방향성 배트 알고리즘을 이용한 연속 최적화 개선

초록

본 논문은 기존 배트 알고리즘의 탐색 부족으로 인한 조기 수렴 문제를 해결하고자, 방향성 에코로케이션을 도입한 새로운 변형인 방향성 배트 알고리즘(dBA)을 제안한다. dBA는 방향성 탐색, 동적 파라미터 조정, 로컬 탐색 강화, 그리고 적응형 음향 강도 업데이트 네 가지 개선점을 포함한다. CEC2005 표준·비표준 벤치마크 30개 문제에 대해 10개 경쟁 알고리즘과 비교 실험을 수행했으며, 비모수 통계 검정 결과 dBA가 전반적으로 우수한 성능을 보였다.

상세 분석

배트 알고리즘(BA)은 박쥐의 초음파 탐지 메커니즘을 모방한 메타휴리스틱으로, 전역 탐색 단계에서 무작위 이동과 로컬 탐색 단계에서 음향 강도와 펄스 발사율을 조절한다. 그러나 기존 BA는 탐색 단계에서 입자들의 이동 방향이 무작위에 지나치게 의존해, 탐색 공간의 특정 영역에 과도하게 집중되는 현상이 발생한다. 이로 인해 다중극값 함수나 고차원 문제에서 조기 수렴이 빈번히 일어나며, 최적해에 도달하지 못하는 경우가 많다.

논문은 이러한 한계를 극복하기 위해 ‘방향성 에코로케이션(Directional Echolocation)’ 개념을 도입한다. 구체적으로, 각 배트는 현재 위치와 전역 최적해 사이의 벡터를 계산하고, 이 벡터를 기반으로 새로운 후보 위치를 생성한다. 이는 기존의 무작위 베이스 이동보다 탐색 방향을 명시적으로 제시함으로써, 전역 탐색 효율을 크게 향상시킨다. 또한, 파라미터 α와 γ를 동적으로 감소시키는 스케줄링을 적용해 초기에는 넓은 탐색을, 후반부에는 세밀한 수렴을 유도한다.

세 번째 개선점은 로컬 탐색 단계에서 가우시안 잡음 대신 레비 비행(Levy flight) 기반 변이를 사용한 것이다. 레비 비행은 긴 꼬리를 가진 확률분포를 갖기 때문에, 큰 폭의 이동과 작은 미세 조정을 동시에 제공한다. 이는 복잡한 다중극값 지형에서 지역 최적에 빠지는 위험을 감소시킨다.

마지막으로, 음향 강도(A)와 펄스 발사율(r)의 업데이트 방식을 ‘적응형 강화(Adaptive Amplification)’ 방식으로 변경한다. 기존 BA는 고정된 감소 함수에 따라 A와 r을 감소시키지만, dBA는 현재 세대의 성공률을 기반으로 두 파라미터를 가변적으로 조정한다. 성공률이 낮을 경우 A를 상승시켜 탐색 폭을 넓히고, 성공률이 높을 경우 r을 증가시켜 수렴 속도를 높인다.

실험 설계는 CEC2005 벤치마크 중 30개의 함수(표준 10개, 비표준 20개)를 사용했으며, 각 함수에 대해 30번 독립 실행을 수행했다. 비교 대상은 기존 BA, 변형 BA(Chaotic BA, Hybrid BA 등)와 최신 메타휴리스틱(PSO, DE, CMA‑ES, ABC 등) 10종이다. 성능 평가는 평균 최적값, 표준편차, 그리고 Wilcoxon signed‑rank test과 Friedman test을 통한 비모수 통계 검정을 포함한다.

통계 결과는 dBA가 대부분의 함수에서 평균 최적값이 가장 낮으며, 표준편차도 최소 수준임을 보여준다. 특히 고차원(30‑D) 복합 함수와 다중극값 함수에서 기존 BA와 비교해 15‑30% 정도의 개선 효과를 나타냈다. Friedman 검정의 평균 순위는 dBA가 1.2로 가장 높았으며, 사후 검정(Nemenyi test)에서도 dBA와 다른 알고리즘 간의 차이가 유의수준 0.05 이하로 나타났다.

이러한 결과는 방향성 탐색 벡터와 적응형 파라미터 조정이 전역 탐색과 로컬 수렴 사이의 균형을 효과적으로 맞추어, 조기 수렴을 방지하고 최적해에 더 가까운 해를 찾는 데 기여함을 시사한다. 또한, 레비 비행 기반 변이와 성공률 기반 파라미터 업데이트가 복합적인 탐색 환경에서도 견고한 성능을 유지하게 만든 핵심 요인으로 작용한다.

전체적으로 dBA는 기존 BA의 구조적 한계를 보완하면서도 구현 복잡도는 크게 증가시키지 않아, 실용적인 연속 최적화 문제에 바로 적용할 수 있는 강점이 있다. 향후 연구에서는 다목적 최적화, 제약식 문제, 그리고 실시간 동적 환경에 대한 적용 가능성을 탐색하는 것이 자연스러운 연장선이 될 것이다.