결 론

From Biocourse.org

Jump to: navigation, search

█ 결론

진화 알고리즘은 다양한 분야에 적용되고 있는데 이와 같은 많은 응용의 배경에는 몇 가지 이유가 있다. 그 한 가지는 알고리즘의 단순성과 일반성에서 찾을 수 있다. 아무리 복잡한 문제라도 일단 염색체 형태로 표현이 되면, 염색체의 복제와 재결합 및 적합도의 평가 등과 같은 비교적 단순한 연산과정의 반복을 통해 계산이 수행된다. 또 하나의 이유는 기존의 문제 해결방법과 결합하여 사용하기가 쉽다는 것이다. 이것은 진화 알고리즘이 문제해결에 특수한 정보를 많이 사용하지 않고 또한 문제에 대한 배경지식이 있으면 이를 쉽게 수용 할 수 있기 때문이다. 예를 들어 문제 P에 대한 기존의 경험적 알고리즘 A가 존재한다면, 먼저 A를 사용하여 여러 개의 가능한 해들을 생성한 다음 이를 초기의 개체군으로 생각하고 그 위에 진화알고리즘을 적용함으로써 적어도 기존의 알고리즘 A의 결과보다는 더 우수한 결과를 얻을 수 있다. 진화 알고리즘이 흥미를 끄는 또 하나의 이유는 계산 모델이 자연 현상에 기반을 두고 있다는 것이다. 인간이 오랫동안 풀려고 했던 많은 실 세계의 문제들을 자연은 실제로 유연하게 해결하고 있다.


일반적으로 다음과 같은 특성을 갖는 문제에 대해서는 진화 계산방법이 효과적으로 적용됨이 많은 응용결과에 의하여 확인되었다.

(1) 여러 개의 국부적인 해가 존재하는 문제(multi-modal)
(2) 어느 정도의 규칙성을 가지고 있는 문제(regularity)
(3) 문제 영역의 규칙성이 어느 정도 염색체로 표현 가능한 문제
(4) 부분적인 해들 간에 상대적인 우위관계가 존재하는 문제(epistasis)


현재 추세로 간다면 진화 알고리즘의 응용범위는 점점 더 늘어날 것이며 이론적인 발전도 가속화되리라 예상된다. 특히 지능 제어와 관련하여 신경망과 퍼지 로직과의 결합으로 적응 학습 및 최적화의 문제에 새로운 해결법으로 많은 새로운 결과들이 나올 것으로 예상된다.

 

 

응 용 분 야 응 용 사 례
최적화 수학적 함수의 최적화, 가스 파이프라인의 최적화, 전력 송전망의 최적화, 컴퓨터 자판의 최적배정문제, 항공기 승무원 배정 문제
설계 VLSI회로 설계, 비행기 날개의 공기 역학적 설계, 엔진 노즐의 설계, 컴퓨터 통신망의 최적 설계, 심장박동기의 설계
인공지능 LISP 프로그램의 자동생성, 문제해결 규칙의 자동 습득, 신경망의 합성 및 학습, 패턴 인식, 자연언어 처리, 멀티 에이전트 시스템

시스템 분석 및 예측
시스템 동정, 케이오틱 시계열의 예측, 환율 변화 예측, 단백질의 구조 분석, 재정 및 경제 분야에서의 예측 및 분석 문제
제어 및 로보틱스 도립진자의 제어, truck backer upper problem, 이동 로봇의 경로 계획, 자율 이동 로봇군의 군 제어, 신경망 및 퍼지로직과 유전 알고리즘의 결합에 의한 제어



 

Personal tools
Google AdSense