분류규칙과 강화 역전파 신경망을 이용한 이종 인공유기체의 공진화 = A Coevolution of Artificial-Organism Using Classification Rule And Enhanced Backpropagation Neural Network

다국어 초록 (Multilingual Abstract)

Artificial Organism-used application areas are expanding at a break-neck speed with a view to getting things done in a dynamic and informal environment. A use of general programming or traditional AI methods as the representation of Artificial Organism behavior knowledge in these areas can cause problems related to frequent modifications and bad response in an unpredictable situation. Strategics aimed at solving these problems in a machine-learning fashion includes Genetic Programming and Evolving Neural Networks. But the learning method of Artificial-Organism is not good yet, and can't represent life in the environment. With this in mind, this research is designed to come up with a new behavior evolution model. The model represents behavior knowledge with Classification Rules and Enhanced Backpropation Neural Networks and discriminate the denomination. To evaluate the model, the researcher applied it to problems with the competition of Artificial-Organism in the Simulator and compared with other system. The survey shows that the model prevails in terms of the speed and quality of learning. The model is characterized by the simultaneous learning of classification rules and neural networks represented on chromosomes with the help of Genetic Algorithm and the consolidation of learning ability caused by the hybrid processing of the classification rules and Enhanced Backpropagation Neural Network.

국문 초록 (Abstract)

동적이고 비정형적인 환경에서 작업을 수행하기 위해 인공유기체를 이용하는 응용 분야가 빠른 속도로 확대되고 있다. 이러한 분야에서 인공유기체의 행동 지식 표현법으로 일반적인 프로그래밍 또는 전통적인 인공지능 방법을 사용하면, 예측치 못한 상황으로 인한 빈번한 변경과 나쁜 응답성의 문제가 발생한다. 이들 문제들을 기계학습적으로 해결하기 위한 방법으로는 유전자 프로그래밍과 진화 신경망이 대표적이다. 그러나 아직까지도 인공유기체의 학습방법이 문제가 되고 있으며, 같은 환경 속에 서식하는 인공유기체의 종이 같아서 여러생명체를 대표할수 없는 문제점이 있다. 본 논문에서는 학습의 속도와 질을 향상시키기 위해 강화역전파 신경망과 분류규칙을 이용하였으며, 한 환경속에 서식하는 인공유기체의 종을 달리하였다. 제안된 모델을 평가하기 위해서 이종간 인공유기체 집단이 한 가상환경속에서 서로 경쟁하면서 생활하는 시뮬레이터를 설계 및 구현하였고, 그들의 행동진화를 수행결과로 보여주었으며, 타시스템과의 비교분석을 하였다. 결과적으로, 학습의 속도와 질적인 면에서 제안된 모델이 모두 우수한 것을 확인하였다. 본 모델의 특징으로는, 유전자 알고리즘에 의해서 염색체에 표현된 분류 규칙들과 신경망의 학습이 동시에 수행되며, 분류 규칙과 강화역전파 신경망의 2단계의 처리 과정으로 인하여 학습 능력이 강화된다는 점이다.

참고문헌 (Reference)

1 "지능형 컴퓨터의 처리를 위한 인공지능의 기법과 응용" 269-299, 1998.

2 "인공 유기체 집단간의 경쟁을 통한 상호진화에 관한 연구" 1996.

3 "분류 규칙과 신경망을 이용한 가상 로봇의 행동 진화" 2004.

4 "Studies in Artificial Evolution" 1992.

5 "On the programming of computers by means of natural selection" 1992.

6 "Learning Robot Behaviors by Evolving Genetic Programs" 4 : 2867-2872, iecon-20002000.

7 "Learning Robot Behaviors by Evolving Genetic Programs" 4 : 2867-2872, 2000.

8 "Genetic Algorithms in Search" 1989.

9 "Evolution of behaviors in autonomous robot using artificial neural network and genetic algorithm" 155 (155): 43-60, 2003.

10 "Collaborating with a Genetic Programming System to Generate Modular Robotic Code"

11 "Cognitive Systems Based on Adaptive Algorithms" Academic Press 1978.

12 "Classfier systems, endogenous fitness, and delayed rewards: A preliminary investigation" 2000.

13 "Artificial LifeII" 1989.

14 "Adaptation in Natural and Artifical Systems" University of Michigan Press. Reprinted by MIT Press 1975.

15 "A Learning System Based on Genetic Adaptive Algorithms" 1980.