자원배치 최적화문제는 제한된 자원을 상황에 맞게 할당 하는 방법을 효 율적으로 찾는 문제이다. 본 논문은 자원배치 최적화를 위해 대표적인 메타 휴리스틱(meta-heuristic) 기법인 유전알고리즘을 고안한다. 고안된 유전알 고리즘은 두 가지 자원배치 문제로 적용하여 성능을 확인한다. 첫 번째로, 대표적인 자원배치 문제로 꼽히는 무기표적할당을 통해 기존에 자원배치 최적화에 사용되던 기법들보다 고안된 유전알고리즘이 우수함을 확인한다. 두 번째로 적용한 실세계 자원배치 문제인 방제자원배치를 통해 한국의 현 행 배치방법보다 효율적으로 방제작업을 할 수 있는 배치안을 도출한다. 또 한, 추가적으로 유전알고리즘을 통해 최적화된 배치안을 수집하여 k-평균 (k-means) ...
자원배치 최적화문제는 제한된 자원을 상황에 맞게 할당 하는 방법을 효 율적으로 찾는 문제이다. 본 논문은 자원배치 최적화를 위해 대표적인 메타 휴리스틱(meta-heuristic) 기법인 유전알고리즘을 고안한다. 고안된 유전알 고리즘은 두 가지 자원배치 문제로 적용하여 성능을 확인한다. 첫 번째로, 대표적인 자원배치 문제로 꼽히는 무기표적할당을 통해 기존에 자원배치 최적화에 사용되던 기법들보다 고안된 유전알고리즘이 우수함을 확인한다. 두 번째로 적용한 실세계 자원배치 문제인 방제자원배치를 통해 한국의 현 행 배치방법보다 효율적으로 방제작업을 할 수 있는 배치안을 도출한다. 또 한, 추가적으로 유전알고리즘을 통해 최적화된 배치안을 수집하여 k-평균 (k-means) 알고리즘과 새몬맵핑(Sammon’s mapping)을 통해 분포도를 분 석한다. 더불어, 심층신경망을 이용하여 목적함수를 추정한 서로게이트 모 델 (surrogate model)을 이용하여 유전알고리즘의 속도를 향상할 수 있는 방안을 고안한다.
자원배치 최적화문제는 제한된 자원을 상황에 맞게 할당 하는 방법을 효 율적으로 찾는 문제이다. 본 논문은 자원배치 최적화를 위해 대표적인 메타 휴리스틱(meta-heuristic) 기법인 유전알고리즘을 고안한다. 고안된 유전알 고리즘은 두 가지 자원배치 문제로 적용하여 성능을 확인한다. 첫 번째로, 대표적인 자원배치 문제로 꼽히는 무기표적할당을 통해 기존에 자원배치 최적화에 사용되던 기법들보다 고안된 유전알고리즘이 우수함을 확인한다. 두 번째로 적용한 실세계 자원배치 문제인 방제자원배치를 통해 한국의 현 행 배치방법보다 효율적으로 방제작업을 할 수 있는 배치안을 도출한다. 또 한, 추가적으로 유전알고리즘을 통해 최적화된 배치안을 수집하여 k-평균 (k-means) 알고리즘과 새몬맵핑(Sammon’s mapping)을 통해 분포도를 분 석한다. 더불어, 심층신경망을 이용하여 목적함수를 추정한 서로게이트 모 델 (surrogate model)을 이용하여 유전알고리즘의 속도를 향상할 수 있는 방안을 고안한다.
Resource allocation optimization is an efficient way to allocate limited resources in situation. In this thesis, we design a genetic algorithm, a representative meta-heuristic technique, for resource allocation optimization. The designed genetic algorithm is applied to two resource alloc...
Resource allocation optimization is an efficient way to allocate limited resources in situation. In this thesis, we design a genetic algorithm, a representative meta-heuristic technique, for resource allocation optimization. The designed genetic algorithm is applied to two resource allocation problems to verify its performance. First, weapon-target assignment, which is one of the representative resource allocation problems, confirms that the genetic algorithm is better than the techniques used for resource allocation optimization. Secondly, it applies to the equipment assignment for oil spill response which is a problem of resource allocation in the real world. This will lead to a deployment plan that will allow for more effective control than the current deployment methods in South Korea. In addition, an optimized batch is collected through a genetic algorithm, and the distribution is analyzed through k-means algorithm and Sammon’s mapping. By using the surrogate model that estimates the objective function using the deep neural network, a method to improve the speed of genetic algorithm is devised.
Resource allocation optimization is an efficient way to allocate limited resources in situation. In this thesis, we design a genetic algorithm, a representative meta-heuristic technique, for resource allocation optimization. The designed genetic algorithm is applied to two resource allocation problems to verify its performance. First, weapon-target assignment, which is one of the representative resource allocation problems, confirms that the genetic algorithm is better than the techniques used for resource allocation optimization. Secondly, it applies to the equipment assignment for oil spill response which is a problem of resource allocation in the real world. This will lead to a deployment plan that will allow for more effective control than the current deployment methods in South Korea. In addition, an optimized batch is collected through a genetic algorithm, and the distribution is analyzed through k-means algorithm and Sammon’s mapping. By using the surrogate model that estimates the objective function using the deep neural network, a method to improve the speed of genetic algorithm is devised.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.