타워 디펜스 게임에서 레벨 디자인은 게임의 재미에 가장 큰 영향을 미치는 요소이다. 각 레벨의 난이도는 레벨 내에 등장하는 공격대의 조합에 따라 결정된다. 게임 기획 단계에서 게임의 재미를 주면서도 적절한 난이도를 갖춘 공격대를 구성하기 위하여 많은 시간이 소모된다. 본 논문에서는 유전자 알고리즘을 사용하여 타워 디펜스 게임에서 공격대 조합을 자동으로 생성하는 기법을 제안한다. 제안된 시스템을 통해 레벨 디자이너는 난이도 목표치의 입력만으로도 다양한 공격대 유닛 조합을 자동으로 생성할 수 있게 된다. 이는 게임 기획 단계에서 원하는 공격대 조합을 생성하는데 필요한 수작업 시간을 단축시킴으로서 업무 효율을 높일 수 있을 것이다.

본 논문에서는 최적화 기법의 하나인 유전자 알고리즘(Genetic Algorithm)을 도시유출해석모형인 SWMM(Storm Water Management Model) 5.0 DLL과 연계하여 최근에 활발히 진행 중인 도심지하저류지 조성사업과 관련한 최적의 위치와 규모를 선정하였다. 이에 따라 도시유역에서 지하저류지 사업의 진행시 중요하게 고려해야 할 설치 위치와 규모의 선정을 위해 가상유역에 적용하였으며, 각 위치와 규모의 결정에 따른 최적의 조합을 제안하였다. 또한 가장 큰 피해를 불러일으키는 집중호우의 경우를 고려하여 50년, 80년 및 100년 빈도의, 60분, 120분 및 180분의 지속기간을 갖는 다양한 초과강우사상을 적용하여 지하저류지의 위치에 규모의 최적 조합에 따른 월류량의 감소를 비교·확인하였다(표 1참조). 분석결과 적용된 가상 유역 내에서 월류량을 최소화하는 저류지의 최적위치와 규모를 선정해 본 결과, 1개의 저류지를 설치 할 경우 A8번 지점에 저류지를 설치하였을 때 월류량 감소효과가 가장 크게 나타났다. 또한 2개, 3개를 설치하였을 때 각각 A5, A8번과 A5, A7, A8번이 선정되었다. 선정된 위치를 보았을 때 공통적으로 A8번이 포함되어 있는 것으로 보아 주요 관리대상 지점임을 파악할 수 있다. 본 논문에서 제안한 최적화 알고리즘을 이용한 도심지하저류지의 최적위치와 규모 선정은 투수면적의 감소, 도달시간의 단축 등으로 인한 도시화 지역의 피해 감소 및 추후 정비 사업 계획 추진에 있어 위치와 규모의 결정으로써 활용될 수 있을 것이다.

자동차 운송선사들은 보다 많은 차량을 수송하고, 수송비용을 줄이기 위해서 보다 효율적인 운송계획을 통하여 자동차 운송선을 운용하고자 하지만 차량 해상운송 계획업무는 주로 실무자의 경험에 의존하여 수작업으로 이루어지고 있다. 해상운송은 국제 물류에서 차지하는 비중만큼이나 연구자의 높은 관심으로 다양하고 많은 연구들이 이루어져 왔지만, 자동차 운반선과 같이 해상운송 시장에서 작은 비중을 차지하는 경우에는 관심 부족으로 연구가 거의 이루어지지 못하였다. 이에 본 연구에서는 자동차 운반선사의 수작업 기반의 계획방식을 체계화된 알고리즘을 통해 최적의 해상운송 계획안을 제공할 수 있는 유전 알고리즘(genetic algorithm)을 제안하고, 제안된 알고리즘은 정수계획 모형으로 얻어진 최적해와 비교하여 평가한다.

강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이

The optimum design of power yacht belongs to the nonlinear constrained optimization problems. The determination of scantlings for the bow structure is a very important issue with in the whole structural design process. The derived design results are obtained by the use of real-coded micro-genetic algorithm including evaluation from Lloyd's Register small craft guideline, so that the nominal limiting stress requirement can be satisfied. In this study, the minimum volume design of bow structure on the power yacht was carried out based on the finite element analysis. The target model for optimum design and local structural analysis is the bow structure of a power yacht. The volume of bow structure and the main dimensions of structural members are chosen as an objective function and design variable, respectively. During optimization procedure, finite element analysis was performed to determine the constraint parameters at each iteration step of the optimization loop. optimization results were compared with a pre-existing design and it was possible to reduce approximately 19 percents of the total steel volume of bow structure from the previous design for the power yacht.

본 논문에서는 유전자 알고리즘을 이용하여 액션 게임에서 지능 캐릭터의 경로 탐색 방법을 제안하였다. 실험방법으로는 유전자 알고리즘의 특성을 살려 이동 캐릭터가 최단 경로를 선택 할 뿐만 아니라 최적경로 탐색이 가능하도록 하였다. 이 때 염색체의 코드화를 그대로 적용할 경우 많은 치사 유전자가 발생하는데 이 문제를 DNA의 행동 특성의 스플라이싱 방법을 이용하여 해결하였다. 탐색 과정에서 여러 개의 후보 해를 생성하는 유전자 알고리즘의 특징을 이용해서 최단 경로 이외에 최적 경로를 1회의 처리로서 지능 캐릭터가 경로를 탐색하였다.

탱크모형과 PRMS(Precipitation Runoff Modeling-modular System) 모형으로 섬진강댐 유역의 유출량을 1981년부터 2001년까지 모의 발생하였다. 적용된 각각의 단일모형인 Tank 모형과 PRMS 모형에 의하여 모의된 유출량은 서로 상이한 모의 양상을 나타낸다. 본 연구에서는 Tank 모형과 PRMS 모형과 같은 단일모형에 의하여 모의되는 유출량의 편차를 최소화하고 관측유출량에 보다 잘 부합되는 유출모의결과를 생산하기

본 연구에서는 고등해석과 유전자 알고리즘을 이용한 트러스 구조물의 최적설계를 수행하였다. 본 연구에서 사용한 고등해석은 기하학적 비선형과 재료적 비선형을 동시에 고려한다. 최적화 알고리즘으로 마이크로 유전자 알고리즘을 사용하였다. 목적함수로 구조물의 중량을 사용하였으며, 제약조건식은 구조시스템의 하중-저항능력 및 변위 조건을 고려하였다. 제안된 방법에 의한 최적설계 결과를 기존의 연구결과와 비교하여 그 타당성을 증명하였다.

스테레오 정합은 스테레오 시각 분야에서 가장 활발히 연구되는 분야이다. 본 논문에서는 물체의 위치 인식을 위한 유전 알고리즘을 이용한 스테레오 정합을 제안한다. 정합 환경을 최적화 문제로 간주하고 진화 전략을 이용하여 최적해를 탐색한다. 따라서, 유전 연산자는 스테레오 정합에 맞게 설계하였고 개체는 변위집단을 대표한다. 영상의 수평화소라인을 염색체로 간주하였다. 비용함수는 스테레오 정합에서 사용하는 일반적인 제약조건들의 조합이다. 비용함수가 명암도, 유사도, 변위 평활성으로 구성되었기 때문에 정합을 시도할 때 매 세대마다 이 모든 요소들을 한번에 다룬다. 염색체를 정의하기 위해 LoG연산자로 경계선을 추출하였으며 실험을 통하여 제안한 방법을 검증하였다.

본 연구에서는 강우강도식의 매개변수를 추정하기 위해서 다목적 유전자알고리즘의 목적함수로 RMSE와 RRMSE를 적용하여 보다 객관적인 기준으로 장 단기간을 구분하는 방법을 제시하였다. 매개변수를 추정하기 위한 장 단기간을 구분하는 방법으로는 정확도를 기준으로한 방법과 그래프상의 접점을 이용하는 방법을 적용하였으며, 기상청에서 관리하는 22개 지점에 대하여 국내에서 널리 사용되고 있는 강우강도식을 이용하여 그 적용성을 살펴보았다. 매개변수를 추정하는 방법

현재 국내에서 사용되고 있는 Talbot, Sherman, Japanese형 강우강도식은 매개변수추정이 용이하다는 장점이 있지만, 이원환 등(1993)과 허준행 등(1999)이 개발한 강우강도식에 비하여 정확도가 떨어지며 재현기간을 고려할 수 없다는 단점이 있다. 본 연구에서는 매개변수 추정상의 어려움 때문에 널리 사용되지 않는 허준행 등(1999)이 제안한 강우강도식의 매개변수를 유전자알고리즘을 이용하여 추정하는 방법을 제시하였다. 기상청 22개 지점

본 연구는 다목적 유전자알고리즘을 이용하여 Tank 모형의 매개변수를 추정하는데 있어서 선호적순서화(preference ordering)를 적용한 연구로써, 목적함수의 개수가 여러 개인 경우에 발생할 수 있는 파레토최적화의 단점을 해결하기 위한 것이다. 최적화를 위한 목적함수는 모두 4가지를 사용하였으며, 선호적순서화를 통해서 구한 2차 효율성(2nd order efficiency)을 가지면서 정도(degree)가 3인 4개의 해 중에서 1개의 해만을

본 연구의 목적은 개념적인 강우-유출모형인 Tank 모형의 매개변수를 산정하기 위한 다목적 유전자알고리즘의 적용성을 평가하는 것이다. 다목적 유전자알고리즘 기법으로는 최근에 가장 많이 사용되는 기법중의 하나인 NSGA-II를 채택하여 Tank 모형과 결합하였으며, 4가지 목적함수(유출용적오차, 평균제곱근 오차, 고수유량 평균제곱근 오차 및 저수유량 평균제곱근 오차)값을 최소화하는 형태의 목적함수를 적용하였다. NSGA-II는 목적함수의 개수가 많아지면

본 논문에서는 본 연구논제(2007)에서 개발된 COMBINE-GRNNM-GA(Type-1)으로부터 최적형태의 구조를 가진 모형을 구성하고, 입력층노드의 기상인자를 제거하기 위하여 불확실성 분석을 실시하였다. 훈련과정중에 가장 최소의 평활인자를 가진 입력층변수는 COMBINE-GRNNM-GA(Type-1)에서 제거되었으며, 변형된 COMBINE-GRNNM-GA(Type-1)은 기상학적 변수의 새로운 최소 평활인자를 구하기 위하여 재훈련된다. 최소 평활인

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량

본 연구에서는 고등해석과 유전자 알고리즘을 이용한 강뼈대 구조물의 직접설계시스템의 최적화를 수행하였다. 본 연구에서 사용한 고등해석은 기하학적 비선형과 재료적 비선형을 동시에 고려한다. 직접설계 시스템의 최적화를 위해 유전자 알고리즘을 사용하였다. 목적함수로 구조물의 중량을 사용하였으며, 제약조건식은 구조시스템의 하중-저항능력, 처짐, 층간 수평변위 및 연성요구 조건을 고려하였다. 제안된 방법에 의해 나타난 결과를 다른 방법에 의한 것들과 비교해서 그 효율성을 증명하였다.

게임의 발전에 따라 게임에 등장하는 NPC(Non-Player Character)들의 지능 또한 중요성을 더해 가고 있다. 단순히 이동하고 플레이어를 공격하기만 하는 수준을 넘어서 WPC들 역시 다양한 기술과 전술을 사용하는 것이 최근의 MMORPG 게임의 추세이다. 본 논문에서는 신경망과 유전자 알고리즘을 이용하여 롤플레잉 게임에 사용되는 캐릭터에게 학습 및 적응 능력을 부여하는 방법을 제안한다. 제안된 지능 캐릭터가 얼마나 게임의 규칙과 전술을 잘 학습하고 적응하는지를 살펴보기 위하여 본 논문에서는 간단한 게임 모델을 제작하여 실험하였다. 캐릭터는 탱커(Tanker), 딜러(Dealer), 힐러(Healer)의 3가지 종류가 있으며, 지능 캐릭터 집단은 신경망과 유전 알고리즘으로 학습되고 FSM으로 움직이는 적 캐릭터 집단과의 전투를 통해 학습한다. 실험 결과 지능 캐릭터가 전투를 통해 자신과 적의 능력에 따른 적절한 전투 방식을 스스로 학습하고, 게임 규칙의 변화에 적응하는 것을 볼 수 있었다.