| 1 |
1
문제 상황 및 문제 상태가 주어졌을 때,상기 주어진 문제 상황에 대한 유사 문제 상황을 발사 추천기 데이터베이스에서 검색하여,상기 유사 문제 상황에 대응하는 단위 발사 추천기 집합을 검출하는 유사 문제 상황 검출기;검출된 상기 단위 발사 추천기 집합을 사용하여 페트리넷의 특정 마킹에서의 발사 여부, 또는 발사 트랜지션 정보를 추천하는 발사 추천기; 및상기 발사 추천기를 이용하여 상기 주어진 문제 상황 및 문제 상태에 대하여 생성된 페트리넷을 구동함으로써,상기 주어진 문제 상황 및 문제 상태에 대한 해를 구하는 페트리넷 풀이기(solver)를 포함하며,상기 발사 추천기 데이터베이스는 상기 유사 문제 상황에 대한 단위 발사 추천기를 데이터베이스화하고 있는 것을 특징으로 하는 최적화 시스템
|
| 2 |
2
제1항에 있어서,상기 페트리넷이 컬러 페트리넷인 경우,상기 단위 발사 추천기가 상기 페트리넷에서 특정 마킹에서의 발사 트랜지션 정보를 추천함에 있어,발사할 트랜지션에 더하여 어떤 색깔의 토큰을 발사할 것인지도 추천하는 것을 특징으로 하는 최적화 시스템
|
| 3 |
3
제1항에 있어서,상기 단위 발사 추천기는,기계 학습에 기반한 단위 발사 추천기이거나,유사 마킹에 기반한 단위 발사 추천기이거나,상기 양 추천기를 선택적으로 이용하는 하이브리드 방식의 단위 발사 추천기인 것을 특징으로 하는 최적화 시스템
|
| 4 |
4
제3항에 있어서,상기 단위 발사 추천기가 유사 마킹에 기반한 단위 발사 추천기이거나, 하이브리드 방식의 단위 발사 추천기인 경우,유사 문제 상황에 대한 문제 상태의 특정 마킹에서의 발사가능 트랜지션들에 대한 발사 여부 및 발사 트랜지션 정보를 가지고 있는 마킹 데이터베이스를 더 포함하는 것을 특징으로 하는 최적화 시스템
|
| 5 |
5
제3항에 있어서,상기 단위 발사 추천기가 기계 학습에 기반한 단위 발사 추천기인 경우,상기 페트리넷에 존재하는 각 트랜지션 마다 기계 학습에 기반한 단위 발사 추천기가 하나씩 존재하거나,상기 페트리넷에 존재하는 각 충돌 트랜지션 집합 마다 다중 클래스(multi-class) 분류를 위한 기계 학습에 기반한 단위 발사 추천기가 하나씩 존재하는 것을 특징으로 하는 최적화 시스템
|
| 6 |
6
제1항에 있어서,상기 단위 발사 추천기는 상기 마킹에 대한 정보를 고려하거나,이와 함께 해당 마킹에 도달하기까지 발사된 트랜지션들의 순서(sequence) 및 문제 상황, 문제 상태의 정보를 함께 고려하여,상기 페트리넷에서 특정 마킹에서의 특정 트랜지션의 발사 여부, 또는 발사 트랜지션 정보를 추천하는 것을 특징으로 하는 최적화 시스템
|
| 7 |
7
제4항에 있어서,상기 단위 발사 추천기가 유사 마킹에 기반한 단위 발사 추천기인 경우,상기 단위 발사 추천기는 특정 문제 상황에 대하여 생성된 마킹 데이터베이스를 검색하여,특정 문제 상태와 같은 마킹이 있을 경우 이에 해당하는 발사 여부, 또는 발사 트랜지션 정보를 추천하거나,특정 문제 상태와 같은 마킹이 없을 경우, 1개 이상의 유사 마킹들에 대해 협업 필터링(Collaborative Filtering) 방식 또는 k-NN(Nearest Neighbor) 방식을 이용하여 발사 여부, 또는 발사 트랜지션 정보를 추천하는 것을 특징으로 하는 최적화 시스템
|
| 8 |
8
제4항에 있어서,상기 단위 발사 추천기가 하이브리드 방식의 단위 발사 추천기인 경우,상기 단위 발사 추천기는 상기 마킹 데이터베이스를 검색하여,특정 문제 상황 및 문제 상태에 대한 유사 마킹이 존재하는 경우에는 상기 유사 마킹에 기반한 단위 발사 추천기를 이용하고,유사 마킹이 없을 경우에는 상기 기계 학습에 기반한 단위 발사 추천기를 이용하는 것을 특징으로 하는 최적화 시스템
|
| 9 |
9
제1항에 있어서,상기 페트리넷 풀이기(solver)는 특정 마킹에서 상기 발사 추천기가 추천한 발사 트랜지션 정보가 복수개인 경우,각 발사 트랜지션 정보에 대한 추천 결과에 따르는 오류 수치를 비교하여 발사 트랜지션 정보를 선택하는 것을 특징으로 하는 최적화 시스템
|
| 10 |
10
제 1항에 있어서,상기 페트리넷으로서,기본 페트리넷(Ordinary Petri Net)을 사용하거나,또는 시간 페트리넷(Timed Petri Net), 컬러 페트리넷(Colored Petri Net), 시간 컬러 페트리넷(Timed Colored Petri Net), 계층 시간 컬러 페트리넷(Hierarchical Timed Colored Petri Net), 일반 추계 페트리넷(Generalized Stochastic Petri Net), 고수준 페트리넷(High Level Petri Net) 중 하나를 사용하는 것을 특징으로 하는 최적화 시스템
|
| 11 |
11
제1항에 있어서,상기 주어진 문제 상황 및 문제 상태가 페트리넷으로 변환 가능한 형식 모형(formal model)으로 표현되어 있는 경우,상기 형식 모형(formal model)을 페트리넷으로 변환하는 페트리넷 변환기를 더 포함하는 것을 특징으로 하는 최적화 시스템
|
| 12 |
12
제1항에 기재된 최적화 시스템을 포함하여 구성되는 시스템 최적화부;상기 시스템 최적화부로 시스템의 상태를 전달하여 실시간으로 마킹을 업데이트하는 상태 입력부; 및상기 시스템 최적화부로부터 현 상태에서의 발사 여부, 또는 발사 트랜지션 정보를 전달받아 시스템을 제어하는 시스템 제어부를 포함하는 것을 특징으로 하는 페트리넷을 이용한 시스템 제어기
|
| 13 |
13
(a) 주어진 문제 상황에 대하여 하나 이상의 유사 문제 상황을 생성하는 단계;(b) 생성된 상기 하나 이상의 유사 문제 상황에 대하여 각 하나 이상의 문제 상태를 생성하는 단계;(c) 소정의 최적화기를 사용하여 상기 하나 이상의 유사 문제 상황에 대한 각 문제 상태에 대하여 해를 구하는 단계;(d) 상기 최적화기의 해를 구하는 의사 결정 방식과 패턴을 모사(simulation)할 수 있는 발사 추천기 및 발사 추천기 데이터베이스를 구성하는 단계; 및(e) 상기 발사 추천기를 이용하여 상기 주어진 문제 상황 및 그에 대한 문제 상태에 대한 페트리넷을 구동함으로써 그 해를 구할 수 있는 페트리넷 풀이기(solver)를 생성하는 단계를 포함하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 14 |
14
제13항에 있어서,상기 (d) 단계는,(d1) 상기 유사 문제 상황에 대한 각 문제 상태에 대하여 페트리넷을 구성하는 단계;(d2) 상기 유사 문제 상황에 대한 각 문제 상태에 대하여 상기 최적화기를 사용하여 생성된 해를 이용하여,상기 페트리넷을 구동시키면서 상기 페트리넷의 각 마킹에서 각 트랜지션에 대한 발사 여부, 또는 발사 트랜지션 정보를 파악하여 마킹 데이터베이스를 생성하는 단계;(d3) 상기 마킹 데이터베이스를 이용하여 복수개의 단위 발사 추천기를 포함하는 상기 발사 추천기 데이터베이스를 구성하는 단계; 및(d4) 상기 발사 추천기 데이터베이스를 이용하여 상기 발사 추천기를 구성하는 단계를 포함하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 15 |
15
제14항에 있어서,상기 (d3) 단계에서,상기 발사 추천기 데이터베이스를 구성함에 있어,기계 학습에 기반한 단위 발사 추천기, 유사 마킹에 기반한 단위 발사 추천기 또는 하이브리드 방식 단위 발사 추천기를 포함하여 구성하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 16 |
16
제15항에 있어서,상기 기계 학습에 기반한 단위 발사 추천기를 생성함에 있어서,상기 마킹 데이터베이스의 데이터를 학습 데이터로 사용하여,써포트 벡터 기계(Support Vector Machine), 또는 규칙 학습(Rule Learning)을 이용하여 분류기를 학습함으로써 상기 단위 발사 추천기를 구성하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 17 |
17
제15항에 있어서,상기 유사 마킹에 기반한 단위 발사 추천기를 구성함에 있어서,상기 마킹 데이터베이스를 이용하여,특정 문제 상황에 속하는 마킹 중에서 유사 마킹을 검색하여,발사 여부, 또는 발사 트랜지션 정보를 추천하도록 상기 단위 발사 추천기를 구성하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 18 |
18
제15항에 있어서,상기 하이브리드 방식 단위 발사 추천기를 생성함에 있어서,상기 마킹 데이터베이스를 검색하여,특정 문제 상황에 속하는 유사 마킹이 존재하는 경우에는 상기 유사 마킹에 기반한 단위 발사 추천기를 이용하고,특정 문제 상황에 속하는 마킹 중에서 유사 마킹이 없는 경우에는 상기 기계 학습에 기반한 단위 발사 추천기를 이용하도록 상기 단위 발사 추천기를 구성하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 19 |
19
제13항에 있어서,상기 (c) 단계에 이어서,(c1) 상기 최적화기에 의한 해를 데이터베이스화하여 해 데이터베이스를 생성하는 단계를 더 포함하는 것을 특징으로 하는 최적화 시스템 구현 방법
|
| 20 |
20
(A) 주어진 문제 상황 및 문제 상태에 대하여 페트리넷을 생성하는 단계;(B) 발사 추천기 데이터베이스를 검색하여, 상기 주어진 문제 상황에 대한 유사 문제 상황 및 상기 유사 문제 상황에 대응하는 단위 발사 추천기 집합을 검출하는 단계; 및(C) 검출된 상기 단위 발사 추천기 집합을 포함하여 구성된 발사 추천기를 이용하여, 상기 페트리넷을 구동하면서 상기 주어진 문제 상황 및 문제 상태에 대한 해를 구하는 단계를 포함하며,상기 발사 추천기 데이터베이스는 상기 유사 문제 상황에 대한 단위 발사 추천기를 데이터베이스화하고 있는 것을 특징으로 하는 최적화 방법
|
