사회적 상호작용을 활용한 조합 최적화 휴리스틱

초록

본 논문은 Axelrod의 문화 전파 모델을 변형한 Adaptive Culture Heuristic(ACH)를 이용해 이진 퍼셉트론 가중치 최적화라는 NP‑Complete 문제를 해결한다. 격자에 고정된 N개의 에이전트가 인접 이웃과 상호작용하며 비용이 낮은 문자열을 전파하고, 결국 모든 에이전트가 동일한 최적 혹은 준최적 해를 공유하는 흡수 상태에 도달한다. 실험 결과 성공 확률은 축소 변수 F/N¹⁄⁴에만 의존하며, 고정된 성공 확률을 유지하려면 N∝F⁴가 필요하고, 수렴 시간은 O(F⁶)로 성장한다.

상세 분석

ACH는 전통적인 문화 전파 모델에서 ‘문화’가 해답 공간의 이진 문자열이라는 점을 도입함으로써 최적화 문제에 적용 가능하도록 확장하였다. 에이전트는 격자상의 4‑인접 이웃과만 교류하며, 상호작용 규칙은 두 문자열 사이의 해밍 거리와 비용 함수(퍼셉트론의 오류 수)를 기반으로 한다. 비용이 낮은 이웃의 문자열을 부분적으로 복제하는 과정은 ‘문화 동화’라 부를 수 있으며, 이는 메타휴리스틱에서 흔히 사용되는 ‘탐색‑활용’ 균형을 자연스럽게 구현한다.

시뮬레이션 결과는 두 가지 스케일링 법칙을 드러낸다. 첫째, 성공 확률 P_opt이 F와 N의 조합인 F/N¹⁄⁴에만 의존한다는 사실은 문제 규모가 커질수록 에이전트 수를 급격히 늘려야 함을 의미한다. 구체적으로, 일정한 P_opt를 유지하려면 N≈c·F⁴ (c는 상수)이어야 하며, 이는 전통적인 무작위 탐색에 비해 높은 차원의 탐색 공간을 효율적으로 커버한다는 점에서 흥미롭다. 둘째, 시스템이 흡수 상태에 도달하는 평균 시간 τ는 τ∝F⁶으로 증가한다. 이는 에이전트 간 상호작용이 국소적이면서도 전체 네트워크에 걸쳐 정보를 전파하는 데 소요되는 복합적인 동역학을 반영한다.

또한, ACH는 초기 조건에 크게 의존하지 않는다. 무작위 초기 문자열 집합에서도 동일한 스케일링이 관찰되었으며, 이는 동적 과정이 강한 수렴성을 갖는다는 증거다. 그러나 N∝F⁴라는 요구는 메모리와 계산 자원의 급격한 증가를 초래하므로, 실제 적용에서는 병렬 구현이나 하이브리드 전략(예: 지역 탐색과 결합)과 같은 최적화가 필요하다.

이 연구는 사회적 상호작용 메커니즘을 최적화 알고리즘에 도입한 최초의 사례 중 하나이며, 특히 이진 결정 변수와 비용 함수가 명확히 정의된 문제에 대해 강력한 성능을 보인다. 향후 연구에서는 비정규 격자, 비대칭 상호작용, 혹은 다중 목표 최적화와 같은 복합 상황으로 확장할 여지가 크다.