“In the end, the species that survives isnot the strong species or the intelligent species. Ultimately, the species thatsurvives is the one that adapts best to change.”
찰스 다윈
"결국 살아 남는 종은 강인한 종도 아니고, 지적 능력이 뛰어난 종도 아니다. 종국에 살아 남는 것은 변화에 가장 잘 적응하는 종이다.“
Genetic Algorithm = Evolutionary Algorithm
유전 알고리즘은 “ 자연계의 진화 체계를 모방한 메타휴리스틱 알고리즘＂으로 복잡한 최적화 문제를 푸는데 사용, 딥러닝 초기 가중치 설정 및 머신 러닝 문제해결에 사용 할 수 있으며, INFORACTIVE Platform 上 생성형 AI를 활용한 기업 내 제조,생산,영업, 원가 최적화 스케줄링 (= Enterprise P lanning & Simulation) 도출의 사상적 기반으로 활용
INFORACTIVE
유전 알고리즘을 활용하여 모든 기업의 경영 판단을 “INFORACTIVE Platform” 을 통해 Planning & Simulation
일반적 Data Analysis 와 개념이 다름
Parameter 정의
유전 알고리즘 순서도
유전 알고리즘을 위한 Parameter 정의
(딥러닝 초기값 설정)
세대 표현 방법
행렬(Matrix)구조 이진 Vector
최대 세대 수 선정
N세대 (부모 to 자식 n Generation)
종료 조건
최대 세대 수 도달까지 알고리즘 수행
세대별 포함 해 개수 선정
예를 들어 한 세대 별 20 개로 선정
교차 연산자 설정
1점교차 연산
돌연변이 연산자
Flip Bit 연산 (Vector요소 반복 수정 후 최적 함수 도출)
교차 비율
적합도 함수
함수 방정식 (제약을 만족 못하면 0)
돌연변이 비율 선정
예를 들어 Mutant개체 비율 20%로 선정
전역 최적화 값
함수F(x)는 X값에 따른 F(x)의 최소값 (즉 최적화 값)이라고 할 경우, 위 그래프를 그리는 것 자체가 불가능한 경우가 대부분. (미분자체가 불가능한 경우도 매우 흔함)
구매, 생산, 영업 분야, 물류 최적화, 리드 타임 최적화, 원가 시뮬레이션 최적화 함수화 기술 보유 중요
대부분 ERP상에 존재하는 Data
파이썬 함수 코딩을 통한 최적화 값 도출
Best Solution
INFORACTIVE Simulation
SBT Global News
현재 180여개 고객사가 SBT Global을 통해 SAP ITO 서비스를 진행하고 있습니다.
.png)
.png)
.svg)
.png)
.png)
.png)
.png)
.svg)