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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
유서아 (광운대학교) 김용혁 (광운대학교)
저널정보
아태인문사회융합기술교류학회 아시아태평양융합연구교류논문지 아시아태평양융합연구교류논문지 제9권 제6호
발행연도
2023.6
수록면
29 - 38 (10page)
DOI
http://dx.doi.org/10.47116/apjcri.2023.06.03

이용수

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

초록· 키워드

오류제보하기
최적화 문제는 실세계의 다양한 분야에서 사용되지만, 적합도를 계산하는 시간이 매우 오래 걸리는 경우 유전 알고리즘과 같은 최적화 기법을 사용하기 어렵다. 이러한 맥락에서, 가우시안 프로세스, 서포트 벡터 회귀와 같은 기계학습 알고리즘으로 대리 모델(surrogate model)을 만들어 해의 품질을 예측해 블랙박스 최적화 문제의 계산 시간을 줄이기 위한 많은 연구가 수행되어 왔다. 본 연구에서는 이진, 순열, 실수, 주기함수 인코딩 상황에서 학습 모델의 종류, 학습 데이터의 양, 학습 데이터의 샘플링 방법에 따른 기계학습의 근사성능 차이를 비교하였다. 그리하여 단순한 문제일수록 가우시안 프로세스의 성능이 우세하고, 학습 데이터의 수가 많을수록 근사성능이 좋았으며, 샘플링을 통한 편향되지 않은 학습이 높은 성능을 내기에 유리하다는 결과를 보였다. 이 결과를 바탕으로 이진, 순열, 실수 인코딩에서 한가지 씩 뽑아 유전 알고리즘의 적합도 함수를 기계학습 모델로 대체하여 실험을 수행하였고, 기계학습 근사가 잘 이루어졌을 때 성능이 평균적으로 대리 모델 유전 알고리즘이 대리 모델을 사용하지 않은 유전 알고리즘보다 약간 낮거나 비슷했다. 드물게는 약 1.6배 적은 세대 안에 최적해를 찾아내거나, 대리 모델이 아닌 유전 알고리즘보다 더 적합도가 높은 최적해를 찾는 등 더 나은 성능을 보이기도 하였다.
#최적화 #유전 알고리즘 #샘플링 기법 #대리 모델 #Optimization #Genetic Algorithm #Sampling Method #Surrogate Model

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0