유전자 알고리즘을 이용한 이중대역 큐브 안테나

설창환 대구대학교 대학원 2019 국내석사

3D 구조의 안테나는 현재 다양한 분야에 활용되고 있으며 시중의 대부분의 안테나는 입체적인 형태의 안테나로 설계되고 있다. 하지만 입체적인 다중대역 안테나는 설계가 쉽지 않으며 Simulation과 실제 제작에서의 오차를 찾기 위한 과정에서 많은 시간을 필요로 한다. 하지만 3D프린트를 통한 3D모양의 입체 모형을 제작하여, 그 모양을 안테나구조로 활용한다면 비교적 설계오차를 줄이고 빠르게 설계 및 제작이 가능하다. 이러한 점을 이용하여 입체형태의 3D프린트 구조물에 안테나의 전도성 재질을 붙여 특정 구조 크기의 입체 큐브 안테나를 최적화 알고리즘을 사용하여 설계하고 제작 측정한다. 생물의 진화를 바탕으로 설계된 알고리즘인 유전자 알고리즘(Genetic Algorithm:GA)은 각 유전 요소에 따른 결과를 통해 다양한 분야에서 응용되며 그 성능이 증명되었다. 본 논문에서는 안테나의 디자인 최적화에 유전자 알고리즘을 사용함과 동시에 유전자 알고리즘을 통한 안테나 설계에 관하여 설명한다. 또한 안테나 Simulation 프로그램과 MATLAB을 통한 유전자 알고리즘을 연동하는 방법에 관하여 소개 하였으며 안테나 Simulation 프로그램인 CST자체에 설치된 GA에 의해 설계된 안테나 결과물과 본 논문에서 사용된 외부 Matlab으로 구현된 GA와 연동된 CST에 의해 설계된 안테나 결과물의 성능을 비교하였다. 최적화된 안테나는 3D 직사각형 모양을 가진 큐브 형태의 이중대역 안테나로 RFID주파수인 920MHz와 WiFi 주파수인 2.5GHz에서 동작하는 이중대역 안테나를 GA로 최적화 하여 설계 제작하였다. Simulation에서 920MHz는 –26.2dB의 반사손실을 가졌으며 2.4GHz는 –27.6dB의 반사손실을 가졌다. 실제 제작한 안테나는 920MHz에서 –32.4dB의 반사손실을 가졌으며 2.4GHz에서 –40.8dB의 반사손실을 가졌다. 또한 본 논문에서는 기존 CST에서 지원하는 GA의 최적화 속도와 본 논문에서 설계된 Matlab GA와 연동된 CST의 최적화 속도를 비교하였으며 3D프린트를 이용한 3D 입체구조의 최적의 cube안테나를 디자인한다. The 3D-shaped antennas are currently used in a variety of fields, and most of the antennas are designed with 3D-shapes. But a 3d antenna is difficult to produce and consumes a lot of time in the process of finding errors in simulation. However If 3D-shaped models are produced through 3D printing they can be produced relatively quickly. Using these points, the antenna is attached to the 3D printed structure in a three-dimensional form to produce a three-dimensional antenna of a specific structure size. Genetic algorithm (GA), an algorithm designed based on the evolution of living things, has been applied in a variety of fields and its performance has been demonstrated through the results of each genetic element. This paper explain the design of an antenna through a genetic algorithm while using a genetic algorithm to optimize the design of an antenna. It also introduced how to link the antenna simulation program with the genetic algorithm through the MATLAB and compared the internal GA of the antenna simulation program with the GA of the CST The designed antenna is a cube-shaped, double-band antenna with a 3D rectangle shape and is designed to operate at 920MHz and 2.5GHz. In the simulations, 920 MHz had a return loss of –26.2 dB and 2.4 GHz had a return loss of –27.6 dB. The actual antenna has a return loss of –32.4 dB at 920 MHz and a return loss of –40.8 dB at 2.4 GHz. In this paper, the genetic algorithm supported inside the existing program and the genetic algorithm modified through the MATLAB program are compared and the optimal tube antenna of the 3D structure is designed.

유전 알고리즘을 이용한 액체로켓엔진의 설계변수 최적화 프로그램 개발

장준영 인하대학교 대학원 2011 국내석사

액체로켓엔진의 최적화를 위해 유전알고리즘을 사용하여 주요 설계변수인 연료와 산화제의 질유량과 연소실 압력을 결정하였으며, 단계식 연소사이클의 경우는 예연소기 들어가는 질유량 분율을 고려하였다. 액체로켓엔진을 추력실, 터보펌프, 터빈, 공급계 부품, 가스발생기, 예연소기로 나누어 모듈화 하였으며 각 모듈 프로그램을 제어하는 방식을 사용하였다. 사이클은 가스발생기 사이클과 단계식 연소 사이클을 대상으로 하였다. 가스발생기 사이클은 Dieter K. Huzel과 David H. Huang이 계산한 설계 변수들과 비교하였고, 단계식 연소 사이클은 미국의 우주왕복선 메인 엔진의 데이터와 비교하였다. 사이클 해석을 거쳐 만들어진 에너지 발란스 프로그램은 최적화 과정의 목적함수로 이용되었다. 목적함수는 비추력의 최대화이고 펌프-터빈의 에너지 발란스와 요구추력을 제한조건으로 하였다. 연소실의 물성치는 CEA2를 이용하였으며 펌프와 터빈의 효율, 가스발생기 및 예연소기의 물성치는 문헌 자료를 수학적으로 모델링 하였다. 최적화를 통한 결과, 비추력이 참고문헌과 비교하여 가스발생기 사이클의 경우 약 6.4% 향상되었으며, 단계식 연소 사이클에서는 약 3.23% 향상되었다.

유전자 알고리즘과 인공신경망을 이용한 공시지가 자동 산정에 관한 연구

홍영철 아주대학교 2005 국내석사

우리나라는 합리적이고 일관성 있는 지가정보체계를 세우기 위해 1989년 공시지가제도를 도입하여 매년 전국적으로 2700만 필지의 지가를 산정하여 공시하고 있다. 이러한 공시지가 산정 작업은 많은 인력과 비용을 필요로 하기 때문에 이를 자동화할 수 있는 방법에 대한 연구가 꾸준히 이루어지고 있다. 인간 두뇌의 기능을 컴퓨터가 그대로 시뮬레이션 한다면 바로 이것이 인공지능이 목표하는 바일 것이다. 인공신경망(Artificial Neural Networks)과 유전자 알고리즘(Genetic Algorithms)은 인공지능의 대표적인 분야이다. 인공신경망은 인간 신경세포의 기능을 부분적으로 컴퓨터에 구현한 것으로 전통적 통계 기법보다 우수한 예측력을 갖기 때문에 문제해결 규칙을 명시적으로 추출한 수 없는 문제에 널리 적용되고 있다. 유전자 알고리즘은 적자생존과 유전의 매커니즘을 바탕으로 하는 탐색 알고리즘으로 자연 시스템의 적응 과정을 추상화시켜 소프트웨어적으로 구현한 것이다. 인공신경망과 유전자 알고리즘은 상호 보완적인 특성을 갖고 있는 것으로 알려져 있다. 본 연구에서는 인공신경망에 유전자 알고리즘을 접목시켜 공시지가를 자동으로 산정하는 모형을 구축하였다. 지가 자료로는 성남시 분당구 정자동의 공시지가가 이용되었다. 실험결과 인공신경망을 단독으로 사용한 경우보다 결합 모형의 예측력이 더 우수하게 나타났으며, 모형의 구조와 파리미터를 최적화시켰을 때 전체 토지 중 79%에 대해 예측 오차가 50,000(원/㎡) 이하로 만족스러운 결과를 얻을 수 있었다. 본 연구에서 구축된 모형을 이용하여 대량의 토지에 대한 지가를 짧은 시간에 산정할 수 있다. 따라서 예측력을 조금 더 높일 수 있는 방안이 추가될 경우 지역의 지가 수준을 파악하는데 널리 활용될 수 있을 것으로 기대된다. The land price of 27 hundred thousand lots has been appraised and posted throughout the nation every year, since the posted land price system was introduced to establish reasonable and consistent land price system. The study on the method for automating this work has been being steadily achieved, because a lot of manpower and cost are required in appraising the posted land price. If a computer could simulate the function of the human brain as it is, that is the object of artificial intelligence. Artificial Neural Networks and Genetic Algorithms are representative field of artificial intelligence. Artificial Neural Networks that implement in part the function of human neural cell in computer has been widely adopted to the problem of which solution rule can't be clearly analyzed, because it has more excellent predicting ability than traditional statistic techniques. Genetic algorithm, that is based on survival of the fittest and search algorithm, is abstraction and software implementation of the fitting process of natural system. Genetic Algorithms and Neural Networks are known to have mutually complementary property. In this research I built the model that could automatically appraise land price combining Neural Networks with Genetic Algorithms. Posted land price data of Seongnam-Si Bundang-Gu Jeongja-Dong were used for the experiment. As a result of experiment, prediction performance of combined model showed better performance than the one with Neural Networks only, and prediction error for 79% lots of whole land was under 50 thousand(won/square meter), which was quite successful, when the structure of model and parameter was optimized. Land price of numerous lots could be appraised in a short time, if the model constructed through this research is used. Thus it is expected to be widely applied to grasp the level of land price of an area, if some methods that could enhance prediction performance is added.

遺傳子 알고리즘을 이용한 建築디자인 最適化 方法에 관한 硏究

진경일 延世大學校 大學院 2002 국내박사

건축디자인 과정에서 최적안을 찾아내는 문제는 하나의 요구조건을 만족시키는 대안을 찾는 문제라기보다 여러 가지 조건을 동시에 만족할 수 있는 대안을 찾아내는 문제이다. 또한, 건축디자인에서 최고의 유일해를 찾는 것은 탐색해야 할 범위가 매우 방대하여 많은 시간과 노력이 소요된다. 본 연구는 이러한 점을 고려하여 ⓐ 다중기준에서 최적안을 찾아내는 방법으로 계층분석과정(AHP)과 가중치 기법을 사용하였으며 ⓑ 계산량이 많고 탐색범위가 넓은 다중기준문제를 해결하기 위하여 유전자 알고리즘(GA)을 사용하여 ⓒ 건축디자인 문제에서 정량적 요소와 정성적 요소를 동시에 만족하는 대안을 찾는 의사결정 방법을 제시하였다. 본 연구는 가상의 벽체를 모델로 선정하여 건물 사용자를 대상으로 계층분석을 통한 설문을 실시한 후 단열, 차음, 비용, 벽체두께, 결로라는 디자인 요소와 각각의 중요도를 도출하였다. 본 연구에서 가정한 정성적 문제에 적절한 탐색전술을 적용한 유전자 알고리즘을 적용하여 탐색한 결과 재일 우수한 성능을 보인 경우는 전체 6711 만개의 대안 중 상위 1%이내에 드는 우수한 대안을 발견하기까지 900 여 개의 대안만을 탐색함으로써 찾아내었다. 이는 전역검색을 하는 다른 방법에 비하여 매우 효율적인 탐색으로 보여지며 다른 건축 디자인 문제에서도 응용될 수 있으리라 사료된다. 또한, 가정한 실내디자인 문제에서 사용자에게 최적안을 찾는 과정을 실시한 결과 상당수의 응답자가 대화형 유전자알고리즘을 이용한 방법에 대하여 긍정적인 반응을 보였다. 디자인 문제에서 대화형 유전자알고리즘을 사용하는 경우 건축가와 사용자가 새로운 대안을 찾아내는 방법으로서 유용한 방법으로 사용될 수 있으리라 본다. 본 연구는 AHP 와 GA 의 이러한 특징을 이용하였으며, 다중기준 문제에서 많은 대안이 존재할 경우 우수한 해를 효율적으로 찾는 방법을 제시 하였다. 본 연구에서 제시한 최적화 방법은 근사해를 찾기 위한 방법이다. 건축디자인 과정에서 전역탐색은 비효율적이므로 최적화 방법보다는 직관과 경험이 위주되어 왔으나 본 연구에서 제시한 방법이 좀더 발전 될 경우 보다 과학적인 디자인 방법에 접근할 수 있을 것이다. Finding the optimal design solution is important field we should plan by accessing it with scientific methods, although it was originally derived only from designer's insight or from the building users' needs. The purpose of this study is to suggest the best design process methodology using multi-criteria optimization methods. The problem of finding the optimal architectural design solution is a multi-criteria problem rather than single-criterion problem. And searching the best optimal solution in design process needs much effort and time for designer. Also, multi criteria problem has vast domains for assessment. Considering the above aspects, this study applied Analytic Hierarchy Process (AHP) and Genetic Algorithm (GA) to multi-criteria optimization design process. AHP was used for endow the weight with each design factors. GA was used for better searching performance at multi-criteria and complex problems. Also, this study suggests a optimization method, which can be applied to both qualitative and quantitative factors in architectural design at the same time. This study selected a wall alternative as a study model, and addressed some questionnaires to building users to find out the weight of various design factors. As a result, this study deducted thermal performance, condensation, sound insulation, wall thickness, and cost as important quantitative design factors, and also deducted color, pattern, coarseness, and material character as qualitative design factors. In case of quantitative design factors optimization, when GA with suitable searching strategy is applied, it finds out the optimal solutions only by 900 samplings and 30 times of searching tries among the all of 67 million alternatives. The fitness value of searched solution is satisfied within upper 1% of all design alternatives. So, this method can be used as more effective searching strategy than whole area searching method in architectural design field. This algorithm can be applied not only to wall alternative evaluations, but also to other architectural design factor optimization process with improved performance. In case of qualitative design factor optimization, the method shows better results than normal cases, when the changes of mutation ratio and crossover point are given. Normal case needs long generation process to find the optimal solutions. The changes of some mutation or crossover strategy can improve the speed and efficiency of the solution finding simulation process. This study asked respondents about Interactive Genetic Algorithm (IGA) method satisfaction degree. As a result, most of respondents agreed with this method as a suitable and creative solution of decision-making tool. IGA can be useful method for designer and users when they want to generate creative qualitative design alternatives. This study applies these advantages of GA and AHP, and suggests effective searching method for optimal design alternatives. The method, which is suggested in this study, is to search approximate value of solution. And it is capable method, which can be applied in case of multi criteria and non-linear programming or discontinuous object function. As whole area searching method is not effective in the architectural design optimization problem, architect's insight or experience is more general design method than other optimization methods. If this study is applied and more embodied in design field, more scientific and reasonable approach will be available in architectural design process.

감수분열 및 MIN/MAX 교배방법을 이용한 변형 실수형 유전알고리즘에 관한 연구

이덕규 연세대학교 대학원 2001 국내박사

본 논문에서는 유전 알고리즘의 전역적 탐색 및 지역적 탐색의 능력을 향상시킨 변형된 유전 알고리즘인 감수분열 유전 알고리즘(Meiosis Genetic Algorithm, MGA)을 제안하였다. 제안한 감수분열 유전 알고리즘에 대한 검증 및 평가는 De Jong 이 제시한 최적화 알고리즘 평가용 함수와 비선형 함수들에 대해 수행되었다. 감수분열 유전 알고리즘은 교배와 돌연변이 두 연산자를 수행하기 위한 대상 유전자의 위치를 고려하지 않는 새로운 교배방법을 적용한 알고리즘이다. 기존의 유전알고리즘에서 유전자 교배란 사실 유전자 교환을 의미하지만 감수분열 유전 알고리즘에서는 유전자의 교환이 아닌 진정한 유전자의 결합을 수행한다. 즉, 산술적인 유전자의 결합을 통해 수치화문제에 있어서 최적화문제를 효과적으로 다룰 수 있다. 이를 위해 개체들을 적합도를 비교하여 최우수 개체에 대해 엘리트 풀을 구성할 자격을 부여하고 XX 형태 생식체를 구성함으로써 이들간의 랜덤교배를 수행하여 새로운 개체들의 일부를 구성하도록 하였다. 최우수 개체를 제외한 나머지 개체들로 XY, MM 형태의 생식체(반개체)로 이루어진 동적풀을 구성하고 동적풀과 엘리트 풀의 모든 생식체들에 대해서 랜덤 선택 및 교배를 수행하여 나머지의 새로운 개체들을 생성하도록 하였다. 이 두 풀로부터 새로 생성된 개체집단에 대해 적합도를 평가하고 이 과정을 반복 수행하도록 하였다. 또한 변수의 범위제한이 존재하는 최적화문제에 대해서 산술적 결합을 통해 생성되는 개체가 경계값을 벗어나는 문제를 MIN/MAX 연산을 적용하여 적절하게 제한함으로써 무의미한 연산의 양을 줄이도록 하였다. MIN/MAX 연산을 적용할 때 각 세대에서의 최우수개체간의 관계를 이용하여 상태비트를 설정함으로써 MIN/MAX 연산의 효율적 적용을 유도하였다. 제안된 알고리즘으로부터 얻은 결론은 다음과 같다. 1) 생체모델에서의 염색체 분리 및 결합을 통해 기존의 유전자 교환이 아닌 유전자 분리 결합 모델을 구현하였으며 최적해의 탐색을 원활히 수행할 수 있었다. 2) 생식체의 생성 및 이들의 결합을 통해 다양한 개체의 발생을 도모하고 다양성을 유지할 수 있는 개체집단을 진화시킬 수 있었다. 3) 진화에 부적합한 개체, 즉, 유전자(변수)한계 값을 이탈하는 경우를 줄이기 위해 상태비트와 함께 MIN/MAX 논리연산을 적용하여 무의미한 개체평가 연산을 줄이도록 하였으며 동적풀의 진화방향으로 상태비트를 적용하여 대체적으로 만족스러운 결과를 얻을 수 있었다. 4) 감수분열 유전알고리즘의 새로운 교배방법을 통해 최적해를 탐색하는 능력이 우수함을 보였으며 이는 고전적 유전알고리즘 및 진화알고리즘에서의 돌연변이 확률을 높게 설정한 효과와 유사한 것을 확인할 수 있었다. 결국, 최적화 문제에 대해 교배 및 돌연변이의 확률을 높게 설정하는 것이 최적해를 탐색하는데 유리함을 제안한 교배방법을 통해 확인할 수 있었다. A modified Genetic Algorithm, Meiosis Genetic Algorithm(MGA) which improves the efficiency of the global and local search is presented. The verification and estimation on MGA is performed using De Jong's optimal function and nonlinear functions. MGA applied a new crossover method, which is independent on the location of the gene needs to be evaluated by crossover and mutating operator. In the existing genetic algorithm, gene crossover means actually exchange of gene. But MGA performs real genetic combine, not a gene crossover. Hence, we can find the optimal solution of the arithmetic gene crossover problem. We authorize the best individual to compose of the Elite Pool by comparing the fitness between individuals. Then we make the parts of new individual composed by means of composing the XX type gametes and executing the random crossover. We made a dynamic pool which is consists of XY, MM type half-individual except for the elite individual. And we made new individuals by performing the random selection and the random crossover of all the individuals of dynamic pool and elite pool. We evaluate the fitness for the new individual groups and repeat performing that process. Moreover, we reduced the amount of meaningless operations by constraining the arithmetically derived values within the MIN/MAX limits. The MIN/MAX operation's efficiency is improved by establishing the status bit using the relation of best individual in each generation. The results are summarized as follows: 1) Chromosome separation and combining implemented genetic separation/combine model and acquired higher efficiency of optimal solutions earching. 2) Creating and combining of gamete made various individuals which could make evolution of group and keep diversify. 3) Improper individuals for evolution or the out of bounding gene(variable) were reduced by MIN/MAX logical operations and the status bits. It reduced meaningless individual evaluating operations. The direction of dynamic pool evolution oriented status bits made the acceptable result. 4) New crossover method of MGA showed the good performance for the optimal solution searching. This was similar to the effect of genetic algorithms and evolution algorithms with high mutation probability. In conclusion, for the optimization problem, setting the high probability model of crossover and mutation is more effective to find out the optimal solution.

인공생명 알고리즘의 고속화를 이용한 무요소법의 버블(bubble)생성 최적화

김학수 부경대학교 대학원 2009 국내박사

Artificial life algorithm, one of the complexity theory, which is based on emergence of life creatures. But, It has a problem of the slow conversing speed in spite of it's merit, which is able to search solutions in multi-peak object functions. In this study, it has been improved the conversing speed of the artificial life algorithm by introducing concepts from the relay-search micro genetic algorithm. To verify it's efficiency in numerical problems, it was adapted in the bubble node generation method in Element Free Galerkin method (EFG), which is one of the optimized node generation methods was applied to reduce solution errors on the boundary area by the EFG. To improve it's efficiency of the solutions on boundary area, a new bubble generation method by using the high speed artificial life algorithm and the relay search micro genetic algorithm were adapted. By using this new method, it is able to obtain more optimized results on boundary areas and to reduce it's errors instead of the 4th Runge-Kutta method. Therefore, it is expected that the proposed method ensures the comparatively improved numerical accuracy and stability on boundary areas. As one of the complexity theories, the high speed artificial life algorithm is expected that it is useful to solve more general complex numerical problems. 본 논문에서는 기존의 인공생명 알고리즘(artificial life algorithm)을 개선한 고속 인공생명 알고리즘(high speed artificial life algorithm)을 제안하였다. 기존의 알고리즘의 가상생태계가 인공생명체와 자원이 명확하게 구분이 된 평화로운 초원의 생태계를 모사하고 있는 것을 수정하여 보다 실제에 가까운 약육강식의 ‘정글의 법칙’을 도입하고 구조를 간략히 하기 위하여 기존 알고리즘에서 정의되었던 자원(resource)대신 순환구조에서 지정된 다른 종족의 생명체를 특정 생명체의 먹이가 되도록 하도록 하였다. 그리고 이탈리아의 경제학자 V. Pareto가 제안한 경제학이론의 하나인 ‘파레토 법칙(Pareto's law)'의 기본 개념을 도입하여 해의 정도를 높였다. 또한, 유전 알고리즘의 수렴 속도 향상을 위해 제안되었던 교대형 마이크로 유전 알고리즘(relay search genetic algorithm)의 개념들을 일부 도입하여 수렴속도를 크게 향상시켰다. 즉, 확률적 요소를 제거하고 패밀리를 도입하여 세대를 짧게 나누었다. 동일한 기법을 적용한 ‘교대형 마이크로 유전 알고리즘’이나 ‘고속 인공생명 알고리즘’의 속도가 빠르게 개선된 것은 공학적인 문제에 있어서 수시로 변화하는 ‘환경에 대한 적응’과 ‘생존’이라는 목적함수를 가진 실제 생명체의 경우와는 달리 정해진 공학적 문제를 해결하기 위하여 확정된 목적함수를 사용하기 때문이라고 생각된다. 따라서 불확실한 확률적 요소를 배제하여도 해의 결과에 크게 영향을 미치지 않는 것으로 생각되며 매 패밀리(family)마다 랜덤하게 위치를 이동하는 것으로 돌연변이와 같은 확률적 요소를 대신할 수 있다. 가상생태계를 보다 실제생태계에 가깝게 모델링함으로써 보다 정확한 해를 창발적으로 유도할 수 있었다. 무요소법의 버블(bubble)생성에 기존 ‘4차 Runge-Kutta법’을 대신해 고속 인공생명 알고리즘을 적용을 해 본 결과 기존의 수치해석 기법의 결과와 크게 다르지 않다는 것을 알 수 있었다. 해당 문제에 맞는 목적함수를 잘 구성하고 탐색구간을 적절히 지정할 경우, 교대형 마이크로 유전 알고리즘이나 고속 인공생명 알고리즘 모두 기존의 방법에 비해 크게 정도가 떨어지지 않는 결과를 나타내고 해를 찾는 수렴 속도 또한 상대적으로 크게 떨어지지 않음을 알 수 있었다. 특이할 만한 사실은 교대형 마이크로 알고리즘의 경우 단봉성 해만이 아니라 해가 2개의 쌍봉성 해도 찾을 수 있는 특징을 가지고 있다는 것이다. 그러나 3개 이상의 다봉성 해의 경우는 인공생명 알고리즘으로만 구할 수 있었다. 그리고 탐색영역의 크기가 유전 알고리즘과 인공생명 알고리즘의 계산시간에 절대적인 영향을 끼치는 것을 알 수 있었다. 특히 인공생명 알고리즘의 경우는 전체가 군집을 이루어 움직이기 때문에 보다 계산시간에 크게 좌우되는 것을 알 수 있었다. 생성된 버블을 이용하여 무요소해석의 해를 구한 결과는 예상대로 적분을 위한 가우스 점들을 균일한 형태로 규칙적으로 배열했을 경우보다 정도가 크게 떨어졌다. 특히, 경계부분의 가우스 점의 위치가 불규칙해질 경우 그 정도는 상당히 심하게 떨어졌다. 따라서 가능한 균일한 해를 얻기 위하여 그 경계부분에 있어서는 버블의 분포를 규칙으로 할 필요가 있다고 생각된다. 본 논문에서는 복잡성이론의 하나인 유전 알고리즘과 인공생명 알고리즘을 각각 개선한 수정된 알고리즘들을 제시하였으며 기존의 유전 알고리즘이나 인공생명 알고리즘이 공학적인 문제 해결에 주로 사용되었던 단순화된 최적화 문제보다는 좀 더 복잡한 수치해석 문제의 적용 및 비교를 통하여 복잡성이론이 보다 고차원적인 문제의 해결에도 적용가능한지 검토하고자 하였다. 고속 인공생명 알고리즘과 교대형 마이크로 유전 알고리즘 등 복잡성이론들을 이용할 경우에도 그 특성에 맞게 적절한 목적함수를 선정하고, 적당한 탐색구간을 지정한다면 기존의 복잡한 수치해석기법을 대신해서 상대적으로 간단하고 범용성을 가진 이론으로서 주어진 공학적 문제를 해결하는데 많은 도움이 될 수 있을 것이다. 또한, 기존의 알고리즘이 가진 단점을 보완한 고속 인공생명 알고리즘이나 교대형 마이크로 유전 알고리즘을 적절히 이용하면 조선분야를 포함한 다양한 분야의 각종 공학적인 최적화 문제들을 해결하는데 있어 널리 실용적으로 이용될 수 있을 것으로 생각된다.

유전자 알고리즘과 유한요소 해석을 이용한 아스팔트 포장구조체의 탄성계수 추정

황정준 단국대학교 2006 국내석사

효율적인 포장관리를 위해서는 공용중인 아스팔트 포장구조체의 구조적 적정성 평가 방법이 필요하며 이를 위한 평가 장비로 FWD(Falling Weight Deflectometer)를 많이 활용하고 있다. 구조적 적정성 평가를 위한 다수의 역해석 프로그램들은 FWD 표면 처짐값을 이용하여 포장구조체의 각층 탄성계수를 추정하나 다층 탄성 이론을 이용하여 표면 처짐값을 계산하기 때문에 정확한 역해석에 무리가 있다. 또한 전역적 탐색이 곤란한 역해석 기법을 활용하기 때문에 정확한 최적화 지점을 탐색하지 못하는 단점이 있다. 이에 본 연구에서는 유한요소해석과 유전자 알고리즘을 기반으로한 GAPAVE 프로그램의 정확도를 높이기 위한 효율적인 운용 방법에 대해 연구하였다. 본 연구에서 활용한 GAPAVE 프로그램은 유한요소해석과 유전자알고리즘을 기반으로 하였기 때문에 정확한 FWD 처짐값을 계산할 수 있고 전역적 탐색을 통해 보다 정확한 최적화 지점을 탐색할 수 있다. 유전자 알고리즘은 유전자 알고리즘 연산자가 해석에 중요한 인자가 되기 때문에 기존에 제시된 연산자를 기준으로 역해석 결과에 미치는 연산자의 민감도를 분석하였으며 포장구조체의 구조 및 강성 조건에 따라 그 최적 값이 다름을 알 수 있다. 이에 본 연구에서는 포장구조체의 조건에 따른 최적의 유전자 알고리즘 연산자 선정 절차와 세부적인 연산자의 범위를 제시하여 보다 효율적인 GAPAVE 프로그램의 운영 방법을 제안하였다. 본 연구에서 제안한 방법의 정확도를 검증하기 위해 MODULUS, EVERCALC 프로그램의 해석 결과와 기존에 제시된 2개의 유전자 알고리즘 연산자의 해석 결과를 비교하였다. 비교 결과, 본 연구에서 제안한 방법으로 선정된 유전자 알고리즘 연산자의 해석 결과가 보다 정확함을 나타냈으며 다른 역해석 프로그램에 비해 GAPAVE 프로그램의 해석 결과가 보다 정확함을 나타내었다. 또한 도로의 장기 공용성 문헌자료의 FWD 처짐값과 회복탄성계수 값을 이용하여 GAPAVE 프로그램의 현장 검증을 수행하였으며 아스팔트층 탄성계수와 노상층 탄성계수의 역해석 결과는 회복탄성계수 시험 자료와 일치하는 경향을 나타냈으나 입상층의 경우 오차가 크게 나타났다. 또한 다단계 하중에서의 FWD 처짐값을 이용하여 입상 재료 탄성계수의 응력의존적인 비선형성을 분석하였다. 노상층 탄성계수는 작은 비선형성을 나타내었지만 입상층은 큰 비선형성을 나타내었으며 입상재료의 탄성계수는 응력의존적인 비선형 모델을 적용하여 역해석 하는 것이 보다 타당하다고 판단된다. It is important to predict structural adequacy of conventional flexible pavements in service for the efficient pavement management using the falling weight deflectometer(FWD). A number of back- calculation programs are available for predicting pavement layer moduli from FWD surface deflections. However, they are mostly based on the layered elastic theory in calculating the surface deflections and pavement responses. The purpose of this study is to propose the procedure for using the GAPAVE program efficiently. GAPAVE program is a back- calculation program based on finite element method(FEM) and genetic algorithm(GA). The use of the FEM in forward calculation incorporating with GA enables to improve the accuracy in backcalculating the pavement layer moduli. From the sensitivity analysis, to use GAPAVE efficiently needs optimum GA parameters and GA parameters are affected by structural and stiffness conditions of pavements. This study proposes the procedure for the selection of GA parameters and the detailed ranges of GA parameters. A comparison study with MODULUS, EVERCALC program and other GA parameters was conducted to check the backcalculation accuracy of GAPAVE program. It found that the use of GA parameters suggested by author can improve the prediction quality in backcalculating the pavement layer moduli. FWD deflection and resilient modulus test data obtained from Long-Term Pavement Performance database were used for evaluating the performance of the GAPAVE program. Backcalculated asphalt concrete layer moduli and subgrade moduli were validated well but results of subbase moduli are not good. And multi-load level FWD data were used for estimating the nonlinearity of granular material moduli. Subgrade moduli were small dependent on stress condition but subbase moduli were dependent on stress condition largely. Therefore it needs to consider stress dependent model for backcalculating granular material moduli.

혼합유전알고리즘을 이용한 flow Shop 일정계획문제에 관한 연구

김호섭 동아대학교 1997 국내석사

일정계획 문제를 포함한 공학설계에 있어서 최적해를 얻기 위한 방법중의 하나로 최적화방법이 많이 사용되어 왔다. 최적해를 효과적으로 얻기 위한 여러 가지 노력이 있어 왔으나, 아직까지 모든 문제에 효과적으로 적용할 수 있는 알고리즘은 개발되지 않고 있다. 일반적으로 사용되는 최적화 기법들은 각각의 장단점이 있겠지만, 이들 기존의 최적화기법들을 사용하는데 있어서 가장 큰 문제점으로는 얻어진 최적점이 국부 최적점일 가능성이 많다는 것이다. 따라서 설계자는 설계변수의 출발점, 탐색의 폭 및 중단조건 등을 바꾸어 가면서 최적화를 수행한 후, 이들 값들을 비교하여 최적점을 검증하는 과정을 걸쳐야만 하였다. 본 연구에서는 이러한 불편함을 없애고 탐색의 효율성을 높이기 위하여 insertion method로 초기해를 생성하고 이 초기해의 개선을 위해 최근 활발한 연구가 수행되고 있는 유전알고리즘을 혼용시키는 방법에 관하여 기술하였다. 이 방법은 일정계획과 같은 순서 문제의 국부탐색에 효율적인 insertion method와 국부적인 최적점에 빠질 가능성이 적은 유전알고리즘을 연결·수행하여 탐색시간을 줄이고 전체적인 최적점을 보다 효율적으로 얻을 수 있도록 하였다. 또한 본 연구에서 개발한 혼합 유전알고리즘의 효용성을 측정하고 이렇게 구현된 혼합 최적화방법의 유용성을 검증하기 위하여 기존의 전통적 flow shop 일정계획문제에 대한 휴리스틱 중 가장 우수한 NEH 휴리스틱 기법과 전통적 유전알고리즘을 비교대상으로 하여, 가공시간에 대한 많은 제 문제를 발생시켜 최대가공시간과 평균가공시간, 최대가공시간에 있어서 비교된 알고리즘의 우위 횟수 등을 총 작업소요시간(makespan)을 기준으로 그 효용성을 비교하였는데, 계산 결과에 의하면 혼합 유전알고리즘이 flow shop 일정계획 문제에 대해 더 효율적인 것으로 입증되었다. 이것은 실제 문제에 있었어도 혼합 유전알고리즘을 쉽게 적용시킬 수 있음을 뜻한다. 이밖에 혼합 유전알고리즘을 기초로 한 휴리스틱은 Np-hard 문제를 증명하는데 있어서 전체 흐름시간, 최대 지연 시간, 전체 지연 시간 등과 같은 다른 기준으로 flow shop 문제를 푸는데도 쉽게 확장시킬 수 있을 것이며 flow shop 보다 더 일반적이고 복잡한 job shop 일정계획 문제 등에도 적용 가능할 것이다. The optimal method is used to get optimal solution in engineering design including scheduling problems. While lots of efforts have been made to obtain optimal solution effectively, algorithm has not been yet developed, which can be applied to all problems. Generally optimal methods have good points and bad points but the big problem in applying current optimal method is that there are lots of possibilities to get local optimal point. So designers have to optimalize changes the starting point of design variable, the depth of search and the conditions of stop and then they should verify optimal point. This study is to get rid of the inconvenience and produce initial solution as insertion method for promoting effectiveness of search and describe the way that mixes genetic algorithm which has been studying to improve this initial solution. This method is to connect efficient insertion method to search sequencing problems like scheduling problems locally and genetic algorithm which has a little chance to get local optimal point and then lessen searching time and obtain global optimal point move efficiently. Also in order to survey the effectiveness of hybrid genetic algorithm developed in this study and verify the actualized hybrid optimal method, this these has compared the best NEH heuristic method of current traditional flow shop scheduling problems in heuristic with traditional genetic algorithm and caused lots of problems in processing time and made a comparison of the effectiveness of better frequency of algorithm in maximum processing time, and average processing time using a criterion of makespan. It is proved that hybird genetic algorithm is more effective in flow shop scheduling problems by the result. This means that hybrid genetic algorithm can be applied to real problem more easily Heuristics based on hybrid genetic algorithm also can be expanded easily to solve How shop problems in proving NP-hard problems using a different criterion like total flow time, maximum tardiness and total tardiness and moreover, applied to job shop scheduling problems which are more general and complex than flow shop.

유전 알고리즘을 이용한 보안 대책 생성 및 적용

박준형 韓南大學校 大學院 2004 국내석사

조직은 위험 분석을 통해서 핵심 자산들에 대한 위협과 취약점을 파악하고 위험 정도를 계산한다. 위험 분석을 통해 얻을 수 있는 결과는 보안 대책의 생성을 통한 핵심자산의 보호가 가장 큰 목적이며, 이와 함께 조직의 업무 연속성 유지와 위협으로부터 노출된 자산에 대해 노출을 막고 노출로 인한 비용 손실을 막고자 하는 것이다. 그러나 조직에서 할 수 있는 보안 대책 수립 비용에는 한계가 존재하므로 모든 보안 대책을 수립한다는 것은 처음부터 힘들다. 따라서 이런 비용 한계의 범위 안에서 보안 대책을 적절하게 수립하여 효과를 최대로 높이는 것이 중요하다. 이런 문제를 해결하기 위하여 유전 알고리즘을 이용한다. 1975년 홀랜드(Holland)의 논문 “Adaptation in Natural and Artificial Systems"에서 처음으로 소개된 유전 알고리즘은 찰스 다윈이 주장한 자연 진화 법칙인 적자 생존(survival of fittest)과 자연 도태(natural selection)의 원리를 토대로 하여 정립된 최적화 알고리즘이다. 결국 진화의 과정을 되풀이하는 동안 주어진 환경에서 가장 적합한 형질의 개체들이 형성될 것이라는 것이 주요 내용이다. 이런 유전 알고리즘은 최적화 문제에 대한 해결 능력이 뛰어난 것으로 알려져 있다. 기존의 위험 분석 방법론이나 도구에서는 평가자의 능력에 의존한 보안 대책 수립 과정을 겪었다. 하지만 평가자에 의존하는 보안 대책 선택 및 수립은 주관적인 개입이 많아 상황에 따른 적절한 대처가 불가능하다. 하지만 본 논문에서 제시한 유전 알고리즘을 이용한 보안 대책 선택 및 제시 방법은 좀더 실제 조직의 상황에 맞는 보안 대책의 선택 및 제시가 가능하므로 평가자의 능력에 배가 될 것이다. Organization identified vulnerability, threat and risk about critical asset by risk analysis. The purpose of risk analysis is the protection of a critical asset through the generation of a security countermeasure. Risk analysis hold business continuous of organization and keep the exposure about the asset to be exposed, keep the charge loss. It is difficult to establish all security countermeasure in the organization because the limit of the security countermeasure establish charge exists. Therefore we establish in a charge limit inside appropriately the security countermeasure and it is important that we make the effectiveness to the maximum. In this paper used an genetic algorithm to solve such problem. An genetic algorithm was announced for the first time in the paper of Halland in 1975 and are an optimization algorithm which is made of the principle of a survival of fittest and natural selection. This algorithm formed suitable to the environment individual through the evolution. An genetic algorithm is known for the thing by solving an optimization problem well. Existing risk analysis method or tool depended much on the ability of the people to evaluate. But the method or tool can not do suitable according to the situation because it evaluates subjectively. Security countermeasure generation and presentation method by genetic algorithm which presents in the paper are possible and are of service more suitable at the situation a security countermeasure selection to the people to evaluate.

유전알고리즘을 이용한 절단토치의 최적 이동경로 결정

권기범 啓明大學校 大學院 2008 국내박사

이 논문에서는 하나의 자유형상 부재(part: 1차부재)속에 절단해야 할 2차부재가 다수 포함된 판재에서 모든 1, 2차부재들을 효과적으로 절단하기 위한 토치의 경로결정문제를 다루고 있다. 이 문제의 목적은 주어진 절단시작점에서 시작하여 모든 부재들을 절단하고 되돌아오는 비생산적 이동 길이를 최소화하는 것이다. 이러한 문제는 절단시작점이 각 부재의 윤곽선상에 어느 곳에 위치하여도 가능하기 때문에 이 절단시작점들의 위치와 부재들의 절단 순서가 동시에 결정되어야 하는 복잡한 조합형 문제의 하나이다. 본 논문에서는 이러한 토치경로 최적화 문제가 순회판매원문제를 확장한 수리모형으로 정형화될 수 있음을 보였고 또한 이 문제의 해를 구하기 위한 유전알고리즘을 제안하였다. 해를 구하는 데 있어서의 어려움을 단계적으로 극복하기 위하여 우선 가장 단순화된 문제로서 1차부재들로만 구성된 판재의 절단가공을 위한 경로 최적화문제를 다루었다. 이 문제의 최적해를 구하기 위하여 계산시간을 절감하는 데 효과적인 혼합형유전알고리즘을 제안하였다. 다음은 동문제의 특수한 형태로서 개곡선만으로 이루어진 1차부재들의 절단경로설정문제에 대한 효과적인 유전알고리즘을 제시하였다. 끝으로 2차부재가 포함된 1차부재들로 구성된 판재의 절단가공 경로최적화 문제에 대하여 기제시된 혼합형 유전알고리즘을 수정?확장한 혼합형 유전알고리즘을 제안하였다. 각 장에서 제시된 유전알고리즘들을 문제의 구조상 쉽게 그 최적해를 알 수 있는 가상의 문제들에게 각각 적용해 본 결과, 모두 최적해에 근접하는 해를 도출할 수 있는 것으로 나타났다. 이로써 제시된 유전알고리즘들의 유용성을 확인할 수 있었다. 이러한 알고리즘들은 향후 판재절단의 자동화 및 최적화를 위한 CAD/CAM 시스템에서 핵심적으로 사용되고 있는 토치경로 자동화 루틴의 성능향상에 크게 기여할 수 있을 것으로 생각된다. This thesis deals with the problem of generating optimal cutting-torch paths for a stock plate nested with free-formed parts each having a set of sub-parts. The objective of the problem is to minimize the total non-productive traveling distance of a cutting torch starting from a known depot, then cutting all the given parts, and returning back to the depot. Since a piercing point can be positioned anywhere on the contour of each part, sequence and piercing-point locations of the parts should be simultaneously determined. Obviously, the problem is one of very complex mixed combinatorial problems. The torch path optimization problem is shown to be formulated as an extended version of the standard travelling salesman problem. To attack the problem in a hierarchical way, the torch-path optimization problem for cutting the plate without any sub-part is first considered. For the part-only problem a hybrid genetic algorithm which is effective to reduce the computing time is developed. Then, for a special form of the part-only problem in which every part is represented as an open contour, a traditional type of genetic algorithm is suggested. Lastly, the main problem in which each part may have a set of sub-parts is treated. For the problem a new hybrid genetic algorithm which is a extended version of the one proposed for the part-only problem is developed. The genetic algorithms presented for the three problems are tested for the hypothetical problems whose optimal solutions are known in advance due to the special structure of them. The results show that all the algorithms always generate the very near optimal solutions for the test problems, which in turn verifies the validity of the algorithms. These algorithms are believed to be successfully implemented in plate cutting routines of any commercial CAD/CAM system in order to enhance the quality of cutting-torch paths being generated.