다중 종 진화를 위한 멀티셋 모델: 대규모 기만 문제 해결

초록

본 논문은 다중 종 진화와 멀티셋 유전 알고리즘을 결합한 SMuGA를 제안한다. 호스트‑기생충 모델에 기생충 길이 변화를 도입하고, 다중 기생충과 단일 호스트 간 협업을 모델링한다. 프록시 평가와 두 단계(공생 단계·독립 진화 단계)로 효율성을 크게 향상시켰으며, 대규모 기만 함수 최적화에서 기존 최첨단 방법보다 한 차례 정도 우수한 성능을 보였다.

상세 분석

SMuGA는 기존의 Symbiogenic GA와 Multiset GA(MuGA)의 장점을 융합한 하이브리드 프레임워크이다. 핵심 아이디어는 호스트와 여러 기생충이 동시에 존재하면서 상호 작용하는 다중 종 시스템을 멀티셋 형태로 표현하는 것이다. 멀티셋은 동일 유전자를 중복 허용하는 집합으로, MuGA가 제공하는 “다중 복제” 메커니즘을 통해 개체군 내 다양성을 유지한다. 기존 Symbiogenic 접근은 고정된 길이의 기생충을 사용했으나, SMuGA는 진화 과정에서 기생충의 길이를 동적으로 조정한다. 이는 문제의 스케일에 따라 기생충이 담당할 서브문제의 크기를 자동으로 맞출 수 있게 하여, 큰 차원에서의 탐색 효율을 크게 높인다.

또한, 다중 기생충이 하나의 호스트와 협업하는 구조를 도입함으로써, 복합적인 서브문제들을 병렬적으로 해결한다. 이때 발생하는 협업 조합 수는 기하급수적으로 증가할 위험이 있는데, 저자들은 “프록시 평가”라는 메커니즘을 설계하였다. 프록시 평가는 실제 적합도 함수를 호출하지 않고, 기생충의 부분 적합도를 추정하는 경량 모델을 사용한다. 이를 통해 불필요한 적합도 계산을 크게 줄이고, 전체 연산 복잡도를 지수적으로 감소시켰다.

SMuGA는 진화 사이클을 두 단계로 분리한다. 첫 번째 ‘공생 단계’에서는 호스트와 기생충이 서로 결합해 새로운 개체를 생성하고, 프록시 평가를 통해 빠르게 품질을 판단한다. 두 번째 ‘독립 진화 단계’에서는 호스트와 기생충이 각각 독립적으로 MuGA 연산(선택·교차·돌연변이·멀티셋 복제)을 수행한다. 이 구조는 공생 과정에서 발생할 수 있는 과도한 종속성을 완화하고, 각 종이 자체적인 탐색 능력을 유지하도록 돕는다.

실험에서는 NK‑landscape, deceptive trap, 그리고 대규모 비선형 함수 등 다양한 기만 문제에 SMuGA를 적용하였다. 결과는 동일 조건 하의 기존 Symbiogenic GA와 비교해 평균 10배 이상 적은 세대 수로 최적해에 도달했으며, 특히 변수 수가 10,000을 초과하는 경우에도 선형적인 수렴 속도를 보였다. 이는 프록시 평가와 두 단계 진화 구조가 고차원 기만 문제에서 탐색 효율을 크게 개선한다는 강력한 증거이다.

전반적으로 SMuGA는 멀티셋 기반 개체군 관리, 가변 길이 기생충, 프록시 평가, 이중 진화 사이클이라는 네 가지 혁신적인 요소를 통해 기존 대규모 기만 문제 해결 방법의 한계를 뛰어넘는다. 향후 다른 복합 최적화 문제(예: 다목적 최적화, 동적 환경)에도 확장 가능성이 높으며, 멀티스케일 진화 메커니즘 연구에 중요한 발판을 제공한다.