GA-based Optimization Approach in Hybrid Intelligent Systems for Business Applications

Abstract

경영 분야의 분류 및 예측 문제를 해결하기 위한 모형을 구축하는 것은 발생하는 대량의 데이터를 효과적으로 관리하고 분석하여 정보의 가치를 극대화하고 지식으로 전환하는 BI (Business Intelligence)의 영역으로 발전해 가고 있다. 그리고, 최근 사회 전반적으로 경영정보시스템이 단순히 정보기술의 유용성이나 사용 편리성을 제고하는 것뿐 아니라, 인간의 지식 활동 일부를 시스템에 반영하여 자동 혹은 반자동으로 의사결정을 지원해주는 지식기반시스템으로써 BI를 구현하는데 그 역할의 중요성이 부각되고 있다. 실제 경영의사결정을 지원하기 위하여 경쟁력 있는 BI를 구현하는 것은 학문적, 실무적 요구가 매우 큰 분야로 통계학을 기초로 정보기술, 경영의사결정 등 다양한 학문분야의 지식이 결합된 학제간의 연구분야라는 특성이 있다. 이에 본 논문에서는 경영의사결정의 토대가 되는 정보 및 지식을 생성해내는 지식기반시스템의 지식/모델 베이스의 근간이 되는 모형을 구축하는 최적의 방법론을 제시하고자 한다. 특히, 다양한 인공지능 기법들을 활용하여 통합 모형을 구축함으로써 단일 모형의 한계점을 극복하고, 모형의 예측력을 향상시켜 지식기반시스템의 효율성과 성과를 보다 증진시키기는 데 기여할 수 있는 세가지 최적화 기반의 지능형 통합 방법론을 제시한다. 첫 번째 접근 방법론은 주가와 같이 시계열적 특성이 나타나는 분야의 패턴을 인식하여 미래에 대한 예측을 하기 위하여 유전자 알고리즘을 활용한 시계열 패턴이 반영된 인공신경망 모형을 최적화하는 통합 방법론을 제시하고자 한다. 두번째 접근 방법론은 실제 세계의 애매모호한 사례들을 다루는데 적절한 퍼지집합개념을 룰 형태의 연역적 추론 알고리즘에 반영한 모형에서 유의한 지식을 도출하기 위하여 유전자 알고리즘을 활용한 통합 방법론을 제시하고자 한다. 퍼지집합이론은 인간이 의사결정시 사용하는 유사한 자연스러운 언어를 수학적으로 변환할 수 있게 해주는 인공지능 기법이다. 세번째 접근 방법론은 과거의 사례들이 지식으로 표현되고 해결 방법으로 사용되는 추론과정이 인간의 문제 해결과정과 유사한 사례기반추론에서 사례를 구성하는 변수들이 기호(symbol) 형식인 경우, 유전자 알고리즘을 활용하여 사례간의 유사도를 측정하는 방법론을 제시하고자 한다. 유용한 사례기반 시스템을 구축하기 위해서 시스템의 지식베이스에 저장된 사례들 중 문제해결에 유용한 가장 적합한 사례를 추출하는 방법론을 구축하는 것이 중요하다. 본 논문의 공헌은 여러 개의 변수 혹은 제약조건으로 이루어진 매우 복잡하고 역동적인 다양한 경영 문제들을 해결하기 위하여 유전자 알고리즘이 가지는 탐색 및 최적화 능력을 활용하여 최적 혹은 최적에 가까운 지능형 통합 방법론을 제시한 것이다. 유전자 알고리즘은 유기체가 환경변화에 적응해 나가는 방식인 진화과정에 그 개념적 기초를 두고 정의한 목적함수에 기반하여 최적의 해결방법이나 대안들을 생성하고 평가하여 해결방안을 도출해내는 인공지능 기법이다.;The development of the prediction model in business has long been regarded as a major challenge and widely studied issue in the academic and practical community. Since the accuracy of the prediction model is fundamental to many decision making processes in business, a research stimulus to produce hybrid intelligent systems for improving the effectiveness and providing a more powerful performance has never stopped. Various synergistic combinations of artificial intelligence techniques for taking advantage of different methods in extracting knowledge can produce better systems. This dissertation proposes the evolutionary optimization approaches using genetic algorithms (GAs) for hybrid intelligent systems in business. GAs are an evolutionary optimization technique in searching large and complicated spaces in a wide range of business applications. Since GAs share the approach of other learners such as artificial neural networks, rule-based system, fuzzy theory, case-based reasoning, and so on, GAs are often used to find the possible in learning process for other paradigms. GAs are particularly suitable for multi-parameter optimization problems with an objective function subject to numerous hard and soft constraints. Therefore, GAs have been increasingly applied in conjunction with other artificial intelligence techniques. The main purpose of this dissertation lies in the investigation of hybrid intelligent approaches using simultaneous optimization technique for dealing with a time series property and human-like intelligence in business applications. The first approach investigates the effectiveness of a hybrid system based on the artificial neural networks (ANNs) for time-series properties with GAs in detecting temporal patterns for stock market prediction tasks. Since determining the number of time delays or network architectural factors in a stand-alone mode doesn’t guarantee the illuminating improvement of the performance for building the model of the ANNs for time-series properties, we apply GAs to support optimization of the number of time delays and network architectural factors simultaneously for the model of the ANNs for time-series properties. The second approach investigates that the effectiveness of a hybrid system using the fuzzy decision tree (FDT) and GAs enhance the performance of FDT to the problem of corporate bond rating classification. Since the induction based on a tree structure embodies the complex human reasoning process, this hybrid approach of using GAs attempts to find an optimal or near optimal confident level of knowledge represented by linguistic ambiguity that could be understood and verified by human experts in FDT. The last approach investigates the effectiveness of a hybrid system using the genetic search technique and case-based reasoning (CBR) that supports successful retrieval of symbolically represented cases of corporate bond rating classification tasks. A prominent issue of CBR to utilize the case specific knowledge of past experience for finding an optimal solution most similar to the new problems is to retrieve a similar case to the problem. Though the integration of domain knowledge into the case indexing and retrieving process is highly recommended, a symbolically represented problem is not verified in this way because such knowledge often cannot be successfully captured. Therefore, this hybrid approach gives a critical impact on the performance of the symbolic case-based retrieval process.