실제 전쟁은 사격 일정(firing scheduling)을 결정할 때 상당한 수의 불확실성을 수반한다. 본 연구는 전쟁에서의 불확실성을 고려하는 강건 최적화 모형을 제안한다. 이 모형에서는 적의 행동에 의해 영향을 받는 매개변수, 즉 적 표적(enemy targets)으로부터의 위협(threats from enemy targets)과 적 표적의 위협 시간(threat time from enemy targets)이 불확실한 매개변수로 가정된다. 이러한 매개변수를 고려한 강건 최적화 모형은 반무한 제약(semi-infinite constraints)을 갖는 비정형(intractable) 모형이다. 따라서 본 연구는 이 모형을 다룰 수 있는 문제로 재구성(reformulating)하여 해를 얻기 위한 접근법을 제안하며, 그 접근법은 시나리오(scenario) 개념을 이용해 강건 최적화 모형을 개발하고, 그 모형에서 해를 찾는 것을 포함한다. 여기서 불확실한 매개변수를 표현하는 조합은 시나리오로 가정된다. 이 접근법은 강건한 해를 찾기 위해 문제를 마스터 문제(master problem)와 서브문제(subproblems)로 분할한다. 마스터 문제에서는 전역 탐색(global searches)의 복잡성을 극복하기 위해 유전 알고리즘(genetic algorithm)을 활용함으로써 합리적인 시간 내에 해를 도출한다. 서브문제에서는 모든 시나리오가 표현된 경우에도, 어떤 해에 대해서든 최악의 시나리오(worst scenarios)를 탐색하여 강건한 해를 찾는다. 수치 실험을 수행하여 다양한 불확실성 수준에서 강건 해(robust solution)와 명목 해(nominal solution)를 비교함으로써 강건 해의 우수성을 검증한다.

복잡해진 금융시장에 대응하기 위해 매매시점을 정교하게 파악하는 것이 매우 중요해졌다. 기술적 지표를 활용하여 매매시점을 찾는 기존의 연구들은 특정 상황에만 국한된다는 단점이 존재한다. 본 연구는 이러한 기존 연구들의 단점을 보완한 스코어링 모델을 제시한다. 본 연구에서 제시하는 스코어링 모델은 주가수준 및 이동평균과 관련된 21가지의 변수들을 선정하여 입력변수로 사용하였으며, 유전자 알고리즘 기법을 통한 최적화 과정을 거쳤기 때문에 다양한 금융 상황에도 적용될 수 있다. 제시하는 모델에 대한 실증 분석에는 과거 12년 (2005 ∼ 2016)의 KOSPI 데이터를 사용하였으며, 슬라이딩 윈도우 기법을 적용시켜 분석을 진행하였다. 본 모델은 시장이 횡보장일 경우에는 보유전략을 취하고, 추세장일 경우에는 상승 시 매수, 하락 시 매도함으로써 시장의 과도한 하락에 대응할 수 있기 때문에 결과적으로 기존의 기술적 지표를 활용한 방법보다 우수한 성과를 얻을 수 있다.

본 연구는 증가하는 전력 수요를 충족하면서도 운영 요소 및 전력 공급의 안정성을 유지할 수 있는 최적의 발전시스템 확장 계획(Generation System Expansion Plan)을 수립하는 것을 목적으로 한다. 본 연구에서 제안하는 아키텍처는 계획 수준(plan-level) 및 운영 수준(operation-level) 모델로 구성되며, 기본적으로 최적화에 기반한다. 첫 번째 단계에서는 시계열 분석을 통해 미래 전력 수요 데이터를 추정하였다. 또한 발전소 데이터가 정의되었고, 검증된 데이터가 수집되었다. 다음 단계에서는 기존의 발전시스템 확장 계획 방법론을 사용하여 예비율(reserve rate)을 만족하는 실현 가능한 해와 건설 비용을 도출하였다. 세 번째 단계에서는 혼합 정수계획(mixed integer programming, MIP) 기반의 발전시스템 운영 계획 방법론을 사용하여 발전시스템 운영에 관한 수치를 도출하였다. 아울러 단위계통(unit commitment)의 계산 복잡도를 줄이기 위해 유사한 특성을 지닌 발전소들을 그룹화하였다. 마지막 단계에서는 제2단계에서 도출된 계획 기간(duration)에 대한 실현 가능한 해와 운영 및 유지보수 비용 정보(cost information)를 결합하여 총비용을 최소화하는 최적해를 산출하였다. 제안된 통합 발전시스템 확장계획 수립 아키텍처의 타당성을 입증하기 위한 실험을 수행하였다. 본 연구는 운영 고려사항과 공급 안정성을 유지한 채 미래의 증가하는 전력 수요를 충족하기 위한 최적 발전소 확장 계획의 수립에 학술적 함의를 제공한다. 또한 제안된 방법론의 효과성은 전력공급 및 수요를 위한 국가 계획(National Plan for Electricity Supply and Demand)과의 비교 및 검증을 통해서도 제시되었다.

간호사 편성(rostering) 문제는 많은 제약 조건을 특징으로 하는 중요한 탐색 문제이다. 간호사 편성 문제에서 이러한 제약 조건은 근무 규정의 준수, 간호사 교대근무 배정, 간호사 선호의 고려와 같은 과정들에 의해 정의된다. 페널티 함수 방법과 같은 여러 접근법이 이러한 제약 조건을 다루기 위해 문헌에서 연구되어 왔다. 본 연구에서는 간호사 편성 문제를 해결하기 위한 두 가지 유형의 하이브리드 메타휴리스틱 접근법을 제안하며, 이는 지역 탐색과 전역 탐색의 균형을 맞추고 느린 수렴 속도와 조기 수렴(prematurity)을 방지하기 위해 화음 탐색(harmony search) 기법과 인공 면역 시스템(artificial immune systems)을 결합하는 데 기반한다. 제안된 알고리즘은 간호사 편성 문제의 벤치마킹 데이터셋에 대해 평가되었으며, 그 결과 대부분의 경우에서 다른 연구에서 도출된 해에 비해 더 나은 또는 최상의(known) 해를 식별함을 보여준다. 또한 그 결과, 화음 탐색과 인공 면역 시스템의 결합은 단일 메타휴리스틱 또는 다른 하이브리드화 방법을 사용하는 것보다 간호사 편성 문제 및 이산 최적화(discrete optimization) 문제에서 상한(upper-bound) 해를 찾는 데 더 적합함을 나타낸다.

중대사고 관리는 원자력발전소에서 노심용융(core-melt) 사고를 예방하거나 완화하기 위해 기존 및 대안 자원, 시스템, 그리고 조치를 사용하는 것으로 정의할 수 있다. 본 논문에서는 조종실 운전원 및 기술 담당 그룹의 훈련을 위해 개발된 RIMO(Risk Meter for Operators)를 소개한다. RIMO는 현상론적 지식 기반(KB), 사고 시퀀스 KB, 그리고 AM 전략 제어 다이어그램 및 정보 요구사항을 포함하는 사고 관리 절차로 구성된다. 또한 RIMO-web 프로그램은 Level 3 PSA 분석을 위한 대표적인 컴퓨터 코드인 MACCS 계산을 지원한다. RIMO는 중대사고에 대한 현상론적 지식을 제공함으로써, 설비의 취약성을 이해하고, 위험을 평가하며, 고도의 스트레스 상황에서 문제를 해결하도록 이들을 훈련하는 데 기여할 수 있다.

온실가스에 의해 유발되는 기후변화 문제를 해결하기 위해, 전 세계적으로 온실가스 배출 저감에 대한 연구와 방안이 널리 제안되어 왔다. 지구온난화에 기여하는 가장 대표적인 온실가스인 CO 2 의 저감은 각 국가의 주요 과제이다. 화석연료 사용으로 인한 CO 2 배출을 회피하기 위한 주요 수단인 CCS는 CO 2 를 포집하고 이를 대기에서 분리된 격리(격리) C0 2 로 운반하는 효과적인 기술이다. 진행 중인 활성 CCS 프로젝트에 따르면, 전형적인 CCS 파이프라인 수송 네트워크는 포집된 CO 2 를 CO 2 배출원에서 격리 장소로 직접 수송하는 형태이며, 이는 비용 효율성 측면에서 불리하다. 따라서 본 연구에서는 CO 2 저장 부지를 추가하여, Harmony Search Algorithm을 이용해 최적해를 찾는 source-CO 2 저장 부지-격리 네트워크를 생성하는 새로운 CCS 파이프라인 네트워크를 제안하였다. 22개의 배출원과 3개의 격리 시설을 가진 대한민국의 실사례를 제시한다.