|
| |
|
|
유전자 알고리즘을 이용한 공력 형상 최적화
파일 
유전자 알고리즘을 이용한 공력 형상 최적화.hwp
[Size :
536 Kbyte
]
유전자 알고리즘을 이용한 공력 형상 최적화.hwp
[Size :
536 Kbyte
]
분량 19 Page
가격 2,000 원
×
링크주소가 복사 되었습니다.
원하는 곳에 붙혀넣기 하세요
원하는 곳에 붙혀넣기 하세요
카트
|
다운받기
|
 네이버 ID로 다운 받기  카카오 ID로 다운 받기  구글 ID로 다운 받기  페이스북 ID로 다운 받기 |
뒤로
|
자료설명
유전자 알고리즘을 이용한 공력 형상 최적화에 대한 자료입니다.
유전자알고리즘을이용
유전자알고리즘을이용
목차/차례
- 1. 서론
- 2. 유전자 알고리즘(Genetic Algorithm)
- 2.1 유전자 알고리즘의 개요
- 2.2 단순 유전자 알고리즘(Simple Genetic Algorithm)
- 2.3 재구성된 유전자 알고리즘
- 2.4 기존 알고리즘과의 비교
- 2.5 병렬 처리
- 3. 유동 해석
- 3.1 지배 방정식
- 3.2 수치 해석 기법
- 4. 최적 설계
- 4.1 날개의 형상 표현
- 4.2 목적 함수
- 4.3 최적 설계 조건
- 5. 설계 결과
- 5.1 Euler 방정식을 이용한 공력 형상 최적화
- 5.2 Navier-Stokes 방정식을 이용한 공력 형상 최적화
- 6. 결론
- 참고문헌
본문/내용
유전자 알고리즘은 다른 최적화 알고리즘에 비해 비교적 병렬 처리가 용이하다. 일반적으로 사용하는 방법으로는 크게 3 가지를 들 수 있다. 첫 째는, Master/Slave 방식의 병렬처리로 각각의 CPU에서 한 번의 유동장을 계산하게 하는 방법이며, 두 번째로는 유동장 계산시 병렬 처리를 사용하는 방법이며, 마지막으로는 CPU의 개수가 많을 경우, 유동장의 병렬 처리 및 Master/Slave 방식을 동시에 사용하는 방법이다. 현재 사용 가능한 시스템으로 Cray T3E를 이용할 경우 최대 32개까지 사용이 가능하므로 이를 최대로 활용하기 위해 Master/Slave 방식의 병렬 처리 기법을 선택하였다. 이 방법의 경우 유동장 병렬 처리에 비해 손쉽게 할 수 있으면서 전체 효율에 있어서는 훨씬 유리하다. [14]
MPI 라이브러리를 이용하여 Master CPU를 통해 각 유전자들의 정보를 Slave CPU들로 보낸 뒤, 각각의 CPU에서 유동장을 해석한 이후 다시 Master로 적합도 값을 반환하는 방식이다. Master/Slave 방식의 병렬 처리를 사용할 경우, 가장 늦게 계산하는 CPU에 전체 시간이 의존적이므로 이러한 시간적 손실을 줄이기 위해 유동장 해석 시간에 제약을 둠으로써 최대한 모든 CPU…
MPI 라이브러리를 이용하여 Master CPU를 통해 각 유전자들의 정보를 Slave CPU들로 보낸 뒤, 각각의 CPU에서 유동장을 해석한 이후 다시 Master로 적합도 값을 반환하는 방식이다. Master/Slave 방식의 병렬 처리를 사용할 경우, 가장 늦게 계산하는 CPU에 전체 시간이 의존적이므로 이러한 시간적 손실을 줄이기 위해 유동장 해석 시간에 제약을 둠으로써 최대한 모든 CPU…
참고문헌
참고문헌
[1] 박태상, `2차 upwind TVD 기법을 위한 개선된 다단계 시간 전진 기법`, 박사 학위 논문, 한국과학기술원, 1998
[2] 박수형,성춘호,권장혁 `Upwind TVD 기법을 이용한 효율적인 다중격자 DADI 기법`, 항공우주공학회 추계 학술발표회 논문집 pp71-74, 1998
[3] 성춘호,권장혁 `Adjoint 방법을 이용한 공력최적설계 기법에 관한 연구`, 항공우주공학회 추계 학술발표회 논문집 pp.44-48,1998
[4] 정일권, “새로운 복합 유전 알고리즘의 제어 문제에 대한 응용”, KAIST, 석사 학위논문,1994
[5] 정일권, `Hybrid genetic algorithms with reduced premature convergence for search performance enhancement`, KAIST 박사 학위, DEE99025, 1999
[6] 진강규, 주상래, `실수코딩 유전 알고리즘에 관한 연구`, 제어자동시스템 공학 논문지, 제4권, 제4호, 2000
[7] 진강규, 유전알고리즘과 그 응용, 교우사, 2000
[8] A. Harten, `High Resolution Schemes for Hyperbolic Conservation Laws`, Journal of Computational Physics, Vol.49, pp.357-393, 1983
[9] Charles Hirsch, `Numerical Computation of Internal and External Flows`,Wiley,1992
[10] C. L. Huntley, D. E. Brown, `Parallel Genetic Algorithms with Local Search`, Computers Ops Res., vol.23, no.6, pp.559-571,1996
[11] D. E. Goldberg, Genetic Algorithm, in Search Optimization & Machine Learning , Addison -Wesely Pub. 1989
[12] D. E. Goldberg, `Real-coded Genetic Algorithms, Virtual Alphabets, and Blocking`, Complex Systems, vol.5, pp.139-167,1991
[13] D. E. Goldberg, `A Note on Boltzmann Tournament Selection for Genetic Algorithms and Population-Oriented Simulated Annealing`, Complex Systems, vol.4, pp.445-460,1990
[14] D. Levine, `A Parallel Genetic Algorithm for the Set Partitioning Problem`, Technical Report, ANL-94-23, Argonne National Laboratory,1994
[15] F. Herrera, `Fuzzy Connectives Based Crossover Operators to Model Genetic Algorithms Population Diversity`, Technical Report DECSAI-95110, 1995
[16] F. Herrera, M. Lozano, J. L. Verdegay, `Fuzzy Tools to Improve Genetic Algorithms`, 2nd European Congress on Intelligent Techniques and Soft Computing, Sep., 1994
[17] Hans-Michael Voigt, `Modal Mutation in Evolutionary Algorithms`, Proc. of First IEEE Int. Conf. on Evolutionary Computation, vol. 1, pp 88-92, 1994
[18] J. E. Baker, `Reducing bias and inefficiency in the selection algorithm`, Proc. of 2nd Int. Conf. on Genetic Algorithms, pp.14-21, 1987
[19] J. H. Holland, Adaptation in Natural and Artificial Systems, The University of Michigan Press, Michigan, 1975
[20] K. A. De Jong, `An Analysis of the Behavior of a Class of Genetic Adaptive Systems`, Doctoral Dissertation, University of Michigan, 1975
[21] K. E. Mathias, D. Whitley, `Changing Representations during Search: A Comparative Study of Delta Coding`, J. of Evolutionary Computation, vol.2, no.3, pp.249-278,1994
[22] L. J. Eshelman, J. D. Schaffer, `Real-Coded Genetic Algorithms interval-Schemata`, Foundation of Genetic Algorithms 2, Morgan Kaufmann Publishers, pp.187-202, 1993
[23] P. L. Roe, `Approximate Riemann Solvers, Parameter Vectors, and Difference Scheme`, J.of Comp. Physics 43, pp357-372, 1981
[24] R. M. Hicks, `Wing Design by Numerical Optimization`, J. of Aircraft, vol.15, no.7, pp.407-412, 1978
[25] R. Tanese, `Distributed Genetic Algorithms`, Proc. 3rd Int. Conf. on Genetic Algorithms, Morgan Kaufmann Publishers, pp.434-439, 1989
[26] S. Baluja, `Population Based Incremental Learning : A Method for Integrating Genetic Search Based Function Optimization and Competitive Learning`, Technical Report, CMU-CS-94,163, Carnegie Mellon University, 1994
[27] T. Back, M. Schutz, `Intelligent Mutation Rate Control in Canonical Genetic Algorithms`, Technical Report, University of Dortmund, Center for Applied Systems Analysis, 1996
[28] T. H. Pulliam and D.S.Chaussee, `A Diagonal Form of an Implicit Approximate-Factorization Alogrithm`, J.of Comp. Physics 39, pp347-363, 1981
[29] T. Blickle, L. Thiele ,`A Comparison of Selection Schemes used in Genetic Algorithms (2. Edition)`, TIK-Report No. 11, 1995
[30] Y. Xiang, D. Y. Sun, W. Fan, X. G. Gong, `Generalized simulated annealing algorithm and its application to the Thomson model`, Physics Letters A, pp. 216-220, 1997
[31] Z. Michalewicz, `Genetic Algorithm + Data Structure = Evolution Programs`, Springer-Verlag, Berlin Heidelberg, 1996
[1] 박태상, `2차 upwind TVD 기법을 위한 개선된 다단계 시간 전진 기법`, 박사 학위 논문, 한국과학기술원, 1998
[2] 박수형,성춘호,권장혁 `Upwind TVD 기법을 이용한 효율적인 다중격자 DADI 기법`, 항공우주공학회 추계 학술발표회 논문집 pp71-74, 1998
[3] 성춘호,권장혁 `Adjoint 방법을 이용한 공력최적설계 기법에 관한 연구`, 항공우주공학회 추계 학술발표회 논문집 pp.44-48,1998
[4] 정일권, “새로운 복합 유전 알고리즘의 제어 문제에 대한 응용”, KAIST, 석사 학위논문,1994
[5] 정일권, `Hybrid genetic algorithms with reduced premature convergence for search performance enhancement`, KAIST 박사 학위, DEE99025, 1999
[6] 진강규, 주상래, `실수코딩 유전 알고리즘에 관한 연구`, 제어자동시스템 공학 논문지, 제4권, 제4호, 2000
[7] 진강규, 유전알고리즘과 그 응용, 교우사, 2000
[8] A. Harten, `High Resolution Schemes for Hyperbolic Conservation Laws`, Journal of Computational Physics, Vol.49, pp.357-393, 1983
[9] Charles Hirsch, `Numerical Computation of Internal and External Flows`,Wiley,1992
[10] C. L. Huntley, D. E. Brown, `Parallel Genetic Algorithms with Local Search`, Computers Ops Res., vol.23, no.6, pp.559-571,1996
[11] D. E. Goldberg, Genetic Algorithm, in Search Optimization & Machine Learning , Addison -Wesely Pub. 1989
[12] D. E. Goldberg, `Real-coded Genetic Algorithms, Virtual Alphabets, and Blocking`, Complex Systems, vol.5, pp.139-167,1991
[13] D. E. Goldberg, `A Note on Boltzmann Tournament Selection for Genetic Algorithms and Population-Oriented Simulated Annealing`, Complex Systems, vol.4, pp.445-460,1990
[14] D. Levine, `A Parallel Genetic Algorithm for the Set Partitioning Problem`, Technical Report, ANL-94-23, Argonne National Laboratory,1994
[15] F. Herrera, `Fuzzy Connectives Based Crossover Operators to Model Genetic Algorithms Population Diversity`, Technical Report DECSAI-95110, 1995
[16] F. Herrera, M. Lozano, J. L. Verdegay, `Fuzzy Tools to Improve Genetic Algorithms`, 2nd European Congress on Intelligent Techniques and Soft Computing, Sep., 1994
[17] Hans-Michael Voigt, `Modal Mutation in Evolutionary Algorithms`, Proc. of First IEEE Int. Conf. on Evolutionary Computation, vol. 1, pp 88-92, 1994
[18] J. E. Baker, `Reducing bias and inefficiency in the selection algorithm`, Proc. of 2nd Int. Conf. on Genetic Algorithms, pp.14-21, 1987
[19] J. H. Holland, Adaptation in Natural and Artificial Systems, The University of Michigan Press, Michigan, 1975
[20] K. A. De Jong, `An Analysis of the Behavior of a Class of Genetic Adaptive Systems`, Doctoral Dissertation, University of Michigan, 1975
[21] K. E. Mathias, D. Whitley, `Changing Representations during Search: A Comparative Study of Delta Coding`, J. of Evolutionary Computation, vol.2, no.3, pp.249-278,1994
[22] L. J. Eshelman, J. D. Schaffer, `Real-Coded Genetic Algorithms interval-Schemata`, Foundation of Genetic Algorithms 2, Morgan Kaufmann Publishers, pp.187-202, 1993
[23] P. L. Roe, `Approximate Riemann Solvers, Parameter Vectors, and Difference Scheme`, J.of Comp. Physics 43, pp357-372, 1981
[24] R. M. Hicks, `Wing Design by Numerical Optimization`, J. of Aircraft, vol.15, no.7, pp.407-412, 1978
[25] R. Tanese, `Distributed Genetic Algorithms`, Proc. 3rd Int. Conf. on Genetic Algorithms, Morgan Kaufmann Publishers, pp.434-439, 1989
[26] S. Baluja, `Population Based Incremental Learning : A Method for Integrating Genetic Search Based Function Optimization and Competitive Learning`, Technical Report, CMU-CS-94,163, Carnegie Mellon University, 1994
[27] T. Back, M. Schutz, `Intelligent Mutation Rate Control in Canonical Genetic Algorithms`, Technical Report, University of Dortmund, Center for Applied Systems Analysis, 1996
[28] T. H. Pulliam and D.S.Chaussee, `A Diagonal Form of an Implicit Approximate-Factorization Alogrithm`, J.of Comp. Physics 39, pp347-363, 1981
[29] T. Blickle, L. Thiele ,`A Comparison of Selection Schemes used in Genetic Algorithms (2. Edition)`, TIK-Report No. 11, 1995
[30] Y. Xiang, D. Y. Sun, W. Fan, X. G. Gong, `Generalized simulated annealing algorithm and its application to the Thomson model`, Physics Letters A, pp. 216-220, 1997
[31] Z. Michalewicz, `Genetic Algorithm + Data Structure = Evolution Programs`, Springer-Verlag, Berlin Heidelberg, 1996
| 📝 Regist Info |
|
I D : slhy***** Date : 2013-05-01 FileNo : 16158097 |
Cart  | |
| |