1 |
1
공사비에 영향을 미치는 복수의 영향요인에 대한 데이터와 소요공사비를 포함하는 복수 개의 기존사례 데이터가 저장되는 데이터베이스부;
상기 영향요인 및 소요공사비가 결정되어 있는 학습사례의 영향요인 각각과 상기 복수 개의 기존사례 데이터의 영향요인의 유사도 점수를 산출하는 유사도 점수 산출부;
상기 각각의 영향요인에 대응하는 설정된 가중치들로 이루어진 가중치 집합에 대해 유전자 알고리즘의 선택, 교차 및 돌연변이 연산을 순차적으로 수행하여 사전에 설정된 세대수에 대응하는 복수 개의 가중치 집합을 생성하는 가중치 생성부;
상기 가중치 집합 각각에 대해 다음의 수학식 A를 통해 상기 학습사례에 대응하여 산출된 오차가 최소가 되는 가중치 집합을 구성하는 각각의 원소들을 상기 각각의 영향요인에 대응하는 최종 가중치로 결정하는 가중치 결정부; 및
상기 복수 개의 기존사례 데이터의 영향요인 각각과 공사비를 산정할 신규사례의 영향요인 각각의 유사도 점수 및 상기 각각의 영향요인에 대응하는 최종 가중치를 기초로 상기 기존사례 데이터 중에서 유사사례를 선정하고, 상기 유사사례의 공사비를 기초로 상기 신규사례의 공사비를 산정하는 공사비 산정부;를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 A]
,
여기서, Dmin은 최소 오차, Y는 학습사례의 소요공사비, 그리고, Y1 내지 Yn은 각각의 가중치 집합에 대응하여 산출된 예측공사비이다
|
2 |
2
제 1항에 있어서,
상기 가중치 생성부는 복수개의 학습사례 각각에 대응하여 상기 가중치 집합을 생성하고,
상기 가중치 결정부는 상기 복수개의 학습사례 각각에 대응하는 가중치 집합에 대해 산출한 최종 가중치들 중에서 각각의 학습사례에 해당하는 오차의 평균값이 최소인 최종 가중치를 상기 각각의 영향요인에 대응하는 최종 가중치로 결정하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치
|
3 |
3
제 1항에 있어서,
상기 가중치 결정부는 다음의 수학식 B에 의해 상기 각각의 가중치 집합에 대응하는 예측공사비를 산출하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 B]
,
여기서, Yi는 각각의 가중치 집합에 대응하여 산출된 예측공사비, Sk는 다음의 수학식 C로 정의되는 각각의 기존사례의 유사도 점수, Ck는 각각의 기존사례의 실제공사비이며,
[수학식 C]
,
여기서, Wj는 각각의 영향요인에 대응하는 가중치, Ijk는 각각의 영향요인에 대응하는 유사도 점수이다
|
4 |
4
제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 가중치는 0보다 크거나 같고 1보다 작거나 같으며, 상기 가중치 집합을 구성하는 가중치들의 총합은 1인 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치
|
5 |
5
제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 각각의 영향요인에 대응하는 설정된 유사도 점수들로 이루어진 유사도 점수 집합에 대해 유전자 알고리즘의 선택, 교차 및 돌연변이 연산을 순차적으로 수행하여 사전에 설정된 세대수에 대응하는 복수 개의 유사도 점수 집합을 생성하고, 상기 유사도 점수 집합 각각에 대해 다음의 수학식 D를 통해 상기 학습사례에 대응하여 산출된 오차가 최소가 되는 유사도 점수 집합을 구성하는 각각의 원소들을 상기 각각의 영향요인에 대응하는 최종적인 유사도 점수로 결정하는 유사도 점수 결정부를 더 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 D]
,
여기서, DImin은 최소 오차, Y는 학습사례의 소요공사비, 그리고, YI1 내지 YIn은 각각의 유사도 점수 집합에 대응하여 산출된 예측공사비이다
|
6 |
6
제 5항에 있어서,
상기 유사도 점수 결정부는 복수개의 학습사례 각각에 대응하여 상기 유사도 점수 집합을 생성하고, 상기 복수개의 학습사례 각각에 대응하는 유사도 점수 집합에 대해 산출한 최종적인 유사도 점수들 중에서 각각의 학습사례에 해당하는 오차의 평균값이 최소인 최종적인 유사도 점수를 상기 각각의 영향요인에 대응하는 최종적인 유사도 점수로 결정하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치
|
7 |
7
제 5항에 있어서,
상기 유사도 점수 결정부는 다음의 수학식 E에 의해 상기 각각의 유사도 점수 집합에 대응하는 예측공사비를 산출하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 E]
,
여기서, YIi는 각각의 유사도 점수 집합에 대응하여 산출된 예측공사비, Sk는 다음의 수학식 F로 정의되는 각각의 기존사례의 유사도 점수, Ck는 각각의 기존사례의 실제공사비이며,
[수학식 F]
,
여기서, Ij는 각각의 영향요인에 대응하는 유사도 점수, Wjk는 각각의 영향요인에 대응하는 가중치이다
|
8 |
8
제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 공사비 산정부는,
상기 신규사례에 대응하여 유사도 점수가 높은 순서대로 사전에 설정된 개수만큼 유사사례들을 선정하고, 상기 유사사례들에 대해 다음의 수학식 G에 의해 상기 신규사례의 공사비를 산정하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 G]
,
[수학식 H]
,
상기 수학식 G와 상기 수학식 H에서, F는 신규사례의 공사비, Ei는 각각의 유사사례의 공사비, n은 유사사례의 개수, 그리고, Wi는 각각의 유사사례에 대해 주어지는 가중치이다
|
9 |
9
제 8항에 있어서,
다음의 수학식 I에 의해 상기 각각의 유사사례의 공사비를 보정하는 공사비 보정부를 더 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치:
[수학식 I]
,
여기서, E'i는 각각의 유사사례의 보정된 공사비이고, Ri는 각각의 유사사례에 대한 신규사례의 연장 및 폭의 비율이다
|
10 |
10
제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 기존사례, 학습사례 및 신규사례는 교량공사 또는 터널공사이며,
상기 영향요인은 연장, 폭원 및 차로수를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치
|
11 |
11
제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 기존사례, 학습사례 및 신규사례는 교량공사이며,
상기 영향요인은 연장, 폭원, 상부면적, 차로수, 가설위치, 지역, 경간장 및 경간수를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 장치
|
12 |
12
유전자 알고리즘에 기반한 공사비 산정 장치에 의해 수행되는 공사비 산정 방법에 있어서,
공사비에 영향을 미치는 복수 개의 영향요인 및 소요공사비가 결정되어 있는 학습사례의 영향요인 각각과 데이터베이스에 저장되어 있는 상기 복수 개의 영향요인에 대한 데이터와 소요공사비를 포함하는 복수 개의 기존사례 데이터의 영향요인의 유사도 점수를 산출하는 단계;
상기 각각의 영향요인에 대응하는 설정된 가중치들로 이루어진 가중치 집합에 대해 유전자 알고리즘의 선택, 교차 및 돌연변이 연산을 순차적으로 수행하여 사전에 설정된 세대수에 대응하는 복수 개의 가중치 집합을 생성하는 단계;
상기 가중치 집합 각각에 대해 다음의 수학식 A를 통해 상기 학습사례에 대응하여 산출된 오차가 최소가 되는 가중치 집합을 구성하는 각각의 원소들을 상기 각각의 영향요인에 대응하는 최종 가중치로 결정하는 단계; 및
상기 복수 개의 기존사례 데이터의 영향요인 각각과 공사비를 산정할 신규사례의 영향요인 각각의 유사도 점수 및 상기 각각의 영향요인에 대응하는 최종 가중치를 기초로 상기 기존사례 데이터 중에서 유사사례를 선정하고, 상기 유사사례의 공사비를 기초로 상기 신규사례의 공사비를 산정하는 단계;를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법:
[수학식 A]
,
여기서, Dmin은 최소 오차, Y는 학습사례의 소요공사비, 그리고, Y1 내지 Yn은 각각의 가중치 집합에 대응하여 산출된 예측공사비이다
|
13 |
13
제 12항에 있어서,
상기 가중치 생성단계에서, 복수개의 학습사례 각각에 대응하여 상기 가중치 집합을 생성하고,
상기 가중치 결정단계에서, 상기 복수개의 학습사례 각각에 대응하는 가중치 집합에 대해 산출한 최종 가중치들 중에서 각각의 학습사례에 해당하는 오차의 평균값이 최소인 최종 가중치를 상기 각각의 영향요인에 대응하는 최종 가중치로 결정하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법
|
14 |
14
제 12항에 있어서,
상기 가중치 결정단계에서, 다음의 수학식 B에 의해 상기 각각의 가중치 집합에 대응하는 예측공사비를 산출하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법:
[수학식 B]
,
여기서, Yi는 각각의 가중치 집합에 대응하여 산출된 예측공사비, Sk는 다음의 수학식 C로 정의되는 각각의 기존사례의 유사도 점수, Ck는 각각의 기존사례의 실제공사비이며,
[수학식 C]
,
여기서, Wj는 각각의 영향요인에 대응하는 가중치, Ijk는 각각의 영향요인에 대응하는 유사도 점수이다
|
15 |
15
제 12항 내지 제 14항 중 어느 한 항에 있어서,
상기 가중치는 0보다 크거나 같고 1보다 작거나 같으며, 상기 가중치 집합을 구성하는 가중치들의 총합은 1인 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법
|
16 |
16
제 12항 내지 제 14항 중 어느 한 항에 있어서,
상기 공사비 산정단계는,
상기 신규사례에 대응하여 유사도 점수가 높은 순서대로 사전에 설정된 개수만큼 유사사례들을 선정하는 단계; 및
상기 유사사례들에 대해 다음의 수학식 G에 의해 상기 신규사례의 공사비를 산정하는 단계;를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법:
[수학식 G]
,
[수학식 H]
,
상기 수학식 G와 상기 수학식 H에서, F는 신규사례의 공사비, Ei는 각각의 유사사례의 공사비, n은 유사사례의 개수, 그리고, Wi는 각각의 유사사례에 대해 주어지는 가중치이다
|
17 |
17
제 16항에 있어서,
다음의 수학식 I에 의해 상기 각각의 유사사례의 공사비를 보정하는 단계를 더 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법:
[수학식 I]
,
여기서, E'i는 각각의 유사사례의 보정된 공사비이고, Ri는 각각의 유사사례에 대한 신규사례의 연장 및 폭의 비율이다
|
18 |
18
제 12항 내지 제 14항 중 어느 한 항에 있어서,
상기 기존사례, 학습사례 및 신규사례는 교량공사 또는 터널공사이며,
상기 영향요인은 연장, 폭원 및 차로수를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법
|
19 |
19
제 12항 내지 제 14항 중 어느 한 항에 있어서,
상기 기존사례, 학습사례 및 신규사례는 교량공사이며,
상기 영향요인은 연장, 폭원, 상부면적, 차로수, 가설위치, 지역, 경간장 및 경간수를 포함하는 것을 특징으로 하는 유전자 알고리즘에 기반한 공사비 산정 방법
|
20 |
20
제 12항 내지 제 14항 중 어느 한 항에 기재된 유전자 알고리즘에 기반한 공사비 산정 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|