오승준, 노명일, 안도혁, "근사 모델의 자동 갱신을 통한 선형 최적화 방법", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 121, 2026.05.27-05.29
Domestic Conference
2026.06.02 11:30
오승준, 노명일, 안도혁, "근사 모델의 자동 갱신을 통한 선형 최적화 방법", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 121, 2026.05.27-05.29
조회 수 781
| 첨부 '1' |
|---|
| Abstract | 선형 최적화 과정에서는 선형의 유체역학적 성능을 평가하는 것이 필수적으로 요구된다. 선형의 유체역학적 성능을 정밀하게 계산할 수 있는 CFD (Computational Fluid Dynamics) 해석은 막대한 계산 비용을 수반하므로, 이러한 한계를 극복하기 위해 근사 모델을 활용한 선형 최적화 방법이 활발히 연구되고 있다. 그러나 고차원 설계 공간에서는 컴퓨터 자원의 한계로 인해, 신뢰성 있는 근사 모델 구축에 필요한 초기 학습 데이터를 충분히 확보하기 어렵다. 그 결과, 희소한 초기 학습 데이터로 구축된 초기 근사 모델은 초기 학습 데이터 범위를 벗어난 외삽 (extrapolation) 영역에서 예측 값의 신뢰도가 급격히 저하된다. 본 연구에서는 이러한 문제를 해결하기 위해, 근사 모델을 반복적으로 갱신하며 최적해를 도출하는 선형 최적화 방법을 제안하였다. 설계 변수 간의 관계를 정의하고 예측 값과 불확실성을 동시에 추정하기 위해 GPR (Gaussian Process Regression)을 활용하였으며, 근사 모델 갱신을 위한 추가 데이터 생성 기준으로 획득 함수 (acquisition function)를 활용하였다. 특히, 획득 함수로 UCB (Upper Confidence Bound)를 선정하여 저항 성능의 개선이 기대되는 영역과 불확실성이 높은 영역을 균형 있게 탐색하도록 설계하였다. 이러한 과정을 통해 고차원 설계 공간을 효율적으로 탐색하고 근사 모델을 반복적으로 갱신함으로써 최적해를 효과적으로 도출하였다. 제안된 방법을 KCS (KRISO Container Ship) 선형 최적화 문제에 적용한 결과, 초기 선형 대비 우수한 저항 성능을 갖는 선형을 도출할 수 있음을 확인하였다. |
|---|---|
| Publication Date | 2026-05-28 |
