대량의 SNP정보 처리를 위한 일배체형 재구성 알고리즘과 tagSNP선택 알고리즘의 구현

김상준 중앙대학교 대학원 2005 국내석사

인간의 다양성은 인간 유전체에서 나타나는 변이(특히 SNPs)에 의하여 나타난다. 긴 DNA 구간에 대하여 다양성과 유전자간의 연관연구를 한다면 많은 시간과 비용이 소요될 것이다. 이런 비용을 줄이기 위하여 많은 학자들은 유전자형 데이터를 일배체형 재구성하는 것과 DNA구간에서 tagSNP을 선택하는 문제에 대하여 연구를 하였다. 이런 문제를 해결하려는 많은 연구는 처리시간과 메모리 사용을 줄였지만 생물학적인 의미가 포함되지 못하였다. 본 논문에서는 일배체형 재구성 시스템 MarSelHR과 tagSNP 선택 시스템 MarSelTS를 제안한다. MarSelHR은 Clark의 알고리즘에 LD블록을 적용하여 개선한 시스템으로 다른 일배체형 재구성 시스템들보다 빠른 처리시간을 갖는다. 그리고 블록 단위 처리로 적은 메모리를 사용을 하여 대용량 데이터 처리를 가능하게 하였다. 특히 MarSelHR은 정확한 추정을 위하여 기존의 계산적 추정방법에 LD블록별 추정방법을 통하여 생물학적 의미를 부여했기 때문에 의의가 있다. MarSelTS는 블록분할을 하여 대용량 데이터 처리를 가능하게 구성하였다. 또한, LD블록을 기본 블록으로 설정하여 전체 데이터의 블록 분할 시에 LD블록이 훼손되는 것을 미리 방지하였다. 각 블록은 흔한 일배체형의 종류와 블록 길이를 인자로 최적의 블록 분할을 하여 tagSNP선택을 함으로써 최소의 tagSNP을 선택할 수 있었다. MarSelHR과 MarSelTS의 성능평가는 Daly데이터와 Patil데이터, 그리고 일배체형 데이터를 생성하는 프로그램에 의해 생성된 인공데이터를 갖고 실험하였고, 분석하였다.

최대 가중 독립집합을 이용한 글리치 감소 알고리즘에 관한 연구

이형일 弘益大學校 大學院 2001 국내석사

최근 휴대용 전자 제품의 수요가 증가함에 따라 전자 제품의 전력 소모를 감소시키는 문제가 중요한 이슈로 떠오르게 되었다. 이러한 전력 소모의 감소를 위한 방법의 하나로 게이트 크기 재결정 방법이 사용되고 있다. 게이트 크기 재결정 알고리즘은 비록 게이트의 크기가 늘어나며 회로의 지연시간이 늘어난다는 단점을 가지고는 있지만, 회로가 만족시켜주어야 하는 제한 시간을 늘리지 않고도 회로 내의 게이트들의 일부의 크기를 늘려줌으로써 각 게이트의 전력 소모가 줄어들어 회로 전체의 전력 소모가 줄어드는 이점이 있다. 현재까지 연구되어진 게이트 크기 재결정 알고리즘들은 디지털 회로 상의 전력소모의 주원인인 신호의 천이중에서 회로의 동작에 직접적인 영향을 미치지 않는 불필요한 신호의 천이인 글리치에 의한 전력소모를 특별히 다루지 않고 있거나 글리치 감소를 위한 버퍼삽입을 결정하기 위해 정수선형 프로그램을 사용하고 있는데, 본 논문에서는 설계되어진 회로의 게이트 크기를 경로균등화를 위해 재결정해서 전체 회로의 전력손실을 감소시킴과 동시에 글리치를 줄이고, 게이트 크기 재결정만으로 제거되지 않는 글리치 감소를 위한 기법인 버퍼 삽입을 위해 최대 가중 독립집합을 이용하여 보다 효율적인 저전력 설계 시스템을 구현하기 위한 알고리즘을 제안하고자 한다. The portable consumer electronics is currently under a period of rapid growth. Recently many gate resizing algorithms are researched to reduce power consumption. Using gate resizing, the size of the gates are increased to reduce their associated propagation delays. But these algorithms are not considering glitch that is the important issue about practical circuit design. To reduce more power consumption, in this paper we propose a new algorithm reduces glitches by achieving path balancing through gate resizing and buffer insertion. In the proposed algorithm, the buffers are inserted between the gates where power reduction achieved by glitch reduction is larger than the additional power consumed by the inserted buffers. To determine the location of buffer insertion, maximum weighted independent set has been employed in the proposed system.

캐쉬 효율성을 고려한 행렬 곱셈에 관한 연구

김호윤 弘益大學校 大學院 2003 국내석사

대부분의 시스템에서는 메모리 접근에 드는 비용을 줄이기 위하여 캐쉬 메모리를 사용한다. 캐쉬를 얼마나 효율적으로 사용하느냐의 문제는 시스템 성능뿐만 아니라 알고리즘의 성능에 있어서도 결정적인 영향을 준다. CPU의 메모리 접근 요청 시 L1 캐쉬 메모리에서 처리하는 경우에는 2 사이클, L2 캐쉬 메모리에서 처리하는 경우에는 5,6 사이클 정도면 처리할 수 있다. 그러나 캐쉬 메모리에서 요청을 처리하지 못하고 메인 메모리까지 가야할 경우에는 100 사이클 이상이 소요된다. 하지만 대부분의 알고리즘들은 캐쉬 메모리 효과를 고려하지 않은 채 연산자 수의 최소화를 목적으로 설계되어져 왔다. 따라서, 알고리즘들은 캐쉬 메모리 효과를 고려하여 확장되어져야 한다. 한 번의 메인 메모리 접근을 통해 캐쉬 메모리 블록 크기만큼의 데이터가 캐쉬 메모리 내로 들어오게 된다. 하지만 기존의 행렬 곱셈 알고리즘들은 캐쉬 블록의 크기를 고려하지 않은 채 설계되었다. 본 논문에서는, 이러한 알고리즘들을 개선하여 캐쉬 메모리 활용을 최대화 할 수 있도록 행렬을 전치한 후 블록의 크기만큼 루프펼침(unrolling)하여 캐쉬 최적화에 맞는 알고리즘을 제안한다. 제안한 알고리즘의 효율성을 보이기 위해 캐쉬 시뮬레이터(SHADE)를 사용하였다. 이 실험 결과 본 연구에서 제안 알고리즘이 알고리즘에 사용된 명령어의 수도 적었고, 캐쉬 미스도 적게 발생하여 다른 알고리즘보다 빠른 속도로 행렬 곱셈 연산을 할 수 있었다. The performance of an algorithms on several factors like cache performance, the node size in data structure, and the number of instruction. But most of algorithms have been designed to minimize the number of instruction and do not consider other factors. To reduce the gab between processor speed and memory access time, most of system use cache memory. The cache performance has an increasingly large impact on the performance of algorithms. For example, the time to service a cache to memory has grown from 100 cycles when the CPU speed is 1GHz. In this study, we examined cache performance of blocking, register blocking and transposition multiplication algorithms. we proposed efficient multiplication algorithms using loop unrolling for cache block size and the extended transposition multiplication algorithms. Because, compiler supported loop unrolling is unconscious for cache block size. In this study, we analyzed matrix multiplication algorithms using Shade tracing tool. We experimented with various block sizes and various cache sizes and compared the results. Experimental results show that our algorithm using register blocking and loop unrolling for cache block size is superior to the traditional matrix multiplication algorithms.

Haplotype 블록 분할을 위한 향상된 알고리즘

나경락 中央大學校 大學院 2003 국내석사

인간의 Haplotype 지도를 만들기 위한 기반 기술의 연구는 유전체학 이후의 SNP 연구에서 가장 활발한 연구 영역중의 하나이다. Haplotype 데이터로부터 Haplotype 블록 구조의 식별을 하는 것은 Haplotype 지도 연구에 있어서 핵심 과정이다. 인종에서 관찰된 블록안의 별개의 Haplotype의 수는 매우 제한되었다. 이 발견은 질병 연관 연구에 매우 중요하며, 따라서 블록과 흔한 Haplotype이 식별된 이후, Haplotype과 표현형 사이의 훨씬 더 강력한 연합을 얻을 수 있을 것이라 기대한다. 이러한 중요성으로 인해 블록을 식별하기 위한 그리디 알고리즘이나 동적 프로그래밍에 기반한 알고리즘들을 포함하는 몇 가지 알고리즘들이 제안되었다. 본 연구에서는 최근에 제안된 몇 가지 블록 분할 알고리즘을 분석하였다. HapBlock와 HaploBlockFinder가 실험에 사용된 프로그램이다. 본 논문은 Haplotype 블록을 최소수인 별개의 Haplotype으로 분할하는 방법을 제공한다. 제안된 알고리즘은 각 블록에서 미리 지정한 일부만큼의 Haplotype을 구별하는 블록 분할을 찾는다. 실험은 최소수인 별개의 Haplotype 블록으로 분할이 잘되는 것을 보여준다. 논문에서는 LD에 기반한 블록 분할과 SNP의 매 쌍 간의 LD 신뢰도 값을 계산하는 χ2 검정을 수행하였다. 이는 기존의 방법보다 정확한 블록 분할을 가능하게 한다.

FQTR : RFID 시스템에서 우수한 성능을 보이는 하이브리드 태그 충돌 방지 프로토콜

정승민 중앙대학교 대학원 2009 국내석사

RFID(Radio Frequency IDentification) 기술은 바코드를 대체하는 라디오 주파수를 사용하는 비접촉 자동인식 기술이다. RFID 기술은무선 통신을 사용하여 오염에 강하고 빠르게 인식할 수 있는 장점을 가지고 있다. 그러나 RFID 기술의 확산을 위해서는 해결해여야 할 몇가지 문제점들이 존재한다. 본 논문에서는 이 중 성능에 직접적인 영향을 주는 태그 충돌 방지 알고리즘을 다루도록 한다. 먼저, 기존에 제안된 태그 충돌 방지 알고리즘을 살펴보고 새로운 태그 충돌 방지 알고리즘을 제안한다. 이어서 본 논문에서 제안하는 프레임드 쿼리 트리 리버스드 프로토콜과 기존의 Type B, Type C, 쿼리 트리 프로토콜 알고리즘과 시뮬레이션을 통하여 성능을 비교한다. 프레임드 쿼리 트리 리버스드 프로토콜은 기존의 알고리즘에 비하여 우수한 성능을 보였을 뿐만 아니라, 태그 ID 구성과 수에 영향을 받지 않는 뛰어난 안정성으로 알고리즘의 우수성을 증명하였다. RFID, Radio Frequency Identification, is a technology of automated identification replacing bar-code. RFID technology has advantages that it recognize fast and it is strong to contamination using wireless communication. However, there are difficult problems that should be solved for popularization of RFID. Among of these, tag anti-collision problem is dealed in this paper. It affected the performance of RFID system directly. This paper analyzes conventional algorithms and proposes new algorithms of tag anti-collision. The algorithm proposed is composed of appropriate properties to each phase of distribution and recognition as hybrid between ALOHA-based algorithm and QT-based algorithm. At phase of distribution, the number of tags recognizing at a frame as using ALOHA-based algorithm. It addressed the delay problem because of deep depth of tree. At phase of recognition, it solved ALOHA-based chronic problem that couldn't recognize all the tags sometimes. Moreover, QTR algorithm that recognize by reversed tag IDs is adopted for the performance. The FQTR Algorithm proposed in this paper showed brilliant performance as compared with convention algorithms by simulation.

하이브리드 랭킹 기법을 적용한 추천시스템

홍정화 중앙대학교 대학원 2016 국내석사

인터넷의 대중적인 보급으로 인해 사용자들의 구매 패턴은 오프라인에서 온라인으로 옮겨가고 있다. 수많은 사람들이 인터넷을 통해 물건을 구입하거나 영화 스트리밍 서비스를 이용한다. 사용자들은 손쉽게 구매하고자 하는 것에 대한 정보를 얻을 수 있으나 과다하게 제공되는 정보 속에서 실제로 자신에게 유용한 정보를 찾는데 어려움을 느낀다. 추천시스템은 사용자들이 필요로 하는 정보를 판단하고 제공할 수 있다. 그러나 기존의 추천시스템에는 상위 소수가 추천의 대부분을 차지한다는 문제점이 있다. 이러한 상위 소수는 유명한 정보이며, 사용자는 이 정보를 이미 알고 있을 확률이 높다. 이러한 문제점은 사용자를 지루하게 만들며 추천시스템에 대한 사용자의 신뢰를 떨어트린다. 이 문제점을 해결하기 위해 사용자에게 추천 될 정보들의 순위를 재정렬하는 다양한 랭킹 기법이 제안되었다. 그러나 이 랭킹 기법들은 다양한 추천은 가능했지만 사용자가 원하지 않는 정보가 더 많이 추천되는 정확성 문제가 존재했다. 본 논문은 영화 추천시스템에서 이러한 문제의 해결에 초점을 맞추고 선호 비율 확산 알고리즘과 아이템 선호도 표준편차 랭킹 기준을 이용한 하이브리드 랭킹 기법을 제안하며 기존의 랭킹 기법들과 비교한다. 실험 결과 다른 랭킹 기법과 비교하여 정확성 문제가 개선되었지만 다양성이 감소했다. 그러나 정확성 증가량을 고려할 때 다양성 감소량은 사소하다고 볼 수 있었다. Buying patterns of users are moving from offline to online due to popular propagation of the internet. Numerous people purchase goods and get movie streaming service through the internet. Users can easily get information about what they are trying to purchase, but they find it difficult to get the practically useful one in the information provided excessively. Recommendation system can judge and provide the information what users need. However, the existing recommendation systems have a problem that the top minority comprise the great majority of recommendations. These minorities are a well known information and users are therefore likely to know about them already. This problem makes users bored and distrust the recommendation systems. Various ranking techniques for reordering the priority of information recommended to users have been proposed to address this issue. These ranking techniques can provide various recommendations, yet they have an accuracy problem that the information user does not want is recommended more frequently. This study focused on resolving these issues of the movie recommendation system, proposing a hybrid ranking technique which uses preferred rate spread algorithms and item preference standard deviation ranking criteria and comparing it with the existing ranking techniques. The study results showed improved accuracy compared to other ranking techniques but diversity has decreased. Still, in consideration of the increase of accuracy, the decrease of diversity was negligible.

이진 트리구조의 고속망에서의 연결 요구 스케줄링 알고리즘

여상수 中央大學校 1998 국내석사

스마트 홈 환경에서 신뢰할 수 있는 사용자 인증 및 추천 시스템에 관한 연구

김수철 중앙대학교 대학원 2012 국내박사

스마트 기기의 발달로 사람들의 생활 환경이 점점 스마트해지는 세상으로 변해가고 있다. 이러한 변화로 홈 네트워크와 인터넷 가전정보를 이용해 유비쿼터스 환경을 가정 내에 실현한 스마트 홈이 각광받게 되었다. 스마트 홈 거주자의 인터넷 활동을 통한 정보 접근은 사용자의 프라이버시 문제와 정보 홍수 문제들을 야기하고 있다. 이에 따라 안전하고도 편리한 정보 관리 시스템이 필요하게 되었다. 스마트 홈 사용자는 상호인증을 통해 안전하게 스마트 홈 서비스를 이용할 수 있어야 하며 사용자에게 개인 맞춤형 컨텐츠 추천 시스템이 제공되어야 한다. 이와 같은 문제를 해결하기 위하여 본 논문에서는 스마트 홈 환경에서 신뢰할 수 있는 사용자 인증과 컨텐츠 추천을 해주는 시스템을 제안한다. 첫째로 스마트 홈 거주자들의 프라이버시를 위해 사용자와 스마트 홈 간의 상호인증이 필요하다. 이를 위해 모바일과 RFID를 이용한 하이브리드 인증 프로토콜을 제안하였다. 제안 프로토콜에서 사용자는 모바일 폰의 USIM을 이용하여 신뢰할 수 있는 사용자 인증을 수행하고 RFID 태그를 이용하여 편의성이 뛰어난 경량화(Low-Weight) 인증을 수행한다. 두 번째로 스마트 홈에서는 소셜 네트워크 등을 통해 실시간으로 공유되는 컨텐츠의 양이 많기 때문에 개인에게 알맞은 추천 시스템이 필요하다. 이를 위해 사용자의 개인 정보, 관계 정보, 감성 정보 등을 이용한 추천 알고리즘을 제안하였다. 제안하는 알고리즘의 예측 정확도를 높이기 위해 사용자의 평성 성향을 고려하였고 클러스터링을 통해 추천 성능을 향상시켰다. 논문에서 제안하는 사용자 인증 및 추천 시스템의 성능을 확인하기 위해서 실험을 수행하였으며 평가 지표로서 Success@k, MAE, Coverage등을 이용하였다. 테스트는 MovieLens와 Yahoo Music 데이터 셋과 직접 수집한 사용자 감성 데이터 셋을 이용하여 수행하였다. 그 결과, 기존의 추천 시스템에 비해 사용자 만족도와 추천의 정확성이 높아지는 것을 확인할 수 있었다. 즉, 제안하는 기법이 적용될 경우 스마트 홈 거주자에게 안정성과 효율성을 제공할 수 있음을 알 수 있다. Smart devices provide increased quality of life for persons by integrating them with information technologies in their surroundings. For example, in smart home environments, household systems and appliances are connected through a computer network, which allows control by mobile users and remote access from the Internet. This can increase convenience, energy efficiency and security, but it also gives rise to user privacy and information overload problems. For secure and convenient smart home applications and services, the unauthorized release and use of personal information should be prevented and the difficulty a person can have understanding an issue and making decisions due to the presence of too much information should be resolved. To address these problems, this paper proposes two schemes. First, the paper proposes a mutual authentication scheme that enables two parties (mobile users and smart home access points) to authenticate each other in such a way that both parties are assured of the others' identity. The proposed scheme is a hybrid authentication protocol that utilizes a mobile handset’s Universal Subscriber Identity Module (USIM) and RFID technology. Its light-weight user authentication based on low-cost RFID tags attached to users makes it applicable to resource, power and computationally constrained platforms. Second, the paper proposes a recommendation algorithm that filters a large amount of real-time information collected and shared in a smart home environment and provides recommendations that suit a user’s interest. The proposed recommendation algorithm utilizes a user’s personal, social and emotional information to make automatic predictions about the interests of the user. In addition, it exploits a user’s rating tendency to further increase the accuracy of recommendations. That is, it categorizes users with a similar rating tendency into clusters and selects like-minded users, whose preferences are used as the basis for recommendations, from the clusters. To evaluate the performance of the authentication protocol and the recommendation algorithm proposed in this paper, Success@k and the mean absolute error were measured. The experiments were performed using the publicly available data like the MovieLens data sets and the data collected specifically for this work. The experiment results show that the proposed two schemes contribute to implementing more secure and efficient smart home systems. The proposed recommendation algorithm achieves higher recommendation accuracy and user satisfaction than conventional recommendation methods, and the authentication protocol improves user privacy in smart home systems by allowing only legitimate user access.

신경망을 사용한 편향 분석 기반의 추천 알고리즘

황태규 중앙대학교 대학원 2022 국내박사

추천 시스템은 사용자의 과거 의사결정 내역을 분석해서 사용자의 선호패턴을 도출해내고, 이를 기반으로 사용자의 기호에 맞는 항목들을 검색(retrieval)하는 기법이다. 현업에서는 이익을 높이기 위해 정확성을 극대화하는 혼합기법이 사용되지만, 여러 분석기법들을 사용하는 것에는 비용의 한계가 따른다. 그래서 효과적인 분석기법들을 선별해서 혼합모델을 구축하게 되는데, 그 중심에는 협업 필터링이 있다. 협업 필터링은 평점을 분석하는 기법이고, 행렬분해 기법은 성능의 우수성이 입증되어 현재까지 사용되고 있다. 평점분석기반의 추천 시스템은 행렬분해 기법을 기점으로 정확성 향상의 한계에 도달했다. 성능한계를 풀려면 의사결정을 이해할 수 있는 새로운 선호패턴이 도출되어야 한다. 편향분석(bias analysis)은 사용자의 의사결정을 편향의 관점으로 관찰해서 새로운 선호패턴을 도출하는 모델이다. 편향은 데이터 과학(데이터 마이닝, 머신 러닝 등)에서 선형 모델(또는 선형 분류기)의 보정으로 사용되었고(y=ax+b), 추천 시스템에서도 편향을 동일하게 취급하는 것이 관례였다. 편향은 의사결정과정과 의사결정에 관여하는 비율이 크기 때문에, 의사결정을 이해할 수 있는 핵심 단서가 된다. 편향을 절편의 이동으로 다루는 것이 효율적이지만, 편향과 의사결정 간의 관계가 반영되지 못해 예측오차가 발생하게 된다. MBA는 편향과 의사결정 간의 관계를 반영하는 편향분석 모델이고, 영화 데이터에서 행렬분해 모델보다 더 나은 예측성능을 보였다. 그러나 MBA는 모델을 학습하는 방법이 효과적이지 못하고, 적용범위가 영화 데이터에 한정되는 단점이 있다. 본 논문에서는 신경망을 사용한 편향 분석 기반의 추천 알고리즘에 대해 소개한다. 제안된 방법은 총 3가지로 요약된다. 첫째, 다중편향 분석(MBA, multiple bias analysis)모델의 신뢰도를 높이는 개선된 MBA (EMBA, Enhanced MBA)를 제안한다. 둘째, 신경망을 사용해서 편향과 의사결정의 관계를 비선형 문제로 풀기 위한 신경망 MBA (NMBA, Neural MBA)를 제안한다. 셋째, 편향분석의 적용범위를 넓히기 위해 음악 데이터에 대한 검증을 수행한다. 신경망 기반의 추천기법들은 평점이 회기(regression) 데이터임을 감안해서 대부분 회기 모델로 설계하지만, 제안된 방법은 신경망 기법이 회기(regression)보다는 분류(classification)에 적합함을 감안해서, 신경망이 평점을 분류하도록 모델을 설계했다. 제안된 방법에는 CNN을 사용했고, 2차원 편향행렬을 입력하면 one hot encoding을 통해 평점을 분류하는 구조이며, CNN 기법으로 대표되는 VGGNet, ResNet을 사용했다. 영화 데이터와 음악 데이터를 사용하는 실험으로 제안된 방법과 기존의 연구들과 정확성을 비교했을 때, VGGNet을 사용한 NMBA가 0.11%, ResNet을 사용한 NMBA가 8.09% 높은 결과를 보였다. Recommender system derives users' preference patterns by analyzing aspects of users' past decision-making and retrieving items that fit users' preferences based on their preference patterns. Although hybrid approaches that maximize accuracy are used to increase profits in field work, too many analysis techniques cannot be used due to limited costs. Therefore, effective analysis techniques are selected to construct a mixed model, and collaborative filtering is at the center of the foregoing. Collaborative filtering is a technique used to analyze ratings. Until now, a matrix decomposition technique has been used because the excellence of its performance has been proven. Rating analysis-based recommender systems had reached the limit of accuracy improvement when the matrix decomposition technique was developed. To lift the performance limit, a new preference pattern that enables understanding of decision-making must be derived. Bias analysis is a model that derives new preference patterns by evaluating users' decision-making from the viewpoint of bias. Bias has been used as a compensation (y=ax+b) in linear models (or linear classifiers) in data science (e.g., data mining and machine learning), and it has been customary to treat bias equally in recommender systems. As bias plays a key role in decision-making, it can be used to shed light on users' decisions when faced with different options. Although bias can be treated as a shift of the intercept, this does not accurately reflect the relationship between the driver or drivers of the bias and decision-making. Multiple bias analysis (MBA) is a bias analysis model that reflects the relationship between bias and decision-making. When applied to decision-making regarding movies, the predictive performance of the MBA model was better than that of a matrix decomposition model. However, MBA has a number of limitations. The method of training the model is not effective, and its scope of application is limited to movie data. In this paper, a recommendation algorithm based on bias analysis using neural networks is introduced. The proposed method can be summarized as follows: First, an enhanced MBA (EMBA) model is proposed to increase the reliability of MBA. Second, a neural MBA (NMBA) model is proposed to solve the relationship between bias and decision-making as a non-linear problem using neural networks. Third, music data are verified to broaden the scope of application of bias analysis. Although most neural network-based recommendation techniques are designed as regression models, as ratings are regression data, in the proposed method, the model is designed so that neural networks classify ratings considering the fact that the neural network technique is suitable for classification rather than regression. In the proposed method, convolutional neural network (CNN) was used, and the ratings were classified by one-hot encoding when a two-dimensional bias matrix was input. VGGNet, and ResNet, which are representative CNN techniques, were used. The accuracy of the proposed method was compared with that of previous studies in an experiment using movie data and music data. The accuracy of the NMBA using VGGNet, and ResNet was 0.11%, 8.09%, respectively, higher.

전광 트리 네트워크에서 경로 설정 및 파장 할당 문제를 해결하는 효율적인 알고리즘

김순석 中央大學校 1998 국내석사