최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정밀공학회지 = Journal of the Korean Society for Precision Engineering, v.31 no.8, 2014년, pp.689 - 696
최종훈 (한양대학교 자동차공학과) , 김제석 (한양대학교 자동차공학과) , 정진한 (한양대학교 자동차공학과) , 김정민 (아주대학교 기계공학과) , 박장현 (한양대학교 미래자동차공학과)
This paper presents a scheduling problem for a high-density robotic workcell using multi-objective genetic algorithm. We propose a new algorithm based on NSGA-II(Non-dominated Sorting Algorithm-II) which is the most popular algorithm to solve multi-objective optimization problems. To solve the probl...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
멀티 로봇 스케줄링 최적화 문제란? | 멀티 로봇 스케줄링 최적화 문제는 좁은 공간에 고밀도로 배치된 로봇들에게 작업을 분배하고 작업 순서를 최적화하는 문제로 정의한다. 이 문제는 잘 알려진 다수 순회 판매원 문제(Multiple Traveling Salesman Problem, MTSP)를 로봇으로 확장한 개념으로 볼 수 있다. | |
다목적 유전 알고리즘의 장점은 무엇인가? | 기존의 유전 알고리즘은 하나의 목적에 대해서만 전역 최적해(global optimum)을 찾는데 반해, 다목적 유전 알고리즘은 다중의 목적함수에 대해 최적화가 가능하다. 이 중에서도 NSGA-II (NonDominated Sorting Genetic Algorithm II)는 뛰어난 성능으로 다목적 최적화 문제에서 가장 많이 사용되고 있는 알고리즘 중 하나이다. | |
파레토 순위를 결정하는 과정은 어떤 절차를 거치는가? | ① 파레토 순위를 나타내는 변수 r을 1로 설정 한다. ② 모집단에서 파레토 순위가 정해지지 않은 염색체에 대한 파레토 경계를 구한다. ③ 파레토 경계인 모든 염색체에 파레토 순위 r을 할당한다. ④ r을 1만큼 증가시킨다. ⑤ 만약 모든 염색체에 파레토 순위가 할당되면 종료하고, 그렇지 않으면 ②로 이동한다. |
Hara, S. and Azuma, K., "Cell Production System for Assembly," Robotics and Computer-Integrated Manufacturing, Vol. 4, No. 3, pp. 379-385, 1988.
Deb, K., "Multi-Objective Optimization using Evolutionary Algorithms," John Wiley & Sons, 2001.
Bektas, T., "The Multiple Traveling Salesman Problem: An Overview of Formulations and Solution Procedures," Omega, Vol. 34, No. 3, pp. 209-219, 2006.
Carter, A. E. and Ragsdale, C. T., "A New Approach to Solving the Multiple Traveling Salesperson Problem using Genetic Algorithms," European Journal of Operational Research, Vol. 175, No. 1, pp. 246-257, 2006.
Konak, A., Coit, D. W., and Smith, A. E., "Multi- Objective Optimization using Genetic Algorithms: A Tutorial," Reliability Engineering & System Safety, Vol. 91, No. 9, pp. 992-1007, 2006.
Krishna, K. and Murty, M. N., "Genetic K-Means Algorithm," Proc. of the IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, Vol. 29, No. 3, pp. 433-439, 1999.
Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T., "A Fast and Elitist Multiobjective Genetic Algorithm: Nsga-II," Proc. of the IEEE Transactions on Evolutionary Computation, Vol. 6, No. 2, pp. 182-197, 2002.
Kim, K. H., Ku, T. W., and Baek, J. M., "Reliability Allocation Optimization for Software Modules using Multi-Objective Genetic Algorithm," Journal of Korea Information Science Society: Software and Applications, Vol. 39, No. 3, pp. 205-214, 2012.
Seshadri, A., "A Fast Elitist Multiobjective Genetic Algorithm: NSGA-II," MATLAB Central, pp. 1-4, 2006.
Yuan, S., Skinner, B., Huang, S., and Liu, D., "A New Crossover Approach for Solving the Multiple Travelling Salesmen Problem using Genetic Algorithms," European Journal of Operational Research, Vol. 228, No. 1, pp. 72-82, 2013.
Walshaw, C., "A Multilevel Lin-Kernighan-Helsgaun Algorithm for the Travelling Salesman Problem," Citeseer, pp. 1-9, 2001.
Helsgaun, K., "General k-Opt Submoves for the Lin- Kernighan TSP Heuristic," Mathematical Programming Computation, Vol. 1, No. 2-3, pp. 119-163, 2009.
Nallusamy, R., Duraiswamy, K., Dhanalaksmi, R., and Parthiban, P., "Optimization of Non-Linear Multiple Traveling Salesman Problem using K-Means Clustering, Shrink Wrap Algorithm and Meta- Heuristics," International Journal of Nonlinear Science, Vol. 9, No. 2, pp. 171-177, 2010.
Lim, S. S., Kim, J. S., and Park, J. H., "Multi- Objective Genetic Algorithm for High-Density Robotic Workcell," Proc. of the IEEE International Symposium on Robotics (ISR), pp. 1-3, 2013.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.