초록 ▼

연구개요
최적화 알고리즘과 머신러닝 기법의 융·복합은 최적화 알고리즘 및 머신러닝 기법 각각의 고도화를 가능케 할 수 있는 필수적인 요소 기술이다. 본 연구진은 ‘최적화 기법 기반 기술의 보완, 확장 및 성능 정량평가’와 ‘인공지능 분야의 머신러닝 등과 융·복합’을 최종목표로 연구를 수행하였다. 이를 위해 Many-Objective Optimization 성능평가지표 및 다차원 시각화기법 및 공학 분야 맞춤형 Meta-model(근사모형)을 개발하였다. 또한, 최적화 알고리즘의 성능을 극대화하기 위한 딥러닝 기반 자가적응형 다

연구개요
최적화 알고리즘과 머신러닝 기법의 융·복합은 최적화 알고리즘 및 머신러닝 기법 각각의 고도화를 가능케 할 수 있는 필수적인 요소 기술이다. 본 연구진은 ‘최적화 기법 기반 기술의 보완, 확장 및 성능 정량평가’와 ‘인공지능 분야의 머신러닝 등과 융·복합’을 최종목표로 연구를 수행하였다. 이를 위해 Many-Objective Optimization 성능평가지표 및 다차원 시각화기법 및 공학 분야 맞춤형 Meta-model(근사모형)을 개발하였다. 또한, 최적화 알고리즘의 성능을 극대화하기 위한 딥러닝 기반 자가적응형 다중모듈 최적화 기법을 개발하고, 딥러닝을 활용한 빅데이터 처리 및 상태진단 모형을 구축하였으며, 머신러닝 학습성능 개선을 위해 Ensemble Learning 기법을 고도화하였다.

연구 목표대비 연구결과
● Many-objective Optimization 성능평가지표 및 다차원 시각화기법 개발
- Many-objective Optimization의 성능평가지표 개발 및 적용
- 다중목적 최적해 다차원 시각화 기술 개발 및 체계화
- 최적해 우선순위 산정을 위한 Decision Support System 구축
● 해탐색 효율 개선을 위한 공학 분야 맞춤형 Meta-model (근사모형) 구축
- 공학 분야 머신러닝 기반 Meta-model 적용사례 분석
- Meta-model 기반 실시간 예측 및 운영 모형 구축
- 공학 분야에 대한 적용 및 검증, 체계화
● 병렬계산 기반 Parallel Meta-heuristic 기법 개발
- 공학 분야에 대한 병렬계산 기법의 적용 사례 분석
- Parallel Meta-heuristic 기법 최적 구조 설계
- Parallel Meta-heuristic 성능 정량평가 및 체계화
● 딥러닝 기반 자가적응형 다중모듈 최적화 기법 개발
- 최적화 알고리즘 및 해탐색 연산자 장단점 분석
- 딥러닝 기반 자가적응형 해탐색 방법론 개발
- 딥러닝 기반 다중모듈 최적화 모형 구축
● 딥러닝 기반 실시간 빅데이터 처리 및 상태진단 모형 구축
- 빅데이터 분류 및 인지 기술 동향 파악
- 딥러닝 기반 실시간 빅데이터 처리 및 운영, 예측 기술 개발
- 딥러닝을 이용한 상태진단 및 이상탐지 기술 개발
● 학습성능 개선을 위한 Ensemble Learning 기법의 적용 및 고도화
- 머신러닝 모형별 장단점 및 적용사례 분석
- 공학 분야에 적용 가능한 Ensemble Learning 모형 구축 및 방법론 제시

연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
본 연구의 대상인 최적화 알고리즘과 인공지능 기반 머신러닝 기법은 토목, 수자원, 운송, 제조, 교통, 전자 등 광범위한 공학 분야를 비롯해 실물경제, 기업체 및 국가 경영 등 거의 모든 분야에서 각종 자원을 효과적으로 사용하고. 비용과 에너지를 절약하며, 공학 분야에서 다양한 구조물과 장치 등의 상태진단을 통한 최적 관리와 운영을 가능하게 하고, 나아가 발생 가능한 미래 상황을 예측하고 최적의 대안을 제시하는 도구로 활용될 수 있다.
본 연구에서 확보한 성과와 요소 기술을 바탕으로 다양한 학문 분야에서 HS 알고리즘이 보편적으로 활용되는 최적화 기법으로의 입지를 다질 수 있을 것이며, 나아가 머신러닝 기법과의 융·복합을 통해 성능을 더욱 효과적으로 고도화할 수 있을 것으로 판단된다. 이를 통해 다양한 공학 분야의 최적화 문제 해결과 더불어 방대한 데이터를 처리하는 실무 분야에서 그 효율성과 파급효과가 클 것으로 기대되며, 또한 선진화된 최적화 관련 기술의 해외시장 진출을 통해 인공지능 및 최적화 분야에서 국가적 경쟁력을 높이는 데에 중요한 역할을 할 수 있다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1) 연구의 필요성 ... 4
• 2) 연구의 최종목표 및 연구범위 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 1) 최신 인공지능 및 머신러닝 기법 비교분석 ... 6
• 2) Many-objective Optimization 성능평가지표 및 다차원 시각화기법 개발 ... 6
• 3) 해탐색 효율 개선을 위한 공학 분야 맞춤형 Meta-model (근사모형) 구축 ... 9
• 4) 병렬계산 기반 Parallel Meta-heuristic 기법 개발 ... 10
• 5) 딥러닝 기반 자가적응형 다중모듈 최적화 기법 개발 ... 12
• 6) 딥러닝 기반 실시간 빅데이터 처리 및 상태진단 모형 구축 ... 13
• 7) 학습성능 개선을 위한 Ensemble Learning 기법의 적용 및 고도화 ... 14
• 8) 알고리즘 주도권 확보 및 세계화 ... 15
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 16
• 1) 정성적 연구개발성과 (연구개발결과) ... 16
• 2) 세부 정량적 연구개발성과 ... 17
• 3) 목표 달성 수준 ... 17
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발 결과의 중요성) ... 18
• 5. 연구개발성과의 관리 및 활용 계획 ... 18
• 6. 참고문헌 ... 19
• [붙임1] 세부 정량적 연구개발성과 ... 20
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 26
• 끝페이지 ... 42