메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이태봉 (가천대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제34권 제6호
발행연도
2024.12
수록면
556 - 563 (8page)
DOI
10.5391/JKIIS.2024.34.6.556

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
meta-heuristic 알고리즘 성능은 변수 전 영역에 대한 탐색성(exploration)과 기존 예비해의 활용성(exploitation) 사이 균형이 중요하다. HS(harmony search)는 전역 탐색성이 우수한 것으로 알려져 있다. 그러나 해를 찾아가는 핵심 기능인 피치조정의 비효율성이 단점이라 할 수 있다. 반면 모집단의 평가치를 활용하여 해를 찾아가는 PSO(particle swarm optimization)는 수렴성이 매우 우수한 것으로 알려져 있다. 그러나 탐색이 모집단의 조합으로만 이루어져 지역해로 수렴할 가능성이 크다는 단점이 있다. HS/PSO에서는 HS의 탐색의 우수성과 PSO의 좋은 수렴성을 갖추고자 하였다. 이를 위해 HS/PSO에서는 새로운 하모니 조성은 HS 방식을 따르되 비효율적인 피치조정을 대신할 가이드 벡터를 정의하였다. 가이드 벡터는 PSO방식을 참조해 HM(harmony memory) 해 중 현재 최고 평가치와 최하위 평가치를 경험치로 활용하여 조성된 벡터이다. HM 방식의 하모니에 이 가이드 벡터를 적용하여 HS의 피치조정을 대신하게 하였다. 본 연구의 결과는 다양한 함수에 대한 최적화 예시를 통해 비교 확인하였으며 그 우수성을 확인할 수 있었다.

목차

요약
Abstract
1. 서론
2. HS 알고리즘
3. PSO
4. hybrid HS/PSO
5. 수치 예와 성능 평가
6. 결론
Reference

참고문헌 (17)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092160505