Fintecuriosity

산업혁명의 출현 이래로 전 세계에 걸쳐 조직의 크기와 복잡도가 놀랄만큼 성장한 것을, 우리는 주변에 있는 인프라들을 통하여 알 수 있습니다. 초창기의 장인들의 소규모 작업장들이 오늘날은 수십억 달러 규모의 기업으로 변화 하였습니다. 이와 같은 혁명적 변화의 핵심적인 부분은 이들 조직들의 노동력과 경영책임, 두 영역에서의 놀라운 분업화에서 발생합니다. 이 같은 성장의 결과는 눈부실 정도로 대단합니다. 그러나 이와 같은 전문화의 진행은 많은 조직에서 새로운 문제를 야기하여 왔고, 현재도 야기하고 있습니다. 한 가지 문제는 조직의 많은 하위조직이 비교적 자율적으로 성장하며 자신들 고유의 목표나 가치체계를 가지게 되고, 따라서 전체 조직의 행동과의 관계가 헝클어지거나 방향성을 상실하는 것입니다. 하나의 하위조직..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. ※ 비가능해이면 평가값에 벌금을 주는 벌금 전략은 메타휴리스틱에서 가장 널리 사용되는 전략입니다. 이 전략은 비가능 영역으로의 이동을 허용하고 비가능해를 후보해로 받아들이는 탐색전략입니다. 이러한 탐색 전략은 제약이 강한 문제에서 효과적일 수도 있고, 단일해 기반 보다는 집단 기반 메타휴리스틱스에서 더욱 효과적으로 구현할 수 있습니다. 흔..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. ※ 탐색과정에서 비가능해가 발생하면 버리고 가능해만 수용합니다. 이는 가장 단순한 전략이지만 가능해 공간이 좁은 경우에는 사용하기가 어렵습니다. 또한 가능해를 연결하는 영역에 비가능해가 존재할 수 있고, 비가능해 영역 가까이 최적해가 존재할 수 있습니다. 따라서 이 전략은 비가능해를 이용할 수 없다는 강한 약점을 갖습니다. 가장 단순한 전..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 집단을 운영하는 메타휴리스틱스(P-MHs)에서는 이웃 구조는, 반드시 필요한 것은 아니지만, 알고리즘의 성능 향상을 위하여 자주 사용됩니다. 하나의 집단을 운영하면서 발생하는 탐색의 조기 수렴 또는 조기 정체를 피하고, 탐사력을 높이는 방법으로 사용됩니다. ※ P-MHs에서 이웃은 2가지 방법으로 사용됩니다. 그 中 하나의 집단이 특정한 ..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 단일해 기반 메타휴리스틱스(S-MHs)에서는 단일 현재해의 이웃에서 어떤 기준에 의해 하나의 해(이웃해)를 선택하고, 그 해로 이동하면서 해 공간을 탐색해 나갑니다. 그러므로 S-MHs를 설계할 때는 이웃을 반드시 정의해야 합니다. 즉 이웃 구조를 결정해야 하는 것입니다. 이웃 구조는 성능에 크게 영향을 줍니다. S-MHs가 성공적으로 문..

이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. [강화학습] 강화학습의 기본 요소 이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. fintecuriosity-11.tistory.com ※ 이전 포스트에서는 강화학습은 5개의 요소로 구성이 되어있다고 말씀을 드렸습니다. 환경(Environment) 상태(State) 에이전트(Agent) 행동(Action) 보상(Reward) 그리고 바로 이전의 포스트에서는 5개의 요소..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 메타휴리스틱스 알고리즘에서 알고리즘이 무한 반복을 하지 않고 합리적인 반복 횟수를 수행한 후 끝낼 수 있도록 종료 조건을 명시해야 합니다. ※ 메타휴리스틱 알고리즘 종료조건은 아래와 같습니다. 1) 최대 반복 수(S-MHs에서) 또는 최대 세대 수(P-MHs에서) 2) 목적함수 평가의 최대 횟수: S-MHs에서는 이웃해 평가의 최대 횟수,..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 일반적으로는 메타휴리스틱스에서 파라미터가 존재합니다. 이들 파라이커는 대부분 탐색의 이용과 탐사에 관련됩니다. 메타휴리스틱에서 파라미터는 알고리즘의 주 요소이고, 흔히 해공간의 탐색 특성을 특징짓습니다. 이 파라미터는 알고리즘의 유연성과 강건성을 재고시키는 역할을 하는 반면에, 적절하지 않은 파라미터 값은 알고리즘의 성능을 크게 약화시킵니..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 모든 메타휴리스틱스에서 알고리즘을 시작하기 위해서는 초기해가 필요합니다. S-MHs에서 탐색을 시작하기 위해서는 초기해를 설정해야 합니다. 생성 방법은 임의(random) 생성과 휴리스틱(또는 greedy)생성으로 나눌 수 있습니다. 임의 방법은 빠른 시간에 초기해를 구하지만 수렴하는 데 많은 시간이 소요될 수 있습니다. 탐색 속도를 높이..

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다. 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 메타휴리스틱스에서는 후보해들을 평가하는 함수가 필요합니다. 이 평가는 흔히 목적함수에 의해 이루어집니다. 목적함수 값에 의해 해의 품질 또는 적합도(fitness)가 결정됩니다. 진화 알고리즘에서는 'fitness'를 생물학의 용어인 '적응도'로 번역합니다. 목적함수는 좋은 해가 있는 탐색 영역으로 탐색을 유도하는 역할을 합니다. 대부분의..