• Title, Summary, Keyword: 최적화 알고리즘

Search Result 3,166, Processing Time 0.066 seconds

An Adaptive Evolutionary Algorithm Applied to the Fixed Charge Transportation Problem (고정비용 수송문제에 적용된 적응형 진화 알고리즘)

  • Soak, Sang-Moon;Lee, Hong-Girl
    • Proceedings of the Korean Institute of Navigation and Port Research Conference
    • /
    • v.2
    • /
    • pp.121-124
    • /
    • 2006
  • 본 논문에서는 고정비용수송문제와 같은 다양한 네트워크 최적화 문제들에 적용될 수 있는 새로운 진화 알고리즘을 소개한다. 제안하는 알고리즘은 기존의 진화 알고리즘과 비교에서 두가지 다른 특징을 지닌다. 첫째, 해 표현법이 다르다. 초기에, 모든 유전인자 값이 '0'으로 설정된다. 둘째, 각 해들은 일치하는 적합도 값에 따라 일종의 라마크식(Lamarckian) 적응 과정을 수행한다. 제안하는 적응적 진화 알고리즘의 성능을 측정하기 위해 고정비용수송문제에 적용하였으며 또한 동시에 제안하는 알고리즘을 최적화하기 위해 다양한 실험을 수행하였다. 결론적으로, 제안하는 알고리즘은 기존에 고정비용수송문제를 위해 제안된 가장 우수한 알고리즘보다 더 우수한 성능을 보여주었다.

  • PDF

Optimum Allocation of Pipe Support Using Combined Optimization Algorithm by Genetic Algorithm and Random Tabu Search Method (유전알고리즘과 Random Tabu 탐색법을 조합한 최적화 알고리즘에 의한 배관지지대의 최적배치)

  • 양보석;최병근;전상범;김동조
    • Journal of the Korean Institute of Intelligent Systems
    • /
    • v.8 no.3
    • /
    • pp.71-79
    • /
    • 1998
  • This paper introduces a new optimization algorithm which is combined with genetic algorithm and random tabu search method. Genetic algorithm is a random search algorithm which can find the global optimum without converging local optimum. And tabu search method is a very fast search method in convergent speed. The optimizing ability and convergent characteristics of a new combined optimization algorithm is identified by using a test function which have many local optimums and an optimum allocation of pipe support. The caculation results are compared with the existing genetic algorithm.

  • PDF

Optimization of Fuzzy Learning Machine by Using Particle Swarm Optimization (PSO 알고리즘을 이용한 퍼지 Extreme Learning Machine 최적화)

  • Roh, Seok-Beom;Wang, Jihong;Kim, Yong-Soo;Ahn, Tae-Chon
    • Journal of the Korean Institute of Intelligent Systems
    • /
    • v.26 no.1
    • /
    • pp.87-92
    • /
    • 2016
  • In this paper, optimization technique such as particle swarm optimization was used to optimize the parameters of fuzzy Extreme Learning Machine. While the learning speed of conventional neural networks is very slow, that of Extreme Learning Machine is very fast. Fuzzy Extreme Learning Machine is composed of the Extreme Learning Machine with very fast learning speed and fuzzy logic which can represent the linguistic information of the field experts. The general sigmoid function is used for the activation function of Extreme Learning Machine. However, the activation function of Fuzzy Extreme Learning Machine is the membership function which is defined in the procedure of fuzzy C-Means clustering algorithm. We optimize the parameters of the membership functions by using optimization technique such as Particle Swarm Optimization. In order to validate the classification capability of the proposed classifier, we make several experiments with the various machine learning datas.

Ant Colony Optimization for Feature Selection in Pattern Recognition (패턴 인식에서 특징 선택을 위한 개미 군락 최적화)

  • Oh, Il-Seok;Lee, Jin-Seon
    • The Journal of the Korea Contents Association
    • /
    • v.10 no.5
    • /
    • pp.1-9
    • /
    • 2010
  • This paper propose a novel scheme called selective evaluation to improve convergence of ACO (ant colony optimization) for feature selection. The scheme cutdown the computational load by excluding the evaluation of unnecessary or less promising candidate solutions. The scheme is realizable in ACO due to the valuable information, pheromone trail which helps identify those solutions. With the aim of checking applicability of algorithms according to problem size, we analyze the timing requirements of three popular feature selection algorithms, greedy algorithm, genetic algorithm, and ant colony optimization. For a rigorous timing analysis, we adopt the concept of atomic operation. Experimental results showed that the ACO with selective evaluation was promising both in timing requirement and recognition performance.

Optimization of Satellite Honeycomb Platforms (하니콤 위성 플래폼의 최적 설계)

  • Park, Jeong-Seon;Im, Jong-Bin;Kim, Jin-Hui
    • Journal of the Korean Society for Aeronautical & Space Sciences
    • /
    • v.30 no.2
    • /
    • pp.122-129
    • /
    • 2002
  • An optimization of satellite honeycomb platforms under sever space environment is performed. There are many optimization constraints for space environment to be considered. A modified method of feasible direction and a genetic algorithm are used to optimize the satellite platform structures. The design constraints are concerned with bearing stresses at joints and natural frequencies. The results from the optimization methods are compared. The numerical results show that natural frequency constraints are dominant to reach the optimum design. This study verifies the design of satellite honeycomb platforms and suggests an optimal platform design.

Region Segmentation from MR Brain Image Using an Ant Colony Optimization Algorithm (개미 군집 최적화 알고리즘을 이용한 뇌 자기공명 영상의 영역분할)

  • Lee, Myung-Eun;Kim, Soo-Hyung;Lim, Jun-Sik
    • The KIPS Transactions:PartB
    • /
    • v.16B no.3
    • /
    • pp.195-202
    • /
    • 2009
  • In this paper, we propose the regions segmentation method of the white matter and the gray matter for brain MR image by using the ant colony optimization algorithm. Ant Colony Optimization (ACO) is a new meta heuristics algorithm to solve hard combinatorial optimization problem. This algorithm finds the expected pixel for image as the real ant finds the food from nest to food source. Then ants deposit pheromone on the pixels, and the pheromone will affect the motion of next ants. At each iteration step, ants will change their positions in the image according to the transition rule. Finally, we can obtain the segmentation results through analyzing the pheromone distribution in the image. We compared the proposed method with other threshold methods, viz. the Otsu' method, the genetic algorithm, the fuzzy method, and the original ant colony optimization algorithm. From comparison results, the proposed method is more exact than other threshold methods for the segmentation of specific region structures in MR brain image.

Comparing between particle swarm optimization and differential evolution in bargaining game (교섭게임에서 입자군집최적화와 차분진화알고리즘 비교)

  • Lee, Sangwook
    • Proceedings of the Korea Contents Association Conference
    • /
    • /
    • pp.55-56
    • /
    • 2015
  • 근래에 게임이론 분야에서 진화계산 기법을 사용한 분석은 중요한 이슈이다. 본 논문에서는 교섭게임에서 입자군집최적화와 차분진화알고리즘 간의 공진화 과정을 관찰하고 상호 경쟁에서 얻는 이득을 비교하여 두 알고리즘의 성능을 분석한다. 실험결과 입자군집최적화가 차분진화알고리즘에 비해 교섭게임에서 더 우수한 성능을 보임을 확인하였다.

  • PDF

Micro-Genetic Algorithm for Undirected Rural Postman Problem (무향 Rural Postman Problem 해법을 위한 마이크로 유전자 알고리즘)

  • Kang, MyungJu
    • Proceedings of the Korean Society of Computer Information Conference
    • /
    • /
    • pp.167-168
    • /
    • 2015
  • 유전자 알고리즘은 문제 크기가 커짐에 따라 해집합이 폭발적으로 늘어나 최적해를 찾기 힘든 최적화 문제에 주로 적용되는 알고리즘으로, 최근에는 지리정보시스템(GIS)의 경로 최적화 문제, 게임에서의 길찾기, 인공지능에 많이 적용되고 있다. 마이크로 유전자 알고리즘은 일반 유전자 알고리즘에 비해 작은 크기의 모집단을 사용함으로써 알고리즘의 효율을 높일 수 있는 장점이 있다. 따라서, 본 논문에서는 무향 Rural Postman Problem 해법으로 마이크로 유전자 알고리즘의 적용 방법을 제안한다.

  • PDF

Fast Rate Distortion Optimization Algorithm for Inter Predictive Coding of H.264/AVC (H.264/AVC의 인터 예측 부호화를 위한 고속 율왜곡 최적화 알고리즘)

  • Sin, Se-Ill;Oh, Jeong-Su
    • The Journal of Korean Institute of Communications and Information Sciences
    • /
    • v.34 no.1C
    • /
    • pp.56-62
    • /
    • 2009
  • In H.264/AVC, rate distortion optimization algorithm is used to decide the best block mode from various block modes. It improves a bit rate but greatly increases an amount of computation. This paper proposes a fast rate distortion optimization algorithm that omits a rate distortion optimization adaptively by predicting its cost from the cost calculated for motion estimation. The simulation results show that the proposed algorithm, on average, keeps nearly the image quality and the bit rate made by the rate distortion optimization while reduces 69.86% and 69.63% of computation added by it in CIF and QCIF respectively.

SMGA : An Efficient Coevolutionary Algorithm based on Species Splitting and Merging (SMGA : 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘)

  • 도영아;박성진;김명원
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.134-136
    • /
    • 2000
  • 진화 알고리즘은 자원 관리, 스케줄링, 퍼지 논리 재어기의 설계 등의 다양한 문제들에 적용되는, 일반적이고 효율적인 최적화 방법이다. 그러나 이러한 진화 알고리즘의 문제점은 탐색해야할 변수의 증가에 따라 차원의 증가로 인하여 탐색공간이 기하급수적으로 늘어난다는 것이다. 이러한 문제점을 해결하기 위해 Potter와 Dejong은 개개의 종족을 독립적으로 진화시킴으로써 탐색공간을 대폭 줄인, 협력 공진화 알고리즘을 제안하였다. 그러나 이것 또한 변수 의존성이 강한 문제들에 대해서는 비효율적인 탐색을 하는 문제점이 있다. 본 논문에서는 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘을 제안한다. 이 알고리즘은 최적화 하려는 변수들이 서로 의존성이 없는 경우에는 종족의 분할을 통하여 탐색공간의 축소의 이점을 얻고, 최적화 하려는 변수들이 서로 의존성이 있는 경우에는 종족의 병합을 통하여 전역탐색을 하도록 한다. 제안하는 알고리즘을 상품재고 제어 문제(ICP)로 실험하여 현존하는 어떤 공진화 알고리즘보다도 효율적인 결과를 보여준다.

  • PDF