| 1 |
1
최적해를 도출하기 위한 최적해 도출 장치에 있어서,대상 함수에 대한 N 차원의 최적해에 대응하는 N 차원의 변수를 갖는 특징점들이 분포하는 데이터 해석 영역의 전역을 탐색하여 최적해가 있을 것으로 판단되는 후보군들의 위치를 도출하는 제1 알고리즘부; 및상기 제1 알고리즘 연산부에 의해 도출된 상기 후보군들을 기초로 지역 최적해 탐색을 수행하여 최적해를 도출하는 제2 알고리즘부를 포함하는,최적해 도출 장치
|
| 2 |
2
제1 항에 있어서,상기 제1 알고리즘부는: 상기 특징점들 중 임의의 메인 특징점으로 선정하고, 상기 메인 특징점을 기준으로 변수의 설계 제한치에 해당하는 영역을 설정하고, 상기 영역의 경계에 위치하는 특징점들 중 기설정된 기준치와 가장 근접한 특징점을 추출하고, 상기 추출된 특징점을 기준으로 새로운 영역을 설정하는 분석 과정을 반복적으로 수행하여 상기 데이터 해석 영역의 전역을 탐색하는,최적해 도출 장치
|
| 3 |
3
제2 항에 있어서,상기 제1 알고리즘부는:상기 새로운 영역을 생성하는 분석 과정을 정해진 횟수만큼 반복적으로 수행하는,최적해 도출 장치
|
| 4 |
4
제2 항에 있어서,상기 기설정된 기준치는 상기 대상 함수를 통해 도출되는 전자 장치의 일 파라미터의 해석값을 기초로 설정되는,최적해 도출 장치
|
| 5 |
5
제1 항에 있어서,상기 제1 알고리즘부는 제1 분석 과정을 수행하고,상기 제1 분석 과정은:상기 특징점들 중 임의의 메인 특징점을 선정하고,상기 메인 특징점을 기준으로 변수의 제1 설계 제한치에 해당하는 제1 영역을 설정하고,상기 제1 영역의 경계에 위치하는 상기 특징점들을 중 상기 기설정된 기준치와 가장 근접한 특징점을 제1 서브 특징점으로 선정하고,상기 제1 서브 특징점을 기준으로 변수의 제2 설계 제한치에 해당하는 제2 영역을 설정하는,최적해 도출 장치
|
| 6 |
6
제5 항에 있어서,상기 제2 설계 제한치는 상기 제1 설계 제한치보다 작은 수이고,상기 제2 영역은 상기 제1 영역보다 작은,최적해 도출 장치
|
| 7 |
7
제5 항에 있어서,상기 제1 알고리즘부는 제2 분석 과정을 수행하고,상기 제3 분석 과정은:상기 제2 영역의 경계에 위치하는 상기 특징점들을 중 상기 기설정된 기준치와 가장 근접한 특징점을 제2 서브 특징점으로 선정하고,상기 제2 서브 특징점을 기준으로 변수의 제3 설계 제한치에 해당하는 제3 영역을 설정하는,최적해 도출 장치
|
| 8 |
8
제7 항에 있어서,상기 제1 알고리즘부는 상기 데이터 해석 영역의 전역을 분석하는 과정을 수행한 후, 기설정된 기준치에 부합하지 않는 특징점들을 제거하는 제거 과정을 수행하여 상기 후보군을 도출하는,최적해 도출 장치
|
| 9 |
9
제8 항에 있어서,상기 제1 알고리즘부는 상기 후보군 중 상기 기설정된 기준치와 가장 근접하는 특징점인 최적의 특징점을 추출하고,상기 제2 알고리즘부는 상기 최적의 특징점의 특정 반경 내에 존재하는 특징점을 제거하는,최적해 도출 장치
|
| 10 |
10
제9 항에 있어서,상기 제2 알고리즘부는 상기 최적의 특징점을 기초로 지역 최적화 알고리즘인 생성 집합 탐색(generating set search)을 통해 상기 최적해를 도출하는,최적해 도출 장치
|
| 11 |
11
제10 항에 있어서,상기 최적해는 지역 최적해 및 전역 최적해를 포함할 수 있고,상기 지역 최적해와 상기 전역 최적해의 분포를 확인할 수 있는 정합성 판별부를 더 포함하는,최적해 도출 장치
|
| 12 |
12
제11 항에 있어서,상기 정합성 판별부는 브라닌 함수(Branin function) 및 Six-Hump Camel 함수를 이용하는,최적해 도출 장치
|
| 13 |
13
제2 항에 있어서,상기 제1 알고리즘부는:선정한 상기 메인 특징점이 이미 분석 과정을 거친 영역 내의 특징점인 경우 새로운 메인 특징점을 선정하는,최적해 도출 장치
|
| 14 |
14
제2 항에 있어서,상기 제1 알고리즘부는:복수개의 상기 메인 특징점들을 기준으로 상기 데이터 해석 영역의 전역을 탐색하는,최적해 도출 장치
|
| 15 |
15
대상 함수에 대한 N 차원의 최적해에 대응하는 N 차원의 변수를 갖는 특징점들이 분포하는 데이터 해석 영역의 전역을 탐색하여 최적해가 있을 것으로 판단되는 최적의 특징점들을 도출하고 상기 최적의 특징점들을 제외한 특징점들은 삭제하는 제1 연산을 수행하는 단계; 및상기 최적의 특징점들을 기초로 지역 최적해 탐색을 수행하여 최적해를 도출하는 제2 연산을 수행하는 단계를 포함하고,상기 제1 연산을 수행하는 단계는,상기 특징점들 중 임의의 메인 특징점으로 선정하는 단계;상기 메인 특징점을 기준으로 변수의 설계 제한치에 해당하는 제1 영역을 설정하는 단계; 상기 제1 영역의 경계에 위치하는 특징점들 중 기설정된 기준치와 가장 근접한 제1 서브 특징점을 추출하는 단계; 및상기 서브 특징점을 기준으로 제2 영역을 설정하는 단계를 포함하는,최적해 도출 방법
|
| 16 |
16
제15 항에 있어서,상기 특징점들 중 임의의 메인 특징점으로 선정하는 단계에서,선정한 상기 메인 특징점이 이미 분석 과정을 거친 영역 내의 특징점인 경우 새로운 메인 특징점을 선정하는,최적해 도출 방법
|
| 17 |
17
제15 항에 있어서,상기 제1 연산을 수행하는 단계는:상기 제2 영역의 경계에 위치하는 특징점들 중 상기 기설정된 기준치와 가장 근접한 제2 서브 특징점을 추출하고 상기 제2 서브 특징점을 기준으로 제3 영역을 생성하는 단계를 더 포함하고,상기 제1 연산을 수행하는 단계는,제N-1 서브 특징점을 추출하고 및 제N 영역을 생성하는 과정을 N번 반복하여 수행하고, 상기 N번은 미리 설정된 횟수인,최적해 도출 방법
|
| 18 |
18
제17 항에 있어서,제N+1 영역의 반경은 제N 영역의 반경보다 작은,최적해 도출 방법
|
| 19 |
19
제16 항에 있어서,상기 제1 연산을 반복적으로 수행하는 과정을 통해 상기 데이터 해석 영역의 전역을 탐색한 이후, 상기 기설정된 기준치에 부합하지 않는 특징점들을 제거하는 제거 과정을 수행하여 상기 최적의 특징점들을 도출하는,최적해 도출 방법
|
| 20 |
20
제19 항에 있어서,상기 제2 연산을 수행하는 단계에서,상기 최적의 특징점들의 특정 반경 내에 존재하는 특징점을 제거하는,최적해 도출 방법
|
| 21 |
21
제20 항에 있어서,상기 제2 연산을 수행하는 단계는,상기 최적의 특징점을 기초로 지역 최적화 알고리즘인 생성 집합 탐색(generating set search)을 통해 상기 최적해를 도출하는,최적해 도출 방법
|
