Abstract
Genetic Algorithms(GA), which are based on the theory of natural evolution, have been evaluated highly for their robust performances. Traditional GA has mostly used binary code for representing design variable. The binary code GA has many difficulties to solve optimization problems with continuous design variables because of its large computer core memory size, inefficiency of its computing time, and its bad performance on local search. In this paper, a real code GA is proposed for dealing with the above problems. So, new crossover and mutation processes of GA are developed to use continuous design variables directly. The results of read code GA are compared with those of binary code GA for several single and multiple objective optimization problems. As a result of comparisons, it is found that the performance of the real code GA is better than that of the binary code GA, and concluded that the real code GA developed here can be used for the general optimization problem.
Genetic Algorithms(GA)는 생명체의 자연진화 법칙에 기초한 최적화 방법으로 그 범용성이 높이 평가되어지고 있다. 기존의 GA는 대부분 설계변수로 2진수형 코드를 사용하는데, 이는 실수형 설계변수로 구성된 최적화 문제를 해결하기 위해 컴퓨터 주 기억용량을 많이 사용하여야 하며, 계산 시간 면에서도 비효율적이고 또한 국부탐색 능력도 떨어지는 단점이 있다. 따라서 본 연구에서는 GA에 의한 최적화과정에서 실수형 설계변수를 직접 사용할 수 있도록 교배와 돌연변이 과정을 새로이 정식화하였다. 그리고 여러 형태의 단일 및 다목적함수 최적화 문제에 대해 실수형 GA와 2진수형 GA의 결과를 비교 검토하였다. 비교 검토 결과, 실수형 GA의 성능이 2진수형 GA보다 우수함을 알 수 있었고, 일반 최적화 방법으로 실수형 GA를 사용하여도 무방하리라 본다.