Earticle

As the rate of visual information interchange on the Internet increases, image encryption has become a key method to secure image information. Here, an efficient image encryption technique was investigated. It employed Genetic Algorithm (GA) and Secure Force Algorithm (SF), along with using chaotic maps' transpositions on bit-level to remove the deep correlations between pixels. This study examined the efficiency of the technique with respect to security analysis, using entropy, histogram, correlation, NPCR, UACI, and sensitivity tests. The obtained results were outstanding, the average entropy was 7.999 (theoretical value is 8). Besides that, the coefficient correlation was almost zero which means that plain and ciphered images have no relevance to each other. Ciphered image's histograms were fairly uniformed, confirming that ciphered images have no statistical resemblance to original images and making no suggestions about how to implement statistical attacks. Because the proposed cryptosystem is more stable in the face of prevalent attacks, it can be used for secure applications and secure communication.

플라스틱 사출 제품은 다양한 가전제품과 하이테크 제품에 널리 사용되고 있다. 그러나 현재의 치열한 경쟁적 비즈니스 환경에서 플라스틱 사출 제품 제조업자들은 고객을 만족시키면서 경쟁력을 얻기 위하여 다른 경쟁자들보다 먼저 새로운 제품을 시장에 출시하고 신제품의 개발기간을 줄이기 위한 노력을 할 여유가 부족하다. 따라서 무한 경쟁의 시장에서 살아남기 위해서는 제조업자들은 시장 마켓 점유를 빠르게 올리는 것과 동시에 제품의 가격 경쟁력을 가져야 한다. 특징기반 모델의 구조는 현재 연구에서 3D 제작 도구로서 일반적으로 적용되고 있으며 신제품 개발 엔지니어들이 새로운 제품의 개념을 개발하는 데에도 널리 사용되고 있다. 본 연구에서는 특징기반 플라스틱 사출제품을 위한 유전자 알고리즘과 Support Vector Regression (SVR) 기반의 새로운 하이브리드 비용 평가 모델을 제안한다. 제안하는 하이브리드 모델은 기존의 플라스틱 사출제품의 비용평가절차와 계산을 위해 필요로 하는 변수들을 극적으로 간단하게 하고 줄일 수 있다. 사례연구에서는 제안하는 하이브리드 모델과 기존의 multilayer perceptron networks (MLP) 및 pure SVR과의 비교분석을 통하여 제안모델이 플라스틱 사출 제품의 개발단계에서의 비용평가문제를 해결하는데 효율성과 효과성이 있음을 입증한다.

본 연구는 KOSPI200 종목의 주가를 효과적으로 예측하기 위해 기술적 분석 지표를 유전알고리즘(Genetic Algorithm, GA)으로 최적화하고 이를 Echo State Network(ESN)에 적용하는 방법론을 제안한다. 우선, KOSPI200의 시장 상태를 안정·비변동, 안정·변동, 추세·비변동, 추세·변동의 네 가지 유형으로 구분하였다. 이후 Golden/Dead Cross, MA Envelope, RSI, ROC, Stochastic과 같은 주요 기술적 분석 지표를 활용하여 매수·매도 신호를 생성하였다. 각 신호는 이동평균(MA)을 활용해 국지적 극값(최대/최소)의 전환점(TP)을 추출한 뒤, TP 시퀀스를 [-1,1]의 삼각파 형태로 변환하여 목표 신호를 생성하였다. 이와 같이 전처리 과정을 마친 후 GA를 통해 매수·매도 신호를 최적화하였으며, 최적화된 지표를 ESN 모델에 적용하여 수익률과 최대낙폭(MDD)을 검증하였다. 따라서, 본 연구는 전통적 기술적 분석의 한계를 보완하고, 변동성이 높은 시장 환경에서도 효율적인 투자 전략 수립 및 자동화된 의사결정 지원에 기여할 수 있음을 시사한다.

An UHF () RFID tag antenna is optimized and designed using a genetic algorithm (GA). The tag antenna impedance should be matched to the conjugate of the impedance of the tag IC Chip. The chip impedance has real and capacitive imaginary parts due to the parasitic capacitance of the RFID chip. A GA linked with a commercially available antenna simulation program optimizes the UHF tag antenna to match a commercially available RFID chip. This method shows that any RFID antenna can be designed for any commercial RFID chip with any impedance.

본 논문은 사전 학습된 벡터 양자화 변분 오토인코더(VQ-VAE)의 성능을 향상시키기 위한 유전 알고리즘 기반의 미세 조정 프레임워크를 제안한다. VQ-VAE 모델은 복잡한 데이터 분포에 대한 이산 잠재 표현 학습에서 우수한 성능을 보여왔으나, 코드북의 저활용 토큰들, 특히 지역 특징을 표현하는 토큰들의 불완전한 특징 포착으로 인해 그 성능이 제한적이었다. 이러한 한계를 극복하기 위해 본 연구에서는 코드북 유전 알고리즘(CGA)을 제안하여 저활용 토큰들을 선택적으로 최적화하고 이들의 표현 능력을 향상시키는 방법을 제시한다. 실험을 통해 제안된 방법이 계산 효율성을 유지하면서도 지역 특징의 표현을 효과적으로 개선하여, 다양한 데이터셋에서 더 균형 잡힌 코드북 활용도 와 향상된 재구성 품질을 달성할 수 있음을 입증했다.

This paper proposes a genetic algorithm-based fine-tuning framework to improve the performance of pre-trained Vector Quantized Variational Autoencoders (VQ-VAE). While VQ-VAE models have demonstrated excellent performance in learning discrete latent representations for complex data distributions, their performance has been limited by underutilized codebook tokens, particularly those representing local features, resulting in incomplete feature capture. To overcome these limitations, we propose a Codebook Genetic Algorithm (CGA) that selectively optimizes underutilized tokens and enhances their representational capabilities. Through experiments, we demonstrate that our proposed method effectively improves the representation of local features while maintaining computational efficiency, achieving more balanced codebook utilization and enhanced reconstruction quality across various datasets.

본 연구에서는 변형된 유전자 알고리즘인 2단계 탐색법을 이용한 방법을 이용하여 하천수질모형의 효과적인 자동보정 방법을 제안하였다. 낙동강 하류지점을 대상수계로 한 이번 연구에서는 너무 많은 반응계수의 조합이 만들어지게 되어 일반적인 유전자 알고리즘이 복잡한 수질모델을 보정하는 데는 적합하지 않게 나타났다. 이에 본 연구에서는 1단계에서는 모든 구간(reach)의 값을 하나의 값으로 고정시켜 탐색하고 다음 2단계에서는 1단계에서 제안한 값의 20% 범위에서 변수값이 변화하도록 하는 제한적 범위 탐색기법으로 자동보정을 수행하였다. 효율적인 수행을 위해 다양한 경우에 대한 수치실험을 수행하였고 수치실험결과 최적은 운전조건은 세대당 개체의 수는 100으로 하고 세대수는 약간의 여유분을 감안하여 200세대 교배율과 변종확률은 각각 0.1과 0.05로 정하였다. 보정한 결과는 2013년 낙동강의 수질측정치에 대한 비교(검증) 과정을 거쳐 최종 해를 선택하였다. 연구 결과 복잡한 형태의 함수나 변수가 너무 많거나 상호간의 상관성이 존재하는 경우에는 본 논문에서 제안한 제한적 범위 탐색기법의 적용이 성능을 높일 수 있는 방법이 될 수 있다.

We suggested an efficient automatic calibration of water quality model using the 2-step search genetic algorithm. In our research on water quality of Nakdong River area, there were 22 reaches of observations and 9 kinds of reaction coefficients. The preliminary experiment showed that the general genetic algorithm didn't fit for our calibration because there were too many variables and groups of variables were interrelated. In this paper, the calibration was accomplished in 2 steps. First, we ran the genetic algorithm with forcing same reaction coefficient value for all 22 reaches. Second, we used limited-range searching which variables were confined to under/over 20% of the first step result. To set the parameters for the genetic algorithm in water quality domain, we did various simulations in terms of number of generations, size of population, probability of crossover, and probability of mutation. As a result, we chose 200 generations, 100 populations, 0.1 for crossover, and 0.05 for mutation. After comparison between the final result with the 2013 observed data, we confirmed that the calibration result was fit for use. When applying the genetic algorithm to complex condition such as too many variables or correlation between variables, 2-step limited-range search could improve performance of the algorithm.

이 논문에서는 유전 알고리즘에 기반한 클러스터링 기법을 웹 페이지 클러스터링 문제에 적용하였다. 클러스터링 문제는 대표적인 조합 최적화 문제의 하나로서, 유의한 시간 내에 문제를 해결할 수 없는 NP-hard 문제이다. 클러스터링 알고리즘은 다양한 환경에서 적용되고 있으며 K-means 클러스터링 외에도 메타 휴리스틱 방법인 유전 알고리즘(Genetic Algorithm, GA), Simulated annealing(SA), Tabu search 등이 있다. 이 연구에서는 K-means 클러스터링 알고리즘의 거리 계산법을 유전알고리즘의 적응도 함수에 적용하였다. 웹 페이지 클러스터링을 위해 전처리 과정이 필요하고 본 연구에서는 정보검색기법에 주로 사용하는 tf․idf(term frequency and inverse document frequency) 모델을 사용하여 웹 페이지의 벡터를 벡터공간에 표현하였다. 유전 알고리즘을 통해 존재하는 여러 개의 해를 적합한 형태의 스트링으로 표현한 뒤, 선택, 교배, 변이 연산을 종료조건이 만족할 때까지 반복하여 최적해를 구하였다. 이 연구에서는 NP-hard인 웹 페이지 클러스터링 문제를 유전 알고리즘을 통하여 풀고 K-means 알고리즘과 비교 분석하여 우수한 결과를 얻었다.

현재의 주파수 분배상황을 살펴보면 대부분의 주파수 대역이 고정 할당되어 있으며 특히 무선통신 환경에 가장 적합한 저주파 대역 은 거의 사용할 여지가 없다. 이에 인지무선 기술은 무선통신환경에서 주파수 부족 문제를 해결하고 주파수 활용도를 높이기 위한 중요한 기술로 대두되고 있다. 본 논문에서는 SDR (Software Define Radio)플랫폼인 USRP (Universal Software Radio Peripheral) 보드와 SDR 개발 툴킷인 GNU Radio를 이용하여 실제 인지무선(Cognitive Radio : CR) 시스템에서 데이터를 송, 수신하였다. 구체 적으로 스펙트럼 센싱 기술을 이용하여 면허 사용자의 주파수 사용 여부를 감지하여 이 정보를 데이터베이스로 넘겨준다. 정보를 넘겨받은 데이터베이스에서는 유전자 알고리즘을 이용하여 최적의 송신전력과 대역폭, 채널 정보를 인지무선 기기에 보내어 주어 인지무선 기기가 면허 사용자에게 아무런 간섭을 주지 않고 데이터 통신을 할 수 있도록 하였다.

Currently, most of the frequency spectrum resources are allocated and due to the lack of frequency, low frequency band, optimal for wireless communication environment is not used. Therefore, Cognitive Radio (CR) is a critical issue to solve the spectrum scarcity and to improve frequency spectrum utilization in wireless communication. In this paper, we implement data transmission and receive in a real CR system using the USRP(Universal Software Radio Peripheral) board and GNU Radio package of an open source development kit. Concretely, we detect the Primary User by spectrum sensing, and then we send Primary User information to the database. After receiving the information, because the database already sent optimal transmit power, bandwidth and channel information to CR equipment, CR can communicate without any interference to Primary User.

데이터 전처리 기법 중 하나인 특징 선택은 대규모 데이터셋을 다루는 다양한 응용분야에서 주요 연구 분야 중 하나로 각광받고 있다. 특징 선택은 패턴 인식, 기계학습 및 데이터 마이닝에서 사용됐고, 최근에는 텍스트 분류, 이미지 검색, 침입 탐지 및 게놈 분석과 같은 다양한 분야에 널리 적용되고 있다. 제안 방법은 메타 휴리스틱 알고리즘 중의 하나인 유전 알고리즘을 기반으로 한다. 특징 부분 집합을 찾는 방법은 크게 필터(filter) 방법과 래퍼(wrapper) 방법이 있는데, 본 연구에서는 최적의 특징 부분 집합을 찾기 위해 실제 분류기를 사용한 평가를 하는 래퍼 방법을 사용한다. 실험에 사용한 훈련 데이터셋은 클래스 불균형이 심하여 희소클래스에 대한 분류 성능을 높이기 어렵다. SMOTE 기법을 적용한 훈련 데이터셋을 사용하여 특징 선택을 하고 다양한 기계학습 알고리즘을 사용하여 선택한 특징들의 성능을 평가한다.

Feature selection, one of data preprocessing techniques, is one of major research areas in many applications dealing with large dataset. It has been used in pattern recognition, machine learning and data mining, and is now widely applied in a variety of fields such as text classification, image retrieval, intrusion detection and genome analysis. The proposed method is based on a genetic algorithm which is one of meta-heuristic algorithms. There are two methods of finding feature subsets: a filter method and a wrapper method. In this study, we use a wrapper method, which evaluates feature subsets using a real classifier, to find an optimal feature subset. The training dataset used in the experiment has a severe class imbalance and it is difficult to improve classification performance for rare classes. After preprocessing the training dataset with SMOTE, we select features and evaluate them with various machine learning algorithms.

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되 었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미 터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들 은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

Corporate credit rating assessment consists of complicated processes in which various factors describing a company are taken into consideration. Such assessment is known to be very expensive since domain experts should be employed to assess the ratings. As a result, the data-driven corporate credit rating prediction using statistical and artificial intelligence (AI) techniques has received considerable attention from researchers and practitioners. In particular, statistical methods such as multiple discriminant analysis (MDA) and multinomial logistic regression analysis (MLOGIT), and AI methods including case-based reasoning (CBR), artificial neural network (ANN), and multiclass support vector machine (MSVM) have been applied to corporate credit rating.2) Among them, MSVM has recently become popular because of its robustness and high prediction accuracy. In this study, we propose a novel optimized MSVM model, and appy it to corporate credit rating prediction in order to enhance the accuracy. Our model, named ‘GAMSVM (Genetic Algorithm- optimized Multiclass Support Vector Machine),’ is designed to simultaneously optimize the kernel parameters and the feature subset selection. Prior studies like Lorena and de Carvalho (2008), and Chatterjee (2013) show that proper kernel parameters may improve the performance of MSVMs. Also, the results from the studies such as Shieh and Yang (2008) and Chatterjee (2013) imply that appropriate feature selection may lead to higher prediction accuracy. Based on these prior studies, we propose to apply GAMSVM to corporate credit rating prediction. As a tool for optimizing the kernel parameters and the feature subset selection, we suggest genetic algorithm (GA). GA is known as an efficient and effective search method that attempts to simulate the biological evolution phenomenon. By applying genetic operations such as selection, crossover, and mutation, it is designed to gradually improve the search results. Especially, mutation operator prevents GA from falling into the local optima, thus we can find the globally optimal or near-optimal solution using it. GA has popularly been applied to search optimal parameters or feature subset selections of AI techniques including MSVM. With these reasons, we also adopt GA as an optimization tool. To empirically validate the usefulness of GAMSVM, we applied it to a real-world case of credit rating in Korea. Our application is in bond rating, which is the most frequently studied area of credit rating for specific debt issues or other financial obligations. The experimental dataset was collected from a large credit rating company in South Korea. It contained 39 financial ratios of 1,295 companies in the manufacturing industry, and their credit ratings. Using various statistical methods including the one-way ANOVA and the stepwise MDA, we selected 14 financial ratios as the candidate independent variables. The dependent variable, i.e. credit rating, was labeled as four classes: 1(A1); 2(A2); 3(A3); 4(B and C). 80 percent of total data for each class was used for training, and remaining 20 percent was used for validation. And, to overcome small sample size, we applied five-fold cross validation to our dataset. In order to examine the competitiveness of the proposed model, we also experimented several comparative models including MDA, MLOGIT, CBR, ANN and MSVM. In case of MSVM, we adopted One-Against-One (OAO) and DAGSVM (Directed Acyclic Graph SVM) approaches because they are known to be the most accurate approaches among various MSVM approaches. GAMSVM was implemented using LIBSVM-an open-source software, and Evolver 5.5-a commercial software enables GA. Other comparative models were experimented using various statistical and AI packages such as SPSS for Windows, Neuroshell, and Microsoft Excel VBA (Visual Basic for Applications). Experimental results showed that the proposed model-GAMSVM-outperformed all the competitive models. In addition, the model was found to use less independent variables, but to show higher accuracy. In our experiments, five variables such as X7 (total debt), X9 (sales per employee), X13 (years after founded), X15 (accumulated earning to total asset), and X39 (the index related to the cash flows from operating activity) were found to be the most important factors in predicting the corporate credit ratings. However, the values of the finally selected kernel parameters were found to be almost same among the data subsets. To examine whether the predictive performance of GAMSVM was significantly greater than those of other models, we used the McNemar test. As a result, we found that GAMSVM was better than MDA, MLOGIT, CBR, and ANN at the 1% significance level, and better than OAO and DAGSVM at the 5% significance level.

Many of companies have made significant improvements for globalization and competitive business environment The supply chain management has received many attentions in the area of that business environment. The purpose of this study is to generate realistic production and distribution planning in the supply chain network. The planning model determines the best schedule using operation sequences and routing to deliver. To solve the problem a hybrid approach involving a genetic algorithm (GA) and computer simulation is proposed. This proposed approach is for: (1) selecting the best machine for each operation, (2) deciding the sequence of operation to product and route to deliver, and (3) minimizing the completion time for each order. This study developed mathematical model for production, distribution, production-distribution and proposed GA-Simulation solution procedure. The results of computational experiments for a simple example of the supply chain network are given and discussed to validate the proposed approach. It has been shown that the hybrid approach is powerful for complex production and distribution planning in the manufacturing supply chain network. The proposed approach can be used to generate realistic production and distribution planning considering stochastic natures in the actual supply chain and support decision making for companies.

북한은 현재 다양한 종류의 탄도탄을 보유하고 있으며, 이는 한반도에 직접적인 위협이 되고 있다. 따라서 한반도 환경에 적합한 “한국형 미사일 방어체계”를 조기에 구축하여야 한다. 이를 위해서는 대탄도탄 징후감시체계를 갖추어야 하며, 일원화된 작전통제체제와 요 격수단을 적정 확보하여야 한다. 본 연구에서는 미사일 다층방어체계 구축을 위해 모의 분석 모델을 개발하고 이를 적용 하여 가장 효과적인 최적배치 방안과 소요전력 대안을 제시한다. 또한 소요전력 운용대안 별 방어능력을 유전자 알고리즘을 활용하여 분석하여 다층ㆍ복합적 방어개념을 적용한 효 과적인 한국형 전구 탄도탄 방어체계 대안을 도출할 것이다

North Korea currently has a variety of ballistic missiles, which pose a direct threat to the Korean Peninsula. Accordingly, it is necessary to establish a " Korea Air and Missile Defense System(KAMD) " that is suitable for the Korean Peninsula environment in an early stage. This requires the establishment of an Anti Ballastic Missile Early Warning system and proper securing of the integrated operational control system and the means of interception. In this study, For creating a multiple layers of missile defense systems, a simulation model is developed and applied to provide the most effective deployment methods and required Forces. In addition, it will analyze the defense capabilities of the each Required Forces operation alternatives using genetic algorithms to come up with an effective alternative to Korea Air and Missile Defense System applied with multiple layers defense concepts.

공급사슬관리(Supply Chain Management)는 기업의 규모가 커지고 관리하는 제품의 수가 다양해지면서 그 중요성이 증대되고 있는 실정이다. 제조 기업의 공급사슬관리 최적화를 위해서는 다양한 변수를 고려하여 생산계획과 분배계획을 효율적으로 수립하여야 하며 각 개별의 단계를 통합적 관접에서 고려하여야 한다. 본 논문은 첫째, 고객의 수요가 다기간이며 확정된 수요정보가 생산자 단계의 생산능력 범위 내에서 변동함에 있어서 공급사슬관리의 최적화된 운영방안에 대해서 제시하였다. 둘째, 공급사슬관리에 있어서 생산계획과 분배계획 수립에 있어 재고비용과 수요불충분비용을 고려하여 최적화된 수요대응방안을 도출하도록 하였다. 본 논문은 기존의 그 유용성이 입증된 유전자 알고리즘(Genetic Algorithm)을 응용 적용하였으며 확정된 수요정보의 기간 및 변동성에 대응하기 위해 두 가지 방안으로 나누어 공급사슬관리의 최적화된 운영방안에 대해 제시하는데 그 의의가 있다.

Supply Chain Management(SCM) is getting important, because size of the company is getting bigger and the kinds of product are various. In the case of manufacturing corporation, for the optimization of SCM, we have to make production and distribution plan by considering the various fluctuation in the aspect of integration. In this paper, first, It proposed the reasonable operational way of the SCM about when the customer’s demanding is various and demanding expectation fluctuates in capacity standardization of producer stage. Second, the paper proposed the management way for demanding by considering confirmed demanding information, related inventory expense and demanding shortage expense when we make production and distribution plan. The paper applied the genetic algorithm proved for current usefulness. it proposed the optimal operational way for SCM by dividing into 2 ways for dealing with the duration of confirmed demanding information and various fluctuation.

In collective housing, the view quality is considered important in the respect of dwelling quality, economic value, and so on. Due to the densification of collective housing, it is becoming more important to solve problems such as visual infringement caused by interference between adjacent buildings. The purpose of this study is to propose the quantitative analysis methodology the visual openness of individual units in collective housing, and to propose the visual optimization model that derives the optimized collective housing layout. Through the review of the preceding literature, the definition of the view and the standard of the viewing point were prepared, and the visual analysis methodology was established by applying the isovist theory to quantify visual openness. For optimization of view quality, the visual optimization model was established by applying the NSGA-II theory, a kind of genetic algorithm. In order to examine the effectiveness of the visual optimization model, the model was applied to an existing collective housing and alternative layouts were generated as visually optimized. Finally, suitability of the layouts was reviewed.

정보보호는 기업의 운영과 고객의 신뢰를 보장하는 필수요소이며 침해사고 예방을 통해 불확실한 피해를 완화시킬 수 있기 때문에 적절한 정보보호 대책의 선택과 적정투자 수준을 결정하는 것이 중요하다. 본 연구는 다양한 산업군에 속해있는 기업에서 정보보호 대책 투자에 활용할 수 있는 예산 범위에서 구성할 수 있는 최적의 정보보호 대책 포트폴리오 구성뿐만 아니라, 각 대책의 적절한 투자 수준에 대한 의사결정 지원 모델을 제시한다. 이를 위하여 산업군별 침해사고 유형 통계를 분석하고 유전자 알고리즘을 활용하여 최적 정보보호 대책 투자 포트폴리오를 도출한다. 도출된 모델을 기존 유전자 알고리즘을 이용한 정보보호 대책 투자 최적화 모델과 비교하고 기업 대상 설문 조사를 통하여 실제 사례를 분석한다.

Information security is an essential element not only to ensure the operation of the company and trust with customers but also to mitigate uncertain damage by preventing information data breach. Therefore, It is important to select appropriate information security countermeasures and determine the appropriate level of investment. This study presents a decision support model for the appropriate investment amount for each countermeasure as well as an optimal portfolio of information countermeasures within a limited budget. We analyze statistics on the types of information security breach by industry and derive an optimal portfolio of information security countermeasures by using genetic algorithms. The results of this study suggest guidelines for investing in information security countermeasures in various industries and help to support objective information security investment decisions.

북미시장에서 국내 가전업체의 브랜드 및 제품 인지도는 크게 성장했으며 북미 소비자들에게 국내 기업의 제품은 성능이 좋고 혁신적인 기술 제품으로 인식되고 있다. 또한 에너지 절약을 원하는 소비자가 늘어나면서 국내 가전제품의 에너지 절약 측면에서 우수성이 부각됨에 따라 시장점유율이 상승으로 이어지고 있다. 최근 스마트폰과 모바일 기기 시장 확대 및 스마트 그리드 기술 발달의 영향으로 가전제품 시장에도 스마트 열풍이 거세게 몰아치고 있는데, 국내 기업들은 가전제품과 결합된 다양한 부가기능을 통해 소비자 편의를 제공함에 따라 지속적인 제품개발 을 하고 있다. 본 연구에서는 지속적인 경쟁우위를 유지하기 위한 방안으로 국내 A사의 북미시장에서의 TV 판매 데 이터를 이용하여 북미시장에서의 가전제품 판매예측을 위한 융합모델을 개발하고자 한다. 본 연구에서는 인공신경망 과 유전자 알고리즘 기반의 융합모델을 이용한 가전제품의 판매예측을 수행하기로 한다. 추가적으로 본 연구에서는 제안한 융합모델과 기존의 예측모델과의 비교분석을 통해 제안한 융합모델의 우수성을 입증하기로 한다.

The brand and product awareness of Korean electronics companies in the North American market has grown significantly and North American consumers has been recognized as an innovative technology products good performance of Korean electronics appliances. The consumer need of energy saving has led to a rise in market share because Korean electronics appliances have the excellence in energy saving aspects. The expansion of smartphones and mobile devices and the development of smart grid technology can affect electronics market. Domestic companies are continuously develop new product to provide consumers convenient with a variety of additional features combined consumer products. This study proposes a convergence model for sales prediction of electronic appliances using sales data of A company from the North American market. We develop the convergence model for sales prediction based on based on artificial neural network and genetic algorithm. In addition, we validate the superiority of the proposed convergence model by comparing the prediction performance of traditional prediction models.

This paper considers the sequencing of products in mixed model assembly lines under Just-In-Time (JIT) systems. Under JIT systems, the most important goal for the sequencing problem is to keep a constant rate of usage every part used by the systems. The sequencing problem is solved using Genetic Algorithm Genetic Algorithm is a heuristic method which can provide a near optimal solution in real time. The performance of proposed technique is compared with existing heuristic methods in terms of solution quality. Various examples are presented and experimental results are reported to demonstrate the efficiency of the technique.

최근에 진화연산방법은 건설 분야의 여러 문제에 성공적으로 적용되어 왔으며 대표적인 방법으로는 유전자 알고리즘과 Particle Swarm Optimization이 있다. 유전자 알고리즘은 생물유전학과 자연선택이론에 바탕을 둔 병렬적인 최적화 탐색방법이며 PSO는 새나 물고리 무리의 집단적인 행동에서 영감을 얻은 진화형 통계탐색방법이다. 두 방법은 많은 유사한 점을 공유하고 있지만, 어느 한 방법이 다른 방법도 효율과 효과 면에서 항상 뛰어나다는 것을 증명할 수 없다. 이에 본 연구는 유전자 알고리즘과 PSO방법 중 어떤 방법이 공동주택 사업초기단계에서의 공사비 예측문제에서 더 뛰어난 예측성능을 보여주는 지를 조사하였다. 한국건설감리협회의 감리자 입찰공고를 통해 수집한 219개의 공동주택 사업자료를 가지고 NeuroShell Predictor 소프트웨어에서 두 방법을 이용한 예측모델을 제시하였고 모델의 예측성능을 점검하였다. 소프트웨어에서 제공하는 높은 R-squared 및 상관계수값을 통해서 두 예측모델의 성능은 우수한 것으로 판명되었으나 PSO 기반 예측모델이 유전자 알고리즘 기반 모델보다 평가시험그룹에서의 예측정확도면에서 약간 더 우수한 것으로 나타났다.

In recent years, evolutionary computation methods have been successfully applied to various problems in the construction field. Two of these popular methods are Genetic Algorithm(GA) and Particle Swarm Optimization(PSO). GA is a parallel search method for an optimal solution based on the genetics and natural selection and PSO is a population-based stochastic optimization method inspired by social behavior of bird flocking or fish schooling. While two methods share many similarities, one cannot be proven to always outperform the other in terms of efficiency and effectiveness. From this point, this paper examined whether GA or PSO is superior at a problem to predict construction cost on apartment housing projects at the early stage. With 219 apartment housing project data obtained from bidding announcements for construction supervisors in the Korea Construction Consulting Engineers Association, prediction models using two methods were suggested in the NeuroShell Predictor software and prediction performances of two models were checked. From high R-squared and correlation coefficient values provided by the software, performances of two prediction models were found to be good. However, the findings also showed that the PSO-based model is slightly better than the GA-based one in the comparison of prediction accuracy on the testing dataset.