최적화 문제를 해결하기 위한 새로운 Human Conception Optimizer

Scientific Reports 12권, 기사 번호: 21631(2022) 이 기사 인용

2053 액세스

16 알트메트릭

측정항목 세부정보

컴퓨팅 기술은 공학, 금융, 생물학 등과 같은 다양한 분야에서 복잡한 최적화 문제를 해결하는 데 널리 사용됩니다. 본 논문에서는 모든 최적화 문제를 해결하기 위한 새로운 메타휴리스틱 알고리즘으로 Human Conception Optimizer(HCO)를 제안합니다. 이 알고리즘의 아이디어는 건강한 정자 세포만 자궁 경부로 들어갈 수 있도록 하는 여성 생식 기관의 자궁 경부 젤의 선택적인 특성, 정자의 추적을 돕는 점액 젤의 유도 특성 등 인간 임신 과정의 일부 생물학적 원리를 기반으로 합니다. 나팔관에서 난자를 향한 생식기 추적 경로, 정자 세포가 생식계에서 움직일 수 있도록 하는 편모 운동의 비대칭 특성, 난자를 수정시킬 수 있도록 하는 정자의 과잉 활성화 과정. 따라서 나팔관에서 난자를 찾기 위해 정자가 추구하는 전략은 수학적으로 모델링되었습니다. 난자의 위치에 가장 잘 맞는 정자가 알고리즘의 해결책이 될 것입니다. 제안된 HCO 알고리즘의 성능은 IEEE CEC-2005 및 IEEE CEC-2020이라는 기본 벤치마크 테스트 기능 세트를 사용하여 검사됩니다. HCO 알고리즘과 다른 사용 가능한 알고리즘 간의 비교 연구도 수행됩니다. 결과의 유의성은 통계적 테스트 방법을 통해 검증됩니다. 제안된 HCO 알고리즘을 검증하기 위해 두 가지 실제 엔지니어링 최적화 문제를 검사합니다. 이를 위해 복잡한 14 과전류 릴레이 기반의 IEEE 8 버스 분배 시스템이 고려됩니다. 제안된 알고리즘을 사용하면 동일한 시스템에 대한 기존 결과와 비교하여 총 계전기 작동 시간이 50%~60% 향상되는 것으로 관찰됩니다. 송풍기 구동 환자 호스 기계식 인공호흡기(MV)를 위한 최적의 비례 적분 미분(PID) 컨트롤러를 설계하는 또 다른 엔지니어링 문제를 검토합니다. 기존 결과와 비교하여 MV 시스템에서는 응답 시간, 정착 시간 측면에서 상당한 개선이 관찰되었습니다.

최적화 방법은 공학, 경영, 금융 등 다양한 분야에서 실시간 문제의 최적해를 찾기 위한 수치계산법이다1,2,3,4,5,6. 분석 최적화 방법은 복잡한 최적화 문제에 대한 최적의 솔루션을 얻기 위한 복잡하고 시간이 많이 걸리는 프로세스입니다. 다시 말하지만, 경험적 최적화 방법은 문제에 따른 기술입니다7. 최적화 문제의 특수성이 필요합니다. 그들은 지역적 해결책에 갇히기에는 너무 탐욕스럽습니다. 메타 휴리스틱 방법은 문제에 독립적입니다. 최적성을 보장하지 않고도 수용 가능한 솔루션을 제공할 수 있습니다8. 간단한 개념을 쉽게 구현하여 복잡한 문제를 빠르게 해결하는 메타휴리스틱 알고리즘을 만들 수 있습니다. 이러한 알고리즘은 알고리즘의 구조를 변경하지 않고도 모든 최적화 문제에 적용될 수 있습니다. 분석 기반 최적화 알고리즘에 비해 메타휴리스틱 알고리즘은 최적의 솔루션을 찾기 위한 도출 작업이 없습니다. 따라서 실시간 문제는 시스템의 입력 및 출력 정보만 필요한 모든 메타휴리스틱 알고리즘으로 해결할 수 있습니다9. 따라서 연구자들은 진화의 개념, 자연생물의 행동, 동물에 따른 사냥절차 등 자연적인 개념을 활용한 메타휴리스틱 알고리즘 개발에 우선순위를 두고 있다9,10,11.

메타휴리스틱 알고리즘에서는 새로운 솔루션을 탐색하고 이를 전송하여 주어진 문제에 대한 최상의 솔루션을 활용하는 것부터 시작합니다11. 메타휴리스틱 알고리즘의 활용 단계에서는 모집단에서 사용할 수 있는 최상의 솔루션을 기반으로 새로운 솔루션이 생성됩니다. 따라서 메타휴리스틱 알고리즘은 탐색 및 활용 프로세스를 사용하여 로컬 트래핑 문제를 피하고 최적의 솔루션으로 수렴합니다. 또한, 이러한 알고리즘의 탐색 및 활용 단계에서 적절한 균형을 유지함으로써 기존 방법의 로컬 최적성 문제를 피할 수 있습니다12,13.