KR101522306B1 - 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법 - Google Patents

유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법 Download PDF

Info

Publication number
KR101522306B1
KR101522306B1 KR1020130052541A KR20130052541A KR101522306B1 KR 101522306 B1 KR101522306 B1 KR 101522306B1 KR 1020130052541 A KR1020130052541 A KR 1020130052541A KR 20130052541 A KR20130052541 A KR 20130052541A KR 101522306 B1 KR101522306 B1 KR 101522306B1
Authority
KR
South Korea
Prior art keywords
solution
similarity
solutions
unit
algorithm
Prior art date
Application number
KR1020130052541A
Other languages
English (en)
Other versions
KR20140133032A (ko
Inventor
박종헌
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020130052541A priority Critical patent/KR101522306B1/ko
Publication of KR20140133032A publication Critical patent/KR20140133032A/ko
Application granted granted Critical
Publication of KR101522306B1 publication Critical patent/KR101522306B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Fuzzy Systems (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 다양한 문제에 적용가능한 발견적 기법을 사용하여 문제별 최고해(bset solution)를 도출하는 시스템에 있어서, 소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해를 저장하는 데이터베이스부에 기초하여. 소정의 문제와 관련된 해 입력시, 상기 해와 상기 데이터베이스부에 저장된 다른 해와의 유사도에 기초하여 문제 해결 적합도를 예측하고, 해별 적합도 예측 결과를 소정의 최고해 도출 연산프로세스로 제공함으로써 최고해 도출 연산 프로세스를 간소화하고 대용량 메모리를 이용한 연산 프로세스의 효율성을 높일 수 있는 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템에 관한 것이다.

Description

유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법 {A system and control method for a meta-heuristic algorithm utilizing similarity for performance enhancement}
본 발명은 소정의 알고리즘을 사용하여 문제 해결을 위한 최고해(best solution)를 찾는 시스템 및 그 제어방법에 관한 것으로, 보다 구체적으로는, 해 또는 문제간 유사도 특성을 이용하여 최고해 도출을 위해 사용하는 소정 알고리즘의 성능 및 속도를 향상시킬 수 있는 시스템 및 그 제어방법에 관한 것이다.
어떤 문제가 존재하여 의사를 결정하여야 할 때, 일반적으로는 다양한 경우를 고려하여야 한다. 그러나, 현실적으로 정보의 부족과 시간제약으로 최적의 의사결정을 할 수 없는데, 제한된 정보와 시간제약을 고려하여 현실적으로 만족할만한 수준의 해답을 찾는 기법을 사용할 수 있는데, 이러한 기법을 발견적 기법법, 즉, 휴리스틱(heuristic) 기법이라 한다.
휴리스틱 기법은 해결하고자 하는 문제마다 각기 그 특성에 맞추어 개발해야하는 어려움이 있고, 이에 따라 특정문제가 갖는 특징에 크게 구속되지 않고 다양한 문제에 적용가능한 상위수준의 발견적 기법을 사용할 수 있는데, 이러한 기법을 메타휴리스틱(meta-heuristic) 기법이라 한다.
메타휴리스틱 기법은 대표적으로 생물의 진화를 모방한 진화 연산을 사용하는 유전 알고리즘(genetic algorithm), 인간이 기억하는 과정을 이용하여 국부 최적(local optical) 탐색 기법을 사용하는 타부 탐색(tabu search), 광대한 탐색공간 내에서 주어진 함수의 전역 최적해에 대한 근사값을 주는 시뮬레이티드 어닐링(simulated annealing) 기법 등이 있다. 이들 기법들은 각기 다른 특성을 가지지만 개념과 이론이 단순하고 해 공간의 탐색 능력이 우수하여 공학, 자연과학뿐만 아니라 경영학, 사회과학 등의 최적화 분야 또는 의사결정분야에 응용가능하다는 공통점이 있다.
이들 기법은 각기 독립적으로 여러 분야에 적용될 수 있을 뿐만 아니라, 각 기법의 단점을 상호보완하면서 장점을 결합하여 함께 적용할 수 있는데, 예컨대, 유전 알고리즘의 해공간 탐색 능력과 타부 서치의 지역 최적해 탐색 능력의 강점을 결합하여 사용할 수 있다.
유전 알고리즘이란 자연 현상 중 진화(evolution) 개념에 기반하여 제안된 계산 모형(computational model)의 한 종류이다. 유전 알고리즘은 염색체 형태의 자료구조(chromosome-like data structure)를 사용하여 주어진 문제에 대한 문제의 해(solution)로 부호화하고, 이러한 자료 구조에 교차 (crossover), 변이(mutation)와 같은 유전 연산자(genetic operator)들을 적용하여 해의 개선을 도모한다. 통상적으로 해집단(population) 중에서 환경에 대한 적합도(fitness)가 높은 해일수록 재생산(reproduction) 가능성이 높아지며, 결과적으로 주어진 문제에 높은 적합도를 가지는 해집단을 생성하게 된다.
구체적으로, 유전 알고리즘에서는 해를 염색체(chromosome)라 부르며, 염색체는 주로 숫자 또는 문자들의 스트링의 형태로 표현된다. 이하, 본 명세서에서 유전 알고리즘이 적용되는 대상인 염색체에 대해서는 해로 지칭하도록 한다.
유전 알고리즘은 세대를 거듭하여 유전 연산자의 적용을 반복하면서 최종해가 점점 최적의 해에 가까워지는 특징을 가지고 있으며, 알고리즘 종료 싯점에서의 해가 최고해라는 보장은 없으나, 주어진 문제 해결을 위해 알고리즘의 입력으로 사용된 초기해보다는 개선된 최고해를 제공한다. 나아가, 유전 알고리즘은 다양한 최적화 문제 해결뿐 만 아니라 시스템 식별 등 그 적용 범위는 매우 넓고 다양해지고 있으며, 근래에는 인터넷 환경이 발달하면서 이러한 유전 알고리즘을 온라인으로 활용하는 연구도 진행되고 있다.
하지만, 유전 알고리즘은 연산과정을 반복할수록 적합도가 높아지는 특징을 가지고 있기 때문에, 보다 더 좋은 해를 찾기 위해서는 계산량이 증가되고, 계산량 증가에 따라 소요시간이 증가되는 문제점이 발생한다. 예를 들어, 유전 알고리즘에서 n개의 해를 가진 해집단을 대상으로 m번의 재생산 과정을 수행하게 되면, 총 유전 알고리즘 재생산 과정은 n×m회 반복하게 되고, 총 소요되는 시간(ttotal)은 ttotal=(n×m)t0 (여기서, t0은 1회 세대 구성 및 세대 재생산에 필요한 연산 소요시간)이 된다.
따라서, 유전 알고리즘의 연산 소요시간 및 반복 횟수를 줄이면서, 최고해에 가까운 더 나은 해를 도출할 수 있는 방법에 대한 연구가 증가되고 있다.
메타 휴리스틱 기법에 속하는 유전 알고리즘은 목적함수와 제약식으로 구성된 다양한 최적화 문제에 대해 가능한 한 최적해에 가까운 최고해를 찾기 위해 사용될 수 있는 바, 주어진 문제에 대해서 효과적으로 해결할 수 있는 단순한 효율적인 알고리즘이 있는 경우에는 유전 알고리즘을 사용할 필요가 없으며, 통상적으로 전통적인 방법으로 좋은 해를 잘 구하지 못하는 NP-Hard 문제군과 같은 최적화 문제에 많이 적용된다.
한 예로, 반도체 패키징 라인의 경우, 다양한 종류의 패키지들을 여러 종류의 설비들을 거쳐 가공함으로써 최종 제품을 생산하는 바, 언제 어떤 설비가 어떤 패키지를 가공하는지에 대한 스케줄(schedule)을 어떻게 정하는가에 따라 라인의 가동율, 납기준수율 등과 같은 목표함수의 값이 크게 차이가 날 수 있다. 이와 같은 생산 라인의 스케줄링 문제는 복잡한 조합적(combinatorial) 특성을 가지고 있는 문제로서, 유전 알고리즘이 효과적으로 풀 수 있는 대표적인 예이다.
본 발명의 목적은 최고해 도출 알고리즘의 계산 속도 및 해의 질에 관련된 문제점을 해결하기 위하여 안출된 것으로, 해의 유사도 개념을 도입하여 최고해 도출 알고리즘의 종료시까지 수행되는 알고리즘 반복횟수를 감소시킴으로써 더 나은 최고해를 도출하는데 소요되는 시간을 단축시킬 수 있는 최고해 도출 알고리즘의 성능 향상 시스템 및 그 제어방법을 제안하는 것이다.
또한, 본 발명의 목적은 유전 알고리즘에서 적합도가 높은 최고해를 빠른 시간 내에 찾기 위해, 적합도가 높은 초기해를 선별하고, 적합도를 직접 계산하지 않고 유사한 해의 적합도를 활용하여 예측하며, 교차 또는 변이와 같은 연산과정에서 가능한 많은 후보해(feasible solution)들이 해집단에 존재해도록 유도하고, 주어진 해에 대해서 가장 효과적인 유전 연산자를 적용함으로써 효율성을 높일 수 있는 유전 알고리즘을 이용한 시스템 및 그 제어방법을 제안하는 것이다.
아울러, 제안된 발명의 내용 중, 적합도가 높은 초기해를 선별하는 기법 또는 적합도 예측 기법은 앞서 열거한 다른 형태의 메타휴리스틱 기법에 대해서도 동일하게 적용될 수 있다.
상술한 문제를 해결하기 위한 본 발명의 일 양태 일 실시예에 따른 다양한 문제에 적용가능한 발견적 기법을 사용하여 문제별 최고해(bset solution)를 도출하는 시스템은, 소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해를 저장하는 데이터베이스부; 및 소정의 문제와 관련된 해 입력시, 상기 해와 상기 데이터베이스부에 저장된 다른 해와의 유사도에 기초하여 문제 해결 적합도를 예측하고, 해별 적합도 예측 결과를 소정의 최고해 도출 연산프로세스로 제공하는 중간 연산장치를 포함한다.
본 발명의 실시예에 따른 상기 중간 연산장치는, 소정의 문제와 관련된 해 입력시, 상기 데이터베이스부에 기초하여 상기 해에 대한 다른 해와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 해를 도출하는 유사도 계산부; 및 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해를 토대로 상기 해에 대한 적합도를 예측하는 적합도 예측부를 포함할 수 있다.
이때, 상기 유사도 계산부는, 소정의 문제와 관련된 문제 데이터 입력시, 상기 데이터베이스부에 기초하여 상기 문제 데이터와 다른 문제 데이터와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 문제 데이터를 도출할 수 있다.
또한, 상기 중간 연산장치는, 상기 데이터베이스부에 기초하여, 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해를 선택하여 상기 최고해 도출 연산프로세스로 제공하는 초기해 추천부를 더 포함할 수 있다.
상술한 문제를 해결하기 위한 본 발명의 실시예에 따른 일 양태 다른 실시예에 따른 다양한 문제에 적용가능한 발견적 기법을 사용하여 문제별 최고해(bset solution)를 도출하는 시스템은, 소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해를 저장하는 데이터베이스부; 및 소정의 문제와 관련된 문제 데이터 입력시, 상기 데이터베이스부에 기초하여 상기 문제 데이터와 소정의 유사도 임계치를 만족하는 유사 문제 데이터를 도출하고, 상기 데이터베이스부에 기초하여 유사 문제 데이터에 대응하는 하나 이상의 해를 도출하여 추천 초기해로 소정의 최고해 도출 연산프로세스로 제공하는 중간 연산장치를 포함한다.
이때, 본 발명의 실시예에 따른 상기 중간 연산장치는, 상기 문제 데이터와 상기 데이터베이스부에 저장된 다른 문제 데이터간의 유사도를 계산하여 소정의 유사도 임계치를 만족하는 유사 문제 데이터를 도출하는 유사도 계산부; 및 상기 문제 데이터간의 유사도 계산 결과에 따라, 상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해로 제공하는 초기해 추천부를 포함할 수 있다.
또한, 상기 유사도 계산부는, 소정의 문제와 관련된 해 입력시, 상기 데이터베이스부에 기초하여 상기 해에 대한 다른 해와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 해를 도출할 수 있다. 그리고, 상기 중간 연산장치는, 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해를 토대로 상기 해에 대한 문제 해결 적합도를 예측하는 적합도 예측부를 더 포함할 수 있다.
상술한 본 발명의 실시예들에 따른 시스템은, 본상기 문제의 해결을 위해 상기 최고해 도출 연산프로세스를 수행하는 솔루션 장치를 더 포함하며, 상기 솔루션 장치는 소정의 메타휴리스틱(meta-heuristic) 기법의 알고리즘에 따라 상기 최고해 도출 연산프로세스를 수행할 수 있다.
그리고, 상기 솔루션 장치는, 상기 메타휴리스틱 알고리즘의 한 종류인 복수의 해를 진화시켜 세대를 거듭하여 문제를 해결하는 유전 알고리즘(genetic algorithm)을 사용할 수 있다.
나아가, 상기 중간 연산장치는, 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하여 상기 솔루션 장치로 제공하는 연산자 추천부를 더 포함할 수 있다.
한편, 본 발명의 실시예에 따른 상기 솔루션 장치는, 상기 문제의 해결을 위한 복수의 초기해로 구성된 해집단을 생성하는 해집단 생성부; 상기 해집단에 속한 하나 이상의 해에 대한 교차 연산 또는 변이 연산을 수행하는 연산부; 상기 연산부의 연산 결과, 생성되는 자식해에 대해 적합도 평가를 수행하는 적합도 평가부; 및 상기 적합도 평가부의 수행 결과, 소정 요건에 부합하는 해를 최고해로 선택하고 상기 소정 요건에 부합하지 않는 해는 상기 해집단 생성부로 제공하는 최고해 선택부를 포함할 수 있다.
이때, 본 발명의 실시예에 따른 상기 해집단 생성부는, 상기 문제의 해결을 위한 임의의 해 및 상기 중간 연산장치로부터 제공되는 상기 추천 초기해 중 적어도 하나에 기초하여 상기 해집단을 생성할 수 있다.
본 발명의 실시예에 따른 상기 적합도 평가부는, 상기 연산부의 연산 결과, 생성되는 자식해에 대해 적합도 평가를 수행하거나 또는 상기 중간 연산장치로부터 제공되는 해별 적합도 예측 결과 중 상기 자식해에 대응하는 해의 적합도 예측 결과를 사용하여 적합도 평가를 수행할 수 있다.
나아가, 상기 중간 연산장치가, 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하여 상기 솔루션 장치로 제공하는 연산자 추천부를 더 포함하는 경우, 상기 연산부는, 상기 연산자 추천부로부터 제공되는 상기 추천 연산자를 사용하여 상기 교차 연산 또는 변이 연산을 수행할 수 있다.
또한, 상기 연산자 추천부는, 상기 데이터베이스부에 기초하여 상기 유사도 계산부에서 도출한 하나 이상의 유사해에 대한 적합도 향상의 최대효과를 나타내는 교차 연산자 정보, 변이 연산자 정보 및 교차 연산자와 변이 연산자들의 적용 시퀀스(sequence) 정보 중 적어도 하나를 선택할 수 있다.
본 발명의 실시예에 따른 상기 데이터베이스부는, 소정의 알고리즘을 적용하여 해결하고자 하는 문제와 관련된 과거 또는 현재의 복수의 문제 데이터를 저장하는 문제 데이터베이스; 문제별로 관련된 복수의 해 정보를 저장하는 해 데이터베이스; 및 상기 알고리즘이 유전 알고리즘을 포함하는 경우, 상기 유전 알고리즘의 해에 대한 교차 연산 또는 변이 연산에 사용되는 복수의 연산자 정보를 저장하는 연산자 데이터베이스를 포함할 수 있다.
상술한 문제를 해결하기 위한 본 발명의 다른 양태 일 실시예에 따른 다양한 문제에 적용가능한 발견적 기법을 사용하여 문제별 최고해(bset solution)를 도출하는 방법은, 소정의 알고리즘을 사용하여 해결하고자 하는 문제와 관련된 해 입력시, 상기 해와 소정의 데이터베이스부에 저장된 다른 해와의 유사도를 계산하여 하나 이상의 유사해를 도출하는 단계; 상기 하나 이상의 유사해를 이용하여 상기 임의의 해에 대한 문제 해결을 위한 적합도를 예측하는 단계; 및 상기 적합도 예측 결과를 사용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 포함하되, 상기 데이터베이스부는, 소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해 중 적어도 하나를 저장한다.
본 발명의 실시예에 따른 최고해 도출 방법은, 상기 문제와 관련된 문제 데이터 입력시, 상기 해와 소정의 데이터베이스부에 저장된 다른 문제 데이터와의 유사도를 계산하여 하나 이상의 유사 문제 데이터를 도출하는 단계; 상기 문제 데이터간의 유사도 계산 결과에 따라, 상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해로 선택하는 단계; 및 상기 추천 초기해에 기초하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산의 해집단을 구성하는 단계를 더 포함할 수 있다.
상술한 문제를 해결하기 위한 본 발명의 다른 양태 다른 실시예에 따른 다양한 문제에 적용가능한 발견적 기법을 사용하여 문제별 최고해(bset solution)를 도출하는 방법은, 소정의 알고리즘을 사용하여 해결하고자 하는 문제와 관련된 문제 데이터 입력시, 상기 해와 소정의 데이터베이스부에 저장된 다른 문제 데이터와의 유사도를 계산하여 하나 이상의 유사 문제 데이터를 도출하는 단계; 상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 도출하여 추천 초기해로 제공하는 단계; 및 상기 추천 초기해를 이용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 포함한다.
이때, 본 발명의 실시예에 따른 최고해 도출 방법은, 상기 문제와 관련된 해 입력시, 상기 해와 상기 데이터베이스부에 저장된 다른 해와의 유사도를 계산하여 하나 이상의 유사해를 도출하는 단계를 더 포함할 수 있다.
상술한 실시예들에 따른 최고해 도출 방법은, 상기 하나 이상의 유사해를 이용하여 상기 임의의 해에 대한 문제 해결을 위한 적합도를 예측하는 단계; 및 상기 적합도 예측 결과를 사용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 더 포함할 수 있다.
이때, 본 발명의 실시예에서 상기 알고리즘으로 복수의 해를 진화시켜 세대를 거듭하여 문제를 해결하는 유전 알고리즘(genetic algorithm)을 사용하는 경우, 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하는 단계; 및 상기 추천 연산자를 사용하여 상기 문제에 대한 유전 알고리즘 기반의 최고해 도출 연산에서 교차 연산 또는 변이 연산을 수행하는 단계를 더 포함할 수 있다.
나아가, 본 발명의 실시예에 따른 최고해 도출 방법은, 상기 데이터베이스부를 구축하는 단계를 더 포함하되, 상기 데이터베이스부 구축 단계는, 임의의 문제를 해결하기 위한 알고리즘이 설정되고, 상기 임의의 문제의 인스턴스와 동일 및 유사한 문제 데이터가 입력되면, 상기 동일 또는 유사 문제 데이터에 기초하여 해집단을 구성하는 단계; 상기 해집단으로부터 소정 조건에 부합하는 하나 이상의 해를 선택하여 각 해별로 적합도 평가를 수행하는 단계; 및 상기 적합도 평가 결과에 따라 해별 적합도 평가 정보, 해별 적용한 연산자 정보 및 상기 데이터 입력 과정에서 입력된 문제 인스턴스 정보 중 적어도 하나를 포함하여 상기 데이터베이스부에 저장하는 단계를 포함할 수 있다.
이때, 상기 알고리즘이 유전 알고리즘인 경우, 데이터베이스부 구축 단계는, 상기 해집단을 구성하는 해들에 대한 교차 연산 또는 변이 연산 결과 생성된 복수의 해별로 적합도 평가를 수행하는 단계; 및 상기 적합도 평가 결과에 따라, 교차 연산자 정보 또는 변이 연산자 정보, 해별 교차 또는 변이 연산 결과 및 해별 교차 연산자 또는 변이 연산자를 적용하여 위반된 제약식(constraint)이 발생하는 경우 발생한 위반된 제약식 정보를 포함하는 제약식 정보 리스트 중 적어도 하나를 상기 데이터베이스부에 저장하는 단계를 더 포함할 수 있다.
상기 실시형태들은 본 발명의 바람직한 실시예들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.
상술한 본 발명의 실시예에 따르면, 염색체의 유사도 개념을 도입하여 유전 알고리즘에서 최고해를 도출하기 위한 해의 적합도 평가과정을 간소화하고, 최고해 도출 소요 시간 단축 및 알고리즘 계산 반복횟수의 단축을 통해 유전 알고리즘의 계산 속도 향상 개선 효과를 누릴 수 있다.
또한, 본 발명의 실시예에 따르면, 유전 알고리즘에서 적합도가 높은 해를 찾기 위한 교차/변이와 같은 연산과정에서 가능한 많은 가능해들이 해집단에 유지되도록 하고, 적합도가 높은 초기해를 선별하고 이용하는 연산과정을 이용함으로써 유전 알고리즘이 출력하는 해의 적합도 및 질을 높일 수 있다.
구체적으로, 본 발명의 실시예에 따르면, 반도체 패키징 라인의 가동율 향상, 납기 준수, 재공 감소의 목표를 달성하기 위해 유전 알고리즘을 사용하여 작업 스케줄을 계산하는 시간을 단축시킬 수 있다. 예컨대, 주어진 패키징 라인에 대해 새로운 스케줄링 문제를 풀고자 할 경우, 기존에 풀었던 문제 중에서 가장 유사한 문제를 찾아서 그 문제의 최고해에 해당하는 스케줄을 주어진 문제의 초기해로 사용하고, 스케줄링을 위한 유전 알고리즘 연산 도중에 특정 해의 적합도를 실제로 계산하지 않고 이미 데이터베이스에 저장되어있는 특정 해와 유사한 해의 적합도 값을 사용하여 적합도를 예측하며, 연산 도중에 특정 해에 대해 적합한 유전 연산자를 선택할 때, 데이터베이스에 저장되어 있는 특정 해와 유사한 해에 대해 가장 효과적인 연산자를 사용하여 교차/변이를 실시함으로써 최고의 작업 스케줄을 도출하는데 소요되는 시간을 단축시키고, 동일한 시간 내 보다 많은 작업 스케줄을 생성할 수 있으므로, 작업의 효율성을 높이며 유전 알고리즘을 사용한 높은 성능의 스케줄링 결과를 도출할 수 있다.
나아가, 본 발명의 실시예에 따른 유사도 특성을 이용하는 유전 알고리즘은 문제 및 해와 관련된 다양한 데이터의 데이터베이스 구축이 선제되어야하는데, 최근 상대적으로 저렴한 생산비용의 대용량 메모리 생산이 가능해지면서, 이러한 대용량 메모리를 이용함에 따라 방대한 데이터의 저장 및 추출이 효율적으로 수행 가능하고, 데이터 활용에 따른 유전 알고리즘의 연산 횟수 감소가 예상됨은 물론 데이터베이스 연산에 따른 시간 및 비용 증가 문제도 단축시킬 수 있어 경제적인 효과도 기대할 수 있다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 일반적인 유전 알고리즘의 구동 방식의 일 예를 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 유사도 특성 기반의 유전 알고리즘 성능 향상 시스템의 구성의 일 예를 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 문제 유사도 기반의 예측 연산 수행 과정의 일 예를 나타내는 절차 흐름도이다.
도 4는 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 해 유사도 기반의 연산자 추천 수행 과정의 일 예를 나타내는 절차 흐름도이다.
도 5는 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 해 유사도 기반의 적합도 예측 평가 수행 과정의 일 예를 나타내는 절차 흐름도이다.
도 6은 본 발명의 실시예에 따른 유전자 알고리즘 성능 향상 시스템에 포함된 데이터베이스의 구축 과정의 일 예를 나타내는 절차 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다.
본 발명은 최고해 도출 알고리즘을 이용하는 시스템 및 그 제어방법에 관한 것으로, 보다 구체적으로는, 해 또는 문제간 유사도 특성을 이용하여 최고해를 도출하기 위해 사용하는 알고리즘의 성능 및 속도를 향상시킬 수 있는 시스템 및 그 제어방법에 관한 것이다.
최고해 도출 알고리즘으로는 다양한 문제에 적용가능한 메타휴리스틱 기법 방식의 다양한 최고해 도출 기법 중의 하나를 이용할 수 있다.
이하, 본 명세서에서는 메타휴리스틱 기법 중에서도 유전 알고리즘을 일 예로 들어 최고해 도출 성능을 향상시킬 수 있는 시스템 및 제어방법에 대하여 설명하도록 한다.
도 1은 일반적인 유전 알고리즘의 구동 방식의 일 예를 나타내는 도면이다.
도 1을 참조하면, 유전 알고리즘(100)은 크게 복수의 해들로 구성되는 해집단(102), 해집단(102)으로부터 선택된 특정 해로 구성되는 부모해 집단(104) 및 부모해(104)로부터 소정의 연산과정을 거친 결과 도출되는 해로 구성하는 자식해 집단(106)으로 이루어진다.
구체적으로, 유전 알고리즘(100)은 한개 이상의 초기해(101)를 기반으로 해집단(102)을 구성하고, 해집단(102)으로부터 소정 조건에 부합하는 하나 이상의 해를 부모해로 특정하여 부모해 집단(104)을 구성하고, 부모해 집단(104)에 기초하여 둘 이상의 해에 대해 교차(crossover) 연산 또는 하나의 해에 대해 변이(mutation) 연산과 같은 소정의 연산과정(105)을 적용하여 복수의 자식해를 생성하고, 생성된 자식해들을 포함하는 자식해 그룹(106)을 구성할 수 있다. 자식해 그룹(106)이 구성되면, 자식해들에 대해 해의 적합도(fitness) 평가 연산(107)을 적용한 결과에 따른 하나 이상의 생존해를 다시 해집단(102)으로 포함시킨다. 생존해 중에서는 사용자가 설정한 조건에 따라 최고해(108)로 사용될 수 있다.
유전 알고리즘(100)은 상술한 바와 같이 하나 이상의 초기해로 이루어진 해집단(102)으로부터 부모해 집단(104) 및 자식해 집단(106)을 구성하고, 자식해 집단(106)에 포함된 자식해들에 대해 해의 적합도 평가를 수행하여 도출한 생존해를 다시 해집단(102)으로 포함시켜 상술한 생존해 도출 과정을 반복 수행하는 것으로, 점차 해집단(102)의 적합도가 향상되는 특징을 보여준다.
이러한 유전 알고리즘은 세대를 거듭하여 반복하게 되면서 점점 최적의 해에 가까워지게 되고, 최고의 해에 기초하여 새로운 유전자를 구성하여 문제를 해결할 수 있다.
도 2는 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템의 구성의 일 예를 나타내는 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 시스템(200)은 기 설정된 유전 알고리즘을 적용하여 소정 요건에 해당하는 스케줄링(scheduling) 문제 또는 계획(planning) 문제 등과 같은 최적화 문제를 해결하기 위한 최고해를 도출하는 솔루션 장치(210), 솔루션 장치(210)에서의 유전 알고리즘 연산과정의 성능 향상을 위한 예측 및 추천 연산을 수행하는 중간 연산장치(220) 및 시스템에서 해결하고자 하는 문제와 해 정보를 저장 및 관리하는 데이터베이스부(230)로 구성된다.
이하, 상기 구성요소를 구성하는 세부 구성요소에 대해 차례로 살펴본다.
솔루션 장치(210)는 하나 이상의 초기해로부터 해집단을 구성하는 해집단 생성부(211), 해집단에 속한 하나 이상의 해를 부모해로 특정하고, 특정된 부모해에 대해 교차 또는 변이와 같은 연산과정을 수행하는 연산부(213), 연산과정을 거친 결과 도출되는 복수의 자식해에 대해 적합도 평가를 수행하는 적합도 평가부(215), 자식해들 중 적합도 평가 결과 소정 요건에 부합하는 생존해들에 대해 소정 종료 조건에 따라 최고해로 선택하고 해당 조건을 만족하지 않을 경우 생존해들을 다시 해집단 생성부(211)로 입력하는 최고해 선택부(217)로 구성될 수 있다.
여기서, 솔루션 장치(210)는 해집단 생성부(211), 연산부(213), 적합도 평가부(215) 및 최고해 선택부(217)의 구성으로, 상기 도 1에서 상술한 바와 같이 일반적인 유전 알고리즘을 적용하여 복수의 초기해로부터 생존해를 선택하는 과정을 반복 수행함에 따라 소정 요건에 부합하는 최고해를 도출할 수 있다.
이때, 본 발명의 실시예에 따르면, 솔루션 장치(210)는 중간 연산장치(220)에서 수행되는 예측 연산과정 결과 및 추천 결과에 기초하여 최고해를 도출하기 위한 반복 연산과정을 간소화할 수 있다.
다음으로, 중간 연산장치(220)는 복수의 해 정보 및 시스템에서 해결하고자 하는 문제 등의 정보를 저장하는 데이터베이스부(230)에 기초하여 해 및 문제간 유사도를 계산하고, 유사도 결과에 따라 사안별로 추천 교차/변이 연산자 또는 추천 초기해를 선택하며, 적합도 예측값을 솔루션 장치(210)로 제공하는 기능을 수행한다.
구체적으로, 중간 연산장치(220)는 시스템에서 해결하고자 하는 문제간의 유사도 또는 해 간의 유사도를 계산하는 유사도 계산부(221), 유사도 계산부(221)의 계산 결과에 따라 문제 유사도에 기초하여 초기해를 추천하는 초기해 추천부(223), 해 유사도에 기초하여 교차 연산자 또는 변이 연산자를 추천하는 연산자 추천부(225) 및 해 유사도에 기초하여 적합도 예측 결과를 제공하는 적합도 예측부(227)를 포함한다.
유사도 계산부(221)는 유전 알고리즘을 적용하여 해결하고자 하는 문제 간의 유사도 및 유전 알고리즘에 사용되는 해들에 대한 유사도를 계산하고, 계산 결과에 따른 정보를 초기해 추천부(223), 연산자 추천부(225) 및 적합도 예측부(227)로 제공한다.
여기서, 유사도(similarity)란 공통적인 특징을 보유하는 객체들을 파악하기 위해 사용되는 개념으로, 정보 검색 및 정보 추천 등의 다양한 분야에서 응용되고 있다. 예를 들어, 검색 엔진은 질의어와 가장 유사한 문서를 찾는 연산과정에서 유사도 개념을 적용할 수 있고, 정보 추천 시스템에서는 공통된 관심을 갖는 사용자 또는 유사 컨텐츠를 파악하는데 있어 유사도 개념을 적용하고 있으며, 클러스터링(clustering) 시스템에서는 유사한 특성을 갖는 객체들을 그룹화하는데 유사도 개념을 적용하고 있다.
유사도 계산부(221)는 기존에 알려진 다양한 방식의 유사도 계산 방식을 사용할 수 있으며, 시스템(200)에서 해결하고자 문제 특성에 따라 구체적인 유사도 계산 방식을 선정하여 사용할 수 있다. 예를 들어, 서로 다른 다수의 독립된 수행과정들에 대하여 최적의 효과를 만족하기 위한 수행 순서를 결정하는 문제에 대하여, 해는 특정 순서를 나타내는 스트링에 해당하고, 해 간의 유사도는 2개의 스트링 간의 편집 거리(edit distance)를 측정함으로써 계산될 수 있다.
또한, 유사도 계산부(221)는 개별 문제 인스턴스 간의 유사도도 계산할 수 있는데, 마찬가지로 기존의 다양한 유사도 계산 방식을 적용하여 문제 유사도를 계산할 수 있다.
초기해 추천부(223)는 유전 알고리즘을 적용하여 해결하고자 하는 문제에 대한 입력 데이터와 유사한 과거 입력 데이터들에 대해 가장 높은 적합도를 보이는 해들을 데이터베이스부(230)의 문제 데이터베이스(231)로부터 추출하여 솔루션 장치(210)로 제공하는 기능을 수행한다.
연산자 추천부(225)는 유전 알고리즘의 수행 중 특정 해에 대해 유사도 계산부(221)에서 도출한 유사 해들을 대상으로 최대 효과를 달성할 수 있는 가장 적합한 교차 연산자와 변이 연산자를 추천하는 기능을 수행한다.
유사도 계산부(221)에서 계산한 유사도 정보를 이용하여 적합한 초기해 또는 교차/변이 연산자 정보를 도출하는 과정에 대해서는 이하 도 3 및 도 4를 참조하여 후술하도록 한다.
적합도 예측부(227)는 유사도 계산부(221)에서 계산한 유사도 정보를 이용하여 기 설정된 예측 알고리즘에 따라 예측 적합도를 산출하여 솔루션 장치(210)로 제공한다.
예를 들어, 적합도 평가부(215)에서 자식해들에 대한 적합도 평가에 소요되는 시간이 큰 경우 유전 알고리즘 수행 시간을 증가시키는 바, 적합도 평가부(215)는 실제 평가를 수행하지 않고 적합도 예측부(227)에서 제공하는 예측 적합도를 사용함으로써, 알고리즘 수행 시간을 단축시킬 수 있다. 즉, 적합도 예측부(227)는 적합도 평가부(215)에서 유전 알고리즘의 수행 중 교차/변이 연산 수행 결과 생성되는 다수의 자식해들에 대하여 생존해를 선택하기 위해 수행하는 적합도 평가 기능을 대체할 수 있다.
구체적으로, 적합도 예측부(227)는 임의의 해가 입력되면 유사도 계산부(221)의 계산 결과로 도출된 하나 이상의 유사 해들에 기반하여 상기 입력된 해에 대한 적합도를 예측한다. 따라서, 솔루션 장치(210)의 최고해 선택부(217)는 적합도 예측부(227)로부터 제공되는 예측 적합도 정보에 기초하여 다수의 자식해로부터 생존해를 선택하고, 해결하고자 하는 문제에 대한 해들의 적합도 예측을 통해 적합도 평가에 따라 생존해 및 최고해를 산출하는 과정도 단축시킬 수 있다.
다음으로, 데이터베이스부(230)는 시스템(200)에서 유전 알고리즘을 적용하여 해결하고자 하는 문제를 저장하는 문제 데이터베이스(231), 각 문제별로 복수의 해 정보를 저장하는 해 데이터베이스(233) 및 해의 다양성 및 질을 높이기 위해 사용되는 연산자 정보를 저장하는 연산자 데이터베이스(235)를 포함한다.
문제 데이터베이스(231)는 문제 인스턴스(instance)를 키 속성(key attribute)으로 갖으며, 문제 인스턴스별로 가장 높은 적합도를 보이는 상위 m(m≥0)개의 해 정보를 저장한다.
해 데이터베이스(233)는 해를 키 속성으로 갖으며, 해당 해의 적합도 평가 결과, 해당 해에 개별 교차 연산자 또는 변이 연산자가 적용되었을 때의 적합도 평가 결과, 해당 해에 개별 교차 연산자 또는 변이 연산자가 적용되었을 때 위반된 제약식(constraint)이 발생하는 경우 위반된 제약식 정보 리스트 및 해당 해를 해로 갖는 문제 인스턴스 정보 중 적어도 하나를 저장한다. 이때, 적합도 평가 결과는 적합도가 다수의 하위 적합도로 구성되어 종합될 경우 각 하위 적합도의 평가 결과들을 포함할 수 있다.
나아가, 해 데이터베이스(233)는 유사도 계산부(221)에서의 해간 유사도 계산에 따라 소정의 유사도 임계치를 만족하는 특정 문제에 대한 해와 유사한 하나 이상의 유사 해 정보를 순차적으로 더 저장할 수 있다.
연산자 데이터베이스(235)는 연산부(213)에서 수행하는 다양한 연산과정에 사용될 수 있거나 과거 사용되었던 연산자(예, 교차연산자 또는 변이연산자) 정보를 저장한다.
이와 같이, 본 발명의 실시예에 따라 유사도 분석을 통해 최고해 도출 알고리즘의 성능 향상을 위한 중간 연산과정을 수행하는 중간 연산장치(220)는 상술한 유전 알고리즘에서만 적용가능한 것이 아니라 보다 일반적인 메타휴리스틱 기법에도 적용할 수 있다.
상세하게는, 최고해를 도출하는 솔루션 장치(210)에 유전 알고리즘뿐만이 아니라 메타휴리스틱 기법에 따른 최고해 도출 알고리즘을 설정하여 소정의 연산과정을 수행하도록 하면서, 중간 연산장치(220)의 초기해 추천부(223) 및 적합도 예측부(227)는 솔루션 장치(210)에 설정된 알고리즘에 따라 데이터베이스부(230)에 기초하여 유사도 계산 및 추천 초기해, 해별 적합성 예측 평가 등을 수행할 수 있다.
도 3은 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 문제 유사도 기반의 예측 연산 수행 과정의 일 예를 나타내는 절차 흐름도이다.
도 3을 참조하면, 유사도 계산부(221)는 솔루션 장치(210)로부터 시스템(200)에서 해결하고자 하는 특정 문제를 표현하는 하나 이상의 데이터(이하, '입력데이터'라 칭함)를 입력받는다. 이때, 특정 문제를 표현하는 입력데이터는 솔루션 장치(210)를 통해 중간 연산장치(220)로 입력되거나 또는 직접 중간 연산장치(220)로 입력될 수 있다(S301).
유사도 계산부(221)는 기 설정된 소정의 유전 알고리즘을 적용하여 해결하고자 하는 특정 문제에 대한 입력 데이터와 유사한 과거 입력 데이터를 데이터베이스부(230)의 문제 데이터베이스(231)로부터 유사도 결과를 토대로 추출한다(S302, S303).
다음으로, 초기해 추천부(223)는 유사도 계산부(221)에서 도출한 유사 과거 입력 데이터에 기초하여 데이터베이스부(230)의 해 데이터베이스(233)로부터 가장 높은 적합도를 보이는 하나 이상의 해를 추출한다(S304).
초기해 추천부(223)는 해당 문제를 해결하기 위한 추천 초기해로서 전단계(S304)에서 도출한 하나 이상의 해를 솔루션 장치(210)로 제공한다(S305).
이에 따라, 솔루션 장치(210)는 해당 문제와 관련하여 추천되는 해를 초기해로 사용하여 상기 도 1에서 상술한 유전 알고리즘을 수행함으로써, 문제해결을 위한 해의 적합도를 높이고 최고해를 도출하는 연산과정을 단축시킬 수 있다(S306).
도 4는 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 해 유사도 기반의 연산자 추천 수행 과정의 일 예를 나타내는 절차 흐름도이다.
도 4를 참조하면, 유사도 계산부(221)는 솔루션 장치(210)로부터 시스템(200)에서 해결하고자 하는 특정 문제를 해결하기 위한 임의의 해 정보를 입력받는다. 이때, 솔루션 장치(210)로부터 입력되는 해는 해집합 생성부(211)로부터 생성한 해집합을 구성하는 다수의 해 중 어느 하나일 수 있다(S401).
유사도 계산부(221)는 솔루션 장치(210)로부터 입력된 해에 대해서 해 데이터베이스(233)에 저장된 복수의 해들과의 유사도를 계산하고, 유사도 결과에 따라 해 데이터베이스(233)로부터 소정의 유사도 임계치를 만족하는 N (단, N≥0)개의 유사 해를 도출한다(S402, S403).
유사도 계산부(221)에서 도출한 N개의 유사 해는 연산자 추천부(225)로 제공된다. 또한, 도 4에는 도시되지 않았으나 해 데이터베이스(233)에 별도로 저장될 수 있다.
연산자 추천부(225)는 유사도 계산부(221)에서 도출한 N개의 유사 해들을 대상으로 데이터베이스부(230)의 연산자 데이터베이스(235)에 기초하여 최대 효과(예, 제약식 위배의 최소화 및 적합도의 최대 증가 중 적어도 하나)를 만족하는 교차 연산자 및 변이 연산자를 도출한다. 이때, 연산자 추천부(225)는 하나의 교차 또는 변이 연산자뿐 만 아니라, 여러 개의 교차 연산자들과 변이 연산자들로 구성된 연산자 적용 시퀀스(sequence)를 추천할 수 있다(S404).
연산자 추천부(225)에서 도출한 교차 연산자, 변이 연산자 및 연산자 적용 시퀀스 정보 중 적어도 하나는 솔루션 장치(210)로 제공된다(S405).
이에 따라, 솔루션 장치(210)의 연산부(213)는 연산자 추천부(223)로부터 제공되는 추천 교차 연산자 정보, 추천 변이 연산자 정보 및 추천 연산자 시퀀스 정보 중 적어도 하나를 사용하여 교차 또는 변이의 연산과정을 수행할 수 있다(S406).
이에 따라, 솔루션 장치(210)는 문제해결을 위한 자식해의 효율성을 높이고 최고해를 도출하는 연산과정을 단축시킬 수 있다.
상술한 본 발명의 실시예에 따르면, 본 발명의 실시예에 따른 중간 연산장치는 데이터베이스부에 기초하여 초기해 추천, 연산자 추천 및 적합도 예측을 수행하므로, 각각의 정보를 저장하는 데이터베이스는 해당 시스템에서 과거 유전 알고리즘을 적용하여 수행한 결과를 대상으로 구축되는 것이 바람직하다. 데이터베이스 구축 과정에 대해서는 이하 도 5를 참조하여 설명한다.
도 5는 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에서 해 유사도 기반의 적합도 예측 평가 수행 과정의 일 예를 나타내는 절차 흐름도이다.
구체적으로, 본 발명의 실시예에 따른 적합도 예측부(227)는 상기 도 4에서 상술한 유사도 계산부(221)의 해산 유사도 계산 결과를 이용하여 적합도 예측 평가를 수행할 수 있다.
도 5를 참조하면, 적합도 예측부(227)는 솔루션 장치로부터 특정 문제에 대한 임의의 해를 입력받는다(S501).
입력된 해에 대한 적합도 예측 평가를 위해, 유사도 계산부(221)로부터 유사도 계산 결과에 따라 생성된 하나 이상의 유사해 정보를 전달받거나 또는 해 데이터베이스(233)에 기초하여 소정의 유사도 임계치를 만족하는 하나 이상의 유사 해 정보를 도출한다(S502).
이에 따라, 적합도 예측부(227)는 해간 유사도 정보를 토대로 전 단계(S501)에서 입력된 특정 해에 대하여 기 설정된 예측 알고리즘에 따른 적합도 예측 평가를 수행한다(S503).
적합도 예측부(227)에서 예측한 적합도 예측 결과가 솔루션 장치(210)로 제공되면, 솔루션 장치(210)의 적합도 평가부(215)는 제공된 적합도 예측 결과를 사용하여 별도의 해별 적합도 평가를 대체함으로써 최고해 선택부(217)는 적합도 예측 결과에 기초한 생존해 선택 작업을 수행할 수 있다(S504, S505).즉, 적합도 예측부(227)의 해간 유사도 기반의 적합도 예측 결과를 통해 적합도 평가에 따른 생존해 및 최고해 산출 과정을 단축시킬 수 있다.
이와 같이, 상술한 본 발명의 실시예에 따른 유전 알고리즘 성능 향상 시스템에 의하면, 염색체의 유사도 개념을 도입하여 유전 알고리즘에서 최고해를 도출하기 위한 해의 적합도 평가과정을 간소화하고, 최고해 도출 소요 시간 단축 및 알고리즘 계산 반복횟수의 단축을 통해 유전 알고리즘의 계산 속도 향상 개선 효과를 누릴 수 있다.
일 예로, 본 발명의 실시예에 따르면, 반도체 패키징 라인의 가동율 향상, 납기 준수, 재공 감소의 목표를 달성하기 위해 유전 알고리즘을 사용하여 작업 스케줄을 계산하는 시간을 단축시킬 수 있다.
구체적으로, 주어진 패키징 라인에 대해 새로운 스케줄링 문제를 풀고자 할 경우, 기존에 풀었던 문제 중에서 가장 유사한 문제를 찾아서 그 문제의 최고해에 해당하는 스케줄을 주어진 문제의 초기해로 사용하고, 스케줄링을 위한 유전 알고리즘 연산 도중에 특정 해의 적합도를 실제로 계산하지 않고 이미 데이터베이스에 저장되어있는 특정 해와 유사한 해의 적합도 값을 사용하여 적합도를 예측하며, 연산 도중에 특정 해에 대해 적합한 유전 연산자를 선택할 때, 데이터베이스에 저장되어 있는 특정 해와 유사한 해에 대해 가장 효과적인 연산자를 사용하여 교차/변이를 실시함으로써 최고의 작업 스케줄을 도출하는데 소요되는 시간을 단축시키고, 동일한 시간 내 보다 많은 작업 스케줄을 생성할 수 있으므로, 작업의 효율성을 높이며 유전 알고리즘을 사용한 높은 성능의 스케줄링 결과를 도출할 수 있다.
한편, 본 발명의 실시예에 따른 유사도 특성을 이용하는 유전 알고리즘은 해결하고자 하는 문제 및 해와 관련된 다양한 데이터의 데이터베이스 구축이 선제되는 것이 바람직하다. 최근 상대적으로 저렴한 생산비용의 대용량 메모리 생산이 가능해지면서, 이러한 대용량 메모리를 이용하여 방대한 데이터 저장 및 추출을 효율적으로 수행할수 있는 바, 이하 도 6을 참조하여 유전자 알고리즘 성능 향상 시스템에 포함되는 대용량 메모리를 이용한 데이터베이스부의 구축 과정에 대하여 설명한다.
도 6은 본 발명의 실시예에 따른 유전자 알고리즘 성능 향상 시스템에 포함된 데이터베이스의 구축 과정의 일 예를 나타내는 절차 흐름도이다.
도 6을 참조하면, 먼저 시스템에 특정 문제를 해결하기 위한 유전 알고리즘이 기 설정된다(S601). 기 설정되는 유전 알고리즘은 일반적인 유전 알고리즘으로 특정 문제를 해결하기 위한 하나 이상의 알고리즘이 설정될 수 있다.
그리고, 시스템으로 상기 유전 알고리즘이 실제로 해결하고자 하는 문제의 인스턴스들과 동일 및 유사한 문제 데이터들이 입력된다. 여기서, 문제 데이터란 유전 알고리즘이 향후 계산하게 될 가능성이 높은 다양한 형태의 문제를 해결하기 위한 입력 데이터로 정의할 수 있다(S602).
이후, 시스템은 입력된 문제 데이터에 대해 유전 알고리즘을 실행시킨다.
도시된 바와 같이, 시스템은 문제 데이터로부터 복수의 초기해를 선택하여 해집단을 생성할 수 있다(S603).
해집단으로부터는 소정 조건에 부합하는 하나 이상의 해를 선택하여 교차 또는 변이와 같은 연산과정을 수행하여 해의 다양성과 적합도를 높일 수 있다(S604).
상기 연산결과 생성되는 다수의 해에 대해서는 각각의 해별로 해당 문제와 관련하여 적합도 평가를 수행할 수 있다(S605).
적합도 평가 과정(S605)에서의 수행 결과는 데이터베이스로 구축될 수 있다(S606).
이 과정에서, 적합도 평가 결과, 평가 대상이 되는 특정 해에 대한 적합도 정보, 연산과정(S604)에서 특정 해에 대해 적용한 교차 및 변이 연산자 정보 및 연산 적용 결과는 데이터베이스에 함께 저장될 수 있다. 또한, 초기 단계(S602)에서 입력데이터로 사용된 문제 인스턴스 정보도 데이터베이스에 저장되어 문제 유사도 계산에 이용될 수 있다.
이와 같은 유전 알고리즘 연산은 해집합을 구성하는 모든 해에 대하여 적합도 평가가 완료될 때까지 상기 단계 S603에서 단계 S606을 반복적으로 수행한다(S607).
반복 수행 결과 각 문제 인스턴스별로 가장 높은 적합도를 보이는 해 정보를 데이터베이스에 저장할 수 있다(S608). 이때, 문제 인스턴스별 최고의 적합도를 보이는 해는 향후 유사 문제 해결을 위한 유전 알고리즘에서 추천 초기해로 사용할 수 있다.
이와 같은 데이터베이스의 생성 속도를 높이기 위해서는 다양한 문제 데이터에 대한 유전 알고리즘을 병렬적으로 수행할 수 있다.
한편, 상기 도 6에 도시된 해 및 문제 데이터베이스의 구축은 실질적으로 특정 문제를 해결하기 위해 유전 알고리즘을 적용하여 연산하기에 앞서 사전과정으로 수행할 수 있으나, 반드시 이에 한정되는 것은 아니다. 유전 알고리즘을 적용하여 실제 문제를 해결하는 과정에서도 동시에 수행할 수 있으며, 상술한 것처럼 유전 알고리즘의 수행 결과로 도출되는 최고해는 적합도 평가를 거쳐 해 및 문제 데이터베이스에 저장하여 향후 초기해로 사용할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (27)

  1. 유전 알고리즘을 사용하여 문제별 최고해(best solution)를 도출하는 시스템에 있어서,
    소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해를 저장하는 데이터베이스부; 및
    소정의 문제와 관련된 해 입력시, 상기 해와 상기 데이터베이스부에 저장된 다른 해와의 유사도에 기초하여 상기 해에 대한 유사 해를 도출한 후, 상기 해의 문제 해결 적합도를 실제로 계산하지 않고 상기 유사 해의 문제 해결 적합도 값을 사용하여 상기 해에 대한 문제 해결 적합도를 예측하며, 해별 적합도 예측 결과를 소정의 최고해 도출 연산 프로세스로 제공하는 중간 연산장치를 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  2. 제1항에 있어서,
    상기 중간 연산장치는,
    소정의 문제와 관련된 해 입력시, 상기 데이터베이스부에 기초하여 상기 해에 대한 다른 해와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 해를 도출하는 유사도 계산부; 및
    상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해를 토대로 상기 해에 대한 적합도를 예측하는 적합도 예측부를 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  3. 제2항에 있어서,
    상기 유사도 계산부는,
    소정의 문제와 관련된 문제 데이터 입력시, 상기 데이터베이스부에 기초하여 상기 문제 데이터와 다른 문제 데이터와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 문제 데이터를 도출하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  4. 제3항에 있어서,
    상기 중간 연산장치는,
    상기 데이터베이스부에 기초하여, 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해를 선택하여 상기 최고해 도출 연산프로세스로 제공하는 초기해 추천부를 더 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  5. 유전 알고리즘을 사용하여 문제별 최고해(best solution)를 도출하는 시스템에 있어서,
    소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해를 저장하는 데이터베이스부; 및
    소정의 문제와 관련된 해 입력시, 상기 데이터베이스부에 기초하여 상기 문제 데이터와 소정의 유사도 임계치를 만족하는 유사 문제 데이터를 도출하고, 상기 데이터베이스부에 기초하여 유사 문제 데이터에 대응하는 하나 이상의 해를 도출하여 상기 유전 알고리즘 연산의 초기해로서 소정의 최고해 도출 연산프로세스로 제공하는 중간 연산장치를 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  6. 제5항에 있어서,
    상기 중간 연산장치는,
    상기 문제 데이터와 상기 데이터베이스부에 저장된 다른 문제 데이터간의 유사도를 계산하여 소정의 유사도 임계치를 만족하는 유사 문제 데이터를 도출하는 유사도 계산부; 및
    상기 문제 데이터간의 유사도 계산 결과에 따라, 상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해로 제공하는 초기해 추천부를 포함하는, 유사도 기반의 유전 알고리즘 성능 향상 시스템.
  7. 제6항에 있어서,
    상기 유사도 계산부는,
    소정의 문제와 관련된 해 입력시, 상기 데이터베이스부에 기초하여 상기 해에 대한 다른 해와의 유사도 계산을 수행함으로써 소정의 유사도 임계치를 만족하는 하나 이상의 유사 해를 도출하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  8. 제7항에 있어서,
    상기 중간 연산장치는,
    상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해를 토대로 상기 해에 대한 문제 해결 적합도를 예측하는 적합도 예측부를 더 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  9. 제4항 또는 제8항에 있어서,
    상기 문제의 해결을 위한 상기 최고해 도출 연산 프로세스를 수행하는 솔루션 장치를 더 포함하며,
    상기 솔루션 장치는 복수의 해를 진화시켜 세대를 거듭하여 문제를 해결하는 유전 알고리즘(genetic algorithm)을 사용하는 것을 특징으로 하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  10. 삭제
  11. 제9항에 있어서,
    상기 중간 연산장치는,
    상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하여 상기 솔루션 장치로 제공하는 연산자 추천부를 더 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  12. 제9항에 있어서,
    상기 솔루션 장치는,
    상기 문제의 해결을 위한 복수의 초기해로 구성된 해집단을 생성하는 해집단 생성부;
    상기 해집단에 속한 하나 이상의 해에 대한 교차 연산 또는 변이 연산을 수행하는 연산부;
    상기 연산부의 연산 결과, 생성되는 자식해에 대해 적합도 평가를 수행하는 적합도 평가부; 및
    상기 적합도 평가부의 수행 결과, 소정 요건에 부합하는 해를 최고해로 선택하고 상기 소정 요건에 부합하지 않는 해는 상기 해집단 생성부로 제공하는 최고해 선택부를 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  13. 제12항에 있어서,
    상기 해집단 생성부는,
    상기 문제의 해결을 위한 임의의 해 및 상기 중간 연산장치로부터 제공되는 상기 추천 초기해 중 적어도 하나에 기초하여 상기 해집단을 생성하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  14. 제12항에 있어서,
    상기 적합도 평가부는,
    상기 연산부의 연산 결과, 생성되는 자식해에 대해 적합도 평가를 수행하거나 또는 상기 중간 연산장치로부터 제공되는 해별 적합도 예측 결과 중 상기 자식해에 대응하는 해의 적합도 예측 결과를 사용하여 적합도 평가를 수행하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  15. 제12항에 있어서,
    상기 중간 연산장치가, 상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하여 상기 솔루션 장치로 제공하는 연산자 추천부를 더 포함하는 경우,
    상기 연산부는,
    상기 연산자 추천부로부터 제공되는 상기 추천 연산자를 사용하여 상기 교차 연산 또는 변이 연산을 수행하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  16. 제15항에 있어서,
    상기 연산자 추천부는,
    상기 데이터베이스부에 기초하여 상기 유사도 계산부에서 도출한 하나 이상의 유사해에 대한 적합도 향상의 최대효과를 나타내는 교차 연산자 정보, 변이 연산자 정보 및 교차 연산자와 변이 연산자들의 적용 시퀀스(sequence) 정보 중 적어도 하나를 선택하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  17. 제1항에 있어서,
    상기 데이터베이스부는,
    소정의 알고리즘을 적용하여 해결하고자 하는 문제와 관련된 과거 또는 현재의 복수의 문제 데이터를 저장하는 문제 데이터베이스;
    문제별로 관련된 복수의 해 정보를 저장하는 해 데이터베이스; 및
    상기 알고리즘이 유전 알고리즘을 포함하는 경우, 상기 유전 알고리즘의 해에 대한 교차 연산 또는 변이 연산에 사용되는 복수의 연산자 정보를 저장하는 연산자 데이터베이스를 포함하는, 유사도 기반의 최고해 도출 알고리즘을 이용한 시스템.
  18. 유전 알고리즘을 사용하여 문제별 최고해(best solution)를 도출하는 방법에 있어서,
    소정의 알고리즘을 사용하여 해결하고자 하는 문제와 관련된 해 입력시, 상기 해와 소정의 데이터베이스부에 저장된 다른 해와의 유사도를 계산하여 하나 이상의 유사해를 도출하는 단계;
    상기 하나 이상의 유사해를 이용하여 상기 문제와 관련된 해에 대한 문제 해결을 위한 적합도를 실제로 계산하지 않고 상기 유사해의 적합도 값을 사용하여 상기 해에 대한 적합도를 예측하는 단계; 및
    상기 적합도 예측 결과를 사용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 포함하되,
    상기 데이터베이스부는,
    소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해 중 적어도 하나를 저장하는, 유사도 기반의 최고해 도출 방법.
  19. 제18항에 있어서,
    상기 문제와 관련된 문제 데이터 입력시, 상기 해와 소정의 데이터베이스부에 저장된 다른 문제 데이터와의 유사도를 계산하여 하나 이상의 유사 문제 데이터를 도출하는 단계;
    상기 문제 데이터간의 유사도 계산 결과에 따라, 상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 추천 초기해로 선택하는 단계; 및
    상기 추천 초기해에 기초하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산의 해집단을 구성하는 단계를 더 포함하는, 유사도 기반의 최고해 도출 방법.
  20. 유전 알고리즘을 사용하여 문제별 최고해(best solution)를 도출하는 방법에 있어서,
    소정의 알고리즘을 사용하여 해결하고자 하는 문제와 관련된 문제 데이터 입력시, 상기 문제 데이터와 소정의 데이터베이스부에 저장된 다른 문제 데이터와의 유사도를 계산하여 하나 이상의 유사 문제 데이터를 도출하는 단계;
    상기 데이터베이스부에 기초하여 상기 유사 문제 데이터에 대응하는 하나 이상의 해를 도출하여 상기 유전 알고리즘 연산의 초기해로서 제공하는 단계; 및
    상기 추천 초기해를 이용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 포함하되,
    상기 데이터베이스부는,
    소정의 알고리즘을 이용하여 해결하고자 하는 문제에 관한 복수의 데이터 및 문제별 복수의 해 중 적어도 하나를 저장하는, 유사도 기반의 최고해 도출 방법.
  21. 제20항에 있어서,
    상기 문제와 관련된 해 입력시, 상기 해와 상기 데이터베이스부에 저장된 다른 해와의 유사도를 계산하여 하나 이상의 유사해를 도출하는 단계를 더 포함하는, 유사도 기반의 최고해 도출 방법.
  22. 제21항에 있어서,
    상기 하나 이상의 유사해를 이용하여 상기 문제와 관련된 해에 대한 문제 해결을 위한 적합도를 예측하는 단계; 및
    상기 적합도 예측 결과를 사용하여 상기 문제에 대한 최고해를 도출하는 알고리즘 연산을 수행하는 단계를 더 포함하는, 유사도 기반의 최고해 도출 방법.
  23. 제18항 또는 제21항에 있어서,
    상기 데이터베이스부에 기초하여 상기 하나 이상의 유사 해에 따라 상기 유전 알고리즘에 사용될 추천 연산자를 선택하는 단계; 및
    상기 추천 연산자를 사용하여 상기 문제에 대한 유전 알고리즘 기반의 최고해 도출 연산에서 교차 연산 또는 변이 연산을 수행하는 단계를 더 포함하는, 유사도 기반의 최고해 도출 방법.
  24. 제23항에 있어서,
    상기 추천 연산자 선택 단계는,
    상기 데이터베이스부에 기초하여 상기 하나 이상의 유사해에 대한 적합도 향상의 최대효과를 나타내는 교차 연산자 정보, 변이 연산자 정보 및 교차 연산자와 변이 연산자들의 적용 시퀀스(sequence) 정보 중 적어도 하나를 선택하는, 유사도 기반의 최고해 도출 방법.
  25. 제18항 또는 제21항에 있어서,
    상기 데이터베이스부를 구축하는 단계를 더 포함하되,
    상기 데이터베이스부는,
    소정의 알고리즘을 적용하여 해결하고자 하는 문제와 관련된 과거 또는 현재의 문제 데이터를 저장하는 문제 데이터베이스; 문제별로 관련된 해 정보를 저장하는 해 데이터베이스; 및 유전 알고리즘 연산과정에서 해에 대한 교차 또는 변이 연산과정에 사용되는 연산자 정보를 저장하는 연산자 데이터베이스 중 적어도 하나를 포함하는, 유사도 기반의 최고해 도출 방법.
  26. 제25항에 있어서,
    상기 데이터베이스부 구축 단계는,
    임의의 문제의 인스턴스와 동일 및 유사한 문제 데이터가 입력되면, 상기 동일 또는 유사 문제 데이터에 기초하여 해집단을 구성하는 단계;
    상기 해집단으로부터 소정 조건에 부합하는 하나 이상의 해를 선택하여 각 해별로 적합도 평가를 수행하는 단계; 및
    상기 적합도 평가 결과에 따라 해별 적합도 평가 정보, 해별 적용한 연산자 정보 및 상기 데이터 입력 과정에서 입력된 문제 인스턴스 정보 중 적어도 하나를 포함하여 상기 데이터베이스부에 저장하는 단계를 포함하는, 유사도 기반의 최고해 도출 방법.
  27. 제26항에 있어서,
    상기 해집단을 구성하는 해들에 대한 교차 연산 또는 변이 연산 결과 생성된 복수의 해별로 적합도 평가를 수행하는 단계; 및
    상기 적합도 평가 결과에 따라, 교차 연산자 정보 또는 변이 연산자 정보, 해별 교차 또는 변이 연산 결과 및 해별 교차 연산자 또는 변이 연산자를 적용하여 위반된 제약식(constraint)이 발생하는 경우 발생한 위반된 제약식 정보를 포함하는 제약식 정보 리스트 중 적어도 하나를 상기 데이터베이스부에 저장하는 단계를 더 포함하는, 유사도 기반의 최고해 도출 방법.
KR1020130052541A 2013-05-09 2013-05-09 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법 KR101522306B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130052541A KR101522306B1 (ko) 2013-05-09 2013-05-09 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130052541A KR101522306B1 (ko) 2013-05-09 2013-05-09 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법

Publications (2)

Publication Number Publication Date
KR20140133032A KR20140133032A (ko) 2014-11-19
KR101522306B1 true KR101522306B1 (ko) 2015-05-26

Family

ID=52453801

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130052541A KR101522306B1 (ko) 2013-05-09 2013-05-09 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법

Country Status (1)

Country Link
KR (1) KR101522306B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018124452A1 (ko) * 2016-12-27 2018-07-05 부산대학교 산학협력단 장치장 크레인 작업 계획 시스템 및 방법
KR101894377B1 (ko) 2016-12-27 2018-09-04 부산대학교 산학협력단 장치장 크레인 작업 계획 시스템 및 방법
KR102160780B1 (ko) * 2018-01-23 2020-09-28 서울시립대학교 산학협력단 버그 정정 시스템 및 버그 정정 방법
KR102102517B1 (ko) * 2018-01-30 2020-04-21 서울대학교산학협력단 최적화 계산 장치 및 방법
KR102087152B1 (ko) * 2018-06-19 2020-03-10 연세대학교 산학협력단 유전자 발현 프로그래밍과 메타휴리스틱 알고리즘을 활용한 건물부문 온실가스 예측 시스템 및 예측 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11205804A (ja) * 1997-12-29 1999-07-30 Samsung Electron Co Ltd 遺伝子アルゴリズムを適用したブロック整合方法における物体抽出の特徴ブロックによる初期化方法
JP2003016421A (ja) * 2001-07-04 2003-01-17 Fujitsu Ltd 最適化問題処理装置
KR20110003753A (ko) * 2009-07-06 2011-01-13 중앙대학교 산학협력단 유전자 알고리즘에 기반한 공사비 산정 장치 및 방법
KR101173823B1 (ko) * 2011-07-01 2012-08-20 연세대학교 산학협력단 공동주택의 에너지 사용량 예측 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11205804A (ja) * 1997-12-29 1999-07-30 Samsung Electron Co Ltd 遺伝子アルゴリズムを適用したブロック整合方法における物体抽出の特徴ブロックによる初期化方法
JP2003016421A (ja) * 2001-07-04 2003-01-17 Fujitsu Ltd 最適化問題処理装置
KR20110003753A (ko) * 2009-07-06 2011-01-13 중앙대학교 산학협력단 유전자 알고리즘에 기반한 공사비 산정 장치 및 방법
KR101173823B1 (ko) * 2011-07-01 2012-08-20 연세대학교 산학협력단 공동주택의 에너지 사용량 예측 시스템 및 방법

Also Published As

Publication number Publication date
KR20140133032A (ko) 2014-11-19

Similar Documents

Publication Publication Date Title
Pérez-Rodríguez et al. A hybrid estimation of distribution algorithm for the vehicle routing problem with time windows
CA3080050A1 (en) Training tree-based machine-learning modeling algorithms for predicting outputs and generating explanatory data
Kübler et al. A new iterative method for solving the joint dynamic storage location assignment, order batching and picker routing problem in manual picker-to-parts warehouses
CN111309824A (zh) 实体关系图谱显示方法及系统
KR101522306B1 (ko) 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법
Xiao et al. Variable neighbourhood simulated annealing algorithm for capacitated vehicle routing problems
CN110032682B (zh) 一种信息推荐列表生成方法、装置及设备
CN110033097B (zh) 基于多个数据域确定用户与物品的关联关系的方法及装置
WO2022166115A1 (en) Recommendation system with adaptive thresholds for neighborhood selection
CN108106624A (zh) 一种多人预约调度路径规划方法及相关装置
CN112330048A (zh) 评分卡模型训练方法、装置、存储介质及电子装置
Faddoul et al. Incorporating Bayesian networks in Markov decision processes
Zhang et al. Dynamic flexible job shop scheduling method based on improved gene expression programming
Gaur et al. Unconventional optimization for achieving well-informed design solutions for the automobile industry
Fan et al. Distributed forecasting and ant colony optimization for the bike-sharing rebalancing problem with unserved demands
CN110889029B (zh) 城市目标推荐方法和装置
Kang et al. ROBIL: Robot path planning based on PBIL algorithm
Wong et al. State-space decomposition for reinforcement learning
CN115599990A (zh) 一种知识感知结合深度强化学习的跨域推荐方法及系统
Almoustafa Distance-constrained vehicle routing problem: exact and approximate solution (mathematical programming)
CN114662009A (zh) 一种基于图卷积的工业互联网工厂协同推荐算法
Yin et al. BO-B&B: A hybrid algorithm based on Bayesian optimization and branch-and-bound for discrete network design problems
Azadeh et al. Optimisation of complex and large-sized single-row facility layout problems with a unique hybrid meta-heuristic framework
Kosiński et al. Application of ant-colony optimisation to compute diversified entity summarisation on semantic knowledge graphs
Ou-Yang et al. Hybrid self-adaptive-velocity particle swarm optimisation-Cooper heuristic for the facility location allocation problem in Jakarta

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180425

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190429

Year of fee payment: 5