초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

다 개체군 유전자 알고리즘에서는 여러 개의 개체군을 사용하여 각 개체군을 독립적으로 진화를 시키는데, 이 논문에서는 퍼지 논리 제어를 이용하여 독립적으로 개체군을 진화시켜 집단으로 이주시키는 새로운 코딩방법을 제안한다. 이 퍼지 논리 제어는 최적화과정 동안 교배 비율과 돌연변이 비율을 적합하게 조절하여 수행하는 두 퍼지 논리 제어를 나타낸다. 제안하는 방식을 성능평가해서 기존의 방식과 비교해 보았다. 제안하는 방식이 수렴속도를 향상시킬 수 있다는 장점을 보여준다.

다 개체군 유전자 알고리즘에서는 여러 개의 개체군을 사용하여 각 개체군을 독립적으로 진화를 시키는데, 이 논문에서는 퍼지 논리 제어를 이용하여 독립적으로 개체군을 진화시켜 집단으로 이주시키는 새로운 코딩방법을 제안한다. 이 퍼지 논리 제어는 최적화과정 동안 교배 비율과 돌연변이 비율을 적합하게 조절하여 수행하는 두 퍼지 논리 제어를 나타낸다. 제안하는 방식을 성능평가해서 기존의 방식과 비교해 보았다. 제안하는 방식이 수렴속도를 향상시킬 수 있다는 장점을 보여준다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이 논문에서는 퍼지 논리 제어를 이용하여 독립적으로 개체군을 진화시켜 집단으로 이주시키는 새로운 코딩 방법을 제안한다. 이 퍼지 논리 제어는 최적화 과정동안 교배 비율과 돌연변이 비율을 적합하게 조절하여 수행하는 두 개의 퍼지 논리 제어를 나타낸다.

제안 방법

• 함수 최적화 문제를 통하여 제안 방식의 성능을 시뮬레이션 해 보았다. 병렬 유천자 알고리즘의 시뮬레이션 오로서 최적화 함수를 많이 사용하는 이유는 지역 최소점이 많은 예로서 적당한 다봉 형태이기 때문이 다 다음과 같은 3차원 함수의 최적화 문제를 시뮬레이션하였다,
• 이 퍼지 논리 제어는 최적화 과정동안 교배 비율과 돌연변이 비율을 적합하게 조절하여 수행하는 두 개의 퍼지 논리 제어를 나타낸다. 제안 방식을 함 수 최적화 문제를 통하여 □ 성능을 기존 방식과 비교 해 보았다. 제안 방식이 수렴 속도를 향상시킬 수 있다는 장점을 보여준다.
• 지금까지 다 개체군 유전자 알고리즘의 이주기법과 퍼 지 논리 제어를 이용한 교배와 돌연 변이를 사용한 이주 기법을 살펴보았고, 기존의 망식과 제안한 방식을 서로 비교해 보았다
• 함수 최적화 문제를 통하여 제안 방식의 성능을 시뮬레이션 해 보았다. 병렬 유천자 알고리즘의 시뮬레이션 오로서 최적화 함수를 많이 사용하는 이유는 지역 최소점이 많은 예로서 적당한 다봉 형태이기 때문이 다 다음과 같은 3차원 함수의 최적화 문제를 시뮬레이션하였다,

성능/효과

• 시뮬레이션 결과, 제안한 방식이 초기 세대부터 우수한 성능을 나타내었고, 중반 세대부터 좋은 값을 유지하면서 최적값을 찾는다는 것은 거의 비슷하다는 것을 알 수 있다
• 제안 방식을 함 수 최적화 문제를 통하여 □ 성능을 기존 방식과 비교 해 보았다. 제안 방식이 수렴 속도를 향상시킬 수 있다는 장점을 보여준다.
• 초기 세대에 부 개체군간에 적합도의 차이가 크게 나 기 시작하면서 제안하는 방법이 더 좋은 성능을 나타낸 다는 것을 알 수 있다.

후속연구

• 제안하는 방식은 국소 최적해에 빠질 위험을 줄이는 동시에 수렴 성능은 향상시키기 때문에 시스템과 제어 문제들의 넓은 범위에 적용할 수 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기