실수형 최적화 문제의 전역 최적해를 빠르고 정확하게 찾을 가능성을 높이기 위해, 서로 다른 진화특성을 가지는 여러 부집단들을 사용한 새로운 하이브리드 기법이 제안된다. 제안된 알고리듬은 세 개의 부집단을 사용하는데, 복잡한 적합도 함수를 가지는 문제에서 좋은 성능을 보이는 NPOSA 알고리듬이 두개의 부집단에 적용되고, 진화 방향과 크기가 조절되는 자기 적응 진화 알고리듬이 나머지 하나의 부집단에 적용되었다. 각 부집단들은 서로 다른 방법으로 진화하며 부집단들간의 상호교류를 통해 전역 최적해로 빠르게 도달하게 한다. 이 기법의 효율성은 몇 개의 표준 테스트 문제들을 사용하여 검증하였다. 마지막으로, 제안한 알고리듬이 실제 문제에 적용 가능함을 보이기 위해 카메라 파라메터의 최적값을 찾는 문제에 적용하였다. 보정 블럭에서 측정된 특징점들을 사용하여 오차 함수를 정의한 후, 하이브리드 방법이 그 오차 함수를 최소화하는 카메라 파라메터의 값을 찾을 수 있음을 보였다.
A new hybrid technique using several sub-populations having completely different evolutionary behaviors is proposed to increase the possibility to quickly find the global optimum of continuous optimization problem. It has three sub-populations. Two NPOSA algorithms showing good performance in the problem having a rugged fitness function are applied to two sub-populations and a self-adaptive evolutionary algorithm to the other sub-population. Sub-populations evolve in different manners and the interaction among these sub-populations lead to the global optimum quickly. The efficiency of this technique is verified through benchmark test functions. Finally, the algorithm with three sub-populations has been applied to seek for the optimal camera calibration parameters. After an error function has been defined using measured feature points of a calibration block, it has been shown that the algorithm searches for the camera parameters that minimize the error function.
