An Ant Colony Optimization Algorithm(ACO) is one of the frequently used algorithms to solve the Traveling Salesman Problem(TSP). Since the ACO searches for the optimal value by updating the pheromone, it is difficult to consider the distance between the nodes and other variables other than the amount of the pheromone. In this study, fuzzy logic is added to ACO, which can help in making decision with multiple variables. The improved algorithm improves computation complexity and increases computation time when other variables besides distance and pheromone are added. Therefore, using the algorithm improved by the fuzzy logic, it is possible to solve TSP with many variables accurately and quickly. Existing ACO have been applied only to pheromone as a criterion for decision making, and other variables are excluded. However, when applying the fuzzy logic, it is possible to apply the algorithm to various situations because it is easy to judge which way is safe and fast by not only searching for the road but also adding other variables such as accident risk and road congestion. Adding a variable to an existing algorithm, it takes a long time to calculate each corresponding variable. However, when the improved algorithm is used, the result of calculating the fuzzy logic reduces the computation time to obtain the optimum value.

불소는 인위적 기원 외에 마그마 분화작용, 열수변질작용, 광화작용, 단층 활동과 같은 지질학적 기 원에 의해 자연적으로 암석 내 부화될 수 있다. 일반적으로 화성암 및 변성암이 분포하는 지역에서 고농도의 불소가 산출되는 것으로 알려져 있으며, 연구지역은 흑운모화강암이 주로 분포하는 지역이다. 그러나 선행연 구에서 자연기원 불소의 부화기작에 대한 규명이 부족했고 이를 보다 명확히 규명하기 위해 단층대에 대한 연구를 수행하였다. 을왕산 흑운모화강암과 단층대 암석의 구성 광물은 동일하지만 정량적인 차이가 나타난다. 석 영과 불소함유광물(형석, 견운모 등)은 높은 함량으로 존재하며, 사장석과 알칼리장석은 낮은 함량으로 존재한다. 이 러한 차이는 열수에 의한 광물의 변질작용 때문인 것으로 판단된다. 현미경 관찰 결과 또한 열수에 의한 불 소함유광물의 생성이 대부분의 시료에서 관찰된다. 따라서 용유도 등지에 넓게 분포하는 동일한 연령의 흑운 모화강암의 암석·광물학적인 차이는 소규모 지질학적 사건에 의한 열수변질작용에 의한 것으로 해석할 수 있다.

본 연구는 원자력 시설 해체 시 발생되는 저준위 및 극저준위 폐토양, 점토와 산업부산물인 고로슬 래그를 이용하여 방사성 폐기물을 안전하게 담지할 수 있는 비소성 시멘트의 제조 가능성을 평가하고 광물· 형태학적 분석을 통하여 생성된 반응 물질에 대하여 고찰하였다. 본 연구에서는 (1) 폐토양, 점토 및 고로슬 래그의 특성 분석, (2) 폐토양, 점토 및 고로슬래그를 고화재 및 성분조정제로 이용한 원전 해체 폐기물 담지를 위 한 비소성 시멘트 제조 및 최적의 배합 비율 도출, (3) 제조된 비소성 시멘트 고화체의 수화반응 생성물질에 대하여 광물·형태학적 분석 등을 수행하였다. 비소성 시멘트 고화체의 광물·형태학적 분석 결과, 폐토양과 점 토는 수화반응 생성물이 관측되지 않았으며, 고로슬래그의 경우 고화체의 강도를 발현시킬 수 있는 수화반응 생성물질인 calcium silicate hydrate (CSH), 에트링가이트(ettringite)가 생성되는 것을 확인하였다. 폐토양, 점 토를 고화재로 이용한 비소성 시멘트의 재령 28일 후 고화체는 최적의 배합 비율에서 약 3 MPa의 강도를 나 타내 처분장 인수기준 압축강도인 3.44MPa를 만족하지 못하는 것을 확인하였다. 그러나, 고로슬래그를 고화 재로 이용한 비소성 시멘트는 모든 실험 조건에서 처분장 인수기준 압축강도를 만족하며, 최적의 배합 비율 에서는 약 27 MPa로 높게 나타나는 것을 확인할 수 있었다. 이러한 결과를 통하여 비소성 시멘트 고화재로 고로 슬래그, 방사성 핵종에 대한 흡착제 역할로 폐토양 및 점토를 이용한다면 방사성 폐기물 처분을 위한 최적의 비소성 시멘트를 제조할 수 있을 것으로 판단된다.

Meta-heuristic algorithms have been developed to efficiently solve difficult problems and obtain a global optimal solution. A common feature mimics phenomenon occurring in nature and reliably improves the solution through repetition. And at the same time, the probability is used to deviate from the regional optimal solution and approach the global optimal solution. This study compares the algorithm created based on the above common points with existed SA and HS to show advantages in time and accuracy of results. Existing algorithms have problems of low accuracy, high memory, long runtime, and ignorance. In a two-variable polynomial, the existing algorithms show that the memory increases and the accuracy decrease. In order to improve the accuracy, the new algorithm increases the number of initial inputs and increases the efficiency of the search by introducing a direction using vectors. And, in order to solve the optimization problem, the results of the last experiment were learned to show the learning effect in the next experiment. The new algorithm found a solution in a short time under the experimental conditions of long iteration counts using a two-variable polynomial and showed high accuracy. And, it shows that the learning effect is effective in repeated experiments.

It is one of the known methods to obtain the optimal solution using the Ant Colony Optimization Algorithm for the Traveling Salesman Problem (TSP), which is a combination optimization problem. In this paper, we solve the TSP problem by proposing an improved new ant colony optimization algorithm that combines genetic algorithm mutations in existing ant colony optimization algorithms to solve TSP problems in many cities. The new ant colony optimization algorithm provides the opportunity to move easily fall on the issue of developing local optimum values of the existing ant colony optimization algorithm to global optimum value through a new path through mutation. The new path will update the pheromone through an ant colony optimization algorithm. The renewed new pheromone serves to derive the global optimal value from what could have fallen to the local optimal value. Experimental results show that the existing algorithms and the new algorithms are superior to those of existing algorithms in the search for optimum values of newly improved algorithms.