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
- 따라서, 본 연구에서는 단순 유전자 알고리즘에 방향벡 터 (direction vectior)를 이 용한 지 역 탐색 법 을 추가하여 유전자 알고리즘의 진화론적 특성을 유지하면서 보다 안정적이고 빠르게 수렴하는 알고리즘인 D-GA를 제안한다. 새로운 개체 (individual)를 찾기 위한 방향벡터로는 진화과정 중에 습득하게 되는 정보를 활용하기 위한 학습방향벡터 (learning direction vector)와 진화와는 무관하게 한 개체의 주변을 탐색하는 랜덤방향벡터 (random direction vector) 등 두 가지를 구성하였다.
- 본 연구에서 제시한 알고리즘인 D-GA의 효율성을 검토하기 위하여 10부재 트러스의 최적 설계 문제를 수행하였다. 이 문제는 여러 연구由에서 폭넓게 사용되어 왔다.
- 본 연구에서는 D-GA라는 새로운 혼합 유전자 알고리즘을 제시하였으며, 10부재 트러스 설계 문제에 적용한 결과 다음과 같은 결론을 도출하였다.
- 본 연구에서는 보다 안정적이고 빠르게 해를 탐색하기 위하여 단순 유전자 알고리즘에 방향벡터에 의한 탐색과정을 도입한 알고리즘인 D-GA를 제안한다.
- 본 연구에서는 한 세대 당 10개의 랜덤 방향벡터만 사용하지만 세대의 진화가 지속됨에 따라 탐색 되는 설계점이 누적되어 보다 나은 개체의 탐색 확률이 지속적으로 높아지도록 하였다. 랜덤 방향벡터를 이용한 기법은 진화의 방향이 임의로 선택되므로 유전자 알고리즘이 갖는 자연적인 진화의 의미를 유지하며 수학적계획법이나 최적정기준법과 같은 이질적이고 복잡한 탐색기법이 추가되지 않아도 된다는 장점이 있다.
- 이러한 점들을 고려하여 본 연구에서는 각 설계변수를 하나 증가 또는 감소시키면 얻을 수 있는 주변 설계점을 탐색하기 위하여 1, 0, -1 만으로 조합된 랜덤방향벡터 瓦를 사용하는 방안에 대하여 검토하였다. 다음 식 (3)은 랜덤방향벡터의 세 가지 예이다.
가설 설정
- 10부재 트러스 모델의 형상과 하중 등은 다음의<그림 3>에 나타내었다. 모든 부재의 밀도 p = 0.1Zb/u2(2767.9既g/m3) 이고, 탄성계수 旧=10000屜/(68947.5771々如)이 며, AISC 매뉴얼의 더블 앵글 알루미늄을 사용하는 것으로 가정하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.