This paper presents a new method that can efficiently solve the integrated problem of line balancing and model sequencing in mixed-model U-lines (MMULs). Balancing and sequencing problems are important for an efficient use of MMULs and are tightly related with each other. However, in almost all the existing researches on mixed-model production lines, the two problems have been considered separately. A genetic algorithm for balancing and sequencing in mixed-model U line is proposed. A presentation method and genetic operators are proposed. Extensive experiments are carried out to analyze the performance of the proposed algorithm. The computational results show that the proposed algorithm is promising in solution quality.

최적설계기법을 사용한 경제적인 설계의 필요성은 오래 전부터 요구되어 왔으나, 종전의 설계가 설계자의 경험에 의한 시행착오적인 반복설계를 통하여 이루어져 왔기 때문에 구조물의 형상이 복잡한 경우에는 계산상의 어려움과 반복계산을 되풀이해야 하는 번거로움으로 진정한 최적설계는 기대하기 어려웠다. 최적설계법이 구조물의 설계에 매우 유용하다는 사실이 증명되고 있긴 하지만, 아직도 최적설계의 의미를 제대로 이해하지 못하고 있는 실정이며, 더구나 설계실무자는 어디까지나 사용자이기 때문에 수리적 계획수법에 친숙할 필요까지는 없지만 최소한 이런 기법의 가능성과 중요성을 이해할 필요는 있는데 대부분 그러하지 못하고 있는 실정이다. 일반적으로 트러스 구조물 설계 시 주어진 부재의 응력에 따라 단면적을 산출하여 그 단면적에 역학적으로 가장 합리적인 단면을 선정하여 경제적인 설계단면을 구한다. 그러나 트러스의 형상, 트러스 높이에 따른 경제성의 문제는 보통 설계자의 경험과 직관에 의하여 결정되고, 특별한 검토가 이루어지지 않고 설계가 수행되는데, 실제 트러스 구조물에서 트러스의 형상과 높이가 전체 건설공사비에 크게 영향을 미친다. 그러므로, 트러스 구조물의 최적설계에서 트러스 형상, 라이즈 비(rise ratio : 높이/스팬) 및 격간 수(number of panel)를 고려하는 것이 필요하다. 트러스 형상과 스팬에 따른 최적형상과 최적높이 및 격간 수에 대해 설계자의 초기 구조계획 시 주관적 선택의 어려움을 해결하고, 실제의 지붕형 트러스 구조에 설계하중을 작용시켜 응력해석에서부터 부재 단면설계까지의 자동화된 최적설계 알고리즘을 개발할 필요가 있다. 따라서 본 연구는 플랫 트러스의 형상, 격간 수, 격간의 간격 및 부재단면 등에 대하여 이산적인 변수의 처리와 넓은 설계 공간의 탐색능력과 더불어 문제의 비선형성과 관계없이 전체 최적해를 찾아낼 수 있는 유전자 알고리즘을 이용한다. 또한, 강 구조 한계상태설계기준(대한건축학회, 1998)을 기준으로 하여 자동으로 플랫 트러스의 구조계획과 단면이산화 최적설계를 동시에 수행할 수 있는 최적화 알고리즘을 제시하는 것을 목적으로 한다.

최근 구조최적화분야에서 활발하게 사용되고 있는 유전알고리즘은 해집단을 운용하기 때문에, 많은 반복수와 적응도 평가를 위하여 해집단의 수에 해당하는 구조해석을 필요로 하며, 또한 교배율과 돌연변이율 등의 파라미터에 따라 알고리즘의 성능이 변화하므로 문제에, 따라 적합한 파라미터 설정이 필요한 근본적인 단점을 지니고 있다. 본 연구에서는 기존 유전알고리즘의 단점을 극복할 수 있는 복합유전알고리즘을 마이크로유전알고리즘과 단순유전알고리즘을 결합한 형식으로 그리고, 최적화에 요구되는 연산을 다수의 개인용 컴퓨터에서 동시에 분산하여 수행할 수 있는 고성능 분산 복합유전알고리즘으로 개발하였다. 개발된 알고리즘은 철골 가새골조 구조물의 최소중량설계에 적용하여 그 성능을 평가하였다.

Genetic algorithm is one of the best ways to solve a discrete variable optimization problem. Genetic algorithm tends to thrive in an environment in which the search space is uneven and has many hills and valleys. In this study, genetic algorithm is used for solving the design problem of gable structure. The design problem of frame structure has some special features(complicate design space, many nonlinear constrants, integer design variables, termination conditions, special information for frame members, etc.), and these features must be considered in the formulation of optimization problem and the application of genetic algorithm. So, 'FRAME operator', a new genetic operator for solving the frame optimization problem effectively, is developed and applied to the design problem of gable structure. This example shows that the new opreator has the possibility to be an effective frame design operator and genetic algorithm is suitable for the frame optimization problem.

This paper deals with a cell formation problem for a set of m-machines and n-processing parts. Generally, a cell formation problem is known as NP-completeness. Hence the cell formation problem with multiple objectives is more difficult than single objecti

It is very important to minimize the weight of shaft from the viewpoint of economics and manufacture. For minimizing effectively the diameter of shaft in torsional shafting, authors developed computer program using the real-coded genetic algorithm which is one of optimizing techniques and based on real coding representation of genetic algorithm. In order to confirm the accuracy and effectiveness of the developed computer program, the computational results by the developed program were compared with those of conventional strength, stiffness and vibration designs for a generator shafting.

The operation and management of a plant require proper accounting for the constraints coming from reliability requirements as well as from budget and resource considerations. Most of the mathematical methods to decide the inspection time interval for plan

The objective of this study is the development of size, shape and topology discrete optimum design algorithm which is based on the genetic algorithms. The algorithm can perform both shape and topology optimum designs of trusses. The developed algorithm was implemented in a computer program. For the optimum design, the objective function is the weight of trusses and the constraints are stress and displacement. The basic search method for the optimum design is the genetic algorithms. The algorithm is known to be very efficient for the discrete optimization. The genetic algorithm consists of genetic process and evolutionary process. The genetic process selects the next design points based on the survivability of the current design points. The evolutionary process evaluates the survivability of the design points selected from the genetic process. The efficiency and validity of the developed size, shape and topology discrete optimum design algorithms were verified by applying the algorithm to optimum design examples

The objective of this study is the development of a size and shape discrete optimum design algorithms, which is based on the genetic algorithms and the fuzzy theory. This algorithms can perform both size and shape optimum designs of plane and space trusses. The developed fuzzy shape-GAs (FS-GAs) was implemented in a computer program. For the optimum design, the objective function is the weight of structures and the constraints are limits on loads and serviceability. This study solves the problem by introducing the FS-GAs operators into the genetic.

유전자 알고리즘은 적자 생존과 자연친화의 유전이론을 기초로 하여 이루어진 탐색기법이다. 유전자 알고리즘은 미분 정보 등과 같은 부가적인 정보없이 수렴함으로 전역적 최적값을 탐색하는 강인한 탐색기법으로 알려져 있다. 유전자 알고리즘은 연속형의 설계변수를 가지는 문제에서 세대가 계속 진행되어도 목적함수의 개선이 없이 조기에 수렴하는 경우가 있다. 또한 전역적 최적값 근처에서 수렴하지 못하고 목적함수값이 진동하여 수렴속도가 떨어지는 단점이 있다. 본 연구에서는 위와 같은 유전자 알고리즘의 단점을 보완하고자 재시동 조건과 엘리트 보존방법을 제안하였다. 수정된 유전자 알고리즘의 유용성을 검증하기 위해 3부재 트러스와 평면응력 외팔보에 적용하여 수렴 속도의 향상을 확인하였다.

Parallel Genetic Algorithms partition the whole population into several sub-populations and search the optimal solution by exchanging the information each others periodically. Distributed Genetic Algorithm, one of Parallel Genetic Algorithms, divides a large population into several sub-populations and executes the traditional Genetic Algorithm on each sub-population independently. And periodically promising individuals selected from sub-populations are migrated by following the migration interval and migration rate to different sub-populations. In this paper, for the Travelling Salesman Problems, we analyze and compare with Distributed Genetic Algorithms using different Genetic Algorithms and using same Genetic Algorithms on each separated sub-population The simulation result shows that using different Genetic Algorithms obtains better results than using same Genetic Algorithms in Distributed Genetic Algorithms. This results look like the property of rapidly searching the approximated optima and keeping the variety of solution make interaction in different Genetic Algorithms.

The objective of this study is the development of size discrete optimum design algorithm which is based on the GAs(genetic algorithms). The algorithm can perform size discrete optimum designs of space trusses. The developed algorithm was implemented in a computer program. For the optimum design, the objective function is the weight of space trusses and the constraints are limite state design codes(1998) and displacements. The basic search method for the optimum design is the GAs. The algorithm is known to be very efficient for the discrete optimization. This study solves the problem by introducing the GAs. The GAs consists of genetic process and evolutionary process. The genetic process selects the next design points based on the survivability of the current design points. The evolutionary process evaluates the survivability of the design points selected from the genetic process. In the genetic process of the simple GAs, there are three basic operators: reproduction, cross-over, and mutation operators. The efficiency and validity of the developed discrete optimum design algorithm was verified by applying GAs to optimum design examples.

본 연구에서는 트러스 구조물의 이산최적설계를 위해 유전알고리즘(GA)을 적용하였다. 확률론적인 절차를 통해 설계에 필요한 초기 집단을 생성시킨 후, 설계를 개선시키기 위해서 자연선택 및 적자생존의 원리를 적용하였다. 다하중조건 하에서 트러스 구조물의 중량 최소화를 위해 응력 및 변위 제약을 고려하였다. 먼저, 이미 잘 알려진 트러스 구조물에 대해서 GA를 이용하여 얻은 최적해와 기존 문헌들에서 제시하고 있는 값들을 비교함으로써 GA의 신뢰성 및 적용성을 검증하였고, 이러한 신뢰성 검증을 바탕으로 사용성 있는 트러스 구조물의 이산최적설계를 위해 현재 생산중인 강재제원표로부터 부재가 선택되도록 하였다. 강재의 단면으로는 L형강을 사용하였으며, L형강의 강종은 9개의 강종들 (SS 400, SWS 400, SMA 41, SWS 490Y, SWS 520, SMA 50, SWS 570, SMA 58) 중에서 설계자에 의해 자유롭게 선택되도록 하였다.

유전자 알고리즘(GA)은 어떠한 유형의 문제에도 적용가능하며 달리 방법이 없는 경우 최후의 수단으로 흔히 사용되는 방법이다. 강구조물 설계란 기본적으로 구조물을 이루는 부재로서 어떤 재료를 선택될 것인지를 결정하는 문제이다. 따라서 천문학적인 숫자의 설계가 존재하며 이들 중 최적의 설계를 탐색하는 것은 대체로 불가능한 일이다. 본 논문에서는 GA와 이와 관련된 여러 가지 기법들을 소개하고 강구조물 최적설계에 이들의 활용을 모색하였다. 작은 설계공간을 가지는 문제에서는 GA로 전역최적설계를 찾을 수 있었다. GA는 또한 연속변수 최적설계 문제에서도 최적설계를 찾았으며 구조물 최적설계에 적용될 수 있음을 보였다. 그러나 규모가 큰 현실문제에서는 GA가 최적 또는 최적에 근접한 설계를 항상 찾을 수 있을 것이라고 기대하기는 어려울 것으로 생각된다. GA에 G bit improvement를 추가하여 수행한 경우에 더 좋은 최적설계 결과를 보여주었으며 앞으로 이 부분의 연구가 활발해 질 것이다.