KR20230112938A - 유전 알고리즘을 이용한 중계기 배치 최적화 방법 - Google Patents

유전 알고리즘을 이용한 중계기 배치 최적화 방법 Download PDF

Info

Publication number
KR20230112938A
KR20230112938A KR1020220009152A KR20220009152A KR20230112938A KR 20230112938 A KR20230112938 A KR 20230112938A KR 1020220009152 A KR1020220009152 A KR 1020220009152A KR 20220009152 A KR20220009152 A KR 20220009152A KR 20230112938 A KR20230112938 A KR 20230112938A
Authority
KR
South Korea
Prior art keywords
genetic algorithm
repeaters
node
repeater
predetermined
Prior art date
Application number
KR1020220009152A
Other languages
English (en)
Inventor
윤원영
풍자용
손민규
Original Assignee
부산대학교 산학협력단
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 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020220009152A priority Critical patent/KR20230112938A/ko
Publication of KR20230112938A publication Critical patent/KR20230112938A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Abstract

본 발명은 유전 알고리즘을 이용한 중계기 배치 최적화 방법에 관한 것으로, 본 발명의 일면에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법은 컴퓨터에 의해 구현되는 방법으로서, 기설정된 크기의 정사각 영역을 보로노이 다이어그램에 의해 복수 개의 다각셀로 구분함에 따라 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 설정하는 단계, 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드 각각에 대해 전위 순회 방식을 적용하여 각 노드에 대한 경로벡터를 생성하는 단계, 각 노드에 대한 경로벡터를 기설정된 신뢰도 함수에 적용하여 기설정된 적분범위에 대해 적분함에 따라 기대고장시간을 산출하는 단계 및 기대고장시간에 손실 함수를 적용하여 기대고장시간이 더 작아지지 않을 때까지 유전 알고리즘을 이용하여 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 변경하며 중계기 배치를 최적화하는 단계를 포함한다.

Description

유전 알고리즘을 이용한 중계기 배치 최적화 방법{METHOD FOR OPTIMIZING ARRANGEMENT OF REPEATER USING GENETIC ALGORITHM}
본 발명은 중계기 배치 최적화 방법에 관한 것으로, 더욱 상세하게는 유전 알고리즘을 이용한 중계기 배치 최적화 방법에 관한 것이다.
이전 세대의 통신 시스템에 비해 소규모 기지국 또는 액세스 포인트를 많이 배치하며 네트워크 고밀도화하는 것이 5G 네트워크의 주요 추세이다. 5G 네트워크에서 요구하는 고밀도 커버리지와 대용량 네트워크를 충족하기 위해서는 이전 세대와는 차별된 대규모 배치가 필요하다. 또한, 전파 손실을 줄이고 신호대 잡음비를 개선하며 서비스 지연을 줄일기 위해 사용자 가까이에 배치되는 것이 필요하다. 이러한 필요에 맞춰 인구 밀집 지역에 고밀도 중계기 네트워크를 배치하고, 네트워크 커버리지를 확대하며, 용량 및 서비스 품질을 개선하기 위한 투자가 계속 증가하고 있다.
하지만, 5G 사례에서 다양한 환경적 요인으로 인해 중계기의 연결이 불안정한 경우가 많이 확인된다. 신뢰성 있는 네트워크 중계망을 형성하기 위해서는 5G 중계기 시스템의 대규모 배치를 통한 커버리지의 중복이 필수적이다. 즉, 일부 중계기가 고장나더라도 근처에 있는 다른 중계기를 통해 계속 통신할 수 있도록 네트워크 중계망이 강건하게 설계되어야 한다. 그러나 종래의 균일(uniform) 배치 상태의 네트워크 중계망 형성 기술을 이용하는 경우 상기와 같은 커버리지를 중복하는데 경제성이 떨어지는 문제가 있었다.
대한민국 특허출원번호 제10-2019-0128200호 대한민국 특허출원번호 제10-2016-0051065호
본 발명의 목적은 상기 문제점을 해결하기 위한 것으로, 유전 알고리즘을 이용해 중계기 배치를 최적화함으로써 네트워크의 성능을 향상할 수 있는 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 제공하는 것인다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일면에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법은 컴퓨터에 의해 구현되는 방법으로서, 기설정된 크기의 정사각 영역을 보로노이 다이어그램에 의해 복수 개의 다각셀로 구분함에 따라 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 설정하는 단계, 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드 각각에 대해 전위 순회 방식을 적용하여 각 노드에 대한 경로벡터를 생성하는 단계, 각 노드에 대한 경로벡터를 기설정된 신뢰도 함수에 적용하여 기설정된 적분범위에 대해 적분함에 따라 기대고장시간을 산출하는 단계 및 기대고장시간에 손실 함수를 적용하여 기대고장시간이 더 작아지지 않을 때까지 유전 알고리즘을 이용하여 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 변경하며 중계기 배치를 최적화하는 단계를 포함한다.
본 발명에 따르면 유전 알고리즘을 이용해 중계기 배치를 최적화함으로써 네트워크의 성능을 향상할 수 있는 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 제공하는 효과가 있다.
본 발명의 효과는 상기에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 나타낸 순서도이다.
도 2는 본 발명의 실시예들에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법이 적용되는 컴퓨터를 나타낸 블록도이다.
도 3은 본 발명의 실시예들에 있어서 경로벡터 생성을 설명하기 위한 예시도이다.
도 4는 기존의 중계기 배치 기술과 본 발명의 실시예 각각에 따라 6개의 중계기를 배치하였을 때 반경에 따른 고장시간을 나타낸 그래프이다.
도 5는 기존의 중계기 배치 기술과 본 발명의 실시예 각각에 따라 9개의 중계기를 배치하였을 때 반경에 따른 고장시간을 나타낸 그래프이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로서, 본 발명은 청구항의 기재에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
본 발명의 실시예들에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법은 컴퓨터에 의해 구현되는 것일 수 있다.
도 1은 본 발명의 일 실시예에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 나타낸 순서도이고, 도 2는 본 발명의 실시예들에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법이 적용되는 컴퓨터를 나타낸 블록도이다.
도 2를 참조하면, 컴퓨터(10)는 메모리(110), 프로세서(120), 스토리지(130), 입력부(140), 출력부(150)를 포함하는 것일 수 있다.
메모리(110)는 컴퓨터에서 판독 가능한 기록매체로서, 전원이 공급되는 동안 데이터를 저장할 수 있으며, 전원이 공급되지 않으면 데이터가 소실되는 휘발성 저장 컴포넌트를 포함한다.
메모리(110)는 본 발명의 일 실시예에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 수행하기 위한 프로그램이 기록되는 것일 수 있다.
프로세서(120)는 메모리(110)에 기록된 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 수행하기 위한 프로그램을 수행하는 것일 수 있다.
프로세서(120)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 적어도 하나 이상의 하드웨어 프로세서를 포함하는 것일 수 있다.
스토리지(130)는 전원의 제공 유무와 무관하게 데이터를 저장할 수 있는 비휘발성 저장 컴포넌트로, 플래시메모리(flash-memory), 하드디스크 드라이브, SSD(solid-state drive) 등을 포함한다.
본 발명의 일 실시예에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법을 수행하기 위한 프로그램은 스토리지(130)에 저장되고, 메모리(110)는 스토리지(130)에 저장된 프로그램을 로딩하는 것일 수 있다.
입력부(140)는 사용자로부터 입력을 수행하기 위한 입력장치를 포함하는 것일 수 있다.
출력부(150)는 디스플레이 등의 출력장치를 포함하여 프로세서(120)에서 산출한 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 외부에 출력하는 것일 수 있다.
본 발명의 일 실시예에 따른 유전 알고리즘을 이용한 중계기 배치 최적화 방법은 프로그램 형태로 컴퓨터(10)의 프로세서(120)에서 수행되는 것일 수 있다.
프로세서(120)는 메모리(110) 또는 스토리지(130)에 저장된 중계기 배치를 최적화하기 위한 프로그램을 실행함에 따라, 기설정된 크기의 정사각 영역을 보로노이(Voronoi) 다이어그램에 의해 복수 개의 다각셀로 구분함에 따라 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 설정하는 것일 수 있다(S100).
여기서, 프로세서(120)는 기설정된 크기의 정사각 영역을 보로노이(Voronoi) 다이어그램을 이용해 복수 개의 다각셀로 구분하며 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 설정함으로써, 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드로 구성된 초기집단을 생성하는 것일 수 있다(S100).
이후, 프로세서(120)는 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드에 대해 전위 순회(Pre-order traversal) 방식을 적용하여 경로벡터를 생성하는 것일 수 있다(S200).
프로세서(120)는 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드에 대해 전위 순회(Pre-order traversal) 방식을 적용하여, 전위 순회하였을 때 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드 각각의 순서에 대응되는 위치에 각 노드의 작동여부에 따른 값을 가지는 경로벡터를 생성하는 것일 수 있다(S200).
프로세서(120)는 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 전위 순회하였을 때 각 노드의 순서에 따른 위치에 각 노드에 대응되는 중계기의 작동여부에 따라 기설정된 복수 개의 값 중 어느 하나를 가지는 복수 개의 상태벡터를 생성하고, 복수 개의 상태벡터 중 기설정된 크기의 영역이 작동(Working)되도록 하는 적어도 하나의 상태벡터를 경로벡터로 설정함에 따라 경로벡터를 생성하는 것일 수 있다(S200).
프로세서(120)는 전위 순회하였을 때 각 노드의 순서에 대응되는 위치에 각 노드에 대응되는 중계기의 작동 여부에 따라 각 노드의 중계기가 작동하는 경우 기설정된 하이값(예를 들어 1)을 가지고, 각 노드에 대응하여 각 노드의 중계기가 고장이 발생해 작동하지 않는 경우 기설정된 로우값(예를 들어 0)을 가지며, 각 노드의 중계기 작동여부를 모르는 경우 기설정된 초기값(예를 들어 *)을 가지도록, 각 중계기의 작동여부에 따른 값의 조합으로 구성된 복수 개의 상태벡터를 생성하고, 복수 개의 상태벡터 중 기설정된 크기의 영역이 작동되도록 하는 적어도 하나의 상태벡터를 경로벡터로 설정함에 따라 경로벡터를 생성하는 것일 수 있다(S200).
도 3을 참조하면 프로세서(120)는 기설정된 크기의 영역이 작동되도록 하는 적어도 하나의 상태벡터(연두색으로 표현된 부분)를 경로벡터로 설정하며, 적어도 하나의 경로벡터로 구성된 경로벡터 세트를 생성할 수 있다.
이후, 프로세서(120)는 각 노드에 대한 경로벡터를 기설정된 신뢰도 함수에 적용함에 따라 신뢰도를 산출하고(S300), 시스템의 신뢰도를 기설정된 적분범위에서 적분함에 따라 기대고장시간을 산출하는 것일 수 있다(S400).
프로세서(120)는 각 노드에 대한 경로벡터에서 작동하는 중계기의 수와, 고장이 발생하여 작동하지 않는 중계기의 수를 기설정된 신뢰도 함수에 적용함에 따라 시스템의 신뢰도를 산출하는 것일 수 있다(S300).
프로세서(120)는 아래의 수학식 1을 이용하여 시간에 따른 시스템의 신뢰도(
Figure pat00001
)를 산출하고(S300), 수학식 2에 기초하여 시스템의 신뢰도(
Figure pat00002
)를 적분함에 따라 시스템의 기대고장시간(
Figure pat00003
)을 산출할 수 있다(S400)
Figure pat00004
Figure pat00005
여기서
Figure pat00006
은 작동하는 중계기의 수이며,
Figure pat00007
는 작동하지 않는 중계기의 수이고,
Figure pat00008
는 각 중계기의 신뢰도이다.
이후, 프로세서(120)는 기대고장시간에 손실 함수(loss function)를 적용하여 기대고장시간이 더 작아지지 않을 때까지 그리드 기반 유전 알고리즘(Genetic algorithm)을 이용하여 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 변경하며 중계기 배치를 최적화하는 것일 수 있다(S500).
여기서, 유전 알고리즘은 모든 염색체 조합에서 적합값(fitness)이 높은 염색체를 선택하고 모집단 내 적합성이 낮은 염색체를 제거하는 과정을 통해, 우수한 형질을 유전(Gentic)함으로써 최적해를 찾는 것을 목표로 하는 알고리즘을 의미한다.
프로세서(120)는 초기집단에 포함된 노드의 경로벡터를 배열(array) 형태로 표현함에 따른 부모경로를 설정하고, 서로 다른 두 개의 부모경로 각각의 일부를 서로 교환하는 교배(crossover)와 경로안에 포함된 임의의 노드 위치를 다른 노드로 교체하는 돌연변이(mutation)을 수행함에 따라 자식경로를 생성하는 것일 수 있다.
여기서, 프로세서(120)는 기대고장시간이 기설정된 비율값(예를 들어 40%)이상인 경로만을 유전하며 자식경로를 생성하는 것일 수 있다.
프로세서(120)는 자식경로의 기대고장시간을 산출하며 기대고장시간이 더 이상 작아지지 않을 때까지 교배와 돌연변이를 수행함에 따라, 기대고장시간이 최소가 되는 경로를 선정하며, 중계기 배치를 최적화하는 것일 수 있다(S500).
즉, 본 발명은 유전 형질의 선택 조건인 적합값(Fitness)을 각 배치에 따른 경로벡터의 기대고장시간으로 두고, 기대고장시간이 기설정된 비율값 이상인 경로를 교배와 돌연변이를 통해 유전함에 따라 기대고장시간이 최소가 되도록 지속적으로 유전 알고리즘을 수행하며 최적화된 중계기 배치에 대응되는 경로를 획득할 수 있다.
이하, 본 발명에 따라 네트워크 시스템의 성능이 향상됨을 확인하기 위해 일반화 시스템 배치(uniform), 보로노이 알고리즘만을 이용한 시스템 배치(Voronoi), Grid Heuristic Algorihm 방법을 이용한 시스템 배치(random search), 본 발명의 실시예들에 따른 시스템 배치(GA)를 수행하였을 때 각 시스템의 평균고장시간을 비교하기 위한 실험을 수행하였다.
아래의 표 1은 일반화 시스템 배치(uniform), 보로노이 알고리즘만을 이용한 시스템 배치(Voronoi), 그리드 휴리스틱 알고리즘(Grid Heuristic Algorihm)을 이용한 시스템 배치(random search), 본 발명의 실시예들에 따른 시스템 배치(GA) 각각을 이용해 6개의 중계기를 배치하였을 때 반경(radius)에 따른 평균고장시간을 나타낸 것이며, 도 4는 표 1의 반경에 따른 고장시간을 그래프로 나타낸 것이다.
반경 uniform Voronoi random search GA
0.4 - 1.6667 3.0000 -
0.5 - 2.5000 3.6667 3.6667
0.6 0.1667 6.8333 9.1667 8.3333
0.7 0.1667 6.8333 12.1667 12.1667
0.8 11.5000 10.5000 18.3333 22.8333
0.9 11.5000 13.1667 22.8333 24.5000
1 21.1667 17.8333 24.5000 24.5000
1.1 24.5000 17.8333 24.5000 24.5000
1.2 24.5000 24.5000 24.5000 24.5000
표 1과 도 4를 참조하면, 평균고장시간이 최대(24.5000)가 되기 위해 일반화 시스템 배치(uniform)는 반경이 1.1이상이 되어야 하고, 보로노이 알고리즘만을 이용한 시스템 배치(Voronoi)는 반경이 1.2이상이 되어야 하며, 그리드 휴리스틱 알고리즘(Grid Heuristic Algorihm)을 이용한 시스템 배치(random search)은 반경이 1이상이 되어야 하는 것을 확인할 수 있다.
그에 비해 본 발명의 실시예들에 따른 시스템 배치(GA)에서는 반경이 0.9이상일 때 평균고장시간이 최대(24.5000)가 되어, 종래의 다른 기술에 비해 더 적은 반경에서도 평균고장시간이 최대가 되는 것을 확인할 수 있었다.
아래의 표 2는 일반화 시스템 배치(uniform), 보로노이 알고리즘만을 이용한 시스템 배치(Voronoi), 그리드 휴리스틱 알고리즘을 이용한 시스템 배치(random search), 본 발명의 실시예들에 따른 시스템 배치(GA) 각각을 이용해 9개의 중계기를 배치하였을 때 반경(radius)에 따른 평균고장시간을 나타낸 것이며, 도 5는 표 2의 반경에 따른 고장시간을 그래프로 나타낸 것이다.
반경 uniform Voronoi random search GA
0.3 - 1.1111 1.1111 -
0.4 2.5000 2.4167 3.8294 3.4365
0.5 2.5000 2.5000 6.3294 6.3294
0.6 9.5357 8.9921 11.1865 11.9325
0.7 9.5357 9.5357 15.3770 13.5158
0.8 17.5754 13.9008 20.5714 24.8174
0.9 17.5754 17.5754 24.8175 28.2897
1 23.8452 23.8452 28.2897 28.2897
1.1 28.2897 23.8452 28.2897 28.2897
1.2 28.2897 28.2897 28.2897 28.2897
표 2와 도 5를 참조하면, 평균고장시간이 최대(28.2897)가 되기 위해 일반화 시스템 배치(uniform)는 반경이 1.1이상이 되어야 하고, 보로노이 알고리즘만을 이용한 시스템 배치(Voronoi)는 반경이 1.2이상이 되어야 하며, 그리드 휴리스틱 알고리즘(Grid Heuristic Algorihm)을 이용한 시스템 배치(random search)은 반경이 1이상이 되어야 하는 데 비해, 본 발명의 실시예들에 따른 시스템 배치(GA)에서는 반경이 0.9이상일 때 평균고장시간이 최대(24.5000)가 되어, 종래의 다른 기술에 비해 더 적은 반경에서도 평균고장시간이 최대가 되는 것을 확인할 수 있었다.
도 4, 5를 참조하면 각 배치 방법에서 분경이 커질수록 평균고장시간이 증가하여 신뢰도가 증가하나, 본 발명에 따라 배치한 경우 다른 배치 방법에 비해 작은 반경에서 평균고장시간이 최대가 됨을 확인할 수 있었다.
즉, 본 발명에 따르면 종래의 일반화, 보로노이 알고리즘, 그리드 휴리스틱 각각을 이용한 배치 방법을 이용하여 중계기를 배치했을 때 보다 시스템 신뢰도가 향상됨을 확인할 수 있었다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10 : 컴퓨터
110 : 메모리
120 : 프로세서
130 : 스토리지
140 : 입력부
150 : 출력부

Claims (3)

  1. 컴퓨터에 의해 구현되는 방법으로서,
    기설정된 크기의 정사각 영역을 보로노이 다이어그램에 의해 복수 개의 다각셀로 구분함에 따라 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 설정하는 단계;
    상기 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드 각각에 대해 전위 순회 방식을 적용하여 각 노드에 대한 경로벡터를 생성하는 단계;
    각 노드에 대한 경로벡터를 기설정된 신뢰도 함수에 적용함에 따라 신뢰도를 산출하는 단계;
    상기 신뢰도를 기설정된 적분범위에서 적분함에 따라 기대고장시간을 산출하는 단계; 및
    상기 기대고장시간에 손실 함수를 적용하여 기대고장시간이 더 작아지지 않을 때까지 유전 알고리즘을 이용하여 상기 기설정된 복수 개의 중계기에 대응되는 복수 개의 노드를 변경하며 중계기 배치를 최적화하는 단계;를 포함하는 유전 알고리즘을 이용한 중계기 배치 최적화 방법.
  2. 제1항에 있어서,
    상기 전위 순회 방식을 적용하여 각 노드에 대한 경로벡터를 생성하는 단계는
    기설정된 복수 개의 중계기에 대응되는 복수 개의 노드 각각에 대해 전위 순회하였을 때 상기 기설정된 복수 개의 중개기에 대응되는 복수 개의 노드 각각의 순서에 대응되는 위치에 각 노드의 작동여부에 따른 값을 가지는 경로벡터를 생성하는 것
    인 유전 알고리즘을 이용한 중계기 배치 최적화 방법.
  3. 제1항에 있어서,
    상기 신뢰도를 산출하는 단계는
    각 노드에 대한 경로벡터에서 작동하는 중계기의 수와, 고장이 발생하여 작동하지 않는 중계기의 수를 기설정된 신뢰도 함수에 적용함에 따라 신뢰도를 산출하는 것
    인 유전 알고리즘을 이용한 중계기 배치 최적화 방법.
KR1020220009152A 2022-01-21 2022-01-21 유전 알고리즘을 이용한 중계기 배치 최적화 방법 KR20230112938A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220009152A KR20230112938A (ko) 2022-01-21 2022-01-21 유전 알고리즘을 이용한 중계기 배치 최적화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220009152A KR20230112938A (ko) 2022-01-21 2022-01-21 유전 알고리즘을 이용한 중계기 배치 최적화 방법

Publications (1)

Publication Number Publication Date
KR20230112938A true KR20230112938A (ko) 2023-07-28

Family

ID=87427428

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220009152A KR20230112938A (ko) 2022-01-21 2022-01-21 유전 알고리즘을 이용한 중계기 배치 최적화 방법

Country Status (1)

Country Link
KR (1) KR20230112938A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160051065A (ko) 2014-10-31 2016-05-11 주식회사 오션게이트 Rfid 시스템을 활용한 선박 내 자재를 관리하는 방법
KR20190128200A (ko) 2017-03-14 2019-11-15 시에이치알. 한센 에이/에스 동물 기능 파라미터를 개선하는 바실러스 서브틸리스 균주

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160051065A (ko) 2014-10-31 2016-05-11 주식회사 오션게이트 Rfid 시스템을 활용한 선박 내 자재를 관리하는 방법
KR20190128200A (ko) 2017-03-14 2019-11-15 시에이치알. 한센 에이/에스 동물 기능 파라미터를 개선하는 바실러스 서브틸리스 균주

Similar Documents

Publication Publication Date Title
Chabanloo et al. Reducing the scenarios of network topology changes for adaptive coordination of overcurrent relays using hybrid GA–LP
de Macêdo Braz et al. Distribution network reconfiguration using genetic algorithms with sequential encoding: Subtractive and additive approaches
Ouzineb et al. A heuristic method for non-homogeneous redundancy optimization of series-parallel multi-state systems
Duong et al. Network Reconfiguration for an Electric Distribution System with Distributed Generators based on Symbiotic Organisms Search.
US10776227B2 (en) Memory management system and method thereof
CN114862295B (zh) 存储仓选择方法、装置、计算机设备和存储介质
Montoya et al. Methodology for optimal distribution system planning considering automatic reclosers to improve reliability indices
KR20230112938A (ko) 유전 알고리즘을 이용한 중계기 배치 최적화 방법
CN109726479B (zh) 一种三维片上网络垂直通道的部署方法
Hu et al. Wireless access point configuration by genetic programming
Kathpal et al. Hybrid PSO–SA algorithm for achieving partitioning optimization in various network applications
Rahimipour Behbahani et al. Reconfiguration of harmonic polluted distribution network using modified discrete particle swarm optimization equipped with smart radial method
Liu et al. Ring-based protection scheme for survivable fiber-wireless (FiWi) access network considering multiple failures
Szlachcic Fault tolerant topological design for computer networks
KR101692833B1 (ko) 안테나 설계 방법 및 그 방법을 실행하기 위한 기록 매체
CN111654046A (zh) 一种多应用场景的储能电站布置方法、系统及存储介质
Gundry et al. Formal convergence analysis for bio-inspired topology control in manets
Das et al. An elitist area-power density trade-off in VLSI floorplan using genetic algorithm
Ebrahimipour et al. A universal generating function approach for redundancy optimization for hot-standby multi-state series parallel k-out-of-n systems
JP6377666B2 (ja) 置局設計方法、置局設計装置および置局設計プログラム
Moskwa et al. Multiobjective optimization for switch allocation in radial power distribution grids
Carlos et al. Clustering techniques performance for the coordination of adaptive overcurrent protections
Rostami et al. Distributed model predictive control with event-based optimization
CN111767656A (zh) 一种弹性配电网远动开关优化配置方法、存储介质及设备
Mansour et al. Optimum Topology of Power Distribution Networks Using Sunflower Optimizer for Loss Reduction.