유전 알고리즘 교차 연산자 비교 연구: TSP 해결을 위한 적응형 접근

초록

본 논문은 여행 판매원 문제(TSP)에 적용되는 여섯 가지 이상의 교차 연산자를 실험적으로 비교한다. 다양한 교차 방법의 설계 원리와 구현 방식을 설명하고, 동일한 GA 파라미터 하에서 수행한 실험 결과 OX(Ordered Crossover) 연산자가 다른 연산자보다 평균적으로 더 우수한 해를 제공함을 보고한다.

상세 분석

본 연구는 유전 알고리즘(GA)이 조합 최적화 문제인 TSP에 어떻게 적용될 수 있는지를 탐구하면서, 특히 교차 연산자(crossover operator)의 선택이 알고리즘 성능에 미치는 영향을 정량적으로 분석한다. 논문은 먼저 TSP를 NP‑hard 문제로 정의하고, 해 공간이 n!개의 순열로 구성된다는 점을 강조한다. GA의 기본 흐름(초기 집단 생성 → 적합도 평가 → 선택 → 교차 → 돌연변이 → 대치)과 함께, 각 단계에서 사용할 수 있는 다양한 설계 옵션을 서술한다.

특히 교차 연산자는 두 부모 해를 결합해 새로운 자손을 생성하는 핵심 연산자로, 순열 기반 인코딩에 적합하도록 변형된 여러 기법이 존재한다. 논문에서 언급된 주요 연산자는 OX(Ordered Crossover), PMX(Partially Mapped Crossover), CX(Cycle Crossover), 그리고 그 외 변형들(예: Edge Recombination, Position‑Based Crossover 등)이다. 각 연산자는 “보존성”(부모의 연속된 구간을 유지)과 “다양성”(새로운 순열을 생성) 사이의 트레이드오프를 다르게 구현한다.

실험 설계는 동일한 인구 규모, 세대 수, 선택 방식(룰렛 휠), 돌연변이 확률 등을 고정하고, 교차 연산자만을 변수로 두어 성능을 비교한다. 평가 지표는 최종 세대에서 얻은 최적 해의 비용과 평균 비용, 수렴 속도 등을 포함한다. 결과는 OX 연산자가 다른 연산자에 비해 평균 비용 감소율이 가장 높으며, 특히 중·대규모 인스턴스(30~100 도시)에서 수렴 속도가 빠른 것으로 나타났다.

하지만 논문에는 몇 가지 한계점이 존재한다. 첫째, 실험에 사용된 도시 수가 제한적이며, 실제 물류 현장에서 나타나는 비대칭 거리 행렬이나 시간 윈도우 제약을 고려하지 않았다. 둘째, 교차 연산자 외에 선택 방식, 돌연변이 연산자, 적응형 파라미터 조정 등 다른 GA 구성 요소의 상호작용을 탐색하지 않아, OX가 절대적인 최적임을 일반화하기 어렵다. 셋째, 통계적 유의성 검증(예: t‑검정, ANOVA)이 부족해 결과의 신뢰성을 완전히 확보하지 못했다.

이러한 점을 감안하면, 본 연구는 교차 연산자 선택이 GA 성능에 미치는 영향을 직관적으로 보여주는 좋은 사례이지만, 향후 연구에서는 다양한 문제 규모, 제약 조건, 그리고 다중 파라미터 최적화를 동시에 고려한 종합적인 실험 설계가 필요하다.