Save this PDF as:
 WORD  PNG  TXT  JPG

Size: px
Start display at page:

Download ""

Transcription

1 사용자지침서

2

3

4

5

6

7

8 Gene1=[ , 1.56 ]; Gene2=[ , 2.58 ]; Gene3=[ , 1.97 ]; : : Population=[ Gene1; Gene2; Gene3; ]; Gene1=[ , 2.67]; Gene2=[ , 12.5]; Gene3=[ , 5.66]; : : Population=[Gene1; Gene2; Gene3;...];

9 CEMTool>> f=[2:5:0.1]; CEMTool>> a=0.7; // 조정상수 (scale constant) CEMTool>> b=0; // 조정상수 (scale constant) CEMTool>> newf=a*f+b;

10 CEMTool>> plot(f,newf) CEMTool>> mean(f) CEMTool>> mean(newf) 순위 η η η

11 CEMTool>> f=[1:100:1]'; // 적합도의순위를 1에서 100까지만듦 CEMTool>> opt=1.5; CEMTool>> nf=bak_rank(f,opt); // Baker linear ranking 적용 CEMTool>> plot(f,nf)

12

13 CEMTool>>f=[ ]; // 적합도를임의로할당 CEMTool>>sumf=sum(f); // 적합도의전체합으로각각의적합도나눔 CEMTool>>sumf 10 CEMTool>>newf=f/sumf newf =

14

15 CEMTool>> m1=[ ]; CEMTool>> m2=[ ]; CEMTool>> [c1,c2]=s_xover(m1,m2,0.7) c1 = c2 = 교차위치

16 α α α α CEMTool>> m1=[ ]; CEMTool>> m2=[ ]; CEMTool>> opt=[ ]; //Range와재결합이일어날확률을정의한다. CEMTool>> [c1 c2]=int_re(m1,m2,opt) c1 = c2 =

17 CEMTool>> m=[ ]; CEMTool>> opt=[0.5 1]; // 돌연변이확률 0.5, 시행회수 1 CEMTool>> c=s_mut(m,opt) c = 돌연변이연산이일어난지점

18 CEMTool>> [Pop ChromLen]=init_sga(PopSize,Bounds,"fdemo1",Options); for (Generation=1; Generation<=MaxGen; Generation=Generation+1) {

19 while (NewPopNum<=PopSize) { [Mate1, Mate2]=s_sel(Pop(:,TotalLen),[]); } [Child1,Child2]=s_xover(Pop(Mate1,:),Pop(Mate2,:),XoverOpt); } for (cnt=1;cnt<=popsize;cnt=cnt+1) Pop(cnt,:)=s_mut(Pop(cnt,:),MutOpt); BestIndi=sel_best(Pop,[]) [Pop ChromLen]=init_sga(PopSize,Bounds,"fdemo1",Options); for (Generation=1;Generation<=MaxGen;Generation=Generation+1)

20 { while (NewPopNum<=PopSize) { [Mate1, Mate2]=s_sel(Pop(:,TotalLen),[]); [Child1,Child2]=s_xover(Pop(Mate1,:),Pop(Mate2,:),XoverOpt); } for (cnt=1;cnt<=popsize;cnt=cnt+1) Pop(cnt,:)= s_mut(pop(cnt,:),mutopt); } BestIndi=sel_best(Pop,[])

21 CEMTool>> MaxGen=20; // 최대진화회수 CEMTool>> MaxPop=10; // 개체군의크기 CEMTool>> Bounds=[0 6]; // 개체가나타내는값의범위 CEMTool>> XoverOpt=[0.5]; // 교차율 CEMTool>> MutOpt=[0.1 10]; // 돌연변이율과회수

22 CEMTool>> Options=[0.01]; // 정밀도 CEMTool>> best=sga(maxpop, MaxGen, Bounds, "fdemo1", XoverOpt, MutOpt, Options); best = [ ]

23 함수최적화문제 (demo_sga.cem) MaxGen=20; MaxPop=10; Bounds=[0 6]; XoverOpt=[0.5]; MutOpt=[0.1 10]; Options=[0.01 0]; best=sga(maxpop,maxgen,bounds,"fdemo1",xoveropt,mutopt,options); [a b]=size(best); bestx=bin2float(best,bounds,b-1); besty=best(1;b); disp=[" 최적해 : (" num2str(bestx) ", " num2str(besty) ")"]; msgprint(" "); msgprint(disp); x=0:6:0.01;

24 [x y]=fdemo1(x); figure; plot(x,y,"b",bestx,besty,"ro"); title(" 찾아낸최적해의위치 ");

25 교차연산교차방법 : Multi-point Crossover 교차확률 : 0.7 교차회수 : 4 돌연변이연산돌연변이방법 : Simple Mutation 돌연변이확률 : 0.05 돌연변이회수 : 20 선택연산 선택방법 : Tournament selection

26 토너먼트크기 : 5 적합도함수 : gp_fit CEMTool>>demo_gp(50,10) Genetic Algorithm Cemtool Toolbox Demo graph partitioning problem total node : 48 optimal fitness : 0 optimal gene or Crossover Option XoverOpt = Mutation Option MutOpt = Generation-> 1 Generation-> 2 Generation-> 3 Generation-> 4

27 48 개의노드를가진그래프분할문제의목적함수 (gp_fit.cem) function; v<> Pop; gp24=[ 1 2; 25 26; 1 3; 25 27; 2 11; 26 35; 2 3; 26 27; 11 2; 35 26; 11 12; 35 36; 11 10; 35 34; 9 10; 33 34; 8 1; 32 31; 7 9; 31 33; 8 9; 32 33; 8 23; 32 47; 7 6; 31 30; 6 4; 30 28; 6 5; 30 29; 4 3; 28 27; 17 1; 41 25; 17 16; 41 40; 17 18; 41 42; 16 15; 40 39; 15 13; 39 37; 13 14; 37 38; 13 12; 27 36; 15 14; 39 38; 14 24; 38 48; 24 23; 48 47; 24 22; 48 46; 22 21; 46 45; 21 19; 45 43; 19 20; 43 44; 19 18; 43 42; 18 17; ]; ss=size(gp24); pp=size(pop); PopSize=pp(1); v=zeros(popsize,1); for (jj=1;jj<=popsize;jj=jj+1) {

28 temp=0; for (ii=1;ii<=ss(1);ii=ii+1) { if( (Pop(jj;gp24(ii;1))==1)&&(Pop(jj;gp24(ii;2))==0) ) temp=temp+1; else if ((Pop(jj;gp24(ii;1))==0)&&(Pop(jj;gp24(ii;2))==1) ) temp=temp+1; } Pop(jj;pp(2))=temp; v(jj)=temp; } return 전체알고리즘코드 (demo_gp.cem) function BestIndi <> PopSize,MaxGen; msgprint(""); msgprint(""); msgprint("genetic Algorithm Cemtool Toolbox Demo "); msgprint(" graph partitioning problem"); msgprint(" "); msgprint(" "); msgprint("total node : 48"); msgprint("optimal fitness : 0 "); msgprint(" "); msgprint("optimal gene "); msgprint(" "); msgprint("or"); msgprint(" "); msgprint(" "); msgprint(" "); msgprint("crossover Option"); XoverOpt=[0.7 4] msgprint(" "); msgprint("mutation Option"); MutOpt=[ ] AvgFit=zeros(MaxGen,1); AvgRFit=zeros(MaxGen,1); VarFit=zeros(MaxGen,1); AvgVar=zeros(MaxGen,1);

29 BestFit=zeros(MaxGen,1); BestRFit=zeros(MaxGen,1); [Pop]=gpinit(PopSize); RanPop=gpinit(PopSize); GenPop=Pop; TotalLen=48+1; nn=ceil(popsize*60*0.01); for (Generation=1;Generation<=MaxGen;Generation=Generation+1) { NewPopNum=1; v=gp_fit(pop); Pop(:,TotalLen)=70-v; //[vv nnn]=sel_indis(pop,50); while (NewPopNum<=(PopSize-nn)) { for (ii=1;ii<100;ii=ii+1) { //simple selection 을사용합니다. //[Mate1, Mate2]=s_sel(Pop(:,TotalLen),[]); //tournament selection 을사용합니다. [Mate1, Mate2]=tour_sel(Pop(:,TotalLen),[5]); //truncation selection 을사용합니다. //[Mate1, Mate2]=trun_sel(Pop(:,TotalLen),[70]); if (hamdis(pop(mate1,:),pop(mate2,:))<5) break; } //simple crossover를사용합니다. [Child1,Child2]=m_xover(Pop(Mate1,:),Pop(Mate2,:),XoverOpt); } NewPop(NewPopNum,:)=Child1; if (NewPopNum==(PopSize-nn)) break; NewPopNum=NewPopNum+1; NewPop(NewPopNum,:)=Child2; NewPopNum=NewPopNum+1; //Pop(:,TotalLen-1)=NewPop(:,TotalLen-1); Pop(1:(PopSize-nn),:)=NewPop; for (cnt=1;cnt<=(popsize-nn);cnt=cnt+1)

30 { //simple mutation을사용합니다. Pop(cnt,:)=s_mut(Pop(cnt,:),MutOpt); } v=gp_fit(pop); Pop(:,TotalLen)=70-v; // 적합도의평균을계산해낸다. AvgFit(Generation)=mean(v); // 적합도의편차를계산해낸다. AvgVar(Generation)=std(v); // 가장훌륭한개체를찾는다. BestIndi=sel_best(Pop,[]); BestFit(Generation)=70-BestIndi(TotalLen) ; [vv nnn]=sel_indis(pop,60); Pop((PopSize-nn+1):PopSize,:)=vv; Pop(PopSize,:)=BestIndi; // random search rv=gp_fit(ranpop); RanPop(:,TotalLen)=rv; BestRIndi=sel_best(RanPop,[]); RanPop=gpinit(PopSize); RanPop(PopSize,:)=BestRIndi; // 적합도의평균을계산한다. AvgRFit(Generation)=mean(rv); BestRFit(Generation)=70-BestRIndi(TotalLen); pg=1:generation; plot(pg,avgfit(pg),"r",pg,avgrfit(pg),"b",pg,bestfit(pg),"b", pg,bestrfit(pg),"g"); xtitle(" 세대수 red:avgfit black:avgrfit blue:bestfit green:bestrfit"); ytitle(" 평균적합도 "); } msgprint("generation->"); Generation ResPop=Pop; BestIndi=sel_best(Pop,[]); return

31

32 적합도함수 함수이름 설명 쓰이는곳 fde1 첫번째 De Jong 함수 4장 fde2 두번째 De Jong 함수 4장 fde3 세번째 De Jong 함수 4장 fde4 네번째 De Jong 함수 4장 fde5 다섯번째 De Jong 함수 4장 plot_fun 적합도함수도시 4,6장 적합도할당전략 함수이름 설명 쓰이는곳 s_rank 선형순위재조정 4장 back_rank Baker 순위재조정 4장 whit_rank Whitley 순위재조정 4장 uni_rank 균일순위재조정 4장

33 진화연산자 함수이름 설명 쓰이는곳 s_sel 비례선택법 5.1절 loc_sel 지역선택법 5.1절 sto_sel 균등선택법 5.1절 tour_sel 토너먼트선택법 5.1절 trun_sel 절단선택법 5.1절 s_xover 1-point 교차 5.2절 m_xover multi-point 교차 5.2절 dis_re 이산재결합 5.2절 int_re 중간재결합 5.2절 line_re 선재결합 5.2절 s_mut 이진돌연변이 5.3절 알고리즘수행관련함수 함수이름 설명 쓰이는곳 init_sga simple GA 초기화 6장 sga simple GA 6장 sel_best 최적의개체를선택 6장 sel_indis 적합도가좋은개체를여러개선택 6장 공통함수 함수이름 설명 쓰이는곳 bin2float 2진수를실수로변환 2,3장 cal_bit 필요한비트수계산 2,3장 hamdis Hamming 거리계산 7장

34 fde1 목적 1 번째 De Jong 함수 문법 [x val]=fde1(x,options) 입력 x : 입력된값 Options : 쓰이지않는다. 출력 val : 계산된결과값 x : 입력된값이그대로저장된다. 설명 Ref De Jong(1975) : An analysis of the behaviour of a class of genetic adaptive systems 사용예제 CEMTool>> x=[-0.5:0.5:0.1]; CEMTool>> y=[-0.5:0.5:0.1]; CEMTool>> xy=[x' y']; CEMTool>> [xy val]=fde1(xy) xy = val =

35 관련함수 fde2, fde3, fde4, fde5 종류진화연산툴박스함수

36 fde2 목적 2 번째 De Jong 함수 문법 [x val]=fde2(x,options) 입력 x : 입력된값 Options : 쓰이지않는다. 출력 val : 계산된결과값 x : 입력된값이그대로저장된다. 설명 Ref De Jong(1975) : An analysis of the behaviour of a class of genetic adaptive systems 사용예제 CEMTool>> x=[-0.5:0.5:0.1]; CEMTool>> y=[-0.5:0.5:0.1]; CEMTool>> xy=[x' y']; CEMTool>> [xy val]=fde2(xy) xy = val =

37 관련함수 fde1, fde3, fde4, fde5 종류진화연산툴박스함수

38 fde3 목적 3 번째 De Jong 함수 문법 [x val]=fde3(x,options) 입력 x : 입력된값 Options : 쓰이지않는다. 출력 val : 계산된결과값 x : 입력된값이그대로저장된다. 설명 Ref De Jong(1975) : An analysis of the behaviour of a class of genetic adaptive systems 사용예제 CEMTool>> x=[-0.5:0.5:0.1]; CEMTool>> y=[-0.5:0.5:0.1]; CEMTool>> xy=[x' y']; CEMTool>> [xy val]=fde3(xy) xy = val =

39 관련함수 fde1, fde2, fde4, fde5 종류진화연산툴박스함수

40 fde4 목적 4 번째 De Jong 함수 문법 [x val]=fde4(x,options) 입력 x : 입력 Options : x의차원 x=[1 2;3 4;5 6] 이면 Options=2이어야한다. Options은넣지않아도무방하다. 출력 val : 계산된결과값 x : 입력된값이그대로저장된다. 설명 Ref De Jong(1975) : An analysis of the behaviour of a class of genetic adaptive systems 사용예제 CEMTool>> x=[-0.5:0.5:0.1]; CEMTool>> y=[-0.5:0.5:0.1]; CEMTool>> xy=[x' y']; CEMTool>> [xy val]=fde4(xy) xy = val =

41 관련함수 fde1, fde2, fde3, fde5 종류진화연산툴박스함수

42 fde5 목적 5 번째 De Jong 함수 문법 [x val]=fde5(x,options) x : 입력된값 Options : 쓰이지않는다. 출력 val : 계산된결과값 x : 입력된값이그대로저장된다. 설명 Ref De Jong(1975) : An analysis of the behaviour of a class of genetic adaptive systems 사용예제 CEMTool>> x=[1 2;3 4;5 6;7 8]; CEMTool>> [a b]=fde5(x,[]) a = b = 관련함수 fde1, fde2, fde3, fde4 종류진화연산툴박스함수

43 plot_fun 목적적합도함수를그래프로도시한다. 문법 plot_fun(funcname, Bounds, Options) 입력 FuncName : 적합도함수의이름 Bounds : 함수의범위 Options : [Precision..] 설명적합도함수를주어진범위내에서그래프로나타낸다. 이때점을구하는간격은옵션에서정밀도로준다. 사용예제 CEMTool>> plot_func("fdemo1", [0 6], [0.1]); 관련함수 종류진화연산툴박스함수

44 s_rank 목적 simple linear ranking 을수행하는함수이다. 문법 [NewFit]=s_rank(Fit,Option) 입력 Fit : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] Option : [ SP ] SP : 상수 1 에서 2 까지 출력 NewFit : simple linear ranking 후의새로운적합도 설명적합도를순위를매겨서그순위에따라정해진최소값보다는크게할당한다. 2 ( SP - 1 )( Position - 1 ) NewFit(Position)= 2 - SP NumOfIndi - 1 SP 값에따라최소값이정해지고, 정해진순위에따라새로운적합도가할당된다. 적합도가가장나쁜개체도선택의기회가 2-SP 만큼은주어진다. 사용예제 CEMTool>> OldFit=[1;2;3;4]; CEMTool>> Opt=[1.6]; CEMTool>> NewFit=s_rank(OldFit,Opt); CEMTool>> OldFit CEMTool>> NewFit 관련함수 bak_rank, whit_rank, uni_rank

45 종류진화연산툴박스함수

46 bak_rank 목적 Baker's ranking 을수행하는함수이다. 문법 [NewFit]=bak_rank(Fit,Option) 입력 Fit : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] Option : [EtaMax] EtaMax : 상수 1 에서 2 까지 EtaMin = 2 - EtaMax 출력 NewFit : baker linear ranking 이후의새로운적합도단결과는확률의형태로 normalize 되어나온다. 설명 1 position - 1 NewFit(position)= --- * (EtaMax-(EtaMax-EtaMin) * ) N N - 1 EtaMax 와 EtaMin 사이를기존의적합도에따라매긴순번에의해서균등하게배분해준다. 그럼으로써, 일정하게제한된범위안에적합도를넣을수있다. Ref J. Baker(1987) : Adaptive Selection Methods for Genetic Algorithms, Proc. First ICGA, Jul. pp 사용예제 CEMTool>> OldFit=[1;2;3;4]; CEMTool>> Opt=[1.6]; CEMTool>> NewFit=bak_rank(OldFit,Opt); CEMTool>> OldFit CEMTool>>NewFit

47 관련함수 s_rank, whit_rank, uni_rank 종류진화연산툴박스함수

48 whit_rank 목적 Whitley s ranking 을수행하는함수이다. 문법 NewFit]=whit_rank(Fit,Option) 입력 Fit : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] Option : [ WhitleyA ] WhitleyA : 상수 1 에서 2 까지 출력 NewFit : whitley linear ranking 이후의새로운적합도결과는확률의형태로정규화된다. 설명 λ λ (a : 1 에서 2 까지의상수, λ : random number on [0 1]) 실제계산된적합도에따라서개체들을선택할경우 premature convergence, local search problem 등의문제가생기므로, 이러한문제를적합도를새롭게할당해서해결하고자하는방법이다. Ref D. Whitley(1989) : The GENITOR Algorithm and Selection Pressure: Why Rank-Based Allocation of Reproductive Trials Is Best, Proc. Third ICGA, June 1989, pp 사용예제 CEMTool>> OldFit=[1;2;3;4]; CEMTool>> Opt=[1.6]; CEMTool>> NewFit=whit_rank(OldFit,Opt); CEMTool>> OldFit CEMTool>>NewFit

49 관련함수 s_rank, bak_rank, uni_rank 종류진화연산툴박스함수

50 uni_rank 목적적합도를동일하게할당해주는함수이다. 문법 NewFit=uni_rank(Fit,Option) 입력 Fit : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] Option : 쓰이지않는다. 출력 NewFit : uniform linear ranking 이후의새로운적합도결과는확률의형태로정규화된다. 설명 1 NewFit(Ramda,a) = --- N uniform linear ranking 은적합도를모두동일하게할당해주므로모든개체가선택될확률이동일하게된다. Ref F. Hoffmeister and T. Back(1990) : Genetic Algorithms and Evolution Strategies:Similarities and Differences, Proc. First International Conference on PPSN, 1990, pp 사용예제 CEMTool>> OldFit=[1;2;3;4]; CEMTool>> Opt=[]; CEMTool>> NewFit=uni_rank(OldFit,Opt); CEMTool>> OldFit CEMTool>> NewFit

51 관련함수 s_rank, bak_rank, whit_rank 종류진화연산툴박스함수

52 s_sel 목적 simple linear selection 을수행하는함수이다. 문법 [Mate1, Mate2]=s_sel(Fit,Option) 입력 Fit : 개체들의적합도를나타낸다 ex> Fit=[2;3;5;4;7;1]; Option : 쓰이지않는다. 출력 Mate1, Mate2 : 선택된개체의번호를나타낸다. 설명개체의적합도에따라서적합도가높은개체는높은확률로, 적합도가낮은개체는낮은확률로선택의기회를주는선택연산자이다. Ref D.E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc., 1989 사용예제 CEMTool>> oldfit=[2;3;5;4;7;1]; CEMTool>> opt=[]; CEMTool>> [sel1 sel2]=s_sel(oldfit,opt) sel1 = sel2 = 2 5 관련함수 loc_sel, stoc_sel, tour_sel, trun_sel 종류진화연산툴박스함수

53 loc_sel 목적일정한거리보다가까운개체들만사용해서선택연산자를적용한다. 문법 [Mate1, Mate2]=loc_sel(Fit,Option) 입력 Fit Option : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] : [Distance] Distance : 선택하는개체들의범위 출력 Mate1,Mate2 : 선택된개체의번호 설명 local selection 이란아래숫자가개체를나타낸다고할때, <- -> distance 가 1 이고 3 을중심으로선택한다면 2,3,4 개체만 selection 에참여시키는것이다. 2, 3, 4 만을가지고 selection operator 를적용시킬때에는 s_selection 함수를사용한다. Ref H.M. Voigt, J. Born, and Santibanez-Koref, I.(1991) : Modeling and Simulation of Distributed Evolutionary Search Processes for Function Optimization. in PPSN1, pp 사용예제 CEMTool>> Fit=[3;4;1;7;5;9;2]; CEMTool>> Opt=[1]; CEMTool>> [Sel1 Sel2]=loc_sel(Fit,Opt) Center=> 5 Selected Subpopulation Sel1 = 6

54 Sel2 = 5 관련함수 s_sel, sto_sel, trun_sel, tour_sel 종류진화연산툴박스함수

55 sto_sel 목적 universal stochastic selection( 모든개체에동일한확률로선택연산자를적용 ) 을수행하는함수이다. 문법 [Mate1, Mate2]=sto_sel(Fit,Option) 입력 Fit : 개체들의적합도를나타낸다 ex> Fit=[2;3;5;4;7;1]; Option : 쓰이지않는다. 출력 Mate1, Mate2 : 선택된개체의번호를나타낸다. 설명 simple selection 에서개체의적합도에따라서적합도가높은개체는높은확률로, 적합도가낮은개체는낮은확률로선택의기회가주어지는반면, universal stochastic selection 은모든개체들에게동일한확률을적용시켜선택의기회를균등하게준다. 사용예제 CEMTool>> oldfit=[2;3;5;4;7;1]; CEMTool>> opt=[]; CEMTool>> [sel1 sel2]=sto_sel(oldfit,opt) sel1 = sel2 = 4 2 관련함수 s_sel, tour_sel, loc_sel, tour_sel 종류진화연산툴박스함수

56 tour_sel 목적개체군에서임의로선택된크기만큼의개체만을가지고선택연산자를적용한다. 문법 [Mate1, Mate2]=tour_sel(Fit,Option) 입력 Fit Option : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] : [Size] Size : tournament에참여하는개체수 출력 Mate1,Mate2 : 선택된개체의번호 설명초기에주어진크기 (Size) 만큼의개체를임의로뽑아 sub-population 을만들어선택연산자를적용시킨다. Ref D.E. Goldberg, and K. Deb(1991) : A Comparative Analysis of Selection Schemes Used in Genetic Algorithms, in FGA1, pp 사용예제 CEMTool>> Fit=[3;4;1;7;5;9;2]; CEMTool>> Opt=[3]; CEMTool>> [Sel1 Sel2]=tour_sel(Fit,Opt) Selected subpopulation!! Sel1 = Sel2 = 6 7 관련함수 s_sel, sto_sel, loc_sel, trun_sel 종류진화연산툴박스함수

57 trun_sel 목적 truncation selection( 적합도가높은개체만선택의후보가됨 ) 을수행하는함수이다. 문법 [Mate1, Mate2]=trun_sel(Fit,Option) 입력 Fit Option : 적합도함수에의해계산된적합도 ex> Fit=[ 1 ; 2; 3; 4] : [Threshold] Threshold : 참여시킬상위개체들의비율 (%) 출력 Mate1,Mate2 : 선택된개체의번호 설명 Threshold(%) 밑에있는개체들은 selection 에참여하지못하는 selection 방법이다. Ref T. Blickle and L. Thiele(1995) : A Comparison of Selection Schemes used in Genetic Algorithms, TIK Report Nr. 11, December J. Crow and M. Kimura(1970s) : An introduction of population genetics theory, New York: Harper and Row 사용예제 CEMTool>> Fit=[3 ; 4;1;7;5;9;2]; CEMTool>> Opt=[50]; CEMTool>> [Sel1 Sel2]=trun_sel(Fit,Opt) Sel1 = Sel2 = 5 5 관련함수 s_sel, sto_sel, tour_sel, loc_sel 종류진화연산툴박스함수

58 s_xover 목적 simple crossover 를수행하는함수이다. 문법 [Child1,Child2]=s_xover(Mate1, Mate2, XoverOption) 입력 Mate1, Mate2 XoverOption : 교차연산자가수행되어야할부모개체 : 교차연산확률 출력 Child1, Child2 : 교차연산이수행된다음생성된개체 설명교차연산자를가장간단한형태로구현한것으로, 두개의개체를교차연산확률에따라임의로선택된특정부분을중심으로두개체를교차하여새로운두개체를생성한다. Mate : Mate : 교차연산이수행되는부분 교차연산이수행된이후의결과 Child : Child : Ref J. Holland(1975) : Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor D.E. Goldberg(1989) : Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc. 사용예제 CEMTool>> Mate1=[ ]; CEMTool>> Mate2=[ ]; CEMTool>> XoverOpt=[0.5]; CEMTool>> [Child1 Child2]=s_xover(Mate1,Mate2,XoverOpt) Child1 = Child2 = 교차연산이일어난부분

59 관련함수 s_mut 종류진화연산툴박스함수

60 m_xover 목적 multi-point crossover 를수행하는함수이다. 문법 [Child1,Child2]=m_xover(Mate1, Mate2, XoverOption) 입력 Mate1, Mate2 XoverOption : 교차연산자가수행되어야할부모개체 : [XoverProbability XoverNumber] XoverProbability : 교차율 XoverNumber : 나누는점의수 출력 Child1, Child2 : 교차연산이수행된다음생성된개체 설명 Multi-point 교차연산자는두개의개체를교차연산확률에따라, 임의로선택된여러지점에서잘라교차하여새로운두개체를생성한다. Mate1 0 : : Mate2 1 : : 교차연산이수행되는부분 교차연산이수행된이후의결과 Child : Child : Ref J. Holland(1975) : Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor D.E. Goldberg(1989) : Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc. 사용예제 CEMTool>> Mate1=[ ]; CEMTool>> Mate2=[ ]; CEMTool>> XoverOpt=[0.5 3]; CEMTool>> [Child1 Child2]=m_xover(Mate1,Mate2,XoverOpt) Child1 = Child2 =

61 관련함수 s_xover 종류진화연산툴박스함수

62 dis_re 목적 discrete recombination 을수행하는함수이다. 문법 [Child1,Child2]=dis_re(Mate1, Mate2, XoverOption) 입력 Mate1, Mate2 : 입력된개체 XoverOption : [XoverProbability...] 출력 Child1, Child2 : 새로만들어진개체 설명두개체사이의값을교환하는방식으로새로운개체를생성한다. 선택할위치를임의로발생시킨다. Mate1 : Mate2 : Sel1 : Sel2 : 위의부모개체들에 XoverProbability 를적용해서 Child 를생성한다. Child1 : Child2 : Ref H. Mullenbein and D. Schierkamp-Voosen : Predictive Models for the Breeder Genetic Algorithm: Continuous parameter optimization. Evolutionary Computation GEA toolbox manual by Hartmut Pohheim 사용예제 CEMTool>> m1=[ ]; CEMTool>> m2=[ ]; CEMTool>> opt=[0.5]; CEMTool>> [c1 c2]=dis_re(m1,m2,opt) c1 =

63 c2 = 관련함수 int_re, line_re 종류진화연산툴박스함수

64 int_re 목적 intermediate recombination 을수행하는함수이다. 문법 [Child1,Child2]=int_re(Mate1, Mate2, XoverOption) 입력 Mate1, Mate2 XoverOption : 입력된개체 : [XoverProbability Range] XoverProbability : 교차연산자가실행될확률 Range : 할당될값의상한선과하한선을제한하는값 출력 Child1, Child2 : 새로만들어진개체 설명두개체의값주변의값을할당하여새로운개체를생성한다. Child1 = Mate1 + α ( Mate2 - Mate1 ) Child2 = Mate1 + α ( Mate2 - Mate1 ) α, α : scaling factor. XoverOption 에서정해진 Range 값에의해 [-Range 1+Range] 까지의범위에서 uniform 한 random variable 에서선택된다. Mate1 : Mate2 : Range = 0.5 ([ ] 중에서선택된다 ) Alpha1 : Alpha2 : Child1 : Child2 : Ref H. Mullenbein and D. Schierkamp-Voosen : Predictive Models for the Breeder Genetic Algorithm: Continuous parameter optimization. Evolutionary Computation GEA toolbox manual by Hartmut Pohheim 사용예제 CEMTool>> m1=[ ];

65 CEMTool>> m2=[ ]; CEMTool>> opt=[ ]; CEMTool>> [c1 c2]=int_re(m1,m2,opt) c1 = c2 = 관련함수 dis_re, line_re 종류진화연산툴박스함수

66 line_re 목적 line recombination 을수행하는함수이다. 문법 [Child1,Child2]=line_re(Mate1, Mate2, XoverOption) 입력 Mate1, Mate2 XoverOption : 입력된개체 : [XoverProbability] XoverProbability : 교차연산자가실행될확률 출력 Child1, Child2 : 새로만들어지개체 설명두개체의값주변의값을할당하면서새로운개체를생성한다. Child1 = α (Mate1 + Mate2) Child2 = α (Mate1 + Mate2) α α 0 에서 1 사이의 random 한값 Mate1 : Mate2 : Alpha1 : 0.5 Alpha2 : 0.1 Child1 : Child2 : Ref H. Mullenbein and D. Schierkamp-Voosen : Predictive Models for the Breeder Genetic Algorithm: Continuous parameter optimization. Evolutionary Computation GEA toolbox manual by Hartmut Pohheim 사용예제 CEMTool>> m1=[ ]; CEMTool>> m2=[ ]; CEMTool>> opt=[ ]; CEMTool>> [c1 c2]=line_re(m1,m2,opt) c1 =

67 c2 = 관련함수 dis_re, int_re 종류진화연산툴박스함수

68 s_mut 목적 simple mutation 을수행하는함수이다. 문법 [Child]=s_mutation(Par,MutOption) 입력 Par : 개체를나타낸다. MutOption : [MutationProbability MutationNumber...] MutOpt : 돌연변이연산자의옵션 MutationProbability : 돌연변이가일어날확률 MutationNumber : 돌연변이연산자의시행횟수 출력 Child : 돌연변이연산을수행한후의개체 설명 simple mutation 을나타내고돌연변이연산자를가장간단한형태로구현한함수이다. 돌연변이가일어날확률과돌연변이횟수를정의해서돌연변이를일으킨다. Ref J. Holland(1975) : Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor D.E. Goldberg(1989) : Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc. 사용예제 CEMTool>> Par=[ ]; // 부모개체 CEMTool>> MutOpt=[0.2 4]; // 돌연변이확률 0.2 횟수 4번 CEMTool>> Child=s_mut(Par,MutOpt) Child = 돌연변이가발생된위치 돌연변이가발생된위치 관련함수 s_xover 종류진화연산툴박스함수

69 init_sga 목적 simple GA 에쓰일유전자코드를초기화하는함수이다. 문법 [pop,chromosomelength]=init_sga(populationsize,bounds,fitfunc,options) 입력 PopSize : 개체군의크기 ( 개체수 ) Bounds : [ min max ] 개체의범위 FitFunc : 적합도함수의이름 Options : [Precision Type] Precision : 나누는구간의크기 Type : 쓰이지않음 FitOpt : Fitness function의 Options 출력 pop : 새로만들어진개체들 ChromLen : 각유전자의코드길이 설명유전자알고리즘을사용하기위해개체군의크기, 범위, 적합도함수등을사용해서개체군을초기화한다. Ref J. Holland(1975) : Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor D.E. Goldberg(1989) : Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc. 사용예제개체군의크기는 3 개, 0 과 1 사이에 default precision 0.1, 나머지파라미터들은모두 default 값을사용해서초기화한경우아래와같은유전자코드를얻을수있다. 처음 4 칸은유전자코드이고마지막칸은기본적합도함수에서계산된적합도값을나타낸다. CEMTool>>init_sga(3,[0 1]) 관련함수

70 종류진화연산툴박스함수

71 sga 목적 simple GA 를수행하는함수이다. 문법 BestIndi=sga(PopSize,MaxGen,Bounds,FitFunc,XoverOpt,MutOpt,Options) 입력 PopSize : 개체의개수 MaxGen : 최대진화회수 Bounds : [Min Max] 변수의범위 FitFunc : 적합도함수이름 XoverOpt : 교배연산자옵션 MutOpt : [MutationProbability MutationNumber] MutationProbability : 돌연변이가일어날확률 MutationNumber : 돌연변이연산자의시행회수돌연변이가일어날확률, 돌연변이연산자의시행회수 Options : [Precision Type] Precision : 정밀도 ex> Bounds가 [0 5] 인경우정확도가 0.1이면유전자의크기는 5/0.1=50 Type : 쓰이지않음 출력 BestIndi : 최적의개체 설명진화연산알고리즘을구현한예제로 simple crossver 와 simple mutation 그리고 simple selection 을사용해서구현되어있다. 최대개체수와최대진화회수를정해주면진화연산알고리즘을수행해서가장훌륭한개체를리턴한다. Ref J. Holland(1975) : Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor D.E. Goldberg(1989) : Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc. 사용예제 CEMTool>> MaxGen=10; CEMTool>> MaxPop=10; CEMTool>> Bounds=[0 4]; CEMTool>> XoverOpt=[0.5]; CEMTool>> MutOpt=[0.1 10]; CEMTool>> Options=[0.1 0];

72 CEMTool>>sga(MaxPop,MaxGen,Bounds,"fdemo1",XoverOpt,MutOpt,Options) BestIndi = 관련함수 s_xover, s_mut, s_sel, sel_best 종류진화연산툴박스함수

73 sel_best 목적개체들중가장적합도가높은것을찾아내는함수이다. 문법 val=sel_best(pop,option) 입력 Pop : 전체개체들을나타낸다 [ 유전자코드, 적합도 ] ex> [ ] Option : 쓰이지않는다. 출력 val : 찾아낸가장적합도가높은개체를나타낸다. 설명개체들중가장적합도가높은것을찾아서리턴한다. 사용예제 CEMTool>> Pop=[ ; ; ; ]; CEMTool>> sel_best(pop,[]) 관련함수 sga 종류진화연산툴박스함수

74 sel_indis 목적개체군에서적합도가높은상위의개체들을찾는다. 문법 [val n]=sel_indis(pop,option) 입력 Pop : 전체개체군 [ 유전자코드, 적합도 ] Option : 선택할개체의수 (%) 출력 val n : 찾아낸개체들 : 찾아내개체의수 설명개체들중가장적합도가높은것을찾아서리턴한다. 사용예제 CEMTool>> Pop=[ ; ; ; ]; CEMTool>> [indis n]=sel_indis(pop,50) indis = n = 관련함수 sel_best 종류진화연산툴박스함수

75 bin2float 목적 2 진수를실수로바꿔주는함수이다. 문법 fval=bin2float(binval, Bounds, BitLength) 입력 BinVal : 2진수값 Bounds : [ min max ] 실수값의범위 BitLength : BinVal의전체길이 출력 fval : 변환된실수값 설명 2 진수를주어진범위에따라실수값으로변환한다. 사용예제 CEMTool>> BinVal=[ ]; CEMTool>> Bounds=[0 1]; CEMTool>> BitLength=[4]; CEMTool>> fval=bin2float(binval,bounds,bitlength) fval = 관련함수 종류진화연산툴박스함수

76 cal_bit 목적일정한범위를원하는정확도로나눌경우, 이를 2 진수의형태로표현했을때필요한비트수를계산해준다. 문법 bits=cal_bit(bounds, Prec) 입력 Bounds : [ min max ] 값의범위 Prec : 정확도. 범위가 [0 5] 인경우정확도가 0.1이면유전자의크기는 5/0.1=50 출력 bits : 필요한비트수 설명범위가 [0 5] 이고정확도가 0.1 인경우, 50 칸으로나누어지게되고, 이를 2 진수로표현했을경우필요한 bit 수는 2^6=64 이므로 6 bit 이필요하게된다. 사용예제 CEMTool>> a=cal_bit([0 5],0.1) a = 6 관련함수 종류진화연산툴박스함수

77 hamdis 목적 Hamming Distance 를계산한다. 문법 v=hamdis(m1, m2) 입력 m1 : 2 진벡터 m2 : 2 진벡터 출력 v : Hamming distance 설명두이진벡터에서서로다른원소의개수를리턴한다. 사용예제 CEMTool>> a1=[ ]; CEMTool>> a2=[ ]; CEMTool>> hamdis(a1,a2) 관련함수 종류진화연산툴박스함수 2

248019_ALIS0052.hwp

248019_ALIS0052.hwp Generation history for optimization eneration history of optimization 불평형질량 편심량 회전수 축외경 축내경 축길이 베어링간격위치 베어링강성 교배 대상이되는개체의수 집단의크기 돌연변이 대상이되는유전자수 집단내전체유전자수 와 와 Generation history

More information

<32392D342D313020C0FCB0C7BFED2CC0CCC0B1C8F12E687770>

<32392D342D313020C0FCB0C7BFED2CC0CCC0B1C8F12E687770> Journal of the Society of Korea Industrial and Systems Engineering Vol 9 No 4 pp75 8 December 006 유전자 알고리즘을 이용한 시간제약 차량경로문제 * ** * ** 1 Vehicle Routing Problems with Time Window Constraints by Using Genetic

More information

<313120C0AFC0FCC0DA5FBECBB0EDB8AEC1F2C0BB5FC0CCBFEBC7D15FB1E8C0BAC5C25FBCF6C1A42E687770>

<313120C0AFC0FCC0DA5FBECBB0EDB8AEC1F2C0BB5FC0CCBFEBC7D15FB1E8C0BAC5C25FBCF6C1A42E687770> 한국지능시스템학회 논문지 2010, Vol. 20, No. 3, pp. 375-379 유전자 알고리즘을 이용한 강인한 Support vector machine 설계 Design of Robust Support Vector Machine Using Genetic Algorithm 이희성 홍성준 이병윤 김은태 * Heesung Lee, Sungjun Hong,

More information

ePapyrus PDF Document

ePapyrus PDF Document 막힌 부분을 갖는 네트워크 내 효과적인 경로 탐색을 위한 유전 알고리즘 적용 김준우 *, 이민정 ** 요약 자연계의 진화 과정을 모방하는 유전 알고리즘은 다양한 조합 최적화와 같은 NP-hard 문제의 해를 탐색하는데 매 우 유용한 도구이다. 본 논문은 네트워크 내에 존재하는 두 노드 사이의 최단 경로를 구하는 문제 풀이를 위하여 유 전 알고리즘을 적용하고자

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Verilog: Finite State Machines CSED311 Lab03 Joonsung Kim, joonsung90@postech.ac.kr Finite State Machines Digital system design 시간에배운것과같습니다. Moore / Mealy machines Verilog 를이용해서어떻게구현할까? 2 Finite State

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 정신문화연구 2001 겨울호 제24권 제4호(통권 85호) pp. 75 96 企劃論文 退溪學派의 經濟的 基 : 財産 形成과 所有 規模를 중심으로 1) Ⅰ. 머리말 Ⅱ. 財産 形成 문 숙 자* Ⅲ. 財産 所有 規模 Ⅳ. 맺음말 Ⅰ. 머리말 退溪學派 는 지역, 당색, 학문상의 이론적 배경 등 다양한 의미를 내포한 용어이 며, 시기에 따라서 지칭하는 의미에 차이가

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 11 곡선과곡면 01 Spline 곡선 02 Spline 곡면 03 Subdivision 곡면 C n 연속성 C 0 연속성 C 1 연속성 2 C 2 연속성 01 Spline 곡선 1. Cardinal Spline Curve 2. Hermite Spline Curve 3. Bezier Spline Curve 4. Catmull-Rom Spline Curve 5.

More information

歯98419515.PDF

歯98419515.PDF A Study on E ffect s of Selection Schem es in Genetic Progr am ming for T im e Series Prediction 2000 2 A Study on E ffect s of Selection Schem es in Genetic Progr am ming for T im e Series Prediction

More information

Chapter 4. LISTS

Chapter 4. LISTS C 언어에서리스트구현 리스트의생성 struct node { int data; struct node *link; ; struct node *ptr = NULL; ptr = (struct node *) malloc(sizeof(struct node)); Self-referential structure NULL: defined in stdio.h(k&r C) or

More information

04 Çмú_±â¼ú±â»ç

04 Çмú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.

More information

5장. JSP와 Servlet 프로그래밍을 위한 기본 문법(완성-0421).hwp

5장. JSP와 Servlet 프로그래밍을 위한 기본 문법(완성-0421).hwp 1 0 1.7 6 5 'A ' '/ u 4 4 2 2 ' " JS P 프로그래밍 " A ', 'b ', ' 한 ', 9, \ u d 6 5 4 ' c h a r a = 'A '; 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 < % @ p a g e c o n te n

More information

탄도미사일 방어무기체계 배치모형 연구 (Optimal Allocation Model for Ballistic Missile Defense System by Simulated Annealing Algorithm)

탄도미사일 방어무기체계 배치모형 연구 (Optimal Allocation Model for Ballistic Missile Defense System by Simulated Annealing Algorithm) 탄도미사일 방어무기체계 배치모형 연구 (Optimal Allocation Model for Ballistic Missile Defense System by Simulated Annealing Algorithm) 이 상 헌 국방대학교 운영분석학과 우 122-875 서울시 은평구 수색동 205번지 Abstract The set covering(sc) problem

More information

Microsoft Word - FunctionCall

Microsoft Word - FunctionCall Function all Mechanism /* Simple Program */ #define get_int() IN KEYOARD #define put_int(val) LD A val \ OUT MONITOR int add_two(int a, int b) { int tmp; tmp = a+b; return tmp; } local auto variable stack

More information

<C7A5C1F620BEE7BDC4>

<C7A5C1F620BEE7BDC4> 연세대학교 상경대학 경제연구소 Economic Research Institute Yonsei Universit 서울시 서대문구 연세로 50 50 Yonsei-ro, Seodaemun-gS gu, Seoul, Korea TEL: (+82-2) 2123-4065 FAX: (+82- -2) 364-9149 E-mail: yeri4065@yonsei.ac. kr http://yeri.yonsei.ac.kr/new

More information

OR MS와 응용-03장

OR MS와 응용-03장 o R M s graphical solution algebraic method ellipsoid algorithm Karmarkar 97 George B Dantzig 979 Khachian Karmarkar 98 Karmarkar interior-point algorithm o R 08 gallon 000 000 00 60 g 0g X : : X : : Ms

More information

<33312D312D313220C0CCC7D1C1F820BFB0C3A2BCB12E687770>

<33312D312D313220C0CCC7D1C1F820BFB0C3A2BCB12E687770> Journal of the Society of Korea Industrial and Systems Engineering Vol No pp March 8 Scatter Search를 이용한 신뢰성 있는 네트워크의 경제적 설계 * ** * ** Economic Design of Reliable Networks Using Scatter Search HanJin Lee*

More information

슬라이드 1

슬라이드 1 한국산업기술대학교 제 5 강스케일링및회전 이대현교수 학습안내 학습목표 3D 오브젝트의확대, 축소및회전방법을이해한다. 학습내용 3D 오브젝트의확대및축소 (Scaling) 3D 오브젝트의회전 (Rotation) 변홖공갂 (Transform Space) SceneNode 의크기변홖 (Scale) void setscale ( Real x, Real y, Real z)

More information

BMP 파일 처리

BMP 파일 처리 BMP 파일처리 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 영상반전프로그램제작 2 Inverting images out = 255 - in 3 /* 이프로그램은 8bit gray-scale 영상을입력으로사용하여반전한후동일포맷의영상으로저장한다. */ #include #include #define WIDTHBYTES(bytes)

More information

example code are examined in this stage The low pressure pressurizer reactor trip module of the Plant Protection System was programmed as subject for

example code are examined in this stage The low pressure pressurizer reactor trip module of the Plant Protection System was programmed as subject for 2003 Development of the Software Generation Method using Model Driven Software Engineering Tool,,,,, Hoon-Seon Chang, Jae-Cheon Jung, Jae-Hack Kim Hee-Hwan Han, Do-Yeon Kim, Young-Woo Chang Wang Sik, Moon

More information

Microsoft PowerPoint - ch02-1.ppt

Microsoft PowerPoint - ch02-1.ppt 2. Coodinte Sstems nd Tnsfomtion 20 20 2.2 Ctesin Coodintes (,, ) () (b) Figue 1.1 () Unit vectos,, nd, (b) components of long,, nd. 직각좌표계에서각변수 (,, ) 들의범위 < < < < < < (2.1) 직각좌표계에서임의의벡터 는,, 가그림 1.1 에서와같이,,

More information

ch3.hwp

ch3.hwp 미디어정보처리 (c) -4 한남대 정보통신멀티미디어학부 MCCLab. - -...... (linear filtering). Z k = n i = Σn m Σ j = m M ij I ji 컨볼루션 영역창 I I I I 3 I 4 I 5 I 6 I 7 I 8 x 컨볼루션 마스크 M M M M 3 M 4 M 5 M 6 M 7 M 8 I 입력 영상 Z 4 = 8 k

More information

Chapter 4. LISTS

Chapter 4. LISTS 연결리스트의응용 류관희 충북대학교 1 체인연산 체인을역순으로만드는 (inverting) 연산 3 개의포인터를적절히이용하여제자리 (in place) 에서문제를해결 typedef struct listnode *listpointer; typedef struct listnode { char data; listpointer link; ; 2 체인연산 체인을역순으로만드는

More information

컴파일러

컴파일러 YACC 응용예 Desktop Calculator 7/23 Lex 입력 수식문법을위한 lex 입력 : calc.l %{ #include calc.tab.h" %} %% [0-9]+ return(number) [ \t] \n return(0) \+ return('+') \* return('*'). { printf("'%c': illegal character\n",

More information

다목적 무선 네트워크 설계를 위한 최적화 모델 및 알고리즘

다목적 무선 네트워크 설계를 위한 최적화 모델 및 알고리즘 다목적 무선 네트워크 설계를 위한 최적화 모델 및 알고리즘 조동원 조수연 이영해 현광남 한양대학교 산업경영공학과 An Optimization Mode and Agorithm for Designing Muti-obective Wireess Network Dong Won Cho Su Yeon Cho Young Hae Lee Mitsuo Gen Dept. of Induria

More information

±è¼ºÃ¶ Ãâ·Â-1

±è¼ºÃ¶ Ãâ·Â-1 Localization Algorithms Using Wireless Communication Systems For efficient Localization Based Services, development of accurate localization algorithm has to be preceded. In this paper, research trend

More information

(000-000)실험계획법-머리말 ok

(000-000)실험계획법-머리말 ok iii Design Analysis Optimization Design Expert Minitab Minitab Design Expert iv 2008 1 v 1 1. 1 2 1. 2 4 1. 3 6 1. 4 8 1. 5 12 2 2. 1 16 2. 2 17 2. 3 20 2. 4 27 2. 5 30 2. 6 33 2. 7 37 2. 8 42 46 3 3.

More information

untitled

untitled Math. Statistics: Statistics? 1 What is Statistics? 1. (collection), (summarization), (analyzing), (presentation) (information) (statistics).., Survey, :, : : QC, 6-sigma, Data Mining(CRM) (Econometrics)

More information

19-4-04 김성수.hwp

19-4-04 김성수.hwp IE Interfaces Vol. 19, No. 4, pp. 300-305, December 2006. 유전자알고리즘을 적용한 위성고객할당 최적 설계 김성수 1 김중현 2 김기동 1 이선엽 3 1 강원대학교 산업공학과 / 2 아인솔루션(주) 솔루션사업부 3 한림대춘천성심병원 방사선과 Optimal Design of Satellite Customer Assignment

More information

학습목표 함수프로시저, 서브프로시저의의미를안다. 매개변수전달방식을학습한다. 함수를이용한프로그래밍한다. 2

학습목표 함수프로시저, 서브프로시저의의미를안다. 매개변수전달방식을학습한다. 함수를이용한프로그래밍한다. 2 학습목표 함수프로시저, 서브프로시저의의미를안다. 매개변수전달방식을학습한다. 함수를이용한프로그래밍한다. 2 6.1 함수프로시저 6.2 서브프로시저 6.3 매개변수의전달방식 6.4 함수를이용한프로그래밍 3 프로시저 (Procedure) 프로시저 (Procedure) 란무엇인가? 논리적으로묶여있는하나의처리단위 내장프로시저 이벤트프로시저, 속성프로시저, 메서드, 비주얼베이직내장함수등

More information

<31302DB1E8BDC2B1C72E687770>

<31302DB1E8BDC2B1C72E687770> 수자원 운영계획 시스템의 구현을 위한 수리계획 모형 자료구조의 활용 서 론 김재희김승권박영준 댐 군 최적 연계 운영문제 화천 춘천 북한강 계 소양댐 상류권 의암 청평 수도권 #2 소양댐 하류권 팔당 소양 남한강 계 수도권 #1 충주 충주권 댐 발전소 용수 수요지 수자원 운영계획 시스템의 구현을 위한 수리계획 모형 자료구조의 활용 Shortage 화천댐 SPL

More information

<4D F736F F F696E74202D20B8B6C0CCC5A9B7CEC7C1B7CEBCBCBCAD202834C1D6C2F7207E2038C1D6C2F729>

<4D F736F F F696E74202D20B8B6C0CCC5A9B7CEC7C1B7CEBCBCBCAD202834C1D6C2F7207E2038C1D6C2F729> 8주차중간고사 ( 인터럽트및 A/D 변환기문제및풀이 ) Next-Generation Networks Lab. 외부입력인터럽트예제 문제 1 포트 A 의 7-segment 에초시계를구현한다. Tact 스위치 SW3 을 CPU 보드의 PE4 에연결한다. 그리고, SW3 을누르면하강 에지에서초시계가 00 으로초기화된다. 동시에 Tact 스위치 SW4 를 CPU 보드의

More information

제 출 문 국방부 장관 귀하 본 보고서를 국방부 군인연금과에서 당연구원에 의뢰한 군인연금기금 체 계적 관리방안 연구용역의 최종보고서로 제출합니다. 2009. 4 (주)한국채권연구원 대표이사 오 규 철

제 출 문 국방부 장관 귀하 본 보고서를 국방부 군인연금과에서 당연구원에 의뢰한 군인연금기금 체 계적 관리방안 연구용역의 최종보고서로 제출합니다. 2009. 4 (주)한국채권연구원 대표이사 오 규 철 군인연금기금 체계적 관리방안 연구 2009. 04 (최종보고서) 제 출 문 국방부 장관 귀하 본 보고서를 국방부 군인연금과에서 당연구원에 의뢰한 군인연금기금 체 계적 관리방안 연구용역의 최종보고서로 제출합니다. 2009. 4 (주)한국채권연구원 대표이사 오 규 철 목 차 제1장 서론 1 1. 연구의 목적 1 2. 연구의 방법 및 내용 2 제2장 현황분석 (AS-IS

More information

<C7D1B1B9B0E6C1A6BFACB1B8C7D0C8B828C0CCC1BEBFF85FC0CCBBF3B5B75FBDC5B1E2B9E9292E687770>

<C7D1B1B9B0E6C1A6BFACB1B8C7D0C8B828C0CCC1BEBFF85FC0CCBBF3B5B75FBDC5B1E2B9E9292E687770> 한국 증권회사의 효율성 분석 이종원* 이상돈** 신기백*** Ⅰ. 서 론 1990년이후 증권시장의 개방화 및 자율화가 진전되어가고 있던 과정에서 1997년 12월 외환 위기사태가 발생하게 되었고, 이후 증권회사의 구조조정 가속화, 외국계 증권회사의 진입 확대 및 IT기술의 발전에 따른 증권 온라인거래의 확대, 외국인의 투자한도 완전철폐에 따른 외국인 거래비중의

More information

Buy one get one with discount promotional strategy

Buy one get one with discount promotional strategy Buy one get one with discount Promotional Strategy Kyong-Kuk Kim, Chi-Ghun Lee and Sunggyun Park ISysE Department, FEG 002079 Contents Introduction Literature Review Model Solution Further research 2 ISysE

More information

<BACFC7D1B3F3BEF7B5BFC7E22D3133B1C733C8A3504446BFEB2E687770>

<BACFC7D1B3F3BEF7B5BFC7E22D3133B1C733C8A3504446BFEB2E687770> 북한의 주요 농업 관련 법령 해설 1) 이번 호와 다음 호에서는 북한의 주요 농업 관련 법령을 소개하려 한다. 북한의 협동농장은 농업협동조합기준규약초안 과 농장법 에 잘 규정되어 있다. 북한 사회주의 농업정책은 사회 주의농촌문제 테제 2), 농업법, 산림법 등을 통해 엿볼 수 있다. 국가계획과 농업부문의 관 계, 농산물의 공급에 관해서는 인민경제계획법, 사회주의상업법,

More information

1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9

1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9 (1920~1945 ) 1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9 1918 4 1930 1933 1 932 70 8 0 1938 1923 3 1 3 1 1923 3 1920 1926 1930 3 70 71

More information

% Rectangular Value 입력 t = -50 : 1 : 50; % 시간영역 for i = 1 : 101 if abs ( t ( i ) ) < 10 x ( i ) = 1; else x ( i ) = 0; % 화면을 2 열 1 행으로나눈후 % 2 열 1 행에 R

% Rectangular Value 입력 t = -50 : 1 : 50; % 시간영역 for i = 1 : 101 if abs ( t ( i ) ) < 10 x ( i ) = 1; else x ( i ) = 0; % 화면을 2 열 1 행으로나눈후 % 2 열 1 행에 R % sin 그래프계산및출력 t = -50 : 1 : 50; T = 10; f = 1/T; Nsin = sin ( ( 2 * pi * f * t ) ) % 시간영역 % 주기 % 주파수 % sin(2πft) % F(sin) 계산 Fsin = fftshift ( fft ( Nsin ) ); % 화면을 2 열 1 행으로나눈후 % 2 열 1 행에 Sin 그래프출력 subplot

More information

제 12강 함수수열의 평등수렴

제 12강 함수수열의 평등수렴 제 강함수수열의평등수렴 함수의수열과극한 정의 ( 점별수렴 ): 주어진집합 과각각의자연수 에대하여함수 f : 이있다고가정하자. 이때 을집합 에서로가는함수의수열이라고한다. 모든 x 에대하여 f 수열 f ( x) lim f ( x) 가성립할때함수수열 { f } 이집합 에서함수 f 로수렴한다고한다. 또 함수 f 을집합 에서의함수수열 { f } 의극한 ( 함수 ) 이라고한다.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 KeyPad Device Control - Device driver Jo, Heeseung HBE-SM5-S4210 에는 16 개의 Tack Switch 를사용하여 4 행 4 열의 Keypad 가장착 4x4 Keypad 2 KeyPad 를제어하기위하여 FPGA 내부에 KeyPad controller 가구현 KeyPad controller 16bit 로구성된

More information

VOL.76.2008/2 Technical SmartPlant Materials - Document Management SmartPlant Materials에서 기본적인 Document를 관리하고자 할 때 필요한 세팅, 파일 업로드 방법 그리고 Path Type인 Ph

VOL.76.2008/2 Technical SmartPlant Materials - Document Management SmartPlant Materials에서 기본적인 Document를 관리하고자 할 때 필요한 세팅, 파일 업로드 방법 그리고 Path Type인 Ph 인터그래프코리아(주)뉴스레터 통권 제76회 비매품 News Letters Information Systems for the plant Lifecycle Proccess Power & Marine Intergraph 2008 Contents Intergraph 2008 SmartPlant Materials Customer Status 인터그래프(주) 파트너사

More information

intro

intro Contents Introduction Contents Contents / Contents / Contents / Contents / 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

More information

C 프로그래밍 언어 입문 C 프로그래밍 언어 입문 김명호저 숭실대학교 출판국 머리말..... C, C++, Java, Fortran, Python, Ruby,.. C. C 1972. 40 C.. C. 1999 C99. C99. C. C. C., kmh ssu.ac.kr.. ,. 2013 12 Contents 1장 프로그래밍 시작 1.1 C 10 1.2 12

More information

5-서영주KICS2013-03-151.hwp

5-서영주KICS2013-03-151.hwp 논문 13-38C-09-05 한국통신학회논문지 '13-09 Vol.38C No.09 http://dx.doi.org/10.7840/kics.2013.38c.9.764 LTE 펨토셀 네트워크를 위한 적응적 주기의 MLB 알고리즘 김 우 중, 이 정 윤 *, 서 영 주 Adaptive Periodic MLB Algorithm for LTE Femtocell Networks

More information

Microsoft PowerPoint - ch09 - 연결형리스트, Stack, Queue와 응용 pm0100

Microsoft PowerPoint - ch09 - 연결형리스트, Stack, Queue와 응용 pm0100 2015-1 프로그래밍언어 9. 연결형리스트, Stack, Queue 2015 년 5 월 4 일 교수김영탁 영남대학교공과대학정보통신공학과 (Tel : +82-53-810-2497; Fax : +82-53-810-4742 http://antl.yu.ac.kr/; E-mail : ytkim@yu.ac.kr) 연결리스트 (Linked List) 연결리스트연산 Stack

More information

09권오설_ok.hwp

09권오설_ok.hwp (JBE Vol. 19, No. 5, September 2014) (Regular Paper) 19 5, 2014 9 (JBE Vol. 19, No. 5, September 2014) http://dx.doi.org/10.5909/jbe.2014.19.5.656 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a) Reduction

More information

18호-마스터베이커-내지82p

18호-마스터베이커-내지82p 56 60 64 CONTENTS Bakery Magazine THE MASTER BAKER 2013 VOL.18 21 22 24 26 BAKER STORY 34 36 38 40 42 44 28 30 46 48 50 52 54 56 BAKING CLASS 66 The Master Baker BAKERY MAGAZINE VOL.18 December 2013 21

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 95 일반논문 해항도시 부산과 인천의 음식문화 변동 분석 이종수* 1) Ⅰ. 서론 Ⅱ. 해항도시 음식문화의 정체성과 변동 Ⅲ. 부산과 인천의 음식문화 변동 분석 Ⅳ. 부산과 인천의 음식문화 변동과 대응과제 Ⅴ. 결론 Ⅰ. 서 론 본 고는 해항도시 1) 지역 음식문화에 영향을 미치는 요인은 무엇일 까, 왜 그런 특성을 띄게 됐나, 어떤 요인에 의해 변화가 야기되었고,

More information

백서2011표지

백서2011표지 2011 2011 2011 2 3 2011 4 5 2011 6 7 2011 8 9 2011 10 11 2011 12 13 2011 14 15 2011 16 17 2011 18 19 2011 20 21 2011 22 23 2011 24 25 2011 26 27 2011 28 29 2011 30 31 2011 32 33 2011 34 35 36 2011 1 SOFTWARE

More information

<313530313237C6AFC1FD28BCD5BDC2BFEC292E687770>

<313530313237C6AFC1FD28BCD5BDC2BFEC292E687770> 복잡계 네트워크 위에서의 진화 게임 DOI: 10.3938/PhiT.24.006 손 승 우 Evolutionary Games on Complex Networks 네트워크 위에서의 진화 게임 이론으로 연결되었는지 알아보겠 다. Seung-Woo SON 게임 참여자들 간의 협력, 경쟁, 갈등, 대립을 수학적으로 나타 내려는 이전의 시도들을 이론적으로 집대성한 폰

More information

<31325FB1E8B0E6BCBA2E687770>

<31325FB1E8B0E6BCBA2E687770> 88 / 한국전산유체공학회지 제15권, 제1호, pp.88-94, 2010. 3 관내 유동 해석을 위한 웹기반 자바 프로그램 개발 김 경 성, 1 박 종 천 *2 DEVELOPMENT OF WEB-BASED JAVA PROGRAM FOR NUMERICAL ANALYSIS OF PIPE FLOW K.S. Kim 1 and J.C. Park *2 In general,

More information

Microsoft Word - ExecutionStack

Microsoft Word - ExecutionStack Lecture 15: LM code from high level language /* Simple Program */ external int get_int(); external void put_int(); int sum; clear_sum() { sum=0; int step=2; main() { register int i; static int count; clear_sum();

More information

<C3D6C1BE2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D32C8A3292E687770>

<C3D6C1BE2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D32C8A3292E687770> 유자차 신제품에 대한 소비자 지불의사액 추정 강혜정 최지현 이기웅 유자차 신제품에 대한 소비자 지불의사액 추정 An Analysis on Estimation of Willingness to Pay for the New Products of Citrus Tea Assessed by Korean Consumers 강혜정* 최지현** 이기웅*** 1) Kang,

More information

Ⅱ. Embedded GPU 모바일 프로세서의 발전방향은 저전력 고성능 컴퓨팅이다. 이 러한 목표를 달성하기 위해서 모바일 프로세서 기술은 멀티코 어 형태로 발전해 가고 있다. 예를 들어 NVIDIA의 최신 응용프 로세서인 Tegra3의 경우 쿼드코어 ARM Corte

Ⅱ. Embedded GPU 모바일 프로세서의 발전방향은 저전력 고성능 컴퓨팅이다. 이 러한 목표를 달성하기 위해서 모바일 프로세서 기술은 멀티코 어 형태로 발전해 가고 있다. 예를 들어 NVIDIA의 최신 응용프 로세서인 Tegra3의 경우 쿼드코어 ARM Corte 스마트폰을 위한 A/V 신호처리기술 편집위원 : 김홍국 (광주과학기술원) 스마트폰에서의 영상처리를 위한 GPU 활용 박인규, 최호열 인하대학교 요 약 본 기고에서는 최근 스마트폰에서 요구되는 다양한 멀티미 디어 어플리케이션을 embedded GPU(Graphics Processing Unit)를 이용하여 고속 병렬처리하기 위한 GPGPU (General- Purpose

More information

#KM-235(110222)

#KM-235(110222) PARTS BOOK KM-235A/B INFORMATION A. Parts Book Structure of Part Book Unique code by mechanism Unique name by mechanism Explode view Ref. No. : Unique identifcation number by part Parts No. : Unique Product

More information

Microsoft Word - NEW08_prof. Ma

Microsoft Word - NEW08_prof. Ma 한국정당의 복지정책과 선거 마인섭(성균관대학교) 1. 서론 이 글은 2010년 이후 복지가 정치의 중요한 쟁점이 된 사회경제의 구조와 정치과정에 관한 연구이다. 2010년 이후 한국정치는 복지국가담론으로 소용돌이치고 있으며 이 복지정치가 선거와 정당을 중심으로 일어나고 있다. 2012년 국회의원선거와 대통령선거를 앞두고 사회복지가 정치권의 핵심화두로 등장하고

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA ISSN 1975-8359(Print) / ISSN 2287-4364(Online) The Transactions of the Korean Institute of Electrical Engineers Vol. 64, No. 1, pp. 107 112, 2015 http://dx.doi.org/10.5370/kiee.2015.64.1.107 AWS 지점별 기상데이타를

More information

<4D F736F F F696E74202D20B8B6C0CCC5A9B7CEC7C1B7CEBCBCBCAD202834C1D6C2F7207E2038C1D6C2F729>

<4D F736F F F696E74202D20B8B6C0CCC5A9B7CEC7C1B7CEBCBCBCAD202834C1D6C2F7207E2038C1D6C2F729> 7주차 AVR의 A/D 변환기제어레지스터및관련실습 Next-Generation Networks Lab. 3. 관련레지스터 표 9-4 레지스터 ADMUX ADCSRA ADCH ADCL 설명 ADC Multiplexer Selection Register ADC 의입력채널선택및기준전압선택외 ADC Control and Status Register A ADC 의동작을설정하거나동작상태를표시함

More information

4.18.국가직 9급_전산직_컴퓨터일반_손경희_ver.1.hwp

4.18.국가직 9급_전산직_컴퓨터일반_손경희_ver.1.hwp 2015년도 국가직 9급 컴퓨터 일반 문 1. 시스템 소프트웨어에 포함되지 않는 것은? 1 1 스프레드시트(spreadsheet) 2 로더(loader) 3 링커(linker) 4 운영체제(operating system) - 시스템 소프트웨어 : 운영체제, 데이터베이스관리 프로그램,, 컴파일러, 링커, 로더, 유틸리티 소프트웨 어 등 - 스프레드시트 : 일상

More information

<5349BBEABEF7C0C75FBDC3C0E5B1B8C1B65FB9D75FB0E6C0EFBBF3C8B2C6F2B0A128C1B6C1A4BFF820C6EDC1FD5FC3D6C1BE5F323031345F395F3131292E687770>

<5349BBEABEF7C0C75FBDC3C0E5B1B8C1B65FB9D75FB0E6C0EFBBF3C8B2C6F2B0A128C1B6C1A4BFF820C6EDC1FD5FC3D6C1BE5F323031345F395F3131292E687770> - i - I. SI산업의 개념과 구조적 특성 (SI산업의 개념) SI(System Integration) 산업은 정부 기업 등이 수행하는 구매 생산 판매 고객관리 및 재무 등에 관한 업무를 전자적으로 처리할 수 있도록 하드웨어(H/W), 패키지 소프트웨 어(S/W), 콘텐츠, 데이터베이스, 시스템 설계, 교육, 컨설팅 등을 유기적으로 결합하여 정보시스템을

More information

hlogin2

hlogin2 0x02. Stack Corruption off-limit Kernel Stack libc Heap BSS Data Code off-limit Kernel Kernel : OS Stack libc Heap BSS Data Code Stack : libc : Heap : BSS, Data : bss Code : off-limit Kernel Kernel : OS

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 7-Segment Device Control - Device driver Jo, Heeseung HBE-SM5-S4210 의 M3 Module 에는 6 자리를가지는 7-Segment 모듈이아래그림처럼실장 6 Digit 7-Segment 2 6-Digit 7-Segment LED Controller 16비트로구성된 2개의레지스터에의해제어 SEG_Sel_Reg(Segment

More information

프로그램을 학교 등지에서 조금이라도 배운 사람들을 위한 프로그래밍 노트 입니다. 저 역시 그 사람들 중 하나 입니다. 중고등학교 시절 학교 도서관, 새로 생긴 시립 도서관 등을 다니며 책을 보 고 정리하며 어느정도 독학으르 공부하긴 했지만, 자주 안하다 보면 금방 잊어

프로그램을 학교 등지에서 조금이라도 배운 사람들을 위한 프로그래밍 노트 입니다. 저 역시 그 사람들 중 하나 입니다. 중고등학교 시절 학교 도서관, 새로 생긴 시립 도서관 등을 다니며 책을 보 고 정리하며 어느정도 독학으르 공부하긴 했지만, 자주 안하다 보면 금방 잊어 개나리 연구소 C 언어 노트 (tyback.egloos.com) 프로그램을 학교 등지에서 조금이라도 배운 사람들을 위한 프로그래밍 노트 입니다. 저 역시 그 사람들 중 하나 입니다. 중고등학교 시절 학교 도서관, 새로 생긴 시립 도서관 등을 다니며 책을 보 고 정리하며 어느정도 독학으르 공부하긴 했지만, 자주 안하다 보면 금방 잊어먹고 하더라구요. 그래서,

More information

Issue 두 가지 상대적 관점에서 검토되고 있다. 특히, 게임 중독에 대한 논의는 그 동안 이를 개인의 심리적 차원에서 접근해왔던 것에서 벗어나 청소년에 대한 사회문화 및 정보 리터러시(literacy) 교육의 방향이라든 지 나아가 게임중독과 관련한 사회구조적인 또는

Issue 두 가지 상대적 관점에서 검토되고 있다. 특히, 게임 중독에 대한 논의는 그 동안 이를 개인의 심리적 차원에서 접근해왔던 것에서 벗어나 청소년에 대한 사회문화 및 정보 리터러시(literacy) 교육의 방향이라든 지 나아가 게임중독과 관련한 사회구조적인 또는 ISSUE ANALYSIS 게임중독인가? 몰입인가? - 진흥과 중독예방의 상대적 비교 관점에서 최정일 / 숭실대학교 경영학부 교수, (사)미디어미래연구소 부소장, jichoi1009@naver.com 1. 서 언 온라인 및 모바일 접속 환경이 급속히 보편화됨에 따라 특정 미디 어와 어플리케이션(applications)을 오랫동안 그리고 지속적으로 사 용함으로써

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 논문 10-35-03-03 한국통신학회논문지 '10-03 Vol. 35 No. 3 원활한 채널 변경을 지원하는 효율적인 IPTV 채널 관리 알고리즘 준회원 주 현 철*, 정회원 송 황 준* Effective IPTV Channel Control Algorithm Supporting Smooth Channel Zapping HyunChul Joo* Associate

More information

232 도시행정학보 제25집 제4호 I. 서 론 1. 연구의 배경 및 목적 사회가 다원화될수록 다양성과 복합성의 요소는 증가하게 된다. 도시의 발달은 사회의 다원 화와 밀접하게 관련되어 있기 때문에 현대화된 도시는 경제, 사회, 정치 등이 복합적으로 연 계되어 있어 특

232 도시행정학보 제25집 제4호 I. 서 론 1. 연구의 배경 및 목적 사회가 다원화될수록 다양성과 복합성의 요소는 증가하게 된다. 도시의 발달은 사회의 다원 화와 밀접하게 관련되어 있기 때문에 현대화된 도시는 경제, 사회, 정치 등이 복합적으로 연 계되어 있어 특 한국도시행정학회 도시행정학보 제25집 제4호 2012. 12 : pp.231~251 생활지향형 요소의 근린주거공간 분포특성 연구: 경기도 시 군을 중심으로* Spatial Distribution of Daily Life-Oriented Features in the Neighborhood: Focused on Municipalities of Gyeonggi Province

More information

루앙 의 공포 *주민들은 어두운 방 안에서 온갖 지혜와 힘이 도움이 되지 않는 천재지변이나 살인적인 대혼란이 가져다주는 엄청난 공포에 사로잡혀 있었다. 이와 같은 느낌은 기존의 질서가 뒤집 히거나, 더 이상 안전이 보장되지 않거나, 인간의 법이나 자연의 법칙이 보호해

루앙 의 공포 *주민들은 어두운 방 안에서 온갖 지혜와 힘이 도움이 되지 않는 천재지변이나 살인적인 대혼란이 가져다주는 엄청난 공포에 사로잡혀 있었다. 이와 같은 느낌은 기존의 질서가 뒤집 히거나, 더 이상 안전이 보장되지 않거나, 인간의 법이나 자연의 법칙이 보호해 누가 저 여인의 울음을 멈추게 할 것인가 기 드 모파상, 비곗덩어리 (1880) 외 이제부터 당신들은 새로운 지위를 획득했습니다. 당신들은 창녀가 아니라 특별봉사대원입니다. 당신들 은 임무를 완수해야 합니다. 당신들은 조국을 위해 봉사하는 육군의 협력자입니다. ( 판탈레온과 특별봉 사대, 233쪽) 빌어먹을, 하찮은 일이 너무 복잡해지고 있어. ( 판탈레온과

More information

LCD Display

LCD Display LCD Display SyncMaster 460DRn, 460DR VCR DVD DTV HDMI DVI to HDMI LAN USB (MDC: Multiple Display Control) PC. PC RS-232C. PC (Serial port) (Serial port) RS-232C.. > > Multiple Display

More information

À̵¿·Îº¿ÀÇ ÀÎÅͳݱâ¹Ý ¿ø°ÝÁ¦¾î½Ã ½Ã°£Áö¿¬¿¡_.hwp

À̵¿·Îº¿ÀÇ ÀÎÅͳݱâ¹Ý ¿ø°ÝÁ¦¾î½Ã ½Ã°£Áö¿¬¿¡_.hwp l Y ( X g, Y g ) r v L v v R L θ X ( X c, Yc) W (a) (b) DC 12V 9A Battery 전원부 DC-DC Converter +12V, -12V DC-DC Converter 5V DC-AC Inverter AC 220V DC-DC Converter 3.3V Motor Driver 80196kc,PWM Main

More information

13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3

13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3 13 Lightweight BPM Engine SW 13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3 BPM? 13 13 Vendor BPM?? EA??? http://en.wikipedia.org/wiki/business_process_management,

More information

BSC Discussion 1

BSC Discussion 1 Copyright 2006 by Human Consulting Group INC. All Rights Reserved. No Part of This Publication May Be Reproduced, Stored in a Retrieval System, or Transmitted in Any Form or by Any Means Electronic, Mechanical,

More information

untitled

untitled 서 울 고 등 법 원 제 4 민 사 부 판 결 사 건 2009나97606 손해배상 원고, 항소인 1. 주식회사 화성시 대표이사 2. 김 ( - ) 화성시 원고들 소송대리인 변호사 이승구 피고, 피항소인 1. 캄파니( Company) 버뮤다 대한민국 내에서의 소재지 서울 중구 대표이사, 대한민국에서의 대표자 미합중국인 소송대리인 법무법인 양헌 담당변호사 손성진

More information

<30382E20B1C7BCF8C0E720C6EDC1FD5FC3D6C1BEBABB2E687770>

<30382E20B1C7BCF8C0E720C6EDC1FD5FC3D6C1BEBABB2E687770> 정보시스템연구 제23권 제1호 한국정보시스템학회 2014년 3월, pp. 161~184 http://dx.doi.org/10.5859/kais.2014.23.1.161 베이비붐세대의 디지털라이프 지수* 1) 권순재**, 김미령*** Ⅰ. 서론 Ⅱ. 기존문헌 연구 2.1 베이비붐세대의 현황과 특성 2.2 베이비붐의 세대이 정보화 연구 Ⅲ. 연구내용 및 방법 Ⅳ.

More information

<4D F736F F F696E74202D20C1A63134B0AD202D20BBE7BFF8BCF6BFCD20C8B8C0FC>

<4D F736F F F696E74202D20C1A63134B0AD202D20BBE7BFF8BCF6BFCD20C8B8C0FC> 게임엔진 제 14 강사원수와회전 이대현교수 한국산업기술대학교게임공학과 학습목차 오일러회전의개념과특성의이해 사원수의개념 사원수를이용한회전실습 Slerp 구면보간 닌자의부드러운회전실습 오일러 (Euler) 회전 오일러각도 (Euler Angles) 원리를이용한회전 오일러각도 : 3 차원공간에서물체가취할수있는방향을나타내는데사용되는세개의각도값의조합 18 세기수학자오일러의착안점

More information

기본자료형만으로이루어진인자를받아서함수를결과값으로반환하는고차함수 기본자료형과함수를인자와결과값에모두이용하는고차함수 다음절에서는여러가지예를통해서고차함수가어떤경우에유용한지를설명한다. 2 고차함수의 예??장에서대상체만바뀌고중간과정은동일한계산이반복될때함수를이용하면전체연산식을간 단

기본자료형만으로이루어진인자를받아서함수를결과값으로반환하는고차함수 기본자료형과함수를인자와결과값에모두이용하는고차함수 다음절에서는여러가지예를통해서고차함수가어떤경우에유용한지를설명한다. 2 고차함수의 예??장에서대상체만바뀌고중간과정은동일한계산이반복될때함수를이용하면전체연산식을간 단 EECS-101 전자계산입문 고차함수 박성우 2008년5월 29일 지금까지정수나부동소수와같은기본적인자료형의조합을인자로받고결과값으로반환하는 함수에대해서배웠다. 이번강의에서는함수자체를다른함수의인자로이용하거나결과값으로 이용하는 방법을 배운다. 1 고차함수의 의미 계산은무엇을어떻게처리하여결과값을얻는지설명하는것으로이루어진다. 여기서 무엇 과 결 과값 은계산의대상체로서정수나부동소수와같은기본자료형의조합으로표현하며,

More information

exp

exp exp exp exp exp exp exp exp exp exp exp exp log 第 卷 第 號 39 4 2011 4 투영법을 이용한 터빈 블레이드의 크리프 특성 분석 329 성을 평가하였다 이를 위해 결정계수값인 값 을 비교하였으며 크리프 시험 결과를 곡선 접합 한 결과와 비선형 최소자승법으로 예측한 결과 사 이 결정계수간 정도의 오차가 발생하였고

More information

G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25 $G$25 0.58 $H$25 G24 H25 H24 I24 J24 K24 A5 A24 G5 G24, I5

G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25 $G$25 0.58 $H$25 G24 H25 H24 I24 J24 K24 A5 A24 G5 G24, I5 C15 B6 B12 / B6 B7 C16 F6 F12 / F6 F7 G16 C16/C15 1 C18 B6 B12 / B6 B8 B9 C19 F6 F12 / F6 F8 F9 G19 C19/C18 1 1 G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25

More information

<342EBAAFBCF620B9D720B9D9C0CEB5F92E687770>

<342EBAAFBCF620B9D720B9D9C0CEB5F92E687770> 예약어(reserved word) : 프로그래밍 언어에서 특별한 용도로 사용하고자 미리 지정한 단어 - 프로그램의 구성요소를 구별하게 해주는 역할 => 라벨, 서브 프로그램 이름, 변수에 연관되어 다른 변수나 서브 프로그램 등과 구별 - 식별자의 최대길이는 언어마다 각각 다르며 허용길이를 넘어서면 나머지 문자열은 무시됨 - FORTRAN, COBOL, HTML

More information

Microsoft Word - P02.doc

Microsoft Word - P02.doc 전자제품 설계를 위한 가독성 평가 Legibility evaluation for the letter sizing of an electronic product 박세진 *, 이준수 *, 강덕희 *, 이현자 ** * 한국표준과학연구원, ** ACE침대 교신저자: 박세진(sjpark@kriss.re.kr) ABSTRACT Size of suitable letter

More information

Windows Server 2012

Windows Server  2012 Windows Server 2012 Shared Nothing Live Migration Shared Nothing Live Migration 은 SMB Live Migration 방식과다른점은 VM 데이터파일의위치입니다. Shared Nothing Live Migration 방식은 Hyper-V 호스트의로컬디스크에 VM 데이터파일이위치합니다. 반면에, SMB

More information

#D-B1201..

#D-B1201.. PARTS BOOK SPS/D-B1201Series Models of bar tacking sewing machines / This is a parts book. It cannot be used as a manual. 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

More information

구로구민체육센터 여성전용 기구필라테스 강좌 신설 구로구시설관리공단은 신도림생활체육관에서 2014년도부터 시행하여 주민의 큰 호응을 얻고있는 기구필라 테스 강좌를 2015.12.01일자로 구로구민체육센터에 확대 시행하게 되었습니다. 구로구 관내 고객들의 니즈를 반영한 기

구로구민체육센터 여성전용 기구필라테스 강좌 신설 구로구시설관리공단은 신도림생활체육관에서 2014년도부터 시행하여 주민의 큰 호응을 얻고있는 기구필라 테스 강좌를 2015.12.01일자로 구로구민체육센터에 확대 시행하게 되었습니다. 구로구 관내 고객들의 니즈를 반영한 기 01 2015년도 공단의 이모저모 소식을 전해드려요~ 구로구시설관리공단 구로구시설관리공단 제5대 김완호이사장 취임 구로구시설관리공단 제5대 김완호 신임 이사장이 2015.11.02(월) 취임하였습니다. 취임식에서 소통, 배려, 화합의 구정 방침과 공기업의 경영목표인 공익성과 기업성 양면의 조화로운 경영을 위해 모든 분야의 3% 업그레이드, 3% 절약, 경영환경의

More information

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re EMF Health Effect 2003 10 20 21-29 2-10 - - ( ) area spot measurement - - 1 (Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern

More information

레이아웃 1

레이아웃 1 Disability & Employment 11. 8. 제1권 제호(통권 7호) pp.97~118 중증장애인직업재활지원사업수행시설의 효율성비교* 양숙미 남서울대학교 사회복지학과 부교수 전동일 가톨릭대학교 박사과정 요 약 본 연구는 직업재활시설의 중증장애인 직업재활지원사업에 대한 효율성을 평가하여 효 율적인 운영방안을 제시하는데 목적이 있다. 본 연구를 위해

More information

Introduction to Geotechnical Engineering II

Introduction to  Geotechnical Engineering II Fundamentals of Computer System - chapter 9. Functions 민기복 Ki-Bok Min, PhD 서울대학교에너지자원공학과조교수 Assistant Professor, Energy Resources Engineering Last week Chapter 7. C control statements: Branching and Jumps

More information

윈도우즈프로그래밍(1)

윈도우즈프로그래밍(1) 제어문 (2) For~Next 문 윈도우즈프로그래밍 (1) ( 신흥대학교컴퓨터정보계열 ) 2/17 Contents 학습목표 프로그램에서주어진특정문장을부분을일정횟수만큼반복해서실행하는문장으로 For~Next 문등의구조를이해하고활용할수있다. 내용 For~Next 문 다중 For 문 3/17 제어문 - FOR 문 반복문 : 프로그램에서주어진특정문장들을일정한횟수만큼반복해서실행하는문장

More information

CONTENTS June 2007, VOL. 371 IP News IP Column IP Report IP Information Invention & Patent

CONTENTS June 2007, VOL. 371 IP News IP Column IP Report IP Information Invention & Patent CONTENTS June 2007, VOL. 371 IP News IP Column IP Report IP Information Invention & Patent The th Anniversary 1 9 6 4 ~ 2 0 0 7 (Patent Information Service - Search & Analysis) T e l. T e l. T e l.

More information

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5>

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5> 주간기술동향 2016. 5.18. 컴퓨터 비전과 인공지능 장혁 한국전자통신연구원 선임연구원 최근 많은 관심을 받고 있는 인공지능(Artificial Intelligence: AI)의 성과는 뇌의 작동 방식과 유사한 딥 러닝의 등장에 기인한 바가 크다. 이미 미국과 유럽 등 AI 선도국에서는 인공지능 연구에서 인간 뇌 이해의 중요성을 인식하고 관련 대형 프로젝트들을

More information

유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정

유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정 유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정 이인범 *, 장우진 ** * 서울대학교 산업공학과 석사과정, 서울시 관악구 대학동 서울대학교 공과대학 39-315 **서울대학교 산업공학과 부교수, 서울시 관악구 대학동 서울대학교 공과대학 39-305 Abstract 주가연계증권은 국내에서 발행되는 대표적인 주식 연계 구조화 증권으로 2003 년부터 발행되기

More information

abstract.dvi

abstract.dvi 통계자료분석 강희모 2014년 5월 14일 목차 제 1장 여러가지평균비교 1 1.1. 단일표본검정.............................. 2 1.2. 독립인두표본검정........................... 4 1.3. 대응표본검정.............................. 9 제 2 장 분산분석(ANalysis Of VAriance)

More information

표지

표지 2 : Retinex (Regular Paper) 17 5, 2012 9 (JBE Vol. 17, No. 5, September 2012) http://dx.doi.org/10.5909/jbe.2012.17.5.851 ISSN 1226-7953(Print) Retinex a), b), c) Color Improvement of Retinex Image Using

More information

1. 서 론

1. 서 론 리팩토링을 위한 성능 기반의 무브 메소드 영역 추출 및 분석 연구 (refactoring for performance-based move method region extraction and analysis of research) 권 예 진 이 준 하 박 용 범 단국대학교 전자계산학과 충남 천안시 동남구 단대로 119 kwon6030@dankook.ac.kr

More information

Microsoft PowerPoint - 기계공학실험1-1MATLAB_개요2D.pptx

Microsoft PowerPoint - 기계공학실험1-1MATLAB_개요2D.pptx 1. MATLAB 개요와 활용 기계공학실험 I 2013년 2학기 MATLAB 시작하기 이장의내용 MATLAB의여러창(window)들의 특성과 목적 기술 스칼라의 산술연산 및 기본 수학함수의 사용. 스칼라 변수들(할당 연산자)의 정의 및 변수들의 사용 방법 스크립트(script) 파일에 대한 소개와 간단한 MATLAB 프로그램의 작성, 저장 및 실행 MATLAB의특징

More information

제 1 장 기본 개념

제 1 장 기본 개념 이진트리순회와트리반복자 트리순회 (tree traversal) 트리에있는모든노드를한번씩만방문 순회방법 : LVR, LRV, VLR, VRL, RVL, RLV L : 왼쪽이동, V : 노드방문, R : 오른쪽이동 왼쪽을오른쪽보다먼저방문 (LR) LVR : 중위 (inorder) 순회 VLR : 전위 (preorder) 순회 LRV : 후위 (postorder)

More information

45-51 ¹Ú¼ø¸¸

45-51 ¹Ú¼ø¸¸ A Study on the Automation of Classification of Volume Reconstruction for CT Images S.M. Park 1, I.S. Hong 2, D.S. Kim 1, D.Y. Kim 1 1 Dept. of Biomedical Engineering, Yonsei University, 2 Dept. of Radiology,

More information

<B3EDB4DC28B1E8BCAEC7F6292E687770>

<B3EDB4DC28B1E8BCAEC7F6292E687770> 1) 초고를읽고소중한조언을주신여러분들게감사드린다. 소중한조언들에도불구하고이글이포함하는오류는전적으로저자개인의것임을밝혀둔다. 2) 대표적인학자가 Asia's Next Giant: South Korea and Late Industrialization, 1990 을저술한 MIT 의 A. Amsden 교수이다. - 1 - - 2 - 3) 계량방법론은회귀분석 (regression)

More information