http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 황준하(Junha Hwang) (검색결과 29 건)
- 무료
- 기관 내 무료
- 유료
-
하이브리드 유전 알고리즘과 반복적 개선 탐색 기법에 의한 일정계획
황준하(Junha Hwang),류광렬(Kwang Ryel Ryu),최형림(Hyung Rim Choi),조규갑(Kyu-Kab Cho) 한국정보과학회 1998 정보과학회논문지 : 시스템 및 이론 Vol.25 No.8
본 논문은 복잡도가 높은 일정계획 문제를 해결하기 위하여 유전 알고리즘과 휴리스틱 탐색 기법을 결합한 하이브리드 유전 알고리즘(GA Hybrid)을 적용하는 방안을 제시하고 있다. GA Hybrid는 유전 알고리즘의 장점인 전역적 탐색 능력과 휴리스틱 탐색 기법의 장점인 빠른 수렴성을 결합한 알고리즘이다. 기존의 대부분의 하이브리드 유전 알고리즘들이 유전 연산자 내에 휴리스틱 탐색 기법을 결합하고 있는 것과 달리, 본 논문에서는 문제를 계층적으로 분해하고 반복적 탐색 과정을 통해 문제를 해결하는 방식에 하아브리드 유전 알고리즘을 적용하고 있다. 대상 문제의 계층적 분해는 한번에 고려해야 할 탐색 공간을 대폭 줄임으로써 해의 수렴속도를 개선시키지만 전체 탐색 공간을 고려하지 못하기 때문에 궁극적으로 최적해를 찾을 가능성을 감소시킨다. 그러나, 본 논문에서는 계층별 탐색을 반복함으로써 일정계획을 개선시켜 나가는 반복적 개선 탐색 기법을 도입하여 이와 같은 문제점을 극복할 수 있음을 보이고 있다. 이 경우 몇 번의 반복만으로도 상당히 좋은 일정계획을 수립할 수 있기 때문에 반복에 따른 추가적인 탐색 시간의 증가가 크지 않다. 여러가지 방법들에 대한 실험 결과, GA Hybrid를 이용한 반복적 개선 탐색 기법이 기존의 다른 방법들보다 좋은 해를 탐색할 수 있음이 확인되었다. This paper shows that a simple hybrid of genetic algorithm and local heuristic search provides a powerful means for solving a complex scheduling problem, by exploiting the global perspective of the genetic algorithm and the rapid convergence of the heuristic search. Unlike most other approaches where the hybridization is built into the genetic operations, our hybridization is built into the framework of our iterative improvement search method which works with hierarchical problem decomposition. The hierarchical problem decomposition enhances efficiency by significantly reducing the search space, and thus compromising the optimality of the solution. However, the possible suboptimality induced by such a search space reduction can be overcome by the iterative improvement search which is in fact a reactive process of repeated schedule modification using the genetic algorithm hybrid as an internal search engine. This additional iteration demands little extra processing time because the genetic algorithm hybrid takes only a few iterations to converge to a schedule of high quality. Test results using real world data show that our approach clearly outperforms various other search schemes.
-
정수계획법과 휴리스틱 탐색기법의 결합에 의한 승무일정계획의 최적화
황준하(Junha Hwang),박춘희(Choonhee Park),이용환(Yong Hwan Lee),류광렬(Kwang Ryel Ryu) 한국정보과학회 2002 정보과학회 컴퓨팅의 실제 논문지 Vol.8 No.2
승무일정계획이란 특정 기간동안 운행할 차량들을 대상으로 각 차량마다 필요로 하는 승무원을 배정하는 계획을 말한다. 최적 승무일정계획의 수립은 일반적으로 가능한 모든 종류의 개별 근무표들을 생성한 다음 이들을 대상으로 투입 승무원의 수가 최소화 될 수 있는 최적조합을 선정하는 방식으로 이루어지고 있다. 근무표 최적조합의 선정을 위한 종래의 기법들은 주로 선형계획법에 기반을 두고 있으나, 목적함수에 선형식으로 표현하기 어려운 요소가 포함되어 있을 경우 적용이 어렵다는 문제가 있다. 본 논문은 선형식으로 표현하기 어려운 목적함수를 포함할 뿐만 아니라 동원 가능한 승무원의 수가 제한되어 있는 경우에도 계획 수립이 가능하도록, 기존의 정수계획법에 휴리스틱 탐색기법을 결합하는 방안을 제시한다. 휴리스틱 탐색은 정수계획법에 의해 일차로 도출된 계획의 불완전한 부분을 교정하기 위해 반복적 개선 탐색을 수행하는 방식으로 이루어진다. 기존의 방법으로 해결이 어려운 실제 현장의 승무일정계획 문제를 대상으로 한 실험 결과, 본 논문의 방법은 전문가의 수작업 결과보다 더 좋은 수준의 계획을 빠른 시간 내에 수립할 수 있음을 확인하였다. Crew scheduling is the problem of pairing crews with each of the vehicles in operation during a certain period of time. A typical procedure of crew schedule optimization consists of enumerating all possible pairings and then selecting the subset which can cover all the operating vehicles, with the goal of minimizing the number of pairings in the subset. The linear programming approach popularly adopted for optimal selection of pairings, however, is not applicable when the objective function cannot be expressed in a linear form. This paper proposes a method of integrating integer programming and heuristic search to solve difficult crew scheduling problems in which the objective function cannot be expressed in linear form and at the same time the number of crews available is limited. The role of heuristic search is to improve the incomplete solution generated by integer programming through iterative repair. Experimental results show that our method outperforms human experts in terms of both solution quality and execution time when applied to real world crew scheduling problems which can hardly be solved by traditional methods.
-
-
적분 슬라이딩 모드 제어기를 이용한 매니퓰레이터의 영상기반 비주얼 서보잉
황준하(Junha Hwang),좌동경(Dongkyoung Chwa) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
본 논문에서는 영상기반의 정보를 로봇에 적용하는 매니퓰레이터 시스템을 설계하고, 외란에 강인한 적분 슬라이딩 모드 제어기로 성능을 향상시킨다. 영상기반으로 실제 목표물의 위치를 계속해서 추종하며 목표물과 입력값의 차이인 특징점 오차를 통해 모의실험으로 제어성능을 검증한다.
-
-
황준하(Junha Hwang) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.1
일반적으로 최적화 문제는 다양한 탐색 알고리즘을 통해 해결되어 왔다. 본 연구는 “학습을 통해 최적해를 찾을 수 있을까?”라는 질문으로부터 출발하였으며, 기계 학습을 활용한 최적화 문제의 해결 방향을 제시한다. 이를 위해 본 논문에서는 심층 강화 학습을 활용하여 대표적인 최적화 문제인 8-퍼즐 문제를 해결하는 세 가지 방안을 제시한다. 첫 번째는 모든 상태에 대해 최적의 행동을 학습하는 것이고, 두 번째는 A* 탐색을 위한 휴리스틱 함수를 학습하는 것이다. 마지막으로 세 번째는 특정 상태에서 목표 상태까지의 최적 경로를 학습한다. 세 가지 학습 모두 대표적인 심층 강화 학습 알고리즘인 심층 Q-학습을 기반으로 학습을 수행한다. 실험 결과에 의하면 모든 상태에 대한 최적의 행동을 학습하는 것은 쉽지 않은 것으로 보인다. 그러나 A* 탐색을 위한 휴리스틱 함수의 학습뿐만 아니라 특정 상태에서 목표 상태까지의 최적 경로를 학습하는 것 또한 8-퍼즐 문제 해결을 위해 매우 효과적임을 확인하였다. In general, optimization problems have been solved by various search algorithms. This research started from the question “Can we find optimal solutions through learning?,” and suggests the direction to solve optimization problems using machine learning. To this end, this paper proposes three ways to solve the 8-puzzle problem, which is a representative optimization problem, by using deep reinforcement learning. The first is learning optimal actions for all states, and the second is learning a heuristic function for A* search. Finally, the third one learns an optimal path from a specific state to the goal state. All three types of learning are preformed based on deep Q-learning, a representative deep reinforcement learning algorithm. Experimental results show that learning optimal actions for all states seems not easy. However, it was confirmed that not only learning a heuristic function for A* search but also learning an optimal path from a specific state to the goal state is very effective for solving the 8-puzzle problem.
-
제약 프로그래밍 기반 자동화된 수업 시간표 작성 시스템
황준하(Junha Hwang) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.4
The course timetabling problem is a kind of very complex combinatorial optimization problems, which is known as an NP-complete problem. Sometimes a given course timetabling problem can be accompanied by many constraints. At this time, even if only one constraint is violated, it can be an infeasible timetable. Therefore, it is very difficult to make an automated course timetabling system for a complex real-world course timetabling problem. This paper introduces an automated course timetabling system using constraint programming. The target problem has 26 constraints in total, and they are expressed as 24 constraints and an objective function in constraint programming. Currently, we are making a timetable through this system and applying the result to the actual class. Members’ satisfaction is also much higher than manual results. We expect this paper can be a guide for making an automated course timetabling system.
-
-
-
카메라 모듈을 통해 얻은 빅데이터를 활용하여 두피 건강을 진단할 수 있는 기술 연구
황준하(Junha Hwang),안나영(Nayeong An),장세희(Sehee Jang),조정현(Junghyun Cho),나웅수(Woongsoo Na),김재웅(Jae-Woong Kim) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
두피는 다른 피부와는 달리 맨눈으로 건강 상태를 파악하기 힘든 부분이 있다. 이러한 부분을 해결하기 위해 본 연구에서는 실시간 기계학습 기반 두피 상태 모니터링 IoT 시스템을 개발한다. 제안된 시스템은 빗과 카메라로 구성되어 있으며 빗으로 머리를 빗을 시 촬영된 두피의 사진정보를 스마트폰으로 전송하고 미리 학습시킨 인공지능이 두피 상태를 판단하여 사용자에게 정보를 알려준다. 최종적으로 68.7%의 정확도를 얻을 수 있었다. Unlike other skin, the scalp is difficult to identify with the naked eye. To solve this problem, In this paper, we develop a real-time scalp condition monitoring IoT system based on machine learning. The proposed system consists of a comb and a camera, and when the hair is combed with a comb, the photographed information of the scalp is transmitted to the smartphone, and the pre-learned artificial intelligence determines the scalp condition. Finally, an accuracy of 68.7% was obtained.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
