• Title, Summary, Keyword: 최적화 알고리즘

Search Result 3,163, Processing Time 0.041 seconds

Function Optimization Algorithm: C-AGA (함수 최적화 알고리즘: C-AGA)

  • Ko, Myung-Sook;Kim, Ju-Yeon
    • Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
    • /
    • /
    • pp.137-142
    • /
    • 2005
  • 유전자 알고리즘은 전체 탐색 공간을 통해 전역 해를 찾는 최적화 알고리즘으로서 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향성 임의 탐색을 행한다. 또한, 유전적 탐색과 국부 탐색을 결합시킨 복합 유전자 알고리즘은 최적해로의 수렵 속도를 향상시킬 수 있다. 이 논문에서는 함수 최적화를 위해 학습 속도를 개선한 복합 유전자 알고리즘(C-AGA)을 제안한다. 제안한 최적화 알고리즘의 효율을 기존의 복합 유전자 알고리즘 기법(라마키안 진화 및 볼드윈 효과)과 비교 평가하였다. 다양한 함수 최적화 문제에 대하여 제안한 알고리즘이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.

  • PDF

River stage forecasting models using support vector regression and optimization algorithms (Support vector regression과 최적화 알고리즘을 이용한 하천수위 예측모델)

  • Seo, Youngmin;Kim, Sungwon
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • /
    • pp.606-609
    • /
    • 2015
  • 본 연구에서는 support vector regression (SVR) 및 매개변수 최적화 알고리즘을 이용한 하천수위 예측모델을 구축하고 이를 실제 유역에 적용하여 모델 효율성을 평가하였다. 여기서, SVR은 하천수위를 예측하기 위한 예측모델로서 채택되었으며, 커널함수 (Kernel function)로서는 radial basis function (RBF)을 선택하였다. 최적화 알고리즘은 SVR의 최적 매개변수 (C?, cost parameter or regularization parameter; ${\gamma}$, RBF parameter; ${\epsilon}$, insensitive loss function parameter)를 탐색하기 위하여 적용되었다. 매개변수 최적화 알고리즘으로는 grid search (GS), genetic algorithm (GA), particle swarm optimization (PSO), artificial bee colony (ABC) 알고리즘을 채택하였으며, 비교분석을 통해 최적화 알고리즘의 적용성을 평가하였다. 또한 SVR과 최적화 알고리즘을 결합한 모델 (SVR-GS, SVR-GA, SVR-PSO, SVR-ABC)은 기존에 수자원 분야에서 널리 적용되어온 신경망(Artificial neural network, ANN) 및 뉴로퍼지 (Adaptive neuro-fuzzy inference system, ANFIS) 모델과 비교하였다. 그 결과, 모델 효율성 측면에서 SVR-GS, SVR-GA, SVR-PSO 및 SVR-ABC는 ANN보다 우수한 결과를 나타내었으며, ANFIS와는 비슷한 결과를 나타내었다. 또한 SVR-GA, SVR-PSO 및 SVR-ABC는 SVR-GS보다 상대적으로 우수한 결과를 나타내었으며, 모델 효율성 측면에서 SVR-PSO 및 SVR-ABC는 가장 우수한 모델 성능을 나타내었다. 따라서 본 연구에서 적용한 매개변수 최적화 알고리즘은 SVR의 매개변수를 최적화하는데 효과적임을 확인할 수 있었다. SVR과 최적화 알고리즘을 이용한 하천수위 예측모델은 기존의 ANN 및 ANFIS 모델과 더불어 하천수위 예측을 위한 효과적인 도구로 사용될 수 있을 것으로 판단된다.

  • PDF

Design of Optimized Multi-Fuzzy Controller by Means of Particle Swarm Optimization Algorithm for HVAC System (HVAC 시스템에 대한 PSO 알고리즘을 이용한 최적화된 Multi-Fuzzy 제어기 설계)

  • Jung, Seung-Hyun;Choi, Jeoung-Nae;Oh, Sung-Kwan;Choi, Han-Jong;Ryu, Byoung-Jin
    • Proceedings of the KIEE Conference
    • /
    • /
    • pp.277-278
    • /
    • 2007
  • 본 논문은 HVAC(heating, ventilating, and air conditioning) 시스템에 대해 Particle Swarm Optimization(PSO) 알고리즘을 이용하여 최적화된 Multi-Fuzzy 제어기 설계를 제안한다. HVAC 시스템의 효율과 안정도에 결정적인 영향을 미치는 과열도와 저압(증발기의 압력)을 제어하기 위해, 3대의 Expansion Valve 와 1대의 Compressor 에서 동시에 제어하는 Multi-Fuzzy 제어기를 설계한다. 그리고 최적화 알고리즘 중 하나인 사회적인 행동양식을 기반한 PSO 알고리즘을 이용하여 설계된 Multi-Fuzzy 제어기를 최적화한다. 시뮬레이션의 결과 비교를 통해, 대표적인 최적화 알고리즘인 유전자 알고리즘을 사용한 최적화된 제어기와 제안한 PSO 알고리즘을 이용한 최적화된 제어기의 성능을 평가한다.

  • PDF

Genetic Algorithms as Optimisation Tools and Their Applications (최적화기법으로서의 유전알고리즘과 그 응용)

  • 진강규;하주식
    • Journal of Advanced Marine Engineering and Technology
    • /
    • v.21 no.2
    • /
    • pp.108-116
    • /
    • 1997
  • 유전알고리즘은 진화원리에서 발견된 몇몇 특징들을 컴퓨터 알고리즘과 결합시켜 복잡한 최적화 문제를 해결하려는 도구로서 1975년 미국의 Holland 교수에 의해 처음으로 개발되었다. 주어진 문제에서 탐색환경이 다변수 또는 다봉(multi-modal)이 되어 대단히 복잡하거나 또는 부분적으로 알려질 경우는, 구배(gradient)에 기초한 재래식 방법을 사용하여 최적화하는 것은 매우 어렵게 되고 경우에 따라서는 불가능할 수도 있다. 이러한 이유로 유전알고리즘과 같은 강인한 탐색법이 요구된다. 유전알고리즘의 장점은 연속성(continuity), 미분가능성(differentiability), 단봉성(unimodality) 등과 같이 탐색공간에 대한 제약으로부터 자유롭다는 것이다. 다시 말하면 목적함수 외 탐색공간에 대한 사전지식을 필요로 하지 않고, 매우 크고 복잡한 공간일지라도 전역해 쪽으로 수렴해 갈수 있다는 것이다. 이러한 특성 때문에 유전알고리즘은 실제 환경에서 많은 복잡한 최적화 문제를 해결하는 방법으로 인정을 받고 있으며, 함수의 최적화, 신경회로망의 학습, 동적시스템의 식별및 제어, 신호처리등 여러 분야에 성공적으로 응용되고 있다. 이러한 중요성에 비해 유전알고리즘에 대한 연구는 국내적으로는 아직 미진한 수준이나 최근 이에 대한 관심이 고조되고 있으며, 또한 그 응용분야도 점점 넓어져 이론 개발과 실질적인 응용에 확산되리라 생각된다. 따라서 본 해설기사는 유전알고리즘의 원리와 응용 사례를 살펴봄으로서 최적화 문제를 해결하려는 독자들에게 조금이나마 도움을 주고자 한다.

  • PDF

Truss Design Optimization using Ant Colony Optimization Algorithm (개미군락최적화 알고리즘을 이용한 트러스 구조물의 설계최적화)

  • Lee, Sang-Jin;Han, Yu-Dong
    • Proceedings of the Computational Structural Engineering Institute Conference
    • /
    • /
    • pp.709-712
    • /
    • 2010
  • 본 논문은 개미군락최적화 알고리즘을 이용한 트러스 구조물의 설계최적화에 대한 이론적 배경과 수치해석 결과를 기술하였다. 트러스의 설계최적화를 수행하기 위하여 구조물의 중량을 최소화하는 것을 목적 함수로 하고 구조물에서 발생하는 응력과 변위의 허용치를 초과하지 않는 것을 구속조건으로 이용하였다. 본 연구에서는 개미군락알고리즘을 구조물의 최적화에 적용하기 위하여 외판원문제(travelling salesman problem: TSP)를 재 정의하는 방법을 사용하였으며 최대-최소개미시스템(max-min ant system)을 도입하여 트러스 구조물의 최적설계를 수행하였다. 이때 이산화 된 설계변수를 사용하였으며 구속조건을 처리하기 위해서 벌점함수를 사용하였다. 본 연구를 통하여 개미군락최적화 알고리즘은 구조최적화에 그 적용 가능성이 높았으며 전통적인 최적검색 기법의 새로운 대안으로 이용될 수 있는 것으로 나타났다.

  • PDF

A study on the effectively optimized algorithm for an incremental attribute grammar (점진적 속성문법을 위한 효과적인 최적화 알고리즘에 관한 연구)

  • Jang, Jae-Chun;Ahn, Heui-Hak
    • The KIPS Transactions:PartA
    • /
    • v.8A no.3
    • /
    • pp.209-216
    • /
    • 2001
  • The effective way to apply incremental attribute grammar to a complex language process is the use of optimized algorithm. In optimized algorithm for incremental attribute grammar, the new input attribute tree should be exactly compared with the previous input attribute tree, in order to determine which subtrees from the old should be used in constructing the new one. In this paper the new optimized algorithm was reconstructed by analyzing the algorithm suggested by Carle and Pollock, and a generation process of new attribute tree d’copy was added. Through the performance evaluation for the suggested matching algorithm, the run time is approximately improved by 19.5%, compared to the result of existing algorithm.

  • PDF

A Study on the Hull Form Optimization Using Parallel-Distributed Genetic Algorithm (병렬분산 유전자 알고리즘을 이용한 선형 최적화에 관한 연구)

  • Cho, Min-Cheol;Park, Je-Woong;Kim, Yun-Young
    • Proceedings of the Korea Committee for Ocean Resources and Engineering Conference
    • /
    • /
    • pp.47-52
    • /
    • 2003
  • 지금까지의 선형 최적화에 대한 연구는 고전적인 최적화 기법인 비선형계획법과 유동해석법을 중심으로 생물의 진화 알고리즘을 바탕으로 한 유전자 알고리즘과 인공지능에 기초를 둔 신경망이론 등이 이용되어 왔다. 또한 최근 컴퓨터의 성능이 급속도로 향상됨에 따라 전산유체역학에 기초한 시뮬레이션 평가기법도 사용되고 있다. 본 논문에서는 유전자 알고리즘을 이용한 선형 최적화 방법을 제시하였다. 그리고 광역 최적해의 효과적인 검색과 빠른 접근을 위한 방법으로 네트워크 시스템을 기반으로 한 병렬분산 유전자 알고리즘 시스템(PDGAS)을 개발하였으며 그 성능을 기존의 진화 알고리즘과 비교${\cdot}$분석함으로써 선형 최적화의 가능성을 확인하였다.

  • PDF

A Sparse Code Motion Algorithm forlifetime and computational optimization (수명적, 계산적 최적화를 위한 희소코드모션 알고리즘)

  • Sim, Son-Kweon
    • Journal of the Korea Computer Industry Society
    • /
    • v.5 no.9
    • /
    • pp.1079-1088
    • /
    • 2004
  • Generally, the code motion algorithm accomplishes the run-time optimal connected with the computational optimifation and the register overhead This paper proposes a sparse code motion, which considers the code size, in addition to computational optimization and lifetime optimization. The BCM algorithm carries out the optimal code motion computationally and the LCM algorithm reduces the register overhead in a sparse code motion algorithm. A sparse code motion algorithm is optimum algorithm computationally and lifetime because of suppression unnecessary code motion This algorithm improves runtime and efficiency of the program than the previous work through the performance test.

  • PDF

Parallelization of Metaheuristic Algorithms to Solve the Large-scaled Optimization Problem (대규모 최적화 문제의 해결을 위한 메타휴리스틱 알고리즘의 병렬화)

  • 이용환;류광렬
    • Proceedings of the Korea Inteligent Information System Society Conference
    • /
    • /
    • pp.435-441
    • /
    • 2002
  • 전력시스템 등, 산업 전반의 많은 분야에 최적화 문제가 산재해 있다. 또한 이러한 최적화 문제를 해결하기 위한 많은 연구가 있었다. 특정 응용에 국한되지 않고 모든 응용에 적용 가능한 메타휴리스틱 알고리즘은 그 중 많은 비중을 차지하고 있으며, 가장 대표적인 방법은 유전알고리즘과 타부 탐색이다. 그러나 최적화 문제에 속하는 많은 문제들이 탐색공간이 방대하고 많은 제약이 존재하는 대규모 최적화 문제로서 기존의 메타휴리스틱 기법들을 그대로 이용해서는 빠른 시간 내에 최적의 해를 찾아내기 힘들다 본 논문에서는 대규모 최적화 문제의 하나인 발전기 기동정지 계획 문제를 해결하기 위하여 유전알고리즘과 타부탐색을 적용하고 그 성능을 분석한다. 그리고 각 방법을 병렬화하여 수행함으로써 병렬화를 통하여 시간상의 이득과 함께 부가 효과로서 집중화와 다각화의 효과를 얻을 수 있음을 보여준다.

  • PDF

Estimation of Distribution Algorithm for Continuous Function Optimization (연속 변수 함수 최적화를 위한 탐색점 분포 학습 알고리즘)

  • 신수용;장병탁
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.51-53
    • /
    • 2000
  • 기존의 진화 연산의 한계를 극복하기 위해서 탐색점 분포 학습 알고리즘(Estimation of Distribution Algorithm)이 부각되고 있다. 탐색점 분포 학습 알고리즘은 데이터의 분포를 파악하고, 파악된 분포를 이용해서 새로운 학습 데이터를 생성하는 일련의 과정을 통하여 최적화 문제를 해결하는 방법이다. 그런데, 기존의 탐색점 분포 학습 알고리즘들은 대부분 이진 벡터값을 가지는 최적화 문제들만을 대상으로 하고 있다. 본 논문에서는 비감독 확률 신경망 모델인 헬름홀츠 머신을 이용해서 데이터의 분포를 학습하여 연속 함수 최적화 문제를 해결하는 방법을 개발하였다. 테스트 함수들에 대해서 실수 표현형을 사용한 유전자 알고리즘과 결과를 비교하여 제안하는 방법의 우수성을 검증하였다.

  • PDF