지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박철진
- 발행연도
- 2020
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Park and Kim(2015)의 메모리 기반 벌점 함수(Penalty Function with Memory, PFM)는 목적함수와 제약함수의 값이 시뮬레이션에 의해서만 추정이 가능한 다중 확률적 제약의 이산형 시뮬레이션 최적화(Discrete Optimization via Simulation, DOvS)문제를 해결하기 위해 제안되었다. 기존의 PFM은 좋은 성능을 보이며, 특히 최적해의 제약 함수 값이 우변상수 값과 일치하거나 거의 비슷할 때에 경쟁 알고리즘보다 높은 확률로 최적 가능해를 찾는다. 하지만 PFM은 각 반복 시행에서 샘플링 된 후보해들에 대해 단순 시뮬레이션 예산 할당 방법(예, 동일한 수의 추가 관측 값 할당)을 활용하며, 여러 가지 사용자 설정 매개 변수를 통한 다소 복잡한 벌점 수열을 이용한다. 이에 따라 본 연구에서는 PFM의 향상된 버전, 즉 향상된 메모리 기반 벌점 함수(Improved Penalty Function with Memory, IPFM)를 제안한다. IPFM은 일반적인 DOvS 프레임 워크 내의 일부 조건을 만족하는 어떠한 시뮬레이션 예산 할당 방법과 기존의 PFM을 결합할 수 있다. 또한, 본 연구는 IPFM에 유용한 시뮬레이션 예산 할당 방법을 제시하고, 새로운 벌점 수열인 ps_2^+를 소개한다. ps_2^+는 기존의 벌점 수열보다 단순하지만 IPFM 내에서 수렴성을 유지한다. 실험 결과를 통해 본 연구에서 제안하는 새로운 방법론의 성능이 기존의 PFM보다 효율성과 정확성 모두에서 크게 향상됨을 확인했다.
목차
제1장 서론 1제2장 연구 배경 52.1 문제 설명 52.2 기존 DOvS 알고리즘: +PFM 6제3장 방법론 제안 93.1 +IPFM의 전반적 설명 93.2 새로운 벌점 수열 143.3 시뮬레이션 예산 할당 18제4장 수치 실험 214.1 좁은 탐색 영역 214.2 넓은 탐색 영역 25제5장 결론 및 향후 연구 33참고문헌 34
최근 본 자료
댓글(0)
0