$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

학습에의한 진화전략의 수렴성에 관한연구

A Study on the Convergence of the Evolution Strategies based on Learning

초록

본논문에서는 라마르크 진화와 볼드윈 효과를 진화전략에 적용하여 진화전략의 수렴성에 대해서 고찰한다. 또한 진화전략의 탐색법으로 랜덤 지역탐색법과 강화 지역 탐색법을 제안한다. 랜덤지역탐색은 미리 정한 일정한 회수의 지역탐색을 랜덤하게 수행하는 것이고 강화 지역탐색은 주어진 범위내에 존재하는 모든개체의 적합도를 평가하여 가장 적합도가 높은 개체 주변을 탐색하는 것이다. 이러한 관점에서 라마르크 진화와 볼드윈 효과를 기본으로 하는 강화 지역탐색은 단순히 랜덤하게 주변개체의 적합도를 탐색하는 것이 아니라 해 공간상에서 적합도가 높아지는 방향으로 지역 탐색을 행함으로써 랜덤 지역탐색에 비해 보다 효과적으로 주변 개체를 탐색할 수 있어 전역적 탐색능력의 향상은 물론 수렴속도의 향상은 가져 올수 있었다. 결과적으로 진화과정에 학습을 도입함으로써 진화만으로 최적해를 탐색할때보다 그성능이 향상됨을 볼 수 있다, 제안한 방법은 다양한 함수최적화 문제에 적용하여 그 시뮬레이션을 통해 학습이 진화에 미치는 영향에 대해서 고찰한다.

Abstract

In this paper, we study on the convergence of the evolution strategies by introducing the Lamarckian evolution and the Baldwin effect, and propose a random local searching and a reinforcement local searching methods. In the random local searching method some neighbors generated randomly from each individual are med without any other information, but in the reinforcement local searching method the previous results of the local search are reflected on the current local search. From the viewpoint of the purpose of the local search it is suitable that we try all the neighbors of the best individual and then search the neighbors of the best one of them repeatedly. Since the reinforcement local searching method based on the Lamarckian evolution and Baldwin effect does not search neighbors randomly, but searches the neighbors in the direction of the better fitness, it has advantages of fast convergence and an improvement on the global searching capability. In other words the performance of the evolution strategies is improved by introducing the learning, reinforcement local search, into the evolution. We study on the learning effect on evolution strategies by applying the proposed method to various function optimization problems.

저자의 다른 논문

참고문헌 (14)

  1. J. H. Holland , Adaptation in Natural and Artificial Systems / v.,pp., 1975
  2. An Introduction to Genetic Algorithm , M. Mitchell , A Bradford Book / v.,pp., 1996
  3. I. Rechenberg , Cybemetic Solution Path of an Experimental Problem Ministry of Aviation / v.,pp., 1965
  4. H. -P. Schwefel , Evolution and Optimum Seeking / v.,pp., 1995
  5. L. J. Fogel;A. J. Owens;M. J. Walsh , Artificial Intelligence Through Simulated Evolution / v.,pp., 1966
  6. Genetic Programming: On the Programming of Computers by Means of Natural Selection , J.R.Koza , A Bradford Book / v.,pp., 1993
  7. Interactions between learning and evolution , D. H. Ackley;M. Littman;C.G. Langton(ed.) , Proc. of the 2nd Conf. on Artificial Life / v.,pp.487-509, 1991
  8. A new factor in evolution , J. M. Baldwin , American Naturalist / v.30,pp.441-451, 1896
  9. How learning can guide evolution , G. E. Hinton;S. J. Nolan , Complex Systems / v.1,pp.495-502, 1987
  10. A Case for Lamarckian Evolution , D. H. Ackley;M. L. Littman;C. G. Langton(ed.) , Artificial Life Ⅲ / v.,pp.3-10, 1994
  11. An overview of evolutionary algorithms for parameter optimization , T. B. ck;H. -P. Schwefel , Evolutionary Computation / v.1,pp.1-23, 1993
  12. Learning to Predict by the Methods of Temporal Differences , R. S. Sutton , Machine Learning / v.8,pp.9-44, 1992
  13. Technical Note: Q-Learning , C.J.C.H.Watkins;P.Dayan , Machine Learning / v.8,pp.279-292, 1992
  14. Reinforcement Learning , A. G. Barto , The handbook of Brain Theory and Neural Network / v.,pp.804-809, 1995

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일