선형 목적함수에 대한 보편적 드리프트 함수는 존재하지 않는다

초록

이 논문은 (1+1) EA가 임의의 선형 pseudo‑Boolean 함수를 최적화할 때 사용되는 드리프트 함수가 모든 목적함수에 대해 동일하게 적용될 수 없음을 보인다. 특히 변이 확률이 표준값 1/n 에 가깝지 않으면, 보편적인 드리프트 함수를 설계할 수 없다는 부정적 존재 결과를 제시한다.

상세 분석

드리프트 분석은 무작위 탐색 휴리스틱의 기대 실행 시간을 평가하는 강력한 수단으로, 진행 상황을 별도의 잠재적 함수(드리프트 함수)로 측정하고 마르코프 체인 이론이나 마틴게일 불평등을 적용한다. 기존 연구에서는 선형 목표 함수들의 경우, 동일한 드리프트 함수—예컨대 Hamming 거리 기반의 가중합—를 사용해 (1+1) EA의 O(n log n) 수렴을 증명했다. 그러나 이러한 “보편성”이 언제 성립하는지는 명시적으로 검증되지 않았다.

본 논문은 먼저 변이 확률 p를 일반적인 형태 p = c/n (c>0) 로 두고, 드리프트 함수 g: {0,1}ⁿ→ℝ⁺ 를 선형 형태 g(x)=∑_{i=1}^n w_i x_i 로 가정한다. 여기서 w_i는 양의 가중치이며, 목적 함수 f 역시 f(x)=∑ a_i x_i 로 표현된다. 저자들은 기대 드리프트 Δ_g(x)=E