최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C), 2008 June 30, 2008년, pp.365 - 370
조진선 (서강대학교 컴퓨터공학과) , 장형수 (서강대학교 컴퓨터공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
개미 집단 최적화는 어떤 문제를 풀기위해 제안되었는가? | 조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problems, TSP)를 풀기 위해 Dorigo와 Maniezzo에 의해 처음 제안된 메타 휴리스틱 기법인 개미 집단 최적화(Ant Colony Optimization, ACO)[1]는 실제 개미들이 집에서 먹이까지 가장 짧은 경로를 찾는 능력을 모방하여 만든 알고리즘이다. | |
개미 집단 최적화는 무엇을 모방한 알고리즘인가? | 조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problems, TSP)를 풀기 위해 Dorigo와 Maniezzo에 의해 처음 제안된 메타 휴리스틱 기법인 개미 집단 최적화(Ant Colony Optimization, ACO)[1]는 실제 개미들이 집에서 먹이까지 가장 짧은 경로를 찾는 능력을 모방하여 만든 알고리즘이다. | |
유전 알고리즘의 단점은? | ACO에서 최적의 해를 찾는데 좋은 성능을 위해서 개미 수를 증가시키거나 페로몬의 증발 정도를 작게 하는 것과 비슷하게 GA는 최적의 해를 찾는데 좋은 성능을 위해서 개체군(population)의 크기를 충분히 크게 한다. 하지만 ACO와 마찬가지로 GA 역시 개체군의 수를 증가시키면 계산 비용과 메모리 요구량이 증가한다. GA의 이러한 단점을 보안하기 위해 Compact Genetic Algorithms(cGAs)[4]는 염색체의 길이를 n으로 하면, 염색체를 {0, 1}n으로 표현하고, GA에서처럼 해들의 집합으로 개체군을 형성하는 것이 아니라 각 유전자가 1 값을 가질 확률을 유지하고 이 확률을 통해 두 개의 염색체를 생성하여 더 우월한 염색체의 성향을 따르는 방식으로 해답을 찾는다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.