Earticle

k -club은 소셜 네트워크 분석에서 다양한 형태의 소셜 그룹을 설명하기 위해 제안된 그래프 모델 중 하나로, 단순 그래프에서 부분 정점 집합 S 에 의한 유도 부분그래프(Induced subgraph)의 지름이 k보다 작거나 같은 경우 S 를 k -club이라 한다. 본 논문에서는 유전알고리즘을 이용하여 그래프에서 크기가 최대인 k -club을 찾는 문제인 Mk CP(Maximum k -Club Problem)을 계산하는 HGA+DROP 알고리즘을 제안한다. 본 알고리즘은 k -club을 위한 휴리스틱 알고리즘 k -CLIQUE & DROP을 변형하고 휴리스틱 유전 알고리즘(HGA)을 사용해 한 번의 수행으로 복수 개의 k -club을 구하였다. 기존 알고리즘의 결과와 비교하기 위해 DIMACS 그래프들에 대하여 k 가 2, 3, 4 그리고 5일 때 MkCP를 계산하였다.

Given an undirected simple graph, k -club is one of the proposed structures to model social groups that exist in various types in Social Network Analysis (SNA). Maximum k -Club Problem (Mk CP) is to find a k -club of maximum cardinality in a graph. This paper introduces a Genetic Algorithm called HGA+DROP which can be used to approximate maximum k -club in graphs. Our algorithm modifies the existing k -CLIQUE & DROP algorithm and utilizes Heuristic Genetic Algorithms (HGA) to obtain multiple k-clubs. We experiment on DIMACS graphs for k = 2, 3, 4 and 5 to compare the performance of the proposed algorithm with existing algorithms.

In this paper, a procedure using a genetic algorithm (GA) and a heuristic local search (HLS) is proposed for solving facility rearrangement problem (FRP). FRP is a decision problem for stopping/running of facilities and integration of stopped facilities to running facilities to maximize the production capacity of running facilities under the cost constraint. FRP is formulated as an integer programming model for maximizing the total production capacity under the constraint of the total facility operating cost. In the cases of 90 percent of cost constraint and more than 20 facilities, the previous solving method was not effective. To find effective alternatives, this solving procedure using a GA and a HLS is developed. Stopping/running of facilities are searched by GA. The shifting the production operation of stopped facilities into running facilities is searched by HLS, and this local search is executed for one individual in this GA procedure. The effectiveness of the proposed procedure using a GA and HLS is demonstrated by numerical experiment.

경로 탐색 알고리즘은 이동 가능한 에이전트가 게임 내의 가상 월드에서 현재 위치로부터 목적지까지 가는 경로를 탐색하는 알고리즘을 뜻한다. 기존의 경로 탐색 알고리즘은 A*, Dijkstra와 같이 비용기반으로 그래프 탐색을 수행한다. A*와 Dijkstra는 월드 맵에서 이동 가능한 노드와 에지 정보들을 필요로 해서 맵의 정보가 다양하고 많은 온라인 게임에 적용하기 힘들다. 본 논문에서는 가변환경이나 맵의 데이터가 방대한 게임에서 적용 가능한 경로 탐색 알고리즘을 개발하기 위해 맵의 정보 없이 교배, 교차, 돌연변이, 진화 연산을 통해 해를 찾는 유전 알고리즘(Genetic Algorithm, GA)을 활용한 Heuristic-based Genetic Algorithm Path-finding(HGAP)를 제안한다. 제안하는 알고리즘은 Binary-Coded Genetic Algorithm을 기반으로 하며 목적지에 더 빨리 도달하기 위해 목적지로 가는 경로를 추정하는 휴리스틱 연산을 수행하여 경로를 탐색한다.

The path-finding algorithm refers to an algorithm for navigating the route order from the current position to the destination in a virtual world in a game. The conventional path-finding algorithm performs graph search based on cost such as A-Star and Dijkstra. A-Star and Dijkstra require movable node and edge data in the world map, so it is difficult to apply online games with lots of map data. In this paper, we provide a Heuristic-based Genetic Algorithm Path-finding(HGAP) using Genetic Algorithm(GA). Genetic Algorithm is a path-finding algorithm applicable to game with variable environment and lots of map data. It seek solutions through mating, crossing, mutation and evolutionary operations without the map data. The proposed algorithm is based on Binary-Coded Genetic Algorithm and searches for a path by performing a heuristic operation that estimates a path to a destination to arrive at a destination more quickly.

휴리스틱 기반의 유전 알고리즘 경로 탐색(H-GAP)은 노드, 에지 정보를 필요로 하지 않기 때문에 기존 경로 탐색 알고리즘의 단점을 보완하고 빠른 속도로 경로 탐색을 수행할 수 있다. 하지만 H-GAP를 이용해 탐색한 경로는 비 노드 기반이기 때문에 불필요한 경로 정보가 포함되어 탐색된 경로가 최적의 경로가 아닐 때도 있다. 본 논문에서는 H-GAP를 이용해 탐색한 경로를 최적화하는 알고리즘을 제안한다. 제안하는 알고리즘은 H-GAP의 경로 탐색이 완료된 후 광선 추적 알고리즘을 이용해 불필요한 경로 정보를 제거하여 경로를 최적화한다.

Heuristic based Genetic Algorithm Pathfinding(H-GAP), a method without the need for node and edge information, can compensate the disadvantages of existing pathfinding algorithm, and perform the path search at high speed. However, because the pathfinding by H-GAP is non-node-based, it may not be an optimal path when it includes unnecessary path information. In this paper, we propose an algorithm to optimize the search path using H-GAP. The proposed algorithm optimizes the path by removing unnecessary path information through ray-tracing algorithm after the H-GAP path search is completed.

휴리스틱 기반의 유전 알고리즘 경로 탐색(H-GAP)은 노드, 에지 정보를 필요로 하지 않기 때문에 기존 경로 탐색 알고리즘의 단점을 보완하고 빠른 속도로 경로 탐색을 수행할 수 있다. 하지만 H-GAP를 이용해 탐색한 경로는 비 노드 기반이기 때문에 불필요한 경로 정보가 포함되어 탐색된 경로가 최적의 경로가 아닐 때도 있다. 본 논문에서는 H-GAP를 이용해 탐색한 경로를 최적화하는 알고리즘을 제안한다. 제안하는 알고리즘은 H-GAP의 경로 탐색이 완료된 후 광선 추적 알고리즘을 이용해 불필요한 경로 정보를 제거하여 경로를 최적화한다.

Heuristic based Genetic Algorithm Pathfinding(H-GAP), a method without the need for node and edge information, can compensate the disadvantages of existing pathfinding algorithm, and perform the path search at high speed. However, because the pathfinding by H-GAP is non-node-based, it may not be an optimal path when it includes unnecessary path information. In this paper, we propose an algorithm to optimize the search path using H-GAP. The proposed algorithm optimizes the path by removing unnecessary path information through ray-tracing algorithm after the H-GAP path search is completed.

This paper suggests a hybrid genetic algorithm for asymmetric traveling salesman problem(TSP). The TSP was proved to be NP-complete, so it is difficult to find optimal solution in reasonable time. Therefore it is important to develope an algorithm satisfying robustness. The algorithm applies dynamic programming to find initial solution. The genetic operator is uniform order crossover and scramble sublist mutation. And experiment of parameterization has been performed.

본 연구는 Heuristic 알고리즘 및 유전자알고리즘(GA)을 이용하여 3단계의 통합차량운송계획 모델의 개발이다. 차량경로문제(VRP : Vehicle Routing Problem)를 해결하기 위한 접근방법으로 기존의 Saving 알고리즘을 개선하여 사용하였으며 유전자 알고리즘(Genetic Algorithm)의 각종 연산자 (Operators)들을 계산하여 사용하였다. 본 모델은 다음 3단계의 접근방법을 사용하였다 ; 1) 다 물류 센터의 문제해결을 위한 영역활당(Sector Clustering) 모델, 2) 경로계획모델(VRP Model), 및 3) 최적 운송계획모델(GA-TSP Model). 본 모델들을 다양한 운송환경에서, 거리산정방법, 가용운송장비 대수, 운송시간의 제한, 물류센터 및 운송지점의 위치 및 수요량 등 다양한 파라메터들을 고려한 통합시스템으로 3개의 Component로 구성된 GUI-Type 프로그램을 개발하고 Sample 응용결과를 보였으며 기존의 모델들 보다 우수한 결과를 보였다.