초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구에서는 전역최적해가 존재하는 검색영역에 대하여 최적해 존재의 가능성이 높은 Hot region set과 가능성이 상대적으로 낮은 Cool region set으로 영역을 구분·관리하여 최적해를 찾는 새로운 최적화법을 제안한다. 제안하는 기법에서는 검색영역을 분할하여 sub region을 생성하고 격자방식으로 샘플점을 배치한다. sub region의 sampling point로부터 bound information을 계산하고 Hot regio...

본 연구에서는 전역최적해가 존재하는 검색영역에 대하여 최적해 존재의 가능성이 높은 Hot region set과 가능성이 상대적으로 낮은 Cool region set으로 영역을 구분·관리하여 최적해를 찾는 새로운 최적화법을 제안한다. 제안하는 기법에서는 검색영역을 분할하여 sub region을 생성하고 격자방식으로 샘플점을 배치한다. sub region의 sampling point로부터 bound information을 계산하고 Hot region set과 Cool region set으로 영역을 구분하게 된다. Hot region set 에 대해서 새롭게 검색영역을 설정하고 분할·검증과정을 수행하게 되며 Cool region set에 대해서는 최적해가 존재하지 않음을 확인하기 위한 검증과정을 진행하여 최적해 존재의 가능성 없음이 확인되면 검색영역에서 영구적으로 제외시키는 prune과정을 수행한다. 이러한 일련의 과정들을 반복적으로 수행함으로써 검색영역에 대한 sampling point의 resolution이 증가하여 최종적으로 최적해를 찾을 수 있는 신뢰성이 높아지게 된다. 본 연구에서 제안하는 최적화법에 대해 적용예제를 통하여 최적해의 검색 성능을 분석한다.

Abstract ▼ AI-Helper

We present a new searching strategy for global optimization of numerical problem without constraints. The proposed strategy divides the search region and manages for find the optimal solution. Divided the sub regions are classified to Hot-region set or Cool-region set. Hot-region set is likely to ex...

We present a new searching strategy for global optimization of numerical problem without constraints. The proposed strategy divides the search region and manages for find the optimal solution. Divided the sub regions are classified to Hot-region set or Cool-region set. Hot-region set is likely to exist of optimal solution and Cool-region set is less likely that. To obtain information for classification, sampling points located each sub regions use grid pattern. Sub regions management (divide, classification, and search) techniques used by branch and bound algorithm. The advantages of proposed strategy are discussed based on optimization results.

주제어