$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

최적의 TSP문제 해결을 위한 유전자 알고리즘의 새로운 집단 초기화 및 순차변환 기법
New Population initialization and sequential transformation methods of Genetic Algorithms for solving optimal TSP problem 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.10 no.3, 2006년, pp.622 - 627  

강래구 (조선대학교 전산통계학과) ,  임희경 (조선대학교 전산통계학과) ,  정채영 (조선대학교 전산통계학과)

초록
AI-Helper 아이콘AI-Helper

TSP(Traveling Salesman Problem)는 N개의 도시가 주어질 때 어떠한 임의의 도시에서 출발하여 모든 도시를 단 한번만 방문하여 다시 출발지로 되돌아오는 여려 경로들 중 가장 짧은 거 리를 구하는 문제이다. 방문 도시수가 증가함에 따라 계산량이 기하급수적으로 증가하게 되는 문제로 인해 NP-Hard문제로 분류되며 유전자 알고리즘이 대표적으로 이용된다. TSP문제에 있어서 보다 우수한 결과를 얻기 위해 현재까지 다양한 연산자들이 개발되고 연구되어 왔다. 본 논문에서는 새로운 집단 초기화 방법과 순차변환 방법을 제안하여 기존의 방법들과 비교를 통해 성능 향상을 입증하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

TSP(Traveling Salesman Problem) is a problem finding out the shortest distance out of many courses where given cities of the number of N, one starts a certain city and turns back to a starting city, visiting every city only once. As the number of cities having visited increases, the calculation rate...

주제어

#유전자 알고리즘   #집단 초기화  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 각종 유전자 알고리즘을 적용하기 위해 선행되는 초기화방법에 있어 무작위 초기화법과 유도된 초기 화법을 동시에 이용하는 새로운 혼합초기 화법을 유추해 냈고, 선택연산자를 적용할 때 미리 순차변환 방법을 통해 국소 최적해에 가장 근접한 값을 구할 수 있도록 실험하였다.
  • 무작위 초기 화법 이 많이 사용되어 왔다. 본 논문에서는 난수발생기를 이용한무작위 초기화법과 사전정보나 경 험을 바탕으로 한 유도된 초기화법을 동시에 사용하는 혼합 초기 화법을 제 안한다.
  • 본 논문에서는 보다 효과적으로 TSP문제를 해결하기 위해 두 가지 방법을 제안하였다. 하나는 무작위 초기화법 과 유도된 초기화법 을 동시에 사용하는 혼합 초기화법이고 다른 하나는 각 세대에서 개체 집단을 재배열하여 우성 인자끼리 선택 퇼 확률을 높여주는 순차변환 방법이다.
  • 본 논문에서는 우수한TSP결과 값을 얻기 위하여 혼합초기화법과 순차변환 방법을 제안하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (6)

  1. 진강규, 유전알고리즘과 그 응용. 교우사. 2000 

  2. D. Goldberg. Genetic Algorithms in search, Optimization, and Machin Learning. Addison Wesley, Reading, MA. 1989 

  3. K.D.Boese, 'Cost Versus Distance In the Traveling Salesman Problem', Technical Report CSD-950018, UCLA, 1995 

  4. Z.Michalewicz, Genetic Algorithms + Data Structures Evolution Programs, Springer - Verlag, 1992 

  5. J. Grefensterte, R.Gopal, B.Rosmaita, and D. Gucht, 'Genetic Algorithms for the Traveling Salesman Problem', Proc. the 1st Inter. Conf. on GAs and Their Applications, pp.160-168, 1985 

  6. D.Whitley, T.Starkweather and D.Fuquay, 'Scheduling problems and traveling salesman: the genetic edge recombination and operator', Proc. Third Int. Conf. G As, pp.133-140, 1989 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로