상세정보

진화의 원리를 문제 해결에 이용하는 유전 알고리즘은 컴퓨터, 물리, 화학, 생물, 전자, 기계, 조선, 원자핵, 경영, 재무회계, 음악, 미술 거의 모든 분야에서 어려운 문제를 해결하는 대안의 하나로 자리잡았다. 이런 유전 알고리즘을 이용해 문제를 해결하는 방법을 보고 싶은 사람들을 위한 책이다. 전형적인 알고리즘으로 잘 풀리지 않는 문제를 해결하는 방법을 알고자 하는 사람들에게도 도움이 된다.

유전 알고리즘의 기본 구성에 대한 체계적인 정리,
문제 공간에 대한 새로운 관점,
경쟁력 있는 실제 구현 예,

누구를 위한 책인가?
진화의 원리를 문제 해결에 이용하는 유전 알고리즘은 컴퓨터, 물리, 화학, 생물, 전자, 기계, 조선, 원자핵, 경영, 재무회계, 음악, 미술 거의 모든 분야에서 어려운 문제를 해결하는 매력적인 대안의 하나로 자리잡았다. 이 책은 이런 유전 알고리즘을 이용해 문제를 해결하는 방법을 보고 싶은 사람들을 위한 책이다. 전형적인 알고리즘으로 잘 풀리지 않는 문제를 해결하는 방법을 알고자 하는 사람들에게도 도움이 된다.

무엇을 다루는가?
· 도입(1장~3장): 유전 알고리즘의 기본 구조와 구성요소, 문제의 해를 표현하는 방법을 알아보고, 교차·변이·선택·대치 등과 같은 유전 알고리즘의 대표 연산을 소개한다. 1장에서 3장까지를 이해하면 간단한 유전 알고리즘을 구현할 수 있다.
· 스키마와 문제 공간(4장): 유전 알고리즘의 작동 원리의 핵심인 스키마 이론과 유전 알고리즘이 탐색을 하는 대상인 문제 공간에 대해 알아본다.
· 확장된 주제들(5장): 보다 수준있는 유전 알고리즘을 구현하기 위해 필요한 주제를 다룬다. 유전 알고리즘의 기본 틀로 만족스런 결과를 얻지 못했을 때 도움이 된다.
· 유전 알고리즘의 응용 예들(6장): 유전 알고리즘을 디자인하는 방법을 다양한 응용 예를 통해 알아본다. 문제를 표현하는 방법을 중심으로 설명한다.
· 유전 알고리즘의 구체적 예_그래프 이등분, TSP(7장~8장): 더 상세한 유전 알고리즘의 구현 예를 보고 싶어하는 독자들을 위하여 그래프 이등분 문제와 순회 세일즈맨 문제를 위한 경쟁력 있는 유전 알고리즘을 단계별로 자세히 다룬다.
· 다른 스토캐스틱 탐색 기법들(9장): 유전 프로그래밍, 진화 전략, 진화 프로그래밍과 같은 다른 진화 연산 기법을 설명한다. 그리고 다른 스토캐스틱 탐색 기법도 몇 가지 소개한다

정보제공 :

목차
저자 머리말 = 4
이 책의 주요 내용 = 7
이 책의 이용 방법 = 8
Chapter 01 유전 알고리즘의 개괄
 01 진화 = 19
 02 유전 알고리즘의 약사 = 21
 03 유전 알고리즘의 기본 용어들 = 23
 04 유전 알고리즘의 전형적인 구조 = 24
 05 표현 = 26
 06 스키마 = 28
 07 교차 = 29
 08 변이 = 31
 09 대치 = 33
 10 어떤 문제를 유전 알고리즘으로 푸는가? = 34
 [알고리즘 1-1] 유전 알고리즘의 전형적 구조 = 25
 [Drift] 머레이 겔만 = 35
Chapter 02 문제의 표현
 01 해란 무엇인가? = 39
 02 이진수 표현 : k-진수 표현 = 40
 03 그레이 코딩 = 41
 04 실수 표현 = 43
 05 가변 표현 = 44
  01 역치 연산 = 44
  02 메시 유전 알고리즘(Messy GA) = 45
  03 유전 프로그래밍 = 46
 06 위치 기반 표현 : 순서 기반 표현 = 47
 07 일차원 표현 : 다차원 표현 = 49
 08 유전자 재배치 = 51
 09 트리 표현 = 53
 [Drift] 존 홀랜드 = 54
Chapter 03 유전 알고리즘의 연산들
 01 선택 연산 = 59
  01 품질 비례 룰렛휠 선택 = 59
  02 토너먼트 선택 = 61
  03 순위 기반 선택 = 62
  04 공유 = 62
 02 교차 연산 = 65
  01 일차원 교차 연산 = 65
  02 다차원 교차 연산 = 71
  03 정규화(Normalization) = 75
 03 변이 연산 = 77
  01 전형적 변이 = 77
  02 비균등 변이 = 77
  03 수선(Repair) = 78
  04 기타 = 79
 04 대치 연산 = 80
 [알고리즘 3-1] 룰렛휠 선택 알고리즘 = 60
 [알고리즘 3-2] 토너먼트 선택 알고리즘 = 61
 [알고리즘 3-3] 토너먼트 선택 알고리즘(일반형) = 61
 [Drift] 크리스토퍼 랭턴 = 82
Chapter 04 스키마와 문제 공간
 01 스키마 정리와 빌딩 블록 가설 = 87
  01 스키마 관련 용어 추가 = 87
  02 스키마 정리 = 87
  03 빌딩 블록 가설(Building-Block Hypothesis) = 89
  04 스키마가 만드는 공간의 모양 = 89
 02 스키마의 생존 확률 = 93
  01 c-스키마 = 95
  02 다차원 스키마 = 98
  03 스키마의 생존이 다는 아니다 = 100
 03 상위(Epistasis) = 101
 04 문제 공간의 모양 = 103
  01 적합도-거리 상관 관계 = 103
  02 상관 거리 = 104
  03 큰 계곡(Big Valley) = 105
  04 문제 공간 중앙 부근의 매력 = 106
  05 지역 최적해들의 군집도 = 108
  06 끌개의 수, 분포, 밀도 = 109
 05 연산자와 문제 공간 = 114
  01 연산자가 문제 공간에 미치는 영향 = 114
  02 끌개의 개수 추정하기 = 118
  03 삼차원으로부터의 은유 정도로는 안된다 = 120
 06 왕도 함수(Royal-Road Function) = 121
 [Drift] 존 폰 노이만 = 122
Chapter 05 확장된 주제들
 01 염색체 표현의 위상학적 재분류 = 127
 02 고급 정규화(Normalization) = 129
  01 그래프 분할 = 130
  02 정렬 네트워크(Sorting Network) = 133
  03 신경망(Neural Network) = 135
 03 복수 개의 목적 함수를 갖는 유전 알고리즘 = 137
 04 미미틱 유전 알고리즘(혼합형 유전 알고리즘) = 140
 05 개체군집최적화(Particle Swarm Optimization) = 143
 06 병렬 유전 알고리즘 = 146
 07 공진화 = 148
 08 해집단의 다양성 유지 = 150
 09 교차 연산들의 혼용과 시너지 효과 = 152
 10 분류자 시스템(Classifier System) = 154
 11 에코(Echo) 모델 = 159
  01 에코 싸이클 = 160
  02 에이전트 = 160
  03 에이전트들간의 교류 = 161
  04 에이전트의 이동 = 163
  05 에코의 한계와 장래 = 163
 [알고리즘 5-1] PSO 알고리즘 = 144
 [Drift] 복잡성 과학 = 164
Chapter 06 유전 알고리즘의 응용 예들
 01 함수 최적화 = 169
 02 시스템 최적화 = 170
  01 함수 근사(Function Approximation) = 171
  02 신경망 최적화 = 172
  03 퍼지 시스템 최적화 = 174
  04 엘리베이터 그룹 스케줄링 = 175
 03 조합적 최적화 = 178
  01 순회 세일즈맨 문제(Traveling Salesman Problem) = 179
  02 차량 라우팅(Vehicle Routing) = 180
  03 그래프 분할(Graph Partitioning) = 183
  04 단백질의 3차원 구조 = 184
  05 VLSI 회로 배치 = 186
  06 네트워크 배치 = 191
  07 직교형 스타이너 트리 문제 = 193
  08 영상 압축을 위한 벡터 양자화(Vector Quantization) = 195
  09 정렬 네트워크(sorting Network) = 198
  10 지수귀문도 = 201
  11 죄수의 딜레마(Prisoner's Dilemma) 문제 = 205
 [알고리즘 6-1] LBG 알고리즘 = 198
 [Drift] 고급의 창조력은 고통스런 기초 확립의 과정을 거쳐야 한다 = 208
Chapter 07 유전 알고리즘의 구체적 예(1) : 그래프 분할
 01 기본 사항 = 213
  01 문제 정의 = 213
  02 Kernighan-Lin(KL) 알고리즘 = 214
 02 그래프 이등분을 위한 유전 알고리즘 = 216
  01 알고리즘 개관 = 216
  02 문제 표현 = 217
  03 초기화 = 217
  04 선택 = 217
  05 교차 연산 = 218
  06 변이 연산 = 219
  07 지역 최적화 = 219
  08 대치 = 219
  09 수행 중단 기준 = 221
 03 전처리(Preprocessing) = 222
 04 실험 결과 = 225
 05 결론 = 226
 [알고리즘 7-1] Kernighan-Lin 알고리즘 = 215
 [알고리즘 7-2] 전처리된 미미틱 유전 알고리즘 = 216
Chapter 08 유전 알고리즘의 구체적 예(2) : TSP
 01 기본 사항 = 229
 02 지역 최적화 알고리즘 = 231
  01 2-OPT 알고리즘 = 231
  02 3-OPT 알고리즘 = 232
  03 Or-OPT 알고리즘 = 234
  04 Lin-Kernighan(LK) 알고리즘 = 235
 03 TSP를 위한 미미틱 유전 알고리즘 = 239
  01 알고리즘 개관 = 239
  02 염색체 표현 = 240
  03 초기화 = 243
  04 선택 = 243
  05 교차 연산 = 244
  06 변이 연산 = 244
  07 지역 최적화 = 244
  08 유전자 재배치 = 245
  09 대치 = 245
  10 수행 중단 기준 = 245
 04 부언 = 246
 [알고리즘 8-1] TSP를 위한 LK 알고리즘 = 236
 [알고리즘 8-2] 미미틱 유전 알고리즘 = 239
Chapter 09 다른 스토캐스틱 탐색 기법들
 01 진화 연산의 다른 방법들 = 249
  01 진화 전략 = 249
  02 진화 프로그래밍 = 250
  03 유전 프로그래밍 = 250
 02 시뮬레이티드 어닐링(Simulated Annealing, SA) = 253
 03 큰스텝 마르코브 체인(LSMC) = 255
 04 타부 서치(Tabu Search) = 257
 [알고리즘 9-1] 시뮬레이티드 어닐링 = 254
 [알고리즘 9-2] LSMC의 전형적 구조 = 255
 [알고리즘 9-3] 타부 서치의 전형적 구조 = 257
Epilogue : 맺음말
 맺음말 = 259
 참고문헌 = 262
 찾아보기 = 275