박진교 연구실

본 연구는 확산 모델을 이용한 조건부 생성 모델링 방식으로 풍력 발전소 배치를 최적화합니다. 그래프 신경망 기반 확산 모델을 연간 에너지 생산량과 풍속 조건으로 학습한 후, 국소 탐색 알고리즘을 통해 설계 제약을 만족하는 배치를 생성하고 반복적으로 개선합니다. 제안 방법은 기존 방법 대비 다양하고 높은 에너지 생산성을 갖는 배치를 표본 효율적으로 생성합니다.

본 논문은 오프라인 메타 블랙박스 최적화를 이용하여 신호 위상 조합과 위상 시간 할당을 동적으로 조정하는 도시 교통 신호 관리 시스템을 제안합니다. Attentive Neural Process로 다양한 교통 패턴에서 설계의 영향을 예측하고, Bayesian 최적화로 최적 설계를 찾습니다. 실험 결과 대기 차량 수에서 기존 방법을 능가했으며, 실제 교통 시스템 적용 시 처리량이 4.80% 향상되었습니다.

본 연구는 그래프 신경망을 활용한 학습 기반 분리 휴리스틱 알고리즘을 제안합니다. 50~100명의 고객 인스턴스로 훈련된 GNN 모델을 이용하여 용량 제약 차량 경로 문제(CVRP)의 반올림 용량 부등식 분리 문제를 해결합니다. 최대 1,000명의 고객을 가진 대규모 문제에서 기존 CVRPSEP 소프트웨어보다 우수한 하한값을 도출하며, 특히 400명 이상의 고객 규모에서 성능 향상을 보입니다.

본 논문은 그래프 순환 신경망을 이용한 다변량 호크스 과정 학습 모델(GRTPP)을 제안합니다. 다변량 사건 수열을 그래프 수열로 인코딩하여 사건 유형 간의 관계를 고려한 노드 임베딩을 생성하고, 강도 함수를 통합하여 다음 사건의 유형과 시간을 예측합니다. 5개의 실제 데이터셋과 신용카드 거래 데이터셋에서 기존 모델 대비 향상된 효과성과 해석 가능성을 입증합니다.