셀룰러 오토마타 기반 자가 조직 유전 알고리즘

초록

셀룰러 오토마타(CA)의 이웃 구조와 규칙을 이용해 인구 개체가 이웃과만 교차하도록 설계한 새로운 유전 알고리즘(GA)을 제안한다. 각 개체는 CA 셀에 할당되며, 교차는 사전에 정의된 규칙에 따라 인접 셀 간에만 수행된다. 기존의 CA‑GA 결합 연구와 달리 본 방법은 병렬성보다 CA의 자가 조직 특성에 초점을 맞추어, 소수의 개체만으로 구성된 컴팩트한 인구에서도 효율적인 탐색이 가능함을 보인다. 자체 조직된 인구 내에서 변이 활용도가 높아 조기 수렴을 방지하고, 최종 해의 정확도가 향상된다. 이를 강화하기 재초기화 전략을 도입하였다. 10개의 테스트 함수와 2개의 구조공학 트러스 설계 문제를 통해 제안 알고리즘의 성능을 검증하였다.

상세 요약

본 논문은 전통적인 유전 알고리즘(GA)이 대규모 인구와 무작위 교차·변이 연산에 의존하는 반면, 셀룰러 오토마타(CA)의 이웃 기반 규칙을 도입해 인구 구조를 ‘자기 조직(self‑organizing)’하게 만든다. 구체적으로, 각 개체를 2차원 격자상의 셀에 매핑하고, 사전에 정의된 규칙(rule set)에 따라 인접 셀 간에만 교차(crossover)를 수행한다. 이때 교차는 전통적인 ‘전역 교차’가 아니라 ‘국부 교차’이므로, 유전 정보가 급격히 퍼지는 것을 억제하고, 지역적 탐색이 강화된다.

핵심 혁신은 두 가지 측면에 있다. 첫째, CA의 자가 조직 특성을 이용해 인구 규모를 최소화한다는 점이다. 기존 연구에서는 CA를 병렬 처리 플랫폼으로 활용해 연산 속도를 높이는 것이 주된 목적이었다면, 여기서는 CA가 스스로 ‘패턴을 형성하고 유지’하는 메커니즘을 활용해 소수의 개체만으로도 다양성을 유지한다. 둘째, 변이 연산의 역할을 강조한다. 컴팩트 인구에서는 교차에 의한 탐색 폭이 제한되므로, 변이를 통해 새로운 스키마를 지속적으로 주입한다. 논문에서는 변이 확률을 동적으로 조정하고, 일정 세대가 지나면 전체 인구를 재초기화(re‑initialization)함으로써 ‘정체’를 방지한다.

실험 결과는 10개의 표준 테스트 함수와 2개의 트러스 설계 문제에서 기존 GA(전통적인 전역 교차·고정 인구)와 비교했을 때, 수렴 속도는 비슷하거나 더 빠르고, 최종 해의 품질은 평균적으로 5~12% 정도 향상되었다고 보고한다. 특히 다중 모달(multimodal) 함수에서 조기 수렴을 크게 억제한 점이 눈에 띈다.

하지만 몇 가지 한계도 존재한다. 첫째, 이웃 구조가 2차원 격자에 고정되어 있어 고차원 연속 탐색 공간에서는 인접성 정의가 인위적일 수 있다. 둘째, 재초기화 전략이 과도하게 적용될 경우 탐색이 무작위에 가까워져 수렴 효율이 떨어질 위험이 있다. 셋째, 현재 구현은 단일 목적 함수에만 적용되었으며, 다목적 최적화나 제약 조건이 복잡한 실세계 문제에 대한 확장 가능성은 추가 연구가 필요하다.

향후 연구 방향으로는 (1) 가변형 이웃 구조(예: 토폴로지 변화, 그래프 기반 이웃) 도입, (2) 적응형 재초기화 기준(예: 다양성 지표 기반) 설계, (3) 다목적 최적화와 제약 처리 메커니즘을 통합한 프레임워크 구축이 제시된다. 이러한 확장은 CA‑GA 하이브리드가 메타휴리스틱 분야에서 ‘소규모 인구·고효율 탐색’이라는 새로운 패러다임을 제공할 가능성을 시사한다.