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
- 본 논문에서는 이러한 문제를 해결하기 위해 클러스터링 기법을 이용하여 작은 탐색집단을 가지고도 큰 탐색집단을 이용할 때와 거의 같은 성능을 보이는 국소 평가 유전자 알고리즘을 제안하고자 한다.
- 본 논문에서는 클러스터링 방법을 이용하여 큰 탐색 집단의 일부분만을 직접 평가하면서 전체를 평가하는 경우와 거의 동일한 수준의 성능을 보이는 국소 평가 유전자 알고리즘을 제안하고자 한다. 이러한 방법은 적합도 평가에 드는 비용이 상대적으로 큰 문제를 유전자 알고리즘으로 해결하는 데 매우 유용하다.
- 본 연구에서는 클러스터링 방법으로 k-tneans 알고리즘만을 사용하였으나 향후 연구에서는 SOM이나 fuzzy c-means 알고리즘과 같은 다른 클러스터링 기법으로 이를 대체하여 그 성능을 비교해보려 하며, 궁극적으로는 제안된 국소평가 기법을 대화형 유전자 알고리즘과 결합하여 성능 향상을 꾀하고자 한다.
- 본 연구에서는 클러스터링을 통해 적은 수의 평가만으로도 상대적으로 큰 집단을 유지하는 것과 거의 동일한 성능을 보여주는 국소 평가 유전자 알고리즘을 제안하였다. 집단은 몇 개의 부 집단으로 나누어지며, 각 부 집단의 대표 값들에 대한 평가가 이루어진 후 나머지 개체들은 이 값으로부터 계산에 의한 간접적인 적합도 값을 부여받는다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.