기에 수렴하는 현상의 감소와 성능향상을 얻을 수 있다. 또한 기존의 세대형(generational)에서 점진형(steady-state)으로 진화 수행방식의 변형을 통해 보조적인 향상을 제공할 수 있다. 제안된 방법을 f3deceptive 와 f5trap 등의 기만적 문제에 대해서 실험하였으며, 다른 연산자를 이용한 결과에 비하여 우수한 성능을 얻을 수 있었다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권5호
• /
• pp.295-304
• /
• 2003

In this paper, we proposed a hardware-oriented Genetic Algorithm Processor(GAP) based on subpopulation architecture for high-performance convergence and reducing computation time. The proposed architecture was applied to enhancing population diversity for correspondence to premature convergence. In addition, the crossover operator selection and linear ranking subpop selection were newly employed for efficient exploration. As stochastic search space selection through linear ranking and suitable genetic operator selection with respect to the convergence state of each subpopulation was used, the elapsed time of searching optimal solution was shortened. In the experiments, the computation speed was increased by over $10\%$ compared to survival-based GA and Modified-tournament GA. Especially, increased by over $20\%$ in the multi-modal function. The proposed Subpop GA processor was implemented on FPGA device APEX EP20K600EBC652-3 of AGENT 2000 design kit.

• 한국컴퓨터정보학회논문지
• /
• 제20권4호
• /
• pp.25-32
• /
• 2015

유전자 알고리즘은 초기 해 집합을 대상으로 해 집합의 평가와 유전자 연산자의 적용, 자연 선택 등의 과정을 반복하여 최적 해를 찾는 탐색 알고리즘이다. 유전자 알고리즘을 설계할 때 사용한 선택 전략, 세대교체 방법, 유전자 연산자 등은 유전자 알고리즘의 탐색 효율성에 영향을 준다. 본 논문에서는 시간 제약이 있는 상황에서의 로봇 경로 탐색을 위해 기존의 유전자 알고리즘보다 빠르게 수렴하는 유전자 알고리즘을 제안한다. 로봇 경로 탐색 시 긴급한 상황에서 유전자 알고리즘은 연산을 위한 충분한 시간을 확보하지 못 하게 되고, 이는 최종적으로 찾아낸 경로의 질을 떨어뜨린다. 제안하는 알고리즘은 빠른 수렴을 위한 선택 전략, 세대교체 방법을 사용하였으며, 유전자 연산자로는 전통적인 교차, 돌연변이 외에 경로의 길이를 줄이기 위한 단축 연산자를 추가로 사용하였다. 이를 통해 제안하는 알고리즘은 적은 세대 수에도 빠르게 짧은 경로를 찾아낸다.

• 대한산업공학회지
• /
• 제26권2호
• /
• pp.165-170
• /
• 2000

In order to perform a successful material cutting process, the operators are to select the suitable machining tools and cutting conditions for the cutting environment. Up to now, this has been a complicated procedure done by the data in the tool manufacturers' paper catalog and the operator's experiencial knowledge, so called heuristics. This research is motivated by the fact that using computer techniques in processing vast amount of data and information, the operator can determine the tool and cutting condition easily. In the developed program, the selection of milling cutter, insert, and components are combined to provide optimal cutting speed, depth of cut, feed rate, rpm, and power. This program also provides the selection routine for end mill, drilling, turning, and grinding where the suitable tools are selected by workpiece, holder type, cut type, and insert shape.

• Communications for Statistical Applications and Methods
• /
• 제29권1호
• /
• pp.41-51
• /
• 2022

We forecast the US oil consumption level taking advantage of google trends. The google trends are the search volumes of the specific search terms that people search on google. We focus on whether proper selection of google trend terms leads to an improvement in forecast performance for oil consumption. As the forecast models, we consider the least absolute shrinkage and selection operator (LASSO) regression and the structured regularization method for large vector autoregressive (VAR-L) model of Nicholson et al. (2017), which select automatically the google trend terms and the lags of the predictors. An out-of-sample forecast comparison reveals that reducing the high dimensional google trend data set to a low-dimensional data set by the LASSO and the VAR-L models produces better forecast performance for oil consumption compared to the frequently-used forecast models such as the autoregressive model, the autoregressive distributed lag model and the vector error correction model.

• Journal of the Korean Data and Information Science Society
• /
• 제25권4호
• /
• pp.881-891
• /
• 2014

그래프모형(graphical model)은 확률 변수들간의 조건부 독립성(conditional independence)을 시각적인 네트워크형태로 표현할 수 있기 때문에, 정보학 (bioinformatics)이나 사회관계망 (social network) 등 수많은 변수들이 서로 연결되어 있는 복잡한 확률 시스템에 대한 직관적인 도구로 활용될 수 있다. 그래프 LASSO (graphical least absolute shrinkage and selection operator)는 고차원의 자료에 대한 가우스 그래프 모형 (Gaussian graphical model)의 추정에서 과대적합 (overfitting)을 방지하는데에 효과적인 것으로 알려진 방법이다. 본 논문에서는 그래프 LASSO 추정에서 매우 중요한 문제인 모형선택에 대하여 고려한다. 특히 여러가지 모형선택기준을 모의실험을 통해 비교하며 실제 금융 자료를 분석한다.

• 대한산업공학회지
• /
• 제42권5호
• /
• pp.314-326
• /
• 2016

The purpose of variable selection techniques is to select a subset of relevant variables for a particular learning algorithm in order to improve the accuracy of prediction model and improve the efficiency of the model. We conduct an empirical analysis to evaluate and compare seven well-known variable selection techniques for multiple linear regression model, which is one of the most commonly used regression model in practice. The variable selection techniques we apply are forward selection, backward elimination, stepwise selection, genetic algorithm (GA), ridge regression, lasso (Least Absolute Shrinkage and Selection Operator) and elastic net. Based on the experiment with 49 regression data sets, it is found that GA resulted in the lowest error rates while lasso most significantly reduces the number of variables. In terms of computational efficiency, forward/backward elimination and lasso requires less time than the other techniques.