PDF Download

Hazen-Williams, Darcy-Weisbach (Colebrook-White), Manning 마찰 손실 공식으로 계산할 수 있습니다.진화론적인 알고리즘EAs (진화론적인 알고리즘)은 자연계에서 일어날만한 일이나 인공적인 환경 (컴퓨터 같은)에서 수행되는 이들의 과정을 단순화시켜 모의 실험하는 엔진으로 기본적인 이론은 다윈의 진화론을 본뜬 것입니다. 다윈에 따르면 자연의 선택으로 이루어지는 환경에 대한 종들의 적응 과정을 진화가 가장 잘 설명한다고 합니다.진화론적인 알고리즘은 대안적인 해법을 효과적으로 제시합니다. - 직접적인 해법보다 발달한 해법. 오늘날 진화론적인 알고리즘은 4개의 주요한 흐름으로 발전했습니다. : 진화전략 (Evolution Strategies, Schwefel, 1981), 진화론적인 프로그래밍(Evolutionary Programming, Fogel, 1966), 유전학적인 알고리즘 (GeneticAlgorithms, Holland, 1975), 유전학적인 프로그래밍 (Genetic Programming, Koza,1992)입니다.서로 다르고, 다른 목적을 위해 사용되지만, 모든 EAs는 공통적인 개념을 바탕으로 하고 있습니다. 초기의 개개인의 인구는 컴퓨터가 만들어내고, 그 후로는 상속의 개념사용을 사용합니다. (자식들이 부모를 닮는 것과 같습니다) 다양성 (자손을생성하는 과정은 완벽하지 않아 몇몇의 돌연변이가 생깁니다)과 도태 (좀더 환경에맞는 개체가 더 많이 생식을 해서, 떨어지는 개체는 점차 사라져 갑니다)를 통해발전합니다. EAs 의 주요한 장점들 중 하나는 그들의 영역이 각자 독립적이라는 것입니다. EAs는 진화 구조상의 대표로 나타나는 것들 중 어떤 것이 주어지더라도 진화시킬 수 있습니다. 유사하게 자연에서의 과정을 살펴보면, 유전자형과 표현형을구별 할 수 있습니다.그림 3.2진화적 알고리즘의 개념도: 유전자형은 기본적으로 처리된 코드(DNA 가닥의 염기서열처럼)입니다, 반면에 표현형은 이 코드의처리된 결과를 표현합니다. 진화하는 실체들 사이에서 유전자형수준의 정보교환이 일어남에도 불구하고, 실제로 흥미로운 부분은표현형입니다. 개체군은 초기화되고 (거의 랜덤 하게) 이 개체군에서가장 적합한 존재들이 교차 (이성 교배와 상응하는)와 돌연변이에의해 변형하여 선택됩니다. 선택은 보다 적합하며 건강한 개체를찾아 실행합니다. 부모의 유전자형은 양쪽 모두 1들과 0들로이루어져 있으며, 확실한 특성을 찾기 위하여 돌연변이는 단순히랜덤 하게 선택되는 0과 1를 변화시킵니다.표현형은 실제로 문제 도메인에서의 유전자형의 해독입니다. 해독은 모든 가능한맵핑의 형태를 취합니다. 예를 들어 최적화와 제한적 만족을 목적으로 유전자형은전형적으로 최적화된 함수의 독립적인 변수들로 해독할 수 있습니다. 이 라인들을따라 유전자형이 모델 결과와 축적된 수위 그리고 소거된 값들 사이의 불일치의최소화로 지시되는 유전적 알고리즘들 (GAs)과 더불어 자유로운 관 흐름모델에서의 미완성 계수로써 해독되는 유전자형의 맵핑을 선택할 수 있습니다.유전자 알고리즘의 결과는 수리 동적 시스템의 모델 자동화된 검증을 뜻합니다.MIKE URBAN WD User Guide 113