경사하강법을 활용한 메타휴리스틱 최적화 알고리즘의 개량 : HS-GD

Q: 이 논문에서 정의한 결합모형이란 무엇인가?

경사하강법의 정밀한 지역 탐색 능력과 화음탐색법의 전역 탐색 능력을 결합하여 구축한 최적화 모형이다. 이는 GDR이라는 확률적 기법을 통해 두 알고리즘을 수평적으로 결합함으로써 메타휴리스틱 최적화 알고리즘의 전반적인 성능을 개선하는 것을 목적으로 한다.

Q: 화음탐색법과 경사하강법을 결합한 HS-GD 모형의 성능 개선 효과는 무엇인가?

연구 결과, HS-GD 결합모형을 Griewank function에 적용했을 때 기존 화음탐색법보다 수렴 성능이 유의미하게 향상되었다. 특히 경사하강법의 지역 탐색 능력이 더해짐으로써 반복 시뮬레이션 과정에서 오차가 지속적으로 감소하는 최적화 효율을 보였다.

김영남; 이의훈

추천

검색

질문

자료유형: 학술대회자료

저자정보: 김영남 (충북대학교) 이의훈 (충북대학교)

저널정보: 대한토목학회 대한토목학회 학술대회 KSCE 2022 CONVENTION

발행연도: 2022.10

수록면: 15 - 16 (2page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

최소값을 구하는 문제에서의 최적화 기법은 크게 두 가지로 나눌 수 있다. 하나는 경사하강법이며 다른 하나는 메타휴리스틱 최적화 알고리즘이다. 경사하강법은 정밀한 지역탐색이 가능하나 초기값에 크게 의존하는 단점이 있다. 반면, 메타휴리스틱 최적화 알고리즘은 전역탐색이 가능하여 초기값에 의존하지 않는다. 경사하강법의 정밀한 지역탐색 능력과 메타휴리스틱 최적화 알고리즘의 전역탐색 ... 전체 초록 보기

#경사하강법 #메타휴리스틱 최적화 알고리즘 #화음탐색법 #결합모형

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)