선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 즉 개체군 안에서 정보를 공유함으로써 상호 발전적인 협력관계를 가진다. 따라서 GA와 같이 엘리트 전략에 의해 유지되는 하나의 유용한 정보만을 제공하는 것이 아니라 개체군 전체가 유용한 위치정보를 제공하며 해에 대한 방향을 제시해준다. 이러한 특징들은 실험을 통해 확인할 수 있었으며, 특히 고차원으로 갈수록 두드러진 차이점을 보였다.
- 본 논문에서는 생물학적 원리를 이용한 방법 중 대표적인 방법인 PSO(Particle Swarm Optimization)와 GA(Genetic Algorithm)에 대한 특징과 차원성을 실험을 통해 비교하여 다루었다. PSO와 GA의 공통된 특징으로는 생물학적 원리를 이용한 알고리즘이라는 것과 주어진 문제의 해결을 위해 목적함수를 이용하며, 확률적인 최적화 알고리즘, 개체군을 기반으로 동시에 여러 지점에서 최적지점을 찾아 나간다.
- 본 논문에서는 최근 많은 분야에서 적용되고 있는 PSO 와 GA의 특징을 알아보고 비교해본다. 이들은 각각의 독립된 영역에서 뚜렷한 결과를 보여주고 있으며, 상호 공통된 특징과 구별된 특징을 가진다.
- 이 중 구별된 특징은 PSO를 GA보다 우수한 해를 찾도록 해준다. 실험예제를 통해 그 이유를 설명하고 PSO의 특징들을 검증하고자 한다. 특히 차원에 증가에 따른 두 알고리즘의 특징을 알아본다.
- 이 절에서는 수치예제를 통해 PSO와 GA의 차원성에 대해 비교하고자 한다. 주어진 문제 해결을 위한 PSO와 GA 에 관련된 파라미터는 표 1과 같다.
- 이번 예제에서는 PSO와 GA가 차원이 증가하는 경우, 즉, 고차원에서는 어떠한 특징을 가지고 있는지 살펴보도록 하자. 차원의 증가에 따른 특징을 비교하기 위해 아래 식과 같은 Schwefel 함수[22] 를 이용한다.
가설 설정
- Particle Zresf-pbest。): 탐색 공간을 움직이는 particle들은 현재 위치정보에 대한 적합도를 구하고 최적의 위치정보를 위해 비교된다. 최적의 위치정보를 가진 particle을 p best라고 한다.
- . PSO는 기존 방법론들과는 달리 최적해의 탐색이 초기값에 의존하지 않는다. 즉 탐색공간의 어느 곳에서 출발하든지, 최적 해의 수렴을 보여준다.
- Step 6: Optimal parameter - 최종적으로 생성된 g best는 최적의 위치정보를 가진다.
- 있다[11]. 이러한 문제를 피하기 위해 particle velocity의 최대 값 瞄을 가정한다. 즉 k번째 차원에 대한 particle Velocity는 최대값 Vtmax로 제한된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.