설문 최적화와 진화 알고리즘을 활용한 조합 최적화 혁신

논문은 설문 이론(Questionnaire Theory)의 핵심 모델을 바탕으로 조합 최적화 문제에 대한 새로운 접근법을 제시한다. 먼저 이진 설문(Optimal Binary Questionnaire, OBQ) 문제를 정의하고, 각 질문을 비용 c(t)와 두 가지 결과(0,1)의 발생 확률 p₀(t), p₁(t)로 표현한다. 설문의 목표는 모든 사건 yᵢ를 식별하기 위해 필요한 평균 비용 C(Q)=∑ᵢ p(yᵢ)·c(yᵢ)를 최소화하는 것이다. 복잡도 분석에서는 최소 집합 커버(MSC) 문제를 OBQ로 다항식 시간 감소시켜 OBQ가 NP‑hard임을 증명한다. 또한 MSC의 근사 불가능성 결과(FEIGE, RAZ‑SAFRA)를 이용해 OBQ와 그 가중 버전(O WQ, OWBQ) 역시 (1‑O(1))·ln n 이하의 근사 비율을 보장할 수 없음을 논한다. 알고리즘 설계는 두 단계로 구성된다. 첫 번째는 ‘루트 질문 선택 함수(RQSF)’라는 그리디 전략을 정의하는 것이다. 표 4에 제시된 네 가지 RQSF는 (1) 비용 최소, (2) 엔트로피 감소 최대, (3) 비용 대비 엔트로피 감소 최대, (4) 기대 비용 최소( c(t)·p₀(t)+c(t)·p₁(t) )이다. 실험 결과 함수 4가 대부분의 인스턴스에서 가장 좋은 해를 제공한다는 결론을 내지만, 특정 경우에는 다른 함수가 우수함을 인정한다. 두 번째 단계는 ‘복합 RQSF’를 도입해 문제들을 여러 클래스로 분할하고, 각 클래스에 최적의 RQSF를 할당한다. 이를 위해 특성 함수 f(T)를 정의하고, 표 5에 제시된 후보(엔트로피 H(T), 압축도, 비용 분포 엔트로피 H_c 등) 중 엔트로피 H(T)가 하위 문제들의 값 분포를 가장 균등하게 만든다. 클래스 구분은 H(T) 값을 일정 구간으로 나누는 방식으로 이루어지며, 고정 길이 구간 대신 가변 길이 구간을 사용해 각 하위 문제가 정확히 하나의 구간에 매핑되도록 설계한다. 지역 탐색(Local Search) 부분에서는 현재 해에 작은 변형을 가해 이웃 해를 생성한다. 변형 연산은 질문 교환, 서브트리 재구성, 질문 순서 변경 등으로 제시되지만 구체적인 알고리즘 흐름은 서술되지 않는다. 유전 알고리즘(Genetic Algorithm) 설계에서는 개체를 설문 트리 구조로 표현하고, 선택 연산은 비용 기반 토너먼트, 교차 연산은 두 부모 트리의 서브트리를 교환해 새로운 트리를 생성한다. 교차 후에도 논리적 완전성(모든 사건이 구분 가능함)을 유지하도록 추가적인 보정 단계가 필요하다고 언급하지만 구현 세부 사항은 생략된다. 돌연변이 연산은 무작위 질문 교체 혹은 비용 변동을 통해 다양성을 확보한다. 실험에서는 최소 집합 커버와 0‑1 배낭 문제에 제안된 알고리즘을 적용하였다. 실험 결과는 제안 알고리즘이 기존 그리디 방법보다 평균 비용이 5~12% 감소했으며, 유전 알고리즘이 추가적인 3~7% 개선을 제공한다는 내용이지만, 실험 환경(인스턴스 수, 크기, 하드웨어 사양), 비교 대상(예: 표준 LP 근사, 동적 프로그래밍), 통계적 유의성 검증 등이 상세히 기술되지 않아 결과의 신뢰성을 판단하기 어렵다. 결론에서는 설문 이론을 통해 다양한 조합 최적화 문제에 적용 가능한 프레임워크를 제시했으며, 향후 연구 방향으로는 (1) 이웃 연산과 교차 연산의 이론적 보증, (2) 대규모 인스턴스에 대한 확장성 분석, (3) 기존 근사 알고리즘과의 정량적 비교, (4) 다중 목표(비용, 정확도, 실행 시간) 최적화를 위한 파라미터 튜닝 등을 제시한다. 전반적으로 논문은 설문 기반 모델링과 메타휴리스틱(지역 탐색, 유전 알고리즘)의 결합이라는 흥미로운 아이디어를 제시하지만, 알고리즘 구현 세부와 실험 검증이 부족하여 학술적 기여도가 제한적이다. 향후 연구에서는 보다 엄밀한 수학적 분석과 재현 가능한 실험 설계가 필요하다.