좀비 정치: 진화 알고리즘으로 부정 의견 확산 억제

초록

본 논문은 의견 확산을 좀비 전염병 모델로 추상화하고, 연속적인 감염 정도와 감염 단계별 이산 치료법을 도입한다. 이를 최적화하기 위해 유전 알고리즘과 문화 알고리즘을 설계하고, 다양한 바이러스 전염력과 일일 최적화 세대 수 조건에서 성능을 비교한다. 결과는 문화 알고리즘이 낮은 계산 비용으로 더 우수한 치료 조합을 찾아낸다는 점을 보여준다.

상세 분석

이 연구는 의견 전파를 전염병 현상에 빗대어 “C‑Virus”라는 연속 감염 모델을 만든다. 기존 SIR·SI 모델과 달리 감염 정도를 0‒1 사이의 연속값으로 표현하고, 특정 임계값(0.75)을 넘으면 좀비(전염자)로 전환된다. 치료법은 10가지 이산형으로 정의되며, 각 치료는 감염 정도 구간에만 효과가 있다. 따라서 하루에 적용할 치료 혼합은 10차원 실수 벡터(0‒1)로 나타낼 수 있다.

최적 치료 조합 탐색을 동적 연속 배낭 문제로 규정한다. 매일 시뮬레이션이 진행되면서 감염 상황이 변하고, 알고리즘은 제한된 세대 수(gd) 내에서 현재 상태에 맞는 치료 벡터를 진화시켜야 한다. 두 알고리즘은 다음과 같다.

1. 유전 알고리즘(GA) – 염색체는 10개의 치료 강도이며, 교차는 유전자의 평균, 변이는 균등 난수 치환으로 구현한다. 토너먼트 선택(k=5) 후 최적 해를 복제해 단조성을 보장한다.

2. 문화 알고리즘(CA) – GA와 동일한 연산 흐름에 추가로 ‘신념 공간(belief space)’을 도입한다. 매 세대 최적 해를 신념 공간에 저장하고, 이후 자손 생성 시 부모 중 하나를 신념 공간의 해로 교체한다. 이는 탐색 가속과 지역 최적 탈출을 목표로 한다.

실험은 바이러스 전염력(v=0.3, v=1)과 일일 최적화 세대 수(gd=1,5,25)를 조합한 6가지 시나리오에서 수행되었다. 평가 지표는 평균 감염률(mir)과 마지막 인간 등장일(lHd)이다. 결과는 전반적으로 문화 알고리즘이 GA보다 낮은 mir과 더 긴 lHd를 달성했으며, 특히 세대 수가 제한된(1·5) 상황에서 그 차이가 두드러졌다. 계산 시간도 CA가 GA보다 약 30% 적게 소요되었다.

하지만 모델은 완전한 무작위 네트워크(평균장) 가정, 치료 효과의 ±10% 제한, 그리고 치료 수와 감염 단계가 고정돼 있다는 제약이 있다. 또한 실제 의견 전파는 네트워크 구조, 시간 지연, 다중 의견 상호작용 등을 포함하지만 본 연구에서는 이를 생략했다. 따라서 결과는 알고리즘 비교에 초점을 맞춘 ‘베이스라인’ 수준으로 해석해야 한다.

이 논문은 진화적 탐색이 동적, 연속형 치료 문제에 적용 가능함을 보여주며, 문화 알고리즘의 메타-지식 활용이 제한된 계산 자원 하에서 실용적 해결책을 제공한다는 점에서 의미가 크다. 향후 연구는 소규모 세계 네트워크, 다중 치료 유형, 그리고 실제 소셜 미디어 데이터와의 연계 등을 통해 모델 현실성을 높일 필요가 있다.