최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. The KIPS transactions. Part B. Part B, v.17B no.2, 2010년, pp.149 - 156
Since the premature convergence phenomenon of genetic algorithms (GAs) degrades the performances of GAs significantly, solving this problem provides a lot of effects to the performances of GAs. In this paper, we propose a selective mutation method in order to improve the performances of GAs by allev...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
유전자알고리즘의 성능을 좌우하는 요인은 무엇인가? | 유전자알고리즘은 수학최적화기법과 같은 제약사항이 없고 다양한 문제에 다양한 방법으로 응용할 수 있는 장점 때문에 많은 공학최적화문제에 응용되어왔다[1-11]. 유전자알고리즘은 문제를 유전자알고리즘의 염색체로 표현하는 인코딩방법, 유전자알고리즘의 교배(crossover)와 돌연변이 (mutation) 연산방법, 그리고 각종 파라미터에 따라서 성능이 크게 좌우되므로 유전자알고리즘을 성공적으로 적용시키기 위해서는 여러 가지 측면에서 많은 검토가 필요하다[1-5]. 특히 유전자알고리즘의 조숙수렴현상 (premature convergence phenomenon)은 유전자알고리즘의 성능을 크게 저하시키기 때문에 이 문제를 해결하는 것이 성능향상에 크게 영향을 준다[5, 12]. | |
유전자알고리즘은 어떤 장점 때문에 많은 공학최적화문제에 응용되어 왔나? | 유전자알고리즘은 수학최적화기법과 같은 제약사항이 없고 다양한 문제에 다양한 방법으로 응용할 수 있는 장점 때문에 많은 공학최적화문제에 응용되어왔다[1-11]. 유전자알고리즘은 문제를 유전자알고리즘의 염색체로 표현하는 인코딩방법, 유전자알고리즘의 교배(crossover)와 돌연변이 (mutation) 연산방법, 그리고 각종 파라미터에 따라서 성능이 크게 좌우되므로 유전자알고리즘을 성공적으로 적용시키기 위해서는 여러 가지 측면에서 많은 검토가 필요하다[1-5]. | |
개체의 다양성을 유지하기 위한 방법의 예는 어떤 것이 있나? | 개체의 다양성을 유지하기 위한 방법은 여러 가지가 가능하다. 예를 들어 하나의 교배 점을 사용하는 것보다 여러 개의 교배 점을 사용하는 것이 자식 개체의 다양성에 도움이 된다. 또한 교배 확률을 높이는 것도 다양성에 도움이 된다. 그러나 교배는 염색체의 유전자 자체를 변경하는 것이 아니라 기존에 찾은 염색체의 유전자를 재조합하는 것이기 때문에 다양성 제공에 한계가 있다. |
D. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning,” Addison-Wesley, 1989.
M. Srinivas and L. M. Patnaik, “Genetic Algorithms: A Survey,” IEEE Computer Magazine, pp.17-26, June, 1994.
J. L. R. Filho and P. C. Treleaven, “Genetic-Algorithm Programming Environments,” IEEE Computer Magazine, pp.28-43, June, 1994.
D. Beasley, D. R. Bull, and R. R. Martin, “An Overview of Genetic Algorithms: Part 1, Fundamentals,” Technical Report obtained from http://home.ifi.uio.no/~jimtoer/GA_Overview1.pdf.
D. B. Fogel, “An Introduction to Simulated Evolutionary Optimization,” IEEE Transactions on Neural Networks, Vol.5, pp.3-14, Jan., 1994.
H. Szczerbicka and M. Becker, “Genetic Algorithms: A Tool for Modelling, Simulation, and Optimization of Complex Systems,” Cybernetics and Systems: An International Journal, Vol.29, pp.639-659, Aug., 1998.
R. Yang and I. Douglas, “Simple Genetic Algorithm with Local Tuning: Efficient Global Optimizing Technique,” Journal of Optimization Theory and Applications, Vol.98, pp.449-465, Aug., 1998.
C. Xudong, Q. Jingen, N. Guangzheng, Y. Shiyou, and Z. Mingliu, “An Improved Genetic Algorithm for Global Optimization of Electromagnetic Problems,” IEEE Transactions on Magnetics, Vol.37, pp.3579-3583, Sept., 2001.
J. A. Vasconcelos, J. A. Ramirez, R. H. C. Takahashi, and R. R. Saldanha, “Improvements in Genetic Algorithms,” IEEE Transactions on Magnetics, Vol.37, pp.3414-3417, Sept., 2001.
E. Alba and B. Dorronsoro, “The exploration/exploitation tradeoff in dynamic cellular genetic algorithms,” IEEE Transactions on Evolutionary Computation, Vol.9, pp.126-142, Apr., 2005.
V. K. Koumousis and C. Katsaras, “A saw-tooth genetic algorithm combining the effects of variable population size and reinitialization to enhance performance,” IEEE Transactions on Evolutionary Computation, Vol.10, pp.19-28, Feb., 2006.
J. Andre, P. Siarry, and T. Dognon, “An improvement of the standard genetic algorithm fighting premature convergence in continuous optimization,” Advances in engineering software, Vol.32, No.1, pp.49-60, 2001.
M. Srinivas and L. M. Patnaik, “Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms,” IEEE Transactions on Systems, Man and Cybernetics, Vol.24, No.4, pp.656-667, Apr., 1994.
C. W. Ho, K. H. Lee, and K. S. Leung, “A Genetic Algorithm Based on Mutation and Crossover with Adaptive Probabilities,” Proceedings of the 1999 Congress on Evolutionary Computation, Vol.1, pp.768-775, 1999.
Zhihua Tang, Youtuan Zhu, Guo Wei, and Jinkang Zhu, “An Elitist Selection Adaptive Genetic Algorithm for Resource Allocation in Multiuser Packet-based OFDM Systems,” Journal of Communications, Vol. 3, No. 3, pp.27-32, July 2008.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.