우파새 탐색을 활용한 공학 최적화

초록

본 논문은 양·데브가 제안한 메타휴리스틱 알고리즘인 우파새 탐색(CS)의 성능을 표준 및 새로운 확률적 테스트 함수와 스프링·용접빔 설계와 같은 실제 공학 최적화 문제에 적용하여 평가한다. 비교 실험에서 CS는 입자군집 최적화(PSO)보다 우수한 해를 도출했으며, Lévy 비행 기반의 탐색 메커니즘과 알림(egg‑laying) 전략이 탐색 효율을 크게 향상시킴을 확인한다.

상세 분석

우파새 탐색(CS)은 두 가지 핵심 원리를 결합한다. 첫째, 우파새가 기생 알을 다른 새의 둥지에 놓는 ‘알‑놓기’ 메커니즘을 모방해 새로운 해를 무작위로 생성하고, 일정 비율 이상의 열등한 해는 교체한다는 선택 압력을 적용한다. 둘째, Lévy 비행을 이용한 큰 폭의 탐색(step)과 작은 지역 탐색을 교대로 수행함으로써 전역 탐색과 지역 탐색을 자연스럽게 균형 맞춘다. 이러한 구조는 전통적인 PSO가 흔히 겪는 조기 수렴 문제를 완화한다. 논문에서는 23개의 표준 연속·이산 함수와 5개의 새롭게 설계된 확률적 함수에 대해 CS와 PSO를 동일한 파라미터(집단 크기, 최대 반복 횟수) 하에 비교하였다. 결과는 대부분의 경우 CS가 평균 최적값, 표준편차, 수렴 속도 면에서 우수함을 보여준다. 특히 다중 모달성을 갖는 함수에서 Lévy 비행이 큰 폭의 점프를 제공해 전역 최적점에 도달할 확률을 크게 높인다.

공학 설계 사례로는 압축·인장 스프링 설계와 용접빔 구조 설계가 선택되었다. 두 문제 모두 설계 변수(예: 와이어 직경, 코일 수, 빔 높이·폭·두께 등)와 복합 제약식(응력, 변형, 전단, 전단 변형 등)을 포함한다. CS는 제약 위반을 페널티 함수로 처리하면서도 제약을 만족하는 해를 빠르게 탐색했으며, 최종적으로 PSO가 제시한 최적값보다 5~15 % 정도 개선된 설계 파라미터를 도출하였다. 이는 CS가 복잡한 제약 공간에서도 효율적인 탐색 경로를 유지한다는 것을 의미한다.

알고리즘 파라미터 분석에서는 발견률(pₐ)과 Lévy 지수(β)의 민감도가 강조된다. pₐ가 0.250.30, β가 1.52.0 범위에서 가장 안정적인 성능을 보였으며, 이는 탐색 강도와 수렴 속도 사이의 트레이드오프를 최적화한다. 또한, 초기 해의 무작위성보다는 Lévy 비행의 스케일 파라미터가 수렴 품질에 큰 영향을 미치는 것으로 나타났다.

한계점으로는 파라미터 튜닝에 대한 의존도가 여전히 존재하고, 고차원(>30) 문제에서는 탐색 비용이 급증한다는 점이 지적된다. 향후 연구에서는 적응형 pₐ·β 조정 메커니즘, 병렬 구현, 그리고 다른 메타휴리스틱과의 하이브리드가 제안된다. 전반적으로 CS는 전역 탐색 능력과 구현 간결성 측면에서 강력한 후보이며, 특히 복합 제약을 가진 공학 설계 최적화에 적용 가능성이 높다.