분류자 시스템을 이용한 Artificial Ant의 적응행동의 학습 = Learning of Adaptive Behavior of Artificial Ant Using Classifier System
저자
발행기관
학술지명
생산공학연구소 논문집(Journal of The Research Institute of Production Engineering)
권호사항
발행연도
1998
작성언어
Korean
KDC
500
자료형태
학술저널
수록면
95-105(11쪽)
제공처
소장기관
유전자 알고리즘(GA)의 대표적인 두 가지 응용분야는 최적화와 기계학습분야이다. 기계학습에서는 복잡한 시스템을 대상으로 하여 그 대상 시스템을 학습시킬 뿐만 아니라 시스템에 대한 적절한 출력을 만들어 내는 두 가지의 목적을 가진다. 이러한 기계학습에 유전자 알고리즘을 이용하는 것을 GA 기계학습이라고 한다. 이를 또한 GBML(genetics-based machine learning) 이라고도 한다. 기계학습이 최적화 문제와 근본적으로 다른 점은 규칙의 조를 구하지 않으면 안 되는 점이다. 최적화 문제에서는 최적 해에 가까운 우수한 개체를 생성하는 것이 목적이기 때문에 최후의 한 종류만의 개체에 수렴하면 되지만, 기계학습에서는 가장 좋은 규칙을 하나만 구하면 되는 것이 아니라 서로 협조하는 규칙의 집합을 구하는 것이 필요하다. GBML에 대표적인 방법은 크게 Michigan 방법과 Pittsburgh 방법이 있다. 전자는 각각의 규칙이 하나인 스트링으로 표현되고 후자는 전체의 규칙집합이 하나의 스트링으로 표현되어 진화를 한다. 즉 규칙집합을 하나만가지는 것과 여러개를 가지는 차이점이 있는 것이다. 이중 Michigan 방법은 Holland의 classifier system 이 대표적인 모델이다. 분류자 시스템의 입력 부분에 가까이 있는 메시지 리스트를 이용하여 시스템 내에서 생성되는 분류자 리스트의 요소인 classifier를 정비해 간다. 이 방법에서는 규칙을 한조 가지고 온라인으로 정비하기 때문에 실제의 문제에 대해서 실시간 처리와 온라인 학습이 가능하다. 본 논문에서는 performance system, apportionment of credit system, rule discovery system 으로 구성된 learning classifier system을 사용하여 artificial ants의 적응행동의 학습과 진화를 통하여 먹이 탐색문제를 해결한다.
The main two applications of the Genetic Algorithms(GA) are the optimization and the machine learning. Machine Learning has two objectives that make the complex system lean its environment and produce the proper output of a system. The machine learning using the Genetic Algorithms is called GA machine learning or genetic-based machine learning(GBML). The machine learning is different from the optimization problems in finding the rule set. In optimization problems the population of GA should converge into the best individual because their objective is the production of the individual near the optimal solution. On the contrary, the machine learning systems need to find the set of cooperative rules. There are two methods in GBML, Michigan method and Pittsburgh method. The former is that each rule is expressed with a string, the latter is that the set of rules is coded into a string. The classifier system of Holland is the representative model of the Michigan method. The classifier systems arrange the strength of classifiers of classifier list using the message list. In this method, the real time process and on-line learning is possible because a set of rule is adjusted on-line. A classifier system has three major components: Performance system, apportionment of credit system, rule discovery system In this paper, we solve the food search problem with the learning an evolution of an artificial ant using the learning classifier system.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)