http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
조진선(JinSun Cho),장형수(Hyeongsoo Chang) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.1
본 논문에서는 개미 집단 최적화(Ant Colony Optimization, ACO)의 시간적 공간적 효율성을 향상시키기 위해 ACO에 엘리트 콤팩트 유전 알고리즘(Elitist compact Genetic Algorithms, elitist cGAs)의 아이디어를 적용한 콤팩트 개미 최적화(Compact elitist Ant Optimization, CAO)를 제안한다. CAO는 elitist cGAs에서 각 세대마다 염색체의 수를 둘로 고정하고 우월한 염색체를 유지하여 최적의 해를 찾는 방식을 적용하여 개미의 수를 하나로 고정하고 전이 확률식과 페로몬 갱신 규칙을 변형하고 특정 문제에 적용할 수 있는 타부 규칙을 추가한 알고리즘이다. 이 알고리즘의 공간 효율성이 ACO보다 좋다는 것을 증명하고 스테이너 트리 문제(Steiner Tree Problem)에 적용하여 제안된 알고리즘의 시간 효율성이 ACO보다 좋다는 것을 보인다.
센서의 상대적 위치정보를 이용한 무선 센서 네트워크에서의 클러스터링 알고리즘 (pp.212-221)
정우현(WooHyun Jung),장형수(HyeongSoo Chang) 한국정보과학회 2009 정보과학회논문지 : 정보통신 Vol.36 No.3
본 논문에서는 GPS가 없는 일반적인 Wireless Sensor Networks(WSNs)상에서 상대적 위치정보를 이용하여 지리적으로 고른 cluster를 구성하고, sensor와 BS사이의 거리를 고려하여 cluster head의 선출빈도를 조절하는 새로운 centralized clustering algorithm "RLCA : Relative Location based Clustering Algorithm for Wireless Sensor Networks"를 제안하고, RLCA의 에너지 소비 효율성이 LEACH에 비해 높다는 것을 실험적으로 보인다. This paper proposes a novel centralized clustering algorithm, "RLCA : Relative Location based Clustering Algorithm for Wireless Sensor Networks," for constructing geographically well-distributed clusters in general WSNs. RLCA does not use GPS and controls selection-rate of cluster-head based on distances between sensors and BS. We empirically show that RLCA's energy efficiency is higher than LEACH's.
서비스 로봇을 위한 Self-Managed 소프트웨어 프레임워크 개발
박수용(Sooyong Park),장형수(Hyeongsoo Chang),김동선(Dongsun Kim),고인영(In-Young Ko),박연출(Yeon-Chool Park),이관우(Kwanwoo Lee) 한국정보과학회 2006 정보과학회지 Vol.24 No.3
본 논문에서는 내장형 소프트웨어 시스템, 특히 로봇 소프트웨어를 위한 self-managed 소프트웨어 개발 프레임워크로서 SHAGE 프레임워크를 제안하였다. SHAGE 프레임워크는 소프트웨어를 실행시간에 동적으로 변경시킬 수 있도록 지원하는 여러 모듈로 구성되어 있다. Observer가 외부 상황을 관찰하고 관찰된 상황이 Architecture Broker로 전달되면 후보 아키텍처 재구성 전략을 검색하고 Component Broker가 구체화 컴포넌트들을 검색한 후 상황에 적절한 아키텍처 재구성 전략과 컴포넌트 구성을 Decision Maker가 선택한다. Reconfigurator가 선택된 전략과 컴포넌트 구성을 기초로 로봇의 아키텍처를 재구성한다. 적응행위를 Evaluator가 평가하고 그 결과를 Learner가 축적하여 나중에 Decision Maker가 사용할 수 있게 한다.<br/> 프레임워크의 효용성을 확인하기 위해서 실제 로봇을 이용한 사례연구를 수행하였고, 이 실험을 통해 적응 과정을 확인하였다. 로봇은 상황과 사용자의 피드백에 적응하였다.
무선 센서 네트워크에서의 Max k-Cut 기반의 클러스터링 알고리즘 (pp.98-107)
김재환(JaeHwan Kim),장형수(HyeongSoo Chang) 한국정보과학회 2009 정보과학회논문지 : 정보통신 Vol.36 No.2
본 논문에서는 Wireless Sensor Networks에서 Max k-Cut Problem을 기반으로 위치 정보를 사용하지 않고 클러스터 헤드를 적절히 분산하여 선출함으로써 에너지 효율적인 클러스터링을 하는 중앙처리 방식의 새로운 알고리즘 “MCCA : Max k-Cut based Clustering Algorithm for Wireless Sensor Networks”을 제안한다. MCCA는 이웃 노드와의 상대적이고 근사적인 거리 정보만을 사용하여 효율적으로 클러스터링을 하고 에너지가 적은 노드는 클러스터 헤드 선출에서 일정 기간 제외되는 방법을 사용함으로써 LEACH, EECS보다 에너지 효율이 증대됨과 GPS를 사용한 BCDCP와 에너지 효율이 비슷함을 실험을 통하여 보인다. In this paper, we propose a novel centralized energy-efficient clustering algorithm, called "MCCA : Max k-Cut based Clustering Algorithm for Wireless Sensor Networks." The algorithm does not use location information and constructs clusters via a distributive Max k-Cut based cluster-head election method, where only relative and approximate distance information with neighbor nodes is used and nodes, not having enough energy, are excluded for cluster-heads for a specific period. We show that the energy efficiency performance of MCCA is better than that of LEACH, EECS and similar to BCDCP's by simulation studies.