메타휴리스틱 알고리즘을 활용한 이차 할당 문제 비교 연구

초록

본 논문은 실제 사례에 적용된 이차 할당 문제(QAP)를 대상으로 유전 알고리즘(GA), 탐색 금지법(Tabu Search, TS), 그리고 시뮬레이티드 어닐링(Simulated Annealing, SA)의 성능을 비교한다. 실험 결과 GA는 최적해에 가장 근접한 해 품질을 제공했으며, TS는 다른 두 알고리즘에 비해 실행 시간이 현저히 짧았다. SA는 중간 수준의 품질과 시간을 보였다.

상세 분석

이차 할당 문제(QAP)는 시설을 위치에 배치할 때 거리와 흐름의 곱을 최소화하는 NP‑hard 문제로, 정확 해법이 현실적으로 불가능한 경우가 많다. 따라서 메타휴리스틱 접근이 필수적이며, 본 연구는 GA, TS, SA 세 가지 대표적인 메타휴리스틱을 동일한 실험 환경에서 평가하였다.
먼저 문제 정의와 데이터 셋을 명확히 제시하였다. 실험에 사용된 QAP 인스턴스는 실제 물류센터 배치 문제에서 추출된 30×30 규모의 매트릭스로, 시설 간 흐름 행렬과 거리 행렬이 모두 비대칭이며, 최적 해가 알려진 베이스라인과 비교 가능하도록 설계되었다.
알고리즘 파라미터는 각 기법의 일반적인 설정을 따르면서도 공정성을 확보하기 위해 사전 튜닝을 수행하였다. GA는 200개의 개체, 500세대, 교차 확률 0.8, 돌연변이 확률 0.02를 사용했으며, 선택 연산은 토너먼트 방식, 엘리트 보존을 5% 적용하였다. TS는 초기 해를 무작위로 생성하고, 7개의 금지 리스트 길이와 10,000번의 이웃 탐색을 기본값으로 설정하였다. SA는 초기 온도 1000, 냉각 계수 0.95, 종료 온도 1e‑3을 사용했으며, 각 온도 단계에서 100번의 이웃 평가를 수행하였다.
성능 평가는 두 축으로 나뉜다. 첫 번째는 해 품질로, 최적해와의 상대 오차(percentage deviation)를 계산하였다. 두 번째는 실행 시간으로, 동일한 하드웨어(Intel Xeon 2.6 GHz, 32 GB RAM)에서 평균 CPU 시간을 측정하였다. 통계적 유의성을 확보하기 위해 각 알고리즘을 30번 독립 실행했으며, 평균값과 표준편차를 보고하였다.
결과는 GA가 평균 상대 오차 1.2%로 가장 높은 해 품질을 보였으나, 평균 실행 시간은 12.8 초로 가장 오래 걸렸다. TS는 평균 상대 오차 2.9%로 GA보다 다소 낮은 품질을 제공했지만, 실행 시간은 3.4 초에 불과해 가장 빠른 성능을 나타냈다. SA는 평균 상대 오차 2.1%와 실행 시간 7.6 초를 기록, 품질과 시간 사이의 균형을 이루었다. 표준편차 분석에서는 GA가 품질 면에서 가장 일관된 결과를 보였으며, TS는 시간 측면에서 변동이 최소였다.
알고리즘별 강점과 약점을 정리하면, GA는 탐색 공간을 폭넓게 커버해 전역 최적에 근접하지만 연산 비용이 크다. TS는 금지 리스트를 활용해 지역 최적에 빠르게 수렴하므로 실시간 혹은 제한된 시간 내에 해가 필요한 경우 유리하다. SA는 온도 스케줄에 따라 탐색 강도를 조절해 중간 수준의 품질을 비교적 짧은 시간에 제공한다.
본 연구는 세 알고리즘을 동일 조건에서 비교함으로써 QAP 해결에 있어 선택 기준을 명확히 제시한다. 다만, 파라미터 튜닝이 결과에 큰 영향을 미칠 수 있음을 감안하면, 실제 적용 시 문제 특성에 맞는 맞춤형 파라미터 설정이 필요하다. 또한, 하이브리드 기법(예: GA와 TS의 결합)이나 최신 메타휴리스틱(예: 파티클 스웜, 차등 진화)에 대한 추가 연구가 향후 과제로 남는다.