Earticle

본 연구는 생성형 AI 추천 광고 맥락에서 광고 효과를 개인의 정보 처리나 태도 평가만으로 설명하는 기존 접근의 한계에 문제를 제기한다. 생성형 AI 추천 광고는 개인 화된 메시지를 제공하는 동시에 동일한 알고리즘과 플랫폼을 통해 다수에게 확산된다 는 인식을 동반하기 때문에, 광고 효과는 개인적 설득을 넘어 광고가 타인에게 미칠 영 향에 대한 사회적 추정을 통해 형성될 가능성이 크다. 이에 본 연구는 추정된 미디어 영향(Presumed Media Influence, PMI) 이론을 핵심 설명 틀로 적용하여, 생성형 AI 추천 광고에 대한 노출, 지각된 개인화, 알고리즘 선호가 PMI 형성에 미치는 영향 과 PMI가 광고 태도와 구매 의도로 이어지는 구조적 경로를 실증적으로 검증하였다. 온라인 설문조사를 통해 수집된 자료를 확인적 요인분석과 구조방정식 모형으로 분석 한 결과, 생성형 AI 추천 광고의 설득 효과는 개인적 정보 처리의 직접적 결과라기보다 광고의 사회적 영향력에 대한 추정을 매개로 형성됨을 확인하였다. 본 연구는 PMI 이 론을 생성형 AI 기반 상업 광고 맥락에 적용함으로써 광고 효과 연구의 이론적 확장을 제시하고, 알고리즘 기반 광고 전략 수립에 실무적 시사점을 제공한다.

This study challenges the limitations of conventional approaches that explain advertising effects in the context of generative AI–driven recommendation advertising solely through individual information processing or attitudinal evaluation. Because generative AI recommendation advertising delivers personalized messages while simultaneously being perceived as widely disseminated to others through the same algorithms and platforms, its persuasive effects are likely to be shaped not only by individual-level persuasion but also by social inferences regarding the influence of the advertising on others. Accordingly, this study adopts Presumed Media Influence (PMI) theory as its core explanatory framework to empirically examine the effects of exposure to generative AI recommendation advertising, perceived personalization, and algorithm preference on the formation of PMI, as well as the structural pathways through which PMI leads to advertising attitudes and purchase intention. Data collected through an online survey were analyzed using confirmatory factor analysis and structural equation modeling. The results demonstrate that the persuasive effects of generative AI recommendation advertising are formed not direct outcomes of individual information processing; rather, they are formed through the mediating role of presumed social influence. By applying PMI theory to the context of generative AI–based commercial advertising, this study extends the theoretical scope of advertising effects research and offers practical implications for the development of algorithmbased advertising strategies.

Collaborative filtering algorithms often encounter data sparsity issues. To overcome this issue, auxiliary information of relevant items is analyzed and an item attribute matrix is derived. In this study, we combine the user-item attribute preference with the traditional similarity calculation method to develop an improved similarity calculation approach and use weights to control the importance of these two elements. A collaborative filtering algorithm based on user-item attribute preference is proposed. The experimental results show that the performance of the recommender system is the most optimal when the weight of traditional similarity is equal to that of user-item attribute preference similarity. Although the rating-matrix is sparse, better recommendation results can be obtained by adding a suitable proportion of user-item attribute preference similarity. Moreover, the mean absolute error of the proposed approach is less than that of two traditional collaborative filtering algorithms.

Real time accessiblity and agility in Ubiquitous-commerce is required under ubiquitous computing environment. The Research has been actively processed in e-commerce so as to improve the accuracy of recommendation. Existing Collaborative filtering (CF) can not reflect contents of the items and has the problem of the process of selection in the neighborhood user group and the problems of sparsity and scalability as well. Although a system has been practically used to improve these defects, it still does not reflect attributes of the item. In this paper, to solve this problem, We can use a implicit method which is used by customer’s data and purchase history data. We propose a new clustering method of weighted preference for customer using k-means clustering and Bayesian network in order to improve the accuracy of recommendation. To verify improved performance of the proposed system, we make experiments with dataset collected in a cosmetic internet shopping mall.

현재 추천 시스템은 실제 사용자가 선호하는 항목을 추천하는지, 아니면 단순히 관심 정도의 항목을 추천하는지 알 수 없다는 문제와 사용자들이 매우 적어 적합한 항목을 추천할 수 없는 데이터 희소성 문제, 새로운 사용자들이 유입됨 에 따라 사용자들이 만족하는 항목을 추천하기 위해 시스템의 성능이 저하되는 Cold-Start 문제 등이 발생한다. 본 연구에 서는 이러한 문제점을 해결하기 위해 불확실한 상황이나 문제들을 반영할 수 있는 퍼지-계층적 분석(Fuzzy-Analytic Hierarchy Process)과 주어진 항목들을 비슷한 항목들끼리 모으는 데이터 군집화 알고리즘을 활용하여 사용자들에게 만족 할 수 있는 영화를 추천하기 위한 시스템을 구현하였다. 61명을 대상으로 영화 선호도에 대한 설문 조사를 실시한 데이터를 본 시스템에 적용한 결과 Fuzzy-AHP 기법을 통해서 데이터 희소성 문제를 해소할 수 있었으며, 또한 데이터 군집화 알고 리즘을 통해 새로운 사용자들이 유입되어도 사용자에게 적합한 항목이 추천되었음을 확인할 수 있었다. 향후 노이즈 데이 터나 아웃라이어(Outlier) 데이터를 걸러낼 수 있는 밀도 기반 클러스터링에 대한 연구가 필요할 것으로 생각된다.

The current recommendation systems have problems including the difficulty of figuring out whether they recommend items that actual users have preference for or have simple interest in, the scarcity of data to recommend proper items due to the extremely small number of users, and the cold-start issue of the dropping system performance to recommend items that can satisfy users according to the influx of new users. In an effort to solve these problems, this study implemented a movie recommendation system to ensure user satisfaction by using the Fuzzy-Analytic Hierarchy Process, which can reflect uncertain situations and problems, and the data partition algorithm to group similar items among the given ones. The data of a survey on movie preference with 61 users was applied to the system, and the results show that it solved the data scarcity problem based on the Fuzzy-AHP and recommended items fit for a user with the data partition algorithm even with the influx of new users. It is thought that research on the density-based clustering will be needed to filter out future noise data or outlier data.

본 연구는 학습자 특성(성별 및 학교 급)에 따른 온라인 수업 유형 선호도를 파악하고자 하는데 그 목적이 있다. 이를 위하여 전국 17개 지역의 초ㆍ중ㆍ고등학교 학생 4,803명을 대상으로 설문조사를 실시하였다. 이후, 유효데이터 인 4,524명 학생들의 성별 및 학교급을 기반한 온라인 수업 유형 선호도 패턴을 확인하기 위해 Apriori 알고리즘을 이용한 연관규칙 분석을 실시하였다. 연구결과 초등 7개, 중등 4개, 고등 5개 등 총 16개의 규칙을 도출하였으며, 학교 급과 무관하게 여학생들은 메이커활동 중심 수업을, 초⋅중 남학생은 가상체험중심 수업을 공통적으로 선호하였다. 보 다 구체적으로, 초등학교 남학생은 SW중심수업을, 여학생은 메이커활동 중심 수업을 선호하였으며, 중학생의 경우 남 여 모두 가상체험중심 수업을 선호하였다. 반면 고등학생은 교과별 강의중심에 대한 선호도가 높았다. 이러한 연구결과 는 학습의 주체자인 학생이 가진 온라인 수업의 요구를 설명하는 실증적 근거로서 제시될 수 있다. 또한, 본 연구는 향후 온라인 수업의 다각화를 위한 개선방향을 제시, 탐색하는 기초자료로 활용될 수 있을 것으로 기대한다. 이상의 연구결과를 바탕으로 추후 연구에서는 다양한 온라인 수업 활동 및 모델 설계, 온라인 수업을 지원하는 플랫폼 개발, 여학생의 이공계 진로동기 형성과정에 대한 심층적 분석이 계속되어야 할 것이다.

This study aims to investigate the online class preference depending on students' gender and school level. To achieve this aim, the study conducted a survey on 4,803 elementary, middle, and high school students in 17 regions nationwide. The valid data of 4,524 were then analyzed using the Apriori algorithm to discern the associated patterns of the online class preference corresponding to their gender and school level. As a result, a total of 16 rules, including 7 from elementary school students, 4 from middle school students, and 5 from high school students were derived. To be specific, elementary school male students preferred software-based classes whereas elementary female students preferred maker-based classes. In the case of middle school, both male and female students preferred virtual experience-based classes. On the other hand, high school students had a higher preference for subject-specific lecture-based classes. The study findings can serve as empirical evidence for explaining the needs of online classes perceived by K-12 students. In addition, this study can be used as basic research to present and suggest areas of improvement for diversifying online classes. Future studies can further conduct in-depth analysis on the development of various online class activities and models, the design of online class platforms, and the female students’ career motivation in the field of science and technology.

본 논문은 n명의 에이전트들이 m대의 주택 (n = m, n ≠ m)에 대해 선호순서를 부여할 경우 최적의 주택을 배정하 는 주택 배정 문제를 연구하였다. 기존의 최상 선호순서 거래 사이클 알고리즘은 각 에이전트가 최상의 선호순서(1순위) 주택을 선택하여 형성된 사이클에 주택을 배정하고, 남은 에이전트들과 미배정된 주택을 대상으로 다시 사이클을 형성하 는 방법을 적용하였다. 이 경우 미 배정된 에이전트들은 보다 좋지 않은 선호순서(최악의 경우 가장 선호하지 않는 주택 배정)의 주택을 배정받을 가능성이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 최악의 선호순서부터 역-삭제하 는 과정에서 행(에이전트) 또는 열(주택)에 1개만 남는 경우 해당 선호순서 셀을 선택하는 방법을 제안하였다. 제안된 알고리즘을 16개의 벤치마킹 데이터들에 적용한 결과 모든 데이터들에 대해 최적의 주택을 배정할 수 있음을 보였다.

This paper researches the issue of the housing allocation problem(HAP), in which the agents assign optimal preference order housing if they give preference order to representative housing for n agents and m houses (n = m, n ≠ m). Traditional top trading cycle(TTC) algorithm shows that each agent chooses the best(first) preference order to home and selects the best preference house in cycle. For the remaining unassigned agents and houses, finds the cycle. In this case, unassigned agents have a worse order of preference(in the worst case, they have a worst preferred housing). To solve the this problem, this paper reverse delete from worst preference order to best. In this process, if only one cell is left in a row(agent) or column(house), this algorithm selects that preference order cell. Applying to 16 benchmarking data, the proposed algorithm allocating optimal housing for all data.

The major goal of this research is to develop an optimal route search algorithm for an intelligent route guidance system, one sub-area of ITS. ITS stands for intelligent Transportation System. ITS offers a fundamental solution to various issues concerning transportation and it will eventually help comfortable and swift moves of drivers by receiving and transmitting information on humans, roads and automobiles. Genetic algorithm, and fuzzy logic are utilized in order to implement the proposed algorithm. Using genetic algorithm, the proposed algorithm searches shortest routes in terms of travel time in consideration of stochastic traffic volume, diverse turn constraints, etc. Then using fuzzy logic, it selects driver-preference optimal route among the candidate routes searched by GA, taking into account various driver's preferences such as difficulty degree of driving and surrounding scenery of road, etc. In order to evaluate this algorithm, a virtual road-traffic network DB with various road attributes is simulated, where the suggested algorithm promptly produces the best route for a driver with reference to his or her preferences.

In this paper, we propose a new approach for the implicit rating algorithm of finding user's intense and preference to the contents on the web. Although the explicit method dig out the user preference of specific contents based on the user's intervention, we propose the implicit method obtaining the user preference according to the user's behavioral patterns on the web implicitly and automatically without the user's intervention. The implementation results show that the proposed approach is highly valuable for supporting recommender systems in conjunction with the users lifestyle.

Real time accessiblity and agility in Ubiquitous-commerce is required under ubiquitous computing environment. The Research has been actively processed in e-commerce so as to improve the accuracy of recommendation. Existing Collaborative filtering (CF) can not reflect contents of the items and has the problem of the process of selection in the neighborhood user group and the problems of sparsity and scalability as well. Although a system has been practically used to improve these defects, it still does not reflect attributes of the item. In this paper, to solve this problem, We can use a implicit method which is used by customer's data and purchase history data. We propose a new clustering method of weighted preference for customer using k-means clustering and Bayesian network in order to improve the accuracy of recommendation. To verify improved performance of the proposed system, we make experiments with dataset collected in a cosmetic internet shopping mall.

본 연구에서는 콘텐츠 기반 필터링 방식을 사용하여 비용 대비 효과적인 기호식품 추천 알고리즘을 제안한다. 예를 들어 위스키나 와인 등 독특한 향기 또는 맛 기준으로 즐기고 좋아하는 식품을 사람들이 선택할 때 활용할 수 있는 추천 알고리즘이다. 사례 연구에서는 위스키를 대상으로 제안 알고리즘의 작동 원리를 설명한다. 먼저 제안 알고리즘은 사용자의 정량화된 맛 표현 데이터와 원하는 맛에 대한 설명 글을 입력해 데이터베이스에서 유사한 데이터 레코드 N 개를 찾는다. 검색 과정에서 상품의 가격, 품질 등급 및 유사성을 사용하여 R 값(가격 대비 편익 비율)을 계산한다. 다음으로 검색한 N 개의 이웃 상품들을 R 값에 따라 정렬하고, 최종적으로 가장 높은 R 값을 가진 상품을 추천 목록의 맨 위에 표시되도록 결과를 도출한다. 다양한 상황별 추천 시나리오를 산정하여 예산 대비 가장 선호되는 상품 옵션을 제안하는 효율성 높은 알고리즘 결과를 제시한다. 제안 추천 알고리즘의 효율성을 평가하기 위해 일반인을 대상으로 만족도 조사를 실시한 결과 추천 성공률이 70%로 나타났다. 이는 협업 필터링 방식으로 달성한 성공률 50%와 비교했을 때, 20% 더 높은 성능 개선 효과이다. 제안 방식을 통해 사람들은 더 적은 비용으로 자신의 취향과 입맛에 맞는 기호 상품을 쉽게 찾을 수 있으며, 상품 선택에 실패할 확률을 최소화할 수 있을 것이다. 제안 알고리즘은 위스키뿐만 아니라 와인 등 사람들이 좋아하는 음식이나 맛이 다른 음식을 찾는 다양한 여러 시나리오에 적용 가능하다고 판단된다.

In this study, we propose a cost-effective gourmet food recommendation algorithm using a content-based filtering approach. This algorithm can be used to help people select foods that they enjoy and like because of their unique aroma or taste, such as whiskey or wine, for example. In our case study, we explain how the recommendation algorithm works for whiskey. First, the recommendation algorithm finds N similar data records in the database by inputting the user's quantified flavor expression data and a descriptive text and taste note about the desired flavor. During the search process, the products' price, quality rating, and similarity are used to calculate the R-value (price/benefit ratio). Next, it sorts the N neighbors according to their R-values, and finally, it puts the product with the highest R-value at the top of the recommendation list. We calculate various contextual recommendation scenarios and present the results of an efficient algorithm that suggests the most preferred product options for a given budget. To evaluate the effectiveness of our recommendation algorithm, we conducted a satisfaction survey and found that the recommendation success rate was 70%. This is a 20% performance improvement compared to the 50% success rate achieved with the collaborative filtering approach. The suggestion method will make it easier for people to find products that match their tastes and preferences at a lower cost and minimize the chance of making a wrong choice. The algorithm can be applied to many scenarios where people are looking for their favorite foods or foods with other flavors, such as wine and whiskey.

기술 간의 경쟁은 그 기술이 사용된 상품 간의 경쟁이나 기술을 채용한 기업 간의 경쟁에 밀접한 영향을 미친다. S-커브와 기술수명주기 등 기술이 경쟁하며 서로를 대체하는 과정에 대해 여러 이론이 제시되는 가운데, Christensen의 파괴적 혁신 이론에 의해 제품이 포함하는 여러 제품속성에 대한 소비자 집단 내 선호의 이질성이 기술이 시장경쟁을 통해 서로를 대체하고 도태시키는 과정에 중요한 영향을 미치는 것이 밝혀졌다. 한편 소비자 선호의 이질성 하에서 생산자가 각 제품속성의 품질수준 및 가격을 의사결정하는 문제는 마케팅의 제품포지셔닝 분야에서 게임이론을 기반으로 다루어져 왔다. 본 연구는 기술경쟁 및 제품포지셔닝 분야의 선행연구에서 생산자 기업 간의 기술적 역량에 관한 이질성이 고려되고 있지 않은 점에 착목하여, 소비자 선호의 이질성을 포함하는 제품포지셔닝의 게임이론 모형에 생산자 기술의 이질성을 추가한 모형을 구축하였다. 생산자 간 한계비용의 이질성을 나타내는 다양한 외생변수의 조합에 대하여, 각 외생변수 설정 하에서의 게임이론 모형의 내쉬균형점인 생산자의 품질 및 가격에 관한 의사결정을 탐색하였다. 탐색에 있어서는 외생변수 조합이 이루는 방대한 탐색공간 내에서 효율적으로 내쉬균형점이 존재하는 외생변수 설정을 찾기 위해 유전알고리즘을 사용한 소프트웨어 수치 시뮬레이션을 실시하였다. 그 결과, 유전알고리즘은 5세대 정도의 탐색기간을 필요로 하는 것이 밝혀졌으며, 두 생산자 기업이 서로 다른 상품속성에 대해 기술적 역량을 가지고 있는 경우의 외생변수 조합이 내쉬균형점을 가질 가능성이 높은 것으로 추정되었다.

The process and outcome of technology competition is closely related to the competition between products in which the technologies are used and competition between firms that utilize the technologies. Since the critical role of preference heterogeneity between consumer groups was discovered by Christensen’s theory of disruptive innovation, a stream of research that tries to apply the game theoretic models of product positioning in the marketing field to analyze technology competition has been formed. This study aims to expand the existing decision-making models by adding the heterogeneity of producer technology in terms of producers’ marginal costs for quality provision and production. In the constructed market game, two producers decide the quality level for each product attribute and the price, while consumers have different marginal utilities for the attributes. The Nash equilibria is searched for several settings of exogenous variables that express different status of producer technology heterogeneity. Since the space of possible combinations of exogenous variables is huge, a genetic algorithm simulation is used for searching the combinations with any Nash Equilibrium. As a result, the genetic algorithm simulation reached the possible solutions within 5 generations of search. Also, the producer heterogeneity conditions where the two producers possess a technological strength in different product attributes seems to have a high possibility of Nash equilibrium existence.

Maximum intensity projection (MIP) is a common visualization technique in medical imaging system. A typical method to improve the performance of MIP is empty space leaping, which skips unnecessary area. This research proposes a new method to improve the existing empty space leaping. In order to skip more regions, we introduce a variety of acceleration strategies that use some tolerance given by the user to take part in image quality loss. Each proposed method shows various image quality and speed, and this study compares them to select the best one. Experimental results show that it is most efficient to add a constant tolerance function when the image quality required by the user is low. Conversely, when the user required image quality is high, a function with a low tolerance of volume center is most effective. Applying the proposed method to general MIP visualization can generate a relatively high quality image in a short time.

본 논문은 결혼 문제의 최적 해를 간단히 찾을 수 있는 알고리즘을 제안하였다. 일반적으로 결혼문제는 수행 복잡도 $O({\mid}V{\mid}^2{\mid}E{\mid})$의 Gale-Shapley 알고리즘으로 해를 구한다. 제안된 알고리즘은 먼저, 남성의 여성 선호도와 여성의 남성 선호도에 대해 상호-선호도 합 $p_{ij}$의 행렬로 변환시킨다. 두 번째로, 단순히 i행에서 최소값 $_{min}p_i$를 선택하여,${\mid}p_{.j}{\mid}{\geq}2,j{\in}S$, ${\mid}p_{.j}{\mid}=1$, $j{\in}H$, ${\mid}p_{.j}{\mid}=0$, $j{\in}T$로 설정하고, $S{\rightarrow}T$의 $_{min}p_{sr}$와 $S{\rightarrow}H$, $H{\rightarrow}T$의 $p_{SH}+p_{HT}$, $p_{HT}<{min}P_{ST}$에 대해 $_{min}\{_{min}p_{ST},p_{SH}+p_{HT\}$를 이동시키는 방법을 적용하였다. 제안된 알고리즘은 Gale-Shapley 알고리즘의 수행 복잡도 $O({\mid}V{\mid}^2{\mid}E{\mid})$를 $O({\mid}V{\mid}^2)$으로 향상시켰다. 또한, 불균형 결혼 문제인 경우에도 적용될 수 있도록 확장성을 갖고 있다.

This paper proposes a simplified algorithm devised to obtain optimal solution to the marriage problem. In solving this problem, the most widely resorted to is the Gale-Shapley algorithm with the time complexity of $O({\mid}V{\mid}^2{\mid}E{\mid})$. The proposed algorithm on the other hand firstly constructs a $p_{ij}$ matrix of inter-preference sum both sexes' preference over the opposite sex. Secondly, it selects $_{min}p_i$ from each row to establish ${\mid}p_{.j}{\mid}{\geq}2,j{\in}S$, ${\mid}p_{.j}{\mid}=1$, $j{\in}H$, ${\mid}p_{.j}{\mid}=0$, $j{\in}T$. Finally, it shifts $_{min}\{_{min}p_{ST},p_{SH}+p_{HT\}$ for $_{min}P_{ST}$ of $S{\rightarrow}T$ and $p_{SH}+p_{HT}$, $p_{HT}<_{min}p_{ST}$ of $S{\rightarrow}H$, $H{\rightarrow}T$. The proposed algorithm has not only improved the Gale-Shapley's algorithm's complexity of $O({\mid}V{\mid}^2{\mid}E{\mid})$ to $O({\mid}V{\mid}^2)$ but also proved its extendable use on unbalanced marriage problems.

본 연구는 100K와 1million MovieLens dataset에 대한 메모리 기반 협력적 필터링 알고리즘의 고객 선호도 예측 특성에 대하여 연구하였다. 이웃 기반의 협력적 필터링 알고리즘과 대응 평균 알고리즘의 실제 선호도에 대한 예측 선호도의 특성을 실제 선호도 평가에 따라 비교함으로써 고객 선호도 예측에 있어 대응평균 알고리즘의 예측 정확도가 이웃 기반의 협력적 필터링 알고리즘에 비하여 안정적임을 알 수 있었으며 실제 선호도 평가치와 예측 선호도 평가치의 상관관계를 비교함으로써 대응평균 알고리즘의 우수성을 알 수 있었다. 또한 두 알고리즘 모두 선호도 평가치의 빈도가 작은 1과 2에서의 예측 정확도가 떨어짐을 알 수 있었으며 본 연구의 분석결과를 토대로 예측 정확도를 높이기 위한 차기 연구의 기초 자료를 제공하는 것을 본 연구의 목적으로 한다.

This study describes customer preference prediction of memory-based collaborative filtering algorithm about 100K and 1million MovieLens dataset. We found that prediction accuracy of Correspondence Mean Algorithm is more stable than Neighborhood-based Collaborative Filtering Algorithm by comparing real with prediction preference through NBCFA and CMA in customer preference prediction, then knew that the superiority of CMA by comparing mutual relation between real and prediction preference evaluation. Also, the prediction accuracy about the frequency between 1 and 2 of these algorithm decreases, and according to the analysis result of this study providing the basic materials for post-study is the goal of this study to improve prediction accuracy.

본 논문에서는 음절간 상호정 보를 이용하여 한국어 복합명사의 역방향 분해 알고리즘을 제 안한다. 한국어 복합명사는 그 구조가 한자어에 의해 파생 한것이 대부분이며 음절 상호간 선호 음절이 존재하므로, 이 정보와 접사정보를 복합명사의 분해규칙으로 이용한다. 성능을 평가하기 위해 36061개의 복합명사를 이용하여 본 논문에서 제안한 알고리즘의 분해한 결과 99.3%의 분해 정확율을 얻었다. 실험과 관련한 기존 알고리즘간의 비교에서도 우수한 결과를 얻었으며, 특히 4음절과 5음절 복합명사의 경우 대부분 정확한 분해 결과를 얻었다.

This paper suggests a reverse segmentation Algorithm using affix information and some preference pattern information of Korean compound nouns. The structure of Korean compound nouns are mostly derived from the Chinese characters and it includes some preference patterns, which are going to be utilized as a segmentation rule in this paper. To evaluate the accuracy of the proposed algorithm, an experiment was performed with 36061 compound nouns. The experiment resulted in getting 99.3% of correct segmentation and showed excellent satisfactory result from the comparative experimentation with other algorithm, especially most of the four or five-syllable compound nouns were successfully segmented without fail.

A sequencing problem is to find an ordered sequence of some entities which maximizes (or minimize) the domain specific objective function. As some typical examples of sequencing problems, there are traveling salesman problem, job shop scheduling, flow shop scheduling, and so on. This paper introduces a new type of sequencing problems, named a sequencing problem with fuzzy preference relation, where a fuzzy preference relation is provided for the evaluation of the quality of sequences. It presents how such a problem can be formulated in terms of objective function. It also proposes a genetic algorithm applicable to such a sequencing problem.

The YCbCr color is widely used for digital video. In this paper, six different histogram algorithms are defined; the corresponding test images are then produced; and these images are then evaluated by observers using psychophysical techniques such as pair comparison; and show observer's preference data based on the psychophysical experiment.

코로나19로 인해 침체되었던 국내 관광산업이 모임금지, 마스크 착용 의무 등의 규제가 해제됨에 따라 다시 활성화 되고 있으며, 관광수요 또한 회복될 것으로 기대된다. 또한 최근의 여행 트렌드는 모두가 선호하는 유명 관광지 보다는 개인의 취향과 관심사를 반영한 관광지를 선택하여 여행하는 형태가 증가하고 있으며, 특히 코로나 시대를 거치며 관광지 선택에 있어 안전을 무엇보다 중시하는 추세이다. 본 연구는 증가하는 국내여행 수요에 대응하고, 안전을 중요시하고 개인화된 최근의 여행 트렌드를 반영하여 관광객에게 여행 만족도를 극대화할 수 있는 여행 스케줄을 도출하는 수학적 알고리즘을 개발하는 것을 목적으로 한다. 개별 관광객의 개인정보는 물론 여행정보 및 여행성향에 대한 정보를 사전에 입력받아 관광지 별 만족도와 이동수단에 따른 이동시간 및 비용을 산출한다. 이를 바탕으로 개별 관광객의 선호도를 반영하여 주어진 제약 하에서 만족도를 최대화할 있는 여행 스케줄을 도출하는 수리모형을 개발한다. 수치예제를 통한 실험 결과 선호도가 높은 관광지가 우선 선택되며, 여행 시간의 제약으로 선호도가 높음에도 불구하고 이동시간이 길어지는 경우 방문하지 않는 경우도 있음을 확인하였다. 선호하는 이동수단의 변경 및 필수로 방문할 관광지를 포함하거나 방문하지 않을 관광지를 제외하는 등의 다양한 조건의 수치예제 또한 수행하였다. 본 연구는 실제 여행 스케줄을 추천하는 애플리케이션을 개발함에 있어 통찰력을 제공할 수 있을 것으로 기대되며, 관광지별 개장, 폐장시간 및 이동수단, 등을 복합적으로 고려하여 개발한 수리모형은 현실에서도 실용적일 것으로 판단한다.

The domestic tourism industry, which had been stagnant due to COVID-19, is revitalizing as various regulations have been lifted, and domestic tourism demand is expected to recover. In addition, the recent trend of travel is to choose tourist destinations that reflect individual interests rather than popular tourist destinations that everyone prefers, and especially due to COVID-19, safety is being emphasized when choosing tourist destinations. This study aims to develop a mathematical algorithm to derive a travel schedule that can maximize tourist satisfaction. The algorithm calculates travel time, cost, and satisfaction with each tourist destination, based on tourist information, travel information, and travel tendencies entered by individual tourists. Based on this, a mathematical model is developed to derive a travel schedule that maximizes satisfaction under given constraints by reflecting the preferences of individual tourists. The results of numerical experiments show that tourist destinations with high preferences are preferentially selected and that there are cases in which tourist destinations with high preferences are not visited due to travel time constraints when they are located in remote areas. Numerical examples under various conditions are also conducted, such as changing the means of transportation and including or excluding tourist destinations to visit. This study is expected to provide insights into the development of applications that recommend actual travel schedules, and it is believed that the mathematical model developed by considering the opening and closing times of each tourist destination and transportation options will be practical in real life.