본문 바로가기
HOME> 논문 > 논문 검색상세

학위논문 상세정보

Support Vector Machine (SVM)을 이용한 유전자 알고리즘의 속도 개선과 응용에 관한 연구 원문보기
(A) Study on Improvement of Evolutionary Computation of Genetic Algorithm using SVM and Its Application

  • 저자

    조병선

  • 학위수여기관

    고려대학교 대학원

  • 학위구분

    국내석사

  • 학과

    제어계측공학과

  • 지도교수

  • 발행년도

    2004

  • 총페이지

    ⅴ, 61p.

  • 키워드

    유전자알고리즘 Support Vector Machine PID제어기;

  • 언어

    kor

  • 원문 URL

    http://www.riss.kr/link?id=T10070398&outLink=K  

  • 초록

    본 논문에서는 자연 현상을 컴퓨터 알고리즘에 접목을 시킨 유전자 알고리즘의 성능을 높이기 위하여 Support Vector Machine (SVM)이라는 신경망의 일종인 학습방법을 이용한 방법을 소개하고자 한다. 유전 알고리즘에 사용되는 개체들을 일정한 기준에 의하여 +클래스와 -클래스로 나누고, SVM을 적용하여 최적 분리면을 찾아낸다. 개체들은 재생산, 교배, 돌연변이를 거쳐 한 세대의 진화 연산을 수행하게 되고, 한 세대의 연산을 거친 개체들에 다시 SVM을 적용시킴으로써, 우수한 성능을 가질 것이라 예측되어지는 개체들만이 다음 세대의 진화 연산에 참여하게 된다. 이러한 방법을 통하여 진화 연산에 참여하는 유전 개체들의 수를 줄임으로써 진화 연산의 속도와 정확성을 동시에 높이고자 하였다. 본 논문에서는 Simple Genetic Algorithm과 Parallel Genetic Algorithm에 SVM을 이용하여 성능을 개선한 부분을 다루고 기존의 유전자 알고리즘과 비교를 하였다. 또한 제안한 방법을 PID 제어기의 최적 이득 값을 찾아내는 데에 이용하여 보았다.


    This thesis shows new method for improving Genetic Algorithm which is an integration of natural phenomena and computing algorithm using Support Vector Machine (SVM). The individuals in Genetic Algorithm are classified to + class and class with some criteria, and they find optimal hyperplane which is adopted SVM. The individuals accomplish genetic operations such as reproduction, crossover and mutation. Those are classified to expected GOOD individuals and expected NOT GOOD individuals. Finally, the only expected GOOD individuals are participated in next generation. As genetic individuals which are participated in evolutionary computation are reduced by this method, speed and accuracy can be improved. This thesis show that modified Simple Genetic Algorithm and Parallel Genetic Algorithm using SVM are better performance than conventional method and compare to them. Moreover, the applicability of the proposed method is illustrated via an example considered in related studies.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역
이 논문과 함께 이용한 콘텐츠