《대학에서는 사회주의강국건설에서 나서는 리론실천적, 과학기술적문제들을 원만히 해결하며 기초과학부문을 발전시키고 첨단과학기술분야를 개척하는데 중심을 두고 과학연구사업을 진행하여야 합니다.》
같은 원가와 자재를 가지고 가장 성능이 높은 구조를 얻을수 있게 하여주는 최량설계는 구조설계의 기초를 주는 학문분야인 력학의 중요한 연구대상의 하나이다. 현재 최량화방법은 최소무게를 가진 구조의 설계, 비행선의 최량자리길을 구하는 문제, 최소원가를 가지는 언제, 교량, 철탑의 설계, 효률이 최대인 뽐프나 타빈의 설계, 기계요소들의 최량화와 같은 력학과 공학의 많은 문제들에 적용되고있다. 현실에서 요구되는 어렵고 복잡한 최량화문제들을 해결하려면 전통적인 최량화방법뿐아니라 새로운 최량화방법들을 적극 개발하기 위한 연구를 심화시켜야 한다.
재빛승냥이최량화방법은 재빛승냥이들의 먹이사냥과정을 모방하여 최근에 개발되고있는 모집단에 기초한 새로운 최량화기술이다. 이 최량화방법은 알고리듬의 보조파라메터의 개수가 적으면서 대역최량화능력이 강하고 콤퓨터에서 실현하기 쉬운것과 같은 몇가지 독특한 우점을 가지고있다.
그러나 이 방법에서의 가장 중요한 결함은 때때로 풀이가 국부최량값에 빠지는 경우들이 나타난다는것이다. 재빛승냥이최량화알고리듬의 이 약점은 그의 위치갱신방정식이 불충분한데 원인이 있는것으로 볼수 있는데 실제로 이 방정식에서는 가장 우수한 3마리의 재빛승냥이인 지휘승냥이들의 위치호상작용정보를 무시하고있다.
우리는 재빛승냥이최량화알고리듬에 대한 연구를 심화시키는 과정에 동적차원탐색과 라선형걸음포식기술, 위치호상작용정보를 도입하여 전통적인 재빛승냥이최량화알고리듬을 개선한 한가지 새로운 알고리듬을 제기하였다. 토막반대에 기초한 학습방법을 삽입한 동적차원탐색법으로 립자무리의 다양성과 탐색능력을 높이고 지휘승냥이들의 모임에 섭동을 가하였으며 먹이사냥에서 직접포위포식과 라선걸음포식을 자연스럽게 절환하도록 하였다. 또한 세 지휘승냥이들의 위치호상작용정보를 위치갱신방정식에 도입하였으며 반복이 증가함에 따라 조종파라메터가 비선형적으로 증가되는 비선형조종파라메터전략을 적용하여 알고리듬의 탐색과 개발에서 균형을 맞추도록 하였다.
개발된 최량화알고리듬은 정확한 풀이에로의 수렴가능성과 수렴안전성, 수렴속도와 같은 지표들을 가지고 이미 알려진 최량화방법들과의 비교속에서 그 성능을 평가하였다. 우리는 수십개의 최량화성능평가표준이라고 볼수 있는 시험함수들을 가지고 이미 잘 알려져있는 많은 모집단최량화알고리듬들과 최량시험결과를 비교하였는데 결과는 우리의 새로운 재빛승냥이최량화알고리듬의 성능이 대부분의 시험함수들에서 고전재빛승냥이최량화알고리듬에 비해볼 때 현저하게 개선되였고 또한 비교에 리용된 모든 최량화알고리듬들가운데서 가장 좋은 성능을 보여준다는것을 밝혔다.
이러한 연구성과는 국제학술잡지 《Scientific Programming》에 연구론문《Dynamically Dimensioned Search Embedded with Piecewise Opposition-Based Learning for Global Optimization》 (https://doi.org/10.1155/2019/2401818) 으로, 국제학술잡지 《Complexity》에 《Dynamically Dimensioned Search Grey Wolf Optimizer Based on Positional Interaction Information》 (https://doi.org/10.1155/2019/7189653) 으로, 국제학술잡지 《Energies》에 연구론문 《Noninferior Solution Grey Wolf Optimizer with an Independent Local Search Mechanism for Solving Economic Load Dispatch Problems》 (https://doi.org/10.3390/en12122274) 의 제목으로 출판되였다.
