http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
반창봉(Chang-Bong Ban),전호병(Ho-Byung Chun),박창현(Chang-Hyun Park),정구철(Goo-Cheol Jeong),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2001 한국지능시스템학회논문지 Vol.11 No.1
종의 분화는 생명체의 다양성을 유지하며, 좀더 환경에 적합한 생명체를 탄생시킨다. 그래서, 자연계의 진화에 모방을 둔 진화 알고리즘은 주어진 환경에 적응하기 위해 다양성을 유지해야 한다. 본 논문에서는 이러한 종의 분화 개념을 도입한다. 개체군의 각 개체들이 돌연변이를 통하여 자손을 생성하고, 그 중 일부가 분화하여 다음 세대의 개체를 이룬다. 각 개체들은 돌연변이에 의해 결정되는 일정한 해밍 공간 내외를 탐색공간으로 하고, 분화를 통하여 유효한 탐색공간을 점차 넓혀 탐색공간 전체에 대한 효율적인 탐색을 수행한다. 돌연변이를 통한 진화 방법으로 진화 하드웨어에 적용할 경우 내부구조의 변경이 적어 빠른 탐색효과를 가질 수 있다. 제안된 알고리즘을 2개의 최적화 문제에 적용하여 그 유용성을 확인한다. Living creatures maintain their variety through species differentiation helps them to have more fitness for nature. So evolutionary algorithm based on biological evolution must maintain variety in order to adapt to nature. In this paper, we use the concept of species differentiation. Each individual of population creates their son using mutation, and next generation consists of them. Each individual explores search space determined by mutation. Useful search space is extended by differentiation, then population explorer whole search space very effectively. If evolvable hardware evolves through mutation, it is useful way to explorer search space because of less varying inner structure. We verify the effectiveness of the proposed method by applying it to two optimization problems.
심귀보,전호병 중앙대학교 정보통신연구소 1999 정보통신연구소논문집 Vol.1 No.1
유전 알고리듬(Genetic Algorithms : GAs)은 최근 들어 최적화 문제를 해결하기 위한 방법으로 널리 쓰이고 있다. 그 이유는 재생, 교차, 돌연변이라는 도구를 이용하여 어려운 고차원의 문제들에서도 빠르게 최적해를 찾을 수 있기 때문이다. 그러나 GA 곤란한 문제라는, GA에서 최적해로 수렴하지 못하고 국소해에 머무르고 마는 경우가 있다. 이를 해결하기 위한 방법으로 본 연구자들은 스키마 공진화 알고리듬(Schema Co-Evolutionary Algorithm : SCEA)과, 그에 따른 확장 스키마 정리(extended schema theorem)를 제안하였다. 최적해의 해후보로 구성된 개체군과 스키마들의 집합으로 구성된 개체군 간의 공진화를 통하여 SCEA는 GA보다 빠른 수렴성을 가지며, 또한 GA 곤란한 문제에서도 최적해로 수렴한다. 본 논문에서는 기생(寄生) 프로세스(parasitizing process)를 통한 SCEA의 효율성과 장점을 보인다. Genetic algorithms(GAs) have been widely used as a method to solve optimization problems. This is because GAs have simple and elegant tools with reproduction, crossover, and mutation to rapidly discover good solutions for difficult high-dimensional problems. They, however, do not guarantee the convergence of global optima in GA-hard problems such as deceptive problems. Therefore we proposed a Schema Co-Evolutionary Algorithm(SCEA) and derived extended schema theorem from it. Using co-evolution between the first population made up of the candidates of solution and the second population consisting of a set of schemata, the SCEA works better and converges on global optima more rapidly than GAs. In this paper, we show advantages and efficiency of the SCEA by examining parasitizing process of it.