• Title, Summary, Keyword: 최적화 알고리즘

Search Result 3,166, Processing Time 0.05 seconds

Comparison Analysis of $\varepsilon$-Multiobjective Evolutionary Algorithm (입실론-다중 목적함수 진화 알고리즘에 대한 비교 연구)

  • 이인희;신수용;장병탁
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.241-243
    • /
    • 2004
  • 실제 응용에서 제기되는 많은 최적화 문제는 실제로 여러 개의 목적함수를 가진 최적화 문제로 분류될 수 있다. 이러한 다중 목적함수 최적화 문제에 적용되온 방법 중에서 다중 목적함수 진화 알고리즘은 해집합을 이용한다는 특성 및 목적함수 처리의 용이성 때문에 많은 연구가 이루어지고 있다. 본 논문에서는 대표적인 다중 목적함수 진화 알고리즘이라 할 수 있는 입실론-다중 목적함수에 대하여 다양한 최적화 문제에 대하여 실험적으로 비교 분석해 보았다.

  • PDF

Multi-Grouped Particle Swarm Strategy for Multi-modal Optimization (Multi-modal 최적화를 위한 다중 그룹 Particle Swarm 전략)

  • Seo, Jang-Ho;Jung, Hyun-Kyo
    • Proceedings of the KIEE Conference
    • /
    • /
    • pp.1026-1028
    • /
    • 2005
  • 본 논문에서는 PSO(Particle Swarm Optimization)에 기초하여 multi-modal 최적화를 위한 다중 그룹 Particle Swarm 최적화 알고리즘(MGPSO)을 제안하였다. 제안된 알고리즘은 PSO의 기본 특성을 유지하기 때문에 기존의 혼합형 타입의 최적화 방식에 비하여 빠른 수렴 시간을 가지며 구성방식이 간단하다. 여러 개의 피크를 가지는 테스트 함수를 통해 본 논문에서 제시한 알고리즘의 타당성을 입증하였으며, 영구자석 매입형 전동기의 최적 설계에 적용하여 그 유용성을 확인하였다.

  • PDF

Improved Parallel Computation for Extended Edit Distances (개선된 확장편집거리 병렬계산)

  • Kim, Youngho;Sim, Jeong Seop
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • /
    • pp.62-65
    • /
    • 2014
  • 근사문자열매칭 알고리즘은 검색엔진, 컴퓨터보안, 생물정보학 등 많은 분야에서 연구되고 있다. 근사문자열매칭에서는 거리함수를 이용하여 오차를 측정한다. 거리함수로는 해밍거리, 편집거리, 확장편집거리 등이 있다. 이때 확장편집거리는 mn) 시간과 공간에 계산할 수 있으며, 최근 m개의 쓰레드를 이용하여 O(m+n) 시간과 O(mn) 공간을 이용한 병렬알고리즘이 제시되었다. 본 논문에서는 기존의 확장편집거리를 계산하는 병렬알고리즘을 개선한 효율적인 병렬알고리즘을 제시한다. 기존의 병렬알고리즘을 최적화하고, 기존의 병렬알고리즘, 전역메모리만 사용한 최적화된 병렬알고리즘, 공유메모리를 활용한 최적화된 병렬알고리즘의 수행시간을 비교한다. 실험 결과, 개선된 병렬알고리즘이 기존의 병렬알고리즘보다 전처리단계에서 16 ~ 63배 이상, 모든 단계에 대해 19 ~ 24배 이상 빠른 수행시간을 보였다.

Shape Optimization of Arches (아치구조의 형상 최적화)

  • Han, Sang Hoon;Byun, Keun Joo
    • Journal of The Korean Society of Civil Engineers
    • /
    • v.4 no.4
    • /
    • pp.127-135
    • /
    • 1984
  • This paper considers the problem of optimum shaping of steel arches subjected to general loading. The weight of arches is considered as the objective function and the appropriate combinations of section forces, material volume, arc length, and closed section area of arches are considered as the stress constraints. The shape optimization problems are formulated in terms of the design variables of sectional areas of each element. First the cost sensitivity of the design is investigated. Then the investigation comprises the search for the optimum arch form as well as the optimum area distribution along the arch. Two spaces of shape optimization algorithm will be treated, the first space corresponding to the section optimization by the Modified Newton Raphson Method, and the second space to the coordinate optimization by the Powell Method. The optimization algorithm is evaluated and the optimum span-rise ratios for the given arches are evaluated.

  • PDF

Weapon-Target Assignment Usins Genetic Algorithms (유전자 알고리즘을 이용한 무장할당)

  • 권경엽;조중선
    • Proceedings of the Korean Institute of Intelligent Systems Conference
    • /
    • /
    • pp.55-58
    • /
    • 2003
  • 본 논문에서는 유전자 알고리즘을 이용한 무장할당 문제를 제안하였다. 무장할당이란 적의 공격으로부터 방어대상물의 손상을 최소화하거나 적의 공격물 또는 표적의 격추 확률이 최대가 되도록 표적에 대한 방어무기의 적절한 할당을 목적으로 하는 최적화 문제로서, 본 논문에서는 무장할당 문제에 전역 최적화의 강점을 가진 유전자 알고리즘을 적용하였다. 무장할당문제에 적합한 유전자 알고리즘 형태와 파라메타를 선정하는 방법을 제시하였고, 시뮬레이션을 통해서 기존의 전통적인 최적화 기법과의 성능 비교를 수행한 결과, 제안된 방법이 우수함을 입증하였다.

  • PDF

Bacteria Cooperative Optimization Based on E. Coli Chemotaxis (대장균의 주화성에 근거한 박테리아 협동 최적화)

  • Jeong, Hui-Jeong;Jeong, Seong-Hun
    • Proceedings of the Korean Institute of Intelligent Systems Conference
    • /
    • /
    • pp.241-244
    • /
    • 2007
  • 본 논문에서는 박테리아의 주화성에 기초한 Bacteria Cooperative Optimization(BCO) 알고리즘을 소개한다. BCO는 Ant Colony Optimization (ACO)처럼 자연계에 존재하는 생명체의 행동양식을 모방하여 만든 최적화 알고리즘으로 크게 초기화, 측정, 행동결정, 이동으로 구성된다. 우리는 먼저 BCO 알고리즘을 설명하고 2차원 함수 최적화 문제를 이용하여 BCO알고리즘과 Genetic Algorithm(GA) 그리고 Bacterial Foraging for Distributed Optimization(BFO)의 성능 측정 결과를 기술한다. 실험 결과 BCO의 성능이 GA나 BFO보다 우수함을 보였다.

  • PDF

Alignment Optimization Considering Characteristics of Intersections (교차로의 특성을 고려한 도로선형최적화)

  • KIM, Eungcheol;SON, Bongsoo;CHANG, Myungsoon
    • Journal of Korean Society of Transportation
    • /
    • v.20 no.4
    • /
    • pp.109-122
    • /
    • 2002
  • 본 연구에서는 교차로의 비용 및 특성을 고려한 도로선형최적화 모형을 유전자 알고리즘(Genetic Algorithms)을 이용하여 개발하였다. 기존의 도로선형최적화 모형은 교차로 특성을 고려하지 못해서 실제 적용에 심대한 문제점을 내재하고 있다. 본 논문에서는 특정 도로선형에 교차로 건설의 필요가 있을 경우, 민감(Sensitive)하고 지배적인(Dominating) 교차로 비용 항목들 즉, 토공비용, 보상비, 포장비, 사고비용, 지체 및 연료소모비용 등의 산정이 시도되었다. 또한 비교적 우수한 도로선형 대안을 유전자 알고리즘을 이용한 탐색과정 중에서 비효율적으로 강제 퇴화시키는 단점 보완을 위한 교차로 국소 최적화 방법(Local Optimization of Intersections)이 개발되어 기존 모형을 보완하였다. 공간상의 도로선형은 매개변수적 묘사(Parametric Representation)를 통하여 구현하였으며 벡터운영(Vector Manipulation)을 통해 교차로비용 산정의 근간인 교차점과 다른 중요점들의 좌표를 찾을 수 있었다. 개발된 교차로 비용산정 모형이 보다 정밀하게 교차로 비용을 산정함이 증명되었으며 궁극적으로는 기존의 최적화 모형의 단점을 보완할 수 있음이 제시되었다. 또한, 새로이 제시된 교차로 국소 최적화 방법이 최적대안 탐색과정의 유연성을 증대하였으며, 결과적으로 효율적인 교차로의 유지에 기여함을 알 수 있었다. 제시된 교차로 국소 최적화 방법은 추후 단일노선이 아닌 도로망 최적화시의 기초를 제시함은 주목할 만 하다. 두개의 예제에서 도출된 최적노선 및 교차로 비용 등의 검토 결과, 도로상의 교차로 건설비용은 도로선형 최적화에 큰 영향을 미치는 실질적이며 민감한 비용 항목임이 검증되었으며 이는 도로선형최적화 모형이 교차로 비용을 반드시 검토 및 평가할 수 있어야 함을 반증한다.

Base Station Location Optimization in Mobile Communication System (이동 통신 시스템에서 기지국 위치의 최적화)

  • 변건식;이성신;장은영;오정근
    • The Journal of Korean Institute of Electromagnetic Engineering and Science
    • /
    • v.14 no.5
    • /
    • pp.499-505
    • /
    • 2003
  • In the design of mobile wireless communication system, base station location is one of the most important parameters. Designing base station location, the cost must be minimized by combining various, complex parameters. We can solve this problem by combining optimization algorithm, such as Simulated Annealing, Tabu Search, Genetic Algorithm, Random Walk Algorithm that have been used extensively fur global optimization. This paper shows the 4 kinds of algorithm to be applied to the optimization of base station location for communication system and then compares, analyzes the results and shows optimization process of algorithm.

Statistical Analysis of Receding Horizon Particle Swarm Optimization for Multi-Robot Formation Control (다개체 로봇 편대 제어를 위한 이동 구간 입자 군집 최적화 알고리즘의 통계적 성능 분석)

  • Lee, Seung-Mok
    • Journal of the Korea Industrial Information Systems Research
    • /
    • v.24 no.5
    • /
    • pp.115-120
    • /
    • 2019
  • In this paper, we present the results of the performance statistical analysis of the multi-robot formation control based on receding horizon particle swarm optimization (RHPSO). The formation control problem of multi-robot system can be defined as a constrained nonlinear optimization problem when considering collision avoidance between robots. In general, the constrained nonlinear optimization problem has a problem that it takes a long time to find the optimal solution. The RHPSO algorithm was proposed to quickly find a suboptimal solution to the optimization problem of multi-robot formation control. The computational complexity of the RHPSO increases as the number of candidate solutions and generations increases. Therefore, it is important to find a suboptimal solution that can be used for real-time control with minimal candidate solutions and generations. In this paper, we compared the formation error according to the number of candidate solutions and the number of generations. Through numerical simulations under various conditions, the results are analyzed statistically and the minimum number of candidate solutions and the minimum number of generations of the RHPSO algorithm are derived within the allowable control error.

Goal-Pareto based NSGA-II Algorithm for Multiobjective Optimization (다목적 최적화를 위한 Goal-Pareto 기반의 NSGA-II 알고리즘)

  • Park, Soon-Kyu;Lee, Su-Bok;Lee, Won-Cheol
    • The Journal of Korean Institute of Communications and Information Sciences
    • /
    • v.32 no.11A
    • /
    • pp.1079-1085
    • /
    • 2007
  • This Paper Proposes a new optimization algorithm named by GBNSGA-II(Goal-pareto Based Non-dominated Sorting Genetic Algorithm-II) which uses Goal Programming to find non-dominated solutions in NSGA-II. Although the conventional NSGA is very popular to solve multiobjective optimization problem, its high computational complexity, lack of elitism and difficulty of selecting sharing parameter have been considered as problems to be overcome. To overcome these problems, NSGA-II has been introduced as the alternative for multiobjective optimization algorithm preventing aforementioned defects arising in the conventional NSGA. Together with advantageous features of NSGA-II, this paper proposes rather effective optimization algorithm formulated by purposely combining NSGA-II algorithm with GP (Goal Programming) subject to satisfying multiple objectives as possible as it can. By conducting computer simulations, the superiority of the proposed GBNSGA-II algorithm will be verified in the aspects of the effectiveness on optimization process in presence of a priori constrained goals and its fast converging capability.