몬테카를로 트리탐색은 최대우선탐색 알고리즘이며, 많은 게임 특히 바둑 게임에 성공적으로 적용되어 왔다. 삼목 게임에서 MCTS 간의 대국을 통해 성능을 평가하고자 했다. 첫 번째 대국 자는 항상 두 번째 대국자에 비해 압도적인 우위를 보였으며, 최선의 게임 결과가 무승부가 됨 에도 불구하고 첫 번째 대국자가 두 번째 대국자에 비해 우월한 이유를 찾고자 했다. MCTS는 반복적인 무작위 샘플링을 기반으로 하는 통계적 알고리즘이기 때문에, 특히 두 번째 대국자를 위해 전략을 요하는 시급한 문제를 적절히 대처하지 못한다. 이를 위해 전략적 MCTS(S-MCTS)를 제안하며, S-MCTS는 결코 삼목 게임에서 지지 않는다는 것을 보였다.

고대 중국에서 기원된 바둑은 인공지능 분야에서 가장 어려운 도전 중의 하나로 간주된다. 지난 수년에 걸쳐 MCTS를 기반으로 하는 정상급 컴퓨터바둑 프로그램이 놀랍게도 접바둑에서 프로기사를 물리쳤다. MCTS는 게임이 끝날 때까지 일련의 무작위 유효착수를 시뮬레이션 하 는 접근법이며, 기존의 지식기반 접근법을 대체했다. 저자는 MCTS의 변형인 UCT 알고리즘을 삼목 게임에 적용하여 최선의 첫 수를 찾고자 했으며, 순수 MCTS의 결과와 비교를 했다. 아울 러 UCB 이해를 위한 다중슬롯머신 문제를 풀기 위해 엡실론-탐욕 알고리즘과 UCB 알고리즘 을 소개 및 성능을 비교하였다.

바둑은 단순한 규칙에도 불구하고 매우 복잡한 전략보드 게임이다. 몬테카를로 트리탐색을 이용하여 컴퓨터 바둑 프로그램들이 접바둑으로 프로기사를 제압해 왔다. 몬테카를로 트리탐색은 전략의 개념보다는 몬테카를로 시뮬레이션에 의해 계산된 승률에 근간을 한다. 반면에 적절한 적합도 함수로 된 유전 알고리즘은 게임 내 최적 해를 찾아낼 수 있다. 삼목 게임(또는 ◯x게임)은 가장 대중적인 게임 중의 하나이다. 저자는 삼목 게임에서의 최선의 전략을 찾고자 했다. 실험 결과로 유전 알고리즘은 효율적인 전략들을 찾을 수가 있으며, 바둑과 서양장기와 같은 여타 보드게임들에 적용할 수 있음을 보였다.

바둑 게임은 가장 오래된 게임 중의 하나이며 적어도 2,500년 전에 기원되었다. 게임프로그래밍에서 대부분의 성공적인 접근법은 평가함수를 활용한 게임트리 탐색을 사용하는 것이다. 그러나 컴퓨터바둑에서 그럴싸한 평가함수를 구축한다는 것은 매우 어렵다. 몬테카를로 트리탐색(MCTS)은 9줄 바둑에서 프로기사를 제압한 MoGo와 CrazyStone과 같은 강력한 컴퓨터바둑 프로그램을 만들어 내었다. 몬테카를로 트리탐색은 몬테카를로 시뮬레이션에 의해 계산된 승률을 근간으로 한다. 몬테카를로 트리탐색을 컴퓨터바둑에 구현하기에 앞서 삼목에서 최상의 첫 수로 중앙, 귀, 변의 세 수에 대한 각각의 승률을 측정하려고 했다. 실험 결과로 최상의 첫 수는 중앙이 우선하고, 다음은 귀, 마지막으로는 변이라는 사실이 밝혀졌다.

산불은 광범위한 면적에 걸쳐 확산되고, 빠른 의사결정을 해야 한다는 점에서 산불지도의 작성이 필요하다. 본 연구에서는 산불 발생, 예방, 확산, 진화, 피해, 대피, 복구 분야로 구분하여 관련 산불지도를 작성하였다. 이러한 산불지도는 총 6종으로 어디에서 산불이 발생할 것인가의 산불발생확률지도, 기존 감시시설로부터 감시 취약지역이 어디인가를 제시한 산불감시환경지도, 어느 숲에서 수관화로 발생하여 산불이 대형화될 것인가를 분석한 수관화위험지도, 어느 지역이 산불로 인해 피해를 크게 받을 것인가를 분석한 산불취약지도, 산불 발생 시 어디로 어떻게 대피해야 하는가의 산불대피지도, 산불 후 특정 지역을 어떻게 복구해야 할 것인가의 산불복구지도 등이다.이러한 지도를 활용하면 산불감시원과 진화차량 등 한정된 자원을 효과적으로 배치할 수 있다. 또한 동시에 산불이 여러 건 발생했을 때 진화 우선순위를 결정하는 데에도 활용할 수 있다. 산불소화시설, 산불방지 숲가꾸기 대상 후보지 선정 또한 가능하다.

산불은 광범위한 면적에 걸쳐 확산되고, 빠른 의사결정을 해야 한다는 점에서 산불지도의 작성이 필요하다. 본 연구에서는 산불 발생, 예방, 확산, 진화, 피해, 대피, 복구 분야로 구분하여 관련 산불지도를 작성하였다. 이러한 산불지도는 총 6종으로 어디에서 산불이 발생할 것인가의 산불발생확률지도, 기존 감시시설로부터 감시 취약지역이 어디인가를 제시한 산불감시환경지도, 어느 숲에서 수관화로 발생하여 산불이 대형화될 것인가를 분석한 수관화위험지도, 어느 지역이 산불로 인해 피해를 크게 받을 것인가를 분석한 산불취약지도, 산불 발생 시 어디로 어떻게 대피해야 하는가의 산불대피지도, 산불 후 특정 지역을 어떻게 복구해야 할 것인가의 산불복구지도 등이다. 이러한 지도를 활용하면 산불감시원과 진화차량 등 한정된 자원을 효과적으로 배치할 수 있다. 또한 동시에 산불이 여러 건 발생했을 때 진화 우선순위를 결정하는 데에도 활용할 수 있다. 산불소화시설, 산불방지 숲가꾸기 대상 후보지 선정 또한 가능하다.

적어도 2,500년 전에 기원된 바둑은 세상에서 가장 오래된 보드 게임 중의 하나이다. 아직까지 포석 바둑에 대한 이론적 연구는 여전히 미흡하다. 본 연구는 특정 프로기사의 포석을 갖고 훈련용 포석으로부터 얻어낸 클래스로의 인식을 위해 전통적인 선형판별분석 알고리즘을 적용하였다. 상위 10위권 한국 프로기사의 포석을 갖고 클래스-독립 선형판별분석과 클래스-종속 선형판별분석을 수행하였다. 실험 결과 클래스-독립 LDA는 평균 14%의 인식률을, 클래스-종속 LDA는 평균 12%의 인식률을 각각 보였다. 또한 연구 결과 일반적인 상식과 달리 PCA가 LDA보다 더 우월하고, 유클리디언 거리 측정 방식이 결코 LDA보다 뒤지지 않는다는 새로운 사실이 밝혀졌다.

바둑은 2,500년 이상의 역사를 갖고 있지만 바둑에 대한 이론적 연구는 여전히 미흡하다. 최근에 인공지능을 활용하여 연구를 하고 있으나 현저한 이론적 실체를 제공하고 있지 못하다. 본 연구는 세계 최고의 바둑기사인 이세돌 프로 9단의 기보를 중심으로 바둑의 초반전인 포석을 분석하기 위하여 주성분분석을 적용하였다. 분석 결과 361개의 고유벡터 중 48개의 가장 큰 고유벡터가 전체 분산의 99.9% 정보를 수록하고 있으며, 전체 분산의 90.5% 정보를 30개의 가장 큰 고유벡터로 처리할 수 있음이 밝혀졌다. 이 결과는 향후 프로기사의 포석에 대한 패턴인식을 연구하는데 상당한 기여가 있을 것이다.

산림인접지는 산불의 발화지이면서 주요 피해가 발생하는 지역이다. 이러한 지역에서의 피해와 파급효과의 사전파악과 이를 통한 관리 계획의 수립은 산불 피해를 위해 반드시 필요한 단계이다, 따라서 본 연구에서는 이러한 산림인접지 산불위험시설 및 지역의 중요도를 결정하기 위한 체계를 수립하기 위해 분석적 계층과정인 AHP(Analytic Hierarchy Process:분석적 계층과정) 기법을 활용하여 산림 인접지 내의 중요도 결정체계를 수립하였다. 연구결과, 인명(0.36)＞국가시설·군사시설·문화재(0.2)＞개인가옥 및 재산(0.15)＝산림보호구역(0.15)＞기타 산림보호지역(0.14) 순로 나타났다. 또한, 국가시설·군사시설·문화재 간의 중요도 결정체계에 대한 연구 결과, 국가산업시설 0.39＞문화재 0.38＞군사시설 0.24 순으로 분석되었다.

본 논문은 포석 바둑을 위해, 패턴 지식을 근간으로 바둑 용어 지식을 수행할 수 있는 뉴로-퍼지 추론에 대한 실험 결과를 설명하였다. 즉, 포석 시 최선의 착점을 결정하기 위한 뉴로-퍼지 추론 시스템의 구현을 논하였다. 또한 추론 시스템의 성능을 시험하기 위하여 시차 학습(TD(λ) learning) 시스템과의 대결을 벌였다. 대결 결과에 의하면 단순한 뉴로-퍼지 추론 시스템조차 시차 학습 모델과 충분히 대결할 만하며, 뉴로-퍼지 추론 시스템이 실제 바둑 게임에도 적용될 수 있는 잠재력을 보였다.

바둑에 있어 사활문제는 컴퓨터 바둑을 구현하기 위해 반드시 극복해야 하는 기본적인 문제이다. 사활문제와 같은 국부적인 바둑 문제를 해결하기 위하여 고려해야 될 중요한 사항은 게임 트리의 엄청난 분기수와 그 깊이를 어떻게 처리하느냐이다. 본 논문에서 수행된 실험의 기본 착상은 둘러싸인 돌들을 죽이기 위해 인식된 첫 수들을 찾아내는 인간의 습성을 모방한 것이다. 바둑에 있어, 유사한 사활문제(패턴)들은 자주 유사한 해들을 갖는다. 유사한 패턴을 분류 하기 위하여 코호넨 신경망(KNN)을 기반으로 한 군집화를 수행하였으며, 실험 결과는 고무적이며 사활문제를 풀기 위해 신경망으로 통제 학습을 사용하는 패턴 일치와 경쟁할 수 있음을 알아냈다.