초록 ▼

유전자 프로그래밍(genetic programming)은 적자 생존의 원리를모방한 계산 모델인 진화 연산(evolutionary computation) 방식의 일종으로서 특히 기계학습과 자동 프로그래밍에 유용하다. 유전자 프로그래밍은 다른 진화 알고리즘과는 달리, 가변길이의 트리 구조를 염색체로 사용하기 때문에 문제 해결을 위한 다양한 지식을 잘 표현해줄 수 있는 장점이 있어 여러 분야에 걸펴 폭넓게 응용되고 있다. 그러나 지금까지의 유전자 프로그래밍에서는 문제의 크기가 클 경우 간결한 프로그램을 유도하기가 어렵고 학습의

유전자 프로그래밍(genetic programming)은 적자 생존의 원리를모방한 계산 모델인 진화 연산(evolutionary computation) 방식의 일종으로서 특히 기계학습과 자동 프로그래밍에 유용하다. 유전자 프로그래밍은 다른 진화 알고리즘과는 달리, 가변길이의 트리 구조를 염색체로 사용하기 때문에 문제 해결을 위한 다양한 지식을 잘 표현해줄 수 있는 장점이 있어 여러 분야에 걸펴 폭넓게 응용되고 있다. 그러나 지금까지의 유전자 프로그래밍에서는 문제의 크기가 클 경우 간결한 프로그램을 유도하기가 어렵고 학습의 속도가 상당히 느려질 수 있다는 문제점을 내포하고 있었다.본 연구에서는 이러한 문제점을 해결하기 위해 여러 가지 적응 학습 기술을 연구하였으며 이를 AGIPT (Adaptive Genetic Programming Tool) 시스템으로 구현하고 여러 가지실제 문제에 있어 그 성능을 시험하고 평가하였다. AGIPT 시스템은 적응적 평가함수와국부탐색 기법을 이용해서 효과적인 학습을 하며 다중 유전자 프로그램의 결합에 의한 신뢰적인 의사결정을 할 수 있도록 지원하고 다양한 응용 개발 환경을 제공한다. 기타 본 과제의 수행을 통하여 연구된 구체적인 내용을 요약하면 다음과 같다. (1) 유용한 부분 트리를 발견하고 이를 재활용하기 위한 방안, (2) Occam's Razor를 갖는 적응적 평가함수를 사용한 진화적 탐색 기법 (3) 학습에 필요한 데이터를 동적으로 선택하는 방법, (4) 프로그램트리 표현 방법의 개선, (5) 다수의 유전자 프로그램 트리를 결합한 신뢰적인 의사 결정 방법 등이다.본 연구를 수행함으로써 진화 연산 기반의 유연 정보처리 시스템 개발을 위한 기반 기술을 확보하였다. 앞으로 이를 컴퓨터공학 뿐만 아니라 다른 공학 분야에서도 활용함으로써 응용 시스템을 개발하는데 드는 비용을 절감하고 개발 시간을 단축할 수 있는 효과를 가져올 수 있을 것으로 기대된다.

Abstract ▼

Genetic programming is an evolutionary computation modelwhich immitates the principle of "survival of the fittest" in nature and is especiallyuseful for machine learning and automatic programming. In contrast to otherevolutionary algorithms, genetic programming uses variable-length

Genetic programming is an evolutionary computation modelwhich immitates the principle of "survival of the fittest" in nature and is especiallyuseful for machine learning and automatic programming. In contrast to otherevolutionary algorithms, genetic programming uses variable-length chromosomes of treestructure. Due to its strong expressiveness, genetic programming can representvarious knowledges for solving diverse problems and has been applied to a variety ofapplication domains. One difficulty in applying genetic programming in practice is thatas the problem size grows the complexity of evolved programs increases very fast andthe learning speed can be very slow. In this project we investigated severaladaptive learning techniques to solve this problem and integrated them into anapplication development tool for genetic programming named the AGIPT (AdaptiveGenetic Programming Tool) system. The performance of the tool was evaluated on aset of practical problems in classification, prediction, and diagnosis. The AGIPTsystem provides adaptive fitness functions, local search techniques, and combination ofmultiple genetic programs to support the development of various applications. Othertopics studied in this project include (1) discovery and reuse of subtrees, (2)evolutionary search by means of adaptive fitness functions with Occam's Razor, (3)dynamic selection of training data for genetic program induction, (4) improvement ofgenetic tree representations, and (5) robust decision-making using multiple trees.One of the main contributions of this research is the advancement of evolutionarycomputation technologies for developing flexible information processing systems. It isexpected that these techniques are applied to engineering disciplinces, including computerengineering and electrical engineering among others, to reduce time and costs for designand construction of complex systems.

목차 Contents

• 1. 서론...7
• 2. 연구방법 및 이론...9
• 3. 결과...23
• 4. 고찰...39
• 5. 결론...40
• 6. 인용문헌...41
• 7. 연구수행관련 논문발표 목록서...43
• 8. 자체평가서...45