최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 사관생도 간의 호환성을 최대화하는 최적의 룸메이트 배정 문제를 해결하기 위해 정수계획모형과 완화 기법을 활용한 알고리즘을 제안합니다. 분기 한정법의 확장성 문제를 해결하기 위해 반정부 릴랙세이션 모델의 fractional solution을 이용한 휴리스틱 알고리즘을 개발하여 기존 휴리스틱보다 우수한 성능을 보였습니다.
Integer programming and combinatorial optimization : 5th International IPCO Conference, Vancouver, British Columbia, Canada June 3-5, 1996 : proceedings
Approximation and online algorithms : third international workshop, WAOA 2005, Palma de Mallorca, Spain, October 6-7, 2005, revised papers
Progress in artificial intelligence : 8th Portuguese Conference on Artificial Intelligence, EPIA-97, Coimbra, Portugal, October 6-9, 1997 : proceedings
Resource allocation in multiuser multicarrier wireless systems
Advances in global optimization
Metaheuristics for string problems in bio-informatics
EPIA '91 : 5th Portuguese Conference on Artificial Intelligence, Albufeira, Portugal, October 1-3, 1991 : proceedings
Complementarity : applications, algorithms and extensions
Algorithms and computation : 8th International Symposium, ISAAC '97 Singapore, December 17-19, 1997 : proceedings
Constraint-based reasoning
Project scheduling : recent models, algorithms, and applications
Graph-related optimization and decision theory
Principles and practice of constraint programming--CP'97 : Third International Conference, CP'97, Linz, Austria, October 29-November 1, 1997 : proceedings
Integer programming
Project scheduling under resource constraints : efficient heuristics for several problem classes
Computational optimization and applications in engineering and industry
Moments, positive polynomials and their applications
A theory of latticed plates and shells
The linearization method for constrained optimization
Theory and Practice of Logic Programming
Fidan, M.; Erdem, E.European Journal of Operational Research
Yeşilçimen A.,Yıldırım E.A.Journal of Modelling in Management
Khalili-Fard, A.; Tavakkoli-Moghaddam, R.; Abdali, N.; Bozorgi-Amiri, A.; Alipour-Vaezi, M.MSFE
김지수, 이동호Computers and Industrial Engineering
Ayaz H.I.,Kamisli Ozturk Z.Computational Management Science
Al-Yakoob, Salem M.; Sherali, Hanif D.Journal of Information Technology Applications & Management
송용욱, 안병혁Expert Systems with Applications
Zhou S.,Jin M.,Liu C.,Zheng X.,Chen H.International Journal of Production Research
Gahm C.,Wahl S.,Tuma A.International Journal of Computer Integrated Manufacturing
Ghasem Moslehi; O. MashkaniComputers and Industrial Engineering
Xu X.,Li K.,Lu X.산업공학(IE interfaces)
이상원, 임석철IISE Transactions
Solow D.,Ning J.,Zhu J.,Cai Y.International Journal of Advanced Manufacturing Technology
Matai, R.; Singh, S.P.; Mittal, M.L.European Journal of Operational Research
Froger A.,Sadykov R.Journal of Cleaner Production
Saberi-Aliabad H.,Reisi-Nafchi M.,Moslehi G.International Journal of Production Research
Wang, S.; Liu, M.; Chu, C.Aurélien Froger; Ruslan Sadykov
OPERATIONS RESEARCH
Rivera Letelier, Orlando; Espinoza, Daniel; Goycoolea, Marcos; Moreno, Eduardo; Munoz, GonzaloOperations Research
Rivera Letelier, Orlando전선 / 대학원
정수계획법은 변수의 값이 정수로 제한되는 문제로, 현실에서 가장 많이 응용되는 최적화모형이다. 이 수업에서는 선형계획의 이론과 기본적인 수리적 기법으로 NP-hard 정수계획문제들을 해결하는 다양한 해법을 살펴본다. 분지한계법, 절단평면법, 라그랑지 쌍대기법, 열생성기법, 그리고 발견적 기법을 포함한다. 특히 학생들은 자신들의 문제를 모형화하고 해법을 개발, 구현하는 프로젝트를 수행하게 된다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.전선 / 대학원
공공 시설물 및 비즈니스 시설물 입지, 도시 계획, 네트워크 계획 등과 같은 공간의사결정을 위한 수리계획 모델링과 공간 최적화의 최신 연구 동향과 방법론을 검토하는 것을 목표로 한다. 학기에 따라 최적화 방법론, 다중시설물 입지 문제, 경쟁적 입지 문제, 센터 문제, 네트워크 최적화, 공간 최적화와 GIS, 공간 재현 문제 등의 다양한 이슈들을 선택하여 집중적으로 다룬다. 이론의 실제적 응용을 익히기 위해 공간 최적화와 GIS 방법론을 활용하여 실제적인 공간 문제를 해결하기 위한 기말 프로젝트를 수행한다.전선 / 학사
문제를 해결하기 위해 알고리즘을 구성하고 이를 분석하는 방법에 대해 강의한다. 알고리즘의 효율성 분석 도구(점근적 복잡도, 점화식), 정렬 및 선택 알고리즘, 자료의 저장과 검색(검색 트리, 해시 테이블), 집합의 처리, 동적 프로그래밍, 그래프 알고리즘, 문자열 매칭, 계산의 한계(NP-completeness), 상태공간 트리의 탐색 등을 다룬다.전선 / 대학원
현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.전선 / 대학원
재료 및 기하학적 비선형특성을 갖는 구조물의 이론, 모델링, 해석법과 비선형 특성의 원인 및 정적, 동적 하중에 대한 해석방법을 강의한다. 비탄성 재료와 부재의 모델링, P-◁효과, 대변형, 안정성, 실무에의 응용등에 대해 강의한다.전선 / 대학원
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전선 / 학사
최적화 방법 및 이의 계산은 과학, 공학, 산업에서 매우 중요하게 사용되고 있다. 변수 최적화 또는 역문제들은 근본적인 불안정성으로 인하여 실제계산에서 목적과는 다른 해를 찾게 되는 경우가 비일비재하다. 이러한 문제를 극복하기 위하여 특별히 수학적인 엄밀한 이론을 습득해야할 필요가 있다. 이를 바탕으로 수렴성 및 안정성에 대한 엄밀한 수학적 분석을 기초로 한 수치계산법을 본 과목에서 강의하고자 한다.전선 / 대학원
본 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
상품유통에 대한 최근의 이론과 연구결과를 살펴보고 의류상품에서 특별하게 나타나는 유통상의 특성을 집중적으로 학습한다. 특히 리테일링의 다양한 형태, 전망, 형태별 전략 등을 이해하고, 우리나라 패션산업에서 유통부분의 발전을 위한 구체적인 방안을 모색한다.전선 / 대학원
한정된 자료들 사이의 공간적 상호관계를 분석하고 이를 바탕으로 임의의 위치에서 원하는 자료값을 예측하는 여러 크리깅 기법을 공부한다. 주어진 값과 그 분포를 항상 보전하는 조건부 시뮬레이션과 불확실성을 줄이기 위해 이용가능한 자료를 통합하여 사용하는 최적화 기법을 공부한다.전선 / 학사
이 교과목의 전반부에서는 최근에 컴퓨터의 발전으로 많은 공학문제의 해를 수치적으로 구하는경향에 맞추어 수치해법의 기초를 다룬 다음 주로 2차 편미분 방정식의 수치해를 열어가지 서로 다른 경계조건에 따라 구하는 방법을 익힌다. 후반부에서는 자료를 처리하는 통계적 방법과 신뢰성구간을 다루며, 또한 대상변수의 확률을 구하는 방법과 확률함수의 성질을 다룬다.전선 / 대학원
본 과목에서는 효율적인 알고리즘 설계와 프로그래밍을 위한 고급 방법론과 이론을 깊이 있게 소개하고, 다양한 실습을 통하여 해당 이론들을 체득한다. 이 과정에서 공부하는 내용들은 Sorting, Searching 그리고 Graph Theory, NP―Complete 등이며, 알고리즘 설계 방법으로는 Divide―and―Conquer, Dynamic Programming, Greedy, Randomized 그리고 Approximate 알고리즘 등에 관하여 공부한다. 여러 가지 유용한 문제들에 대해 알고리즘을 설계하고 실제 프로그래밍을 통하여 구현해 봄으로서 강의시간에 소개된 이론을 실습하고 시스템 구현에 필요한 노하우를 습득한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
이 과목은 대학원생들을 대상으로 한 과목으로, 산업시스템의 다양한 분야에서 발생하는 스케줄링문제를 해결하는 데 사용할 수 있는 이론과 기법을 다룬다. 스케줄링은 다양한 제약조건과 목적함수에 부합하도록 작업을 생산자원에 할당하고, 할당된 작업의 순서를 결정하는 의사결정과정이다. 주요 토픽으로는 단일기계, 병렬기계, 플로우샵, 잡샵, 프로젝트 스케줄링, 에이전트 스케줄링, 처리시간의 조정 가능성을 고려한 스케줄링 등을 포함한다. 다양한 스케줄링문제에 대하여 계산복잡도, 최적해법, 근사해법, 그리고 휴리스틱해법 등에 대하여 공부한다. 학생 각자는 선택한 문제에 여러 아이디어를 적용할 수 있는 능력을 배양한다.전선 / 학사
학생들은 산업공학의 경영과학 또는 OR에서 최적화 모형들을 접하게 되지만, 문제의 구조, 해법의 원리를 함께 습득하기 때문에, 보다 다양한 현실문제를 해결하는 능력을 배양하기는 부족한 실정이다. 본 과목에서는 기존의 상업용 solver를 해법으로 사용함으로써, 주어진 문제를 모델링하고, solver를 통하여 구한 최적해를 사용하여 현실문제에 적용하는 문제해결 중심의 강의를 진행한다. 이러한 방식은 학생들로 하여금 다양한 모형을 다양한 문제에 적용하는 기회를 극대화하여 산업공학도로서의 창의적인 문제해결 능력을 배양하는데 기여하리라고 믿는다.전선 / 대학원
공정설계, 운전, 스케줄링, 플래닝과 같은 화학 공정 및 플랜트 산업에서 의사결정문제는 동적최적화 문제로 표현된다. 이러한 문제들은 내재적인 불확실성과 계산의 복잡성으로 인해 모델을 이용한 방법으로는 접근하기가 어렵다. 이 수업에서는 이러한 문제를 해결하고 최적 운영해를 얻기 위한 통합된 방법론으로서 추계적 동적최적화를 핵심 주제로 다룬다. 최근에는 복잡한 동적최적화 문제를 해결하기 위해 인공지능과 기계학습 기법이 동적최적화 이론과 결합하고 있고 대표적인 예가 강화학습이다. 이 수업에서는 이러한 방법론을 다루기 위해 동적계획법을 배경 이론으로 설명하고 화학공정 최적화에 적용 가능한 강화학습 방법론을 언급한다. 또한, 회분식 공정에 적합한 학습기반 제어 기법인 반복학습제어도 다룬다.전선 / 대학원
본 과목에서는 행렬문제의 Frontal methods등 직접해법, decomposition methods for banded matrices, 야코비 반복법, Seidel 반복법, ADI해법, Conjugate gradient해법, Lancoz해법, Preconditioning등 고급수치선형대수해법과 그 분석을 배우도록 한다. 또한 행렬의 고유치 문제의 풀이법을 다룬다. 특히 이러한 알고리즘을 FORTRAN, HPF, C/C++, Java, Matlab, Maple, Mathematica등의 언어를 이용하여 구현하도록 한다.