Genetic Algorithm

 단위의 종의 진화의 선택적 진화를 기본으로 만들어진 Genetic Algorithm(GA)는 1975년 Holland에서 처음 도입됐으며 자연 유전학 및 선택 메커니즘을 기반으로 하는 강력한 확률 적 검색 알고리즘입니다. 

- 유전 알고리즘은 인구라는 초기 무작위 솔루션 세트로 시작됩니다. - 인구의 각 개인은 당면한 문제에 대한 해결책을 나타내는 염색체라고합니다. - 염색체는 세대라고하는 연속적인 반복을 통해 진화합니다. - 각 세대 동안 염색체는 몇 가지 적합성 측정을 사용하여 평가됩니다. - 다음 세대를 만들기 위해 자손이라고 불리는 새로운 염색체는 (a) 교차 연산자를 사용하여 현재 세대의 두 염색체를 병합하거나 (b) 돌연변이 연산자를 사용하여 염색체를 수정하여 형성됩니다. - 새로운 세대는 (a) 체력 값에 따라 부모와 자손 중 일부를 선택하고 (b) 인구 규모를 일정하게 유지하기 위해 다른 세대를 거부함으로써 형성됩니다. - Fitter 염색체는 선택 될 확률이 더 높습니다. - 여러 세대가 지나면 알고리즘은 최상의 염색체로 수렴합니다.이 염색체는 문제에 대한 최적 또는 차선책을 나타냅니다.”

유전 알고리즘1

 생물학적 진화는 유전 물질로 구성된 아주 많은 생명체 중에서, 변하는 환경에 더 적합한 개체가 더 많이 살아남아 더 많은 자식을 생산해서 결국 다음 세대에 자신의 유전 물질을 더 많이 전달하는 자연현상이다.

 다윈이 1859년 종의 기원에서, 자연선택을 수단으로 설명한 진화론(자연진화)에 기초해 만든 유전 알고리즘은 175년 존 홀란드에 의해 처음으로 알려졌다. 

"환경에 더 적합한 개체가 더 많이 살아남아 자신의 특성을 후손에게 물려준다"는 진화 원리를 따른 것이 이 유형의 알고리즘이다.

 생식을 통한 재생산과 유전자 돌연변이와 유사한 메커니즘에 의해 세대를 거듭하며 진화하는 개체들의 모집단을 포함한다. 앞에서 언급했듯이 유전 알고리즘은 해결하려는 문제에 대한 후보 솔루션을 나타내는 개체들의 유한한 모집단, 적합도를 계산하는 적응 함수, 개체에 변이를 일으키는 일련의 유전 연산, 종료 조건, 그리고 약간의 매개변수로 구성된다.

모집단 : 유전 알고리즘의 가장 기본 구성요소가 모집단인데, 모집단은 알고리즘 수행 시점에서 정해진 개수 즉, 모집단 크기만큼 개체를 무작위로 생성한다. 새 모집단을 생성할 때, 이전 모집단의 개체를 그대로 유지해 가면서 유전 연산을 적용한 뒤 같은 크기의 새 모집단이 완성된 시점에 모집단을 교체하는 게 일반적인 방법이다. 

 

난중일기

 난중일기(亂中日記)는 '전란 중에 쓴 일기'라는 뜻으로 원래 이순신 장군의 생전 일기이다.

 전쟁과 같은 나의 매일에 이순신 장군님과 같이 현명하고 굳건하게 임하겠다는 심정으로 나의 난중일기를 써내려 가려한다. 

현재 Genetic Algoritm 공부보다 실험 장치를 먼저 구성하는게 우선이라고 깨달앗다. 장치를 구성하기 전에 공부해두면 좋지만, 효율적이지 않다. 장치를 구성하지 못하고 시뮬레이션으로도 구현하지 못한다면 그렇게 해야겠다.

IEC 61000-4-2의 ESD 전류를 모의하기 위해서는 접지판을 통해 Falling edge를 만들어야한다. 하지만 현재의 실험실에 규격과 같은 사이즈의 접지판을 두지 못한다. 그래서 규격과 다른 장치 구성이라도 ESD 전류를 만든다면 신경쓰지 않기로 했다.