다양성을 살린 경계형 아카이브: 해밍 거리 기반 다목적 로컬 탐색

초록

본 논문은 다목적 최적화에서 비지배 해의 급증과 파레토 전면의 편중 탐색 문제를 해결하기 위해, 제한된 크기의 아카이브와 해밍 거리 기반 솔루션 공간 다양성 강화 기법을 제안한다. 기존의 목표 공간 중심 아카이브(Adaptive Grid, Hypervolume)와 비교했을 때, 제안된 Hamming Distance Archiving이 더 높은 다양성과 성능을 보임을 실험적으로 입증한다.

상세 분석

이 연구는 다목적 메타휴리스틱이 직면하는 두 가지 근본적인 문제—비지배 해의 지수적 증가와 파레토 전면의 탐색 편중—에 대해 동시에 접근한다. 첫 번째 문제는 제한된 메모리 환경에서 비지배 해를 모두 저장하기 어려워지는 상황을 의미하며, 이를 해결하기 위해 ‘bounded archive’를 도입한다. 기존 연구에서는 주로 목표 공간(Objective Space)에서의 다양성을 유지하기 위해 Adaptive Grid(그리드 기반)와 Hypervolume(초볼륨 기반) 방식을 사용했지만, 이러한 방법들은 해의 실제 구조적 차이를 반영하지 못한다는 한계가 있다.

논문은 이러한 한계를 인식하고, 해(solution) 자체의 구조적 차이를 측정할 수 있는 해밍 거리(Hamming Distance)를 기반으로 한 아카이브 관리 알고리즘을 설계한다. 해밍 거리는 이진 인코딩된 해들 간의 비트 차이를 정량화하므로, 인접해도 서로 다른 구조적 특성을 가진 해들을 구분할 수 있다. 제안된 Hamming Distance Archiving(HDA) 알고리즘은 아카이브가 포화 상태에 이를 때, 현재 저장된 해들 중 해밍 거리가 가장 작은(즉, 중복성이 높은) 해를 제거하고, 새로운 해를 삽입한다. 이 과정은 해 공간에서의 다양성을 직접적으로 보장함으로써, 목표 공간에서의 균등 분포와는 별개로 탐색 범위를 넓힌다.

알고리즘 복잡도 측면에서, HDA는 해밍 거리 계산을 위해 O(L) (L은 해의 길이) 연산을 필요로 하지만, 아카이브 크기가 제한적이므로 전체 복잡도는 O(AC·L) 수준에 머문다. 이는 그리드 기반 방식이 그리드 파라미터 조정에 따라 복잡도가 급증할 수 있는 점과 비교해 실용적이다. 또한, Hypervolume 기반 방식은 차원 수가 늘어날수록 계산 비용이 기하급수적으로 증가하는 반면, HDA는 차원 수와 무관하게 일정한 연산량을 유지한다.

실험에서는 대표적인 다목적 여행 판매원 문제(Multi‑objective TSP)를 사용해 세 가지 아카이브 전략을 비교하였다. 성능 평가지표로는 평균 초볼륨, 파레토 전면의 커버리지, 그리고 해밍 거리 기반 다양성 지표를 사용했다. 결과는 HDA가 Adaptive Grid와 Hypervolume에 비해 평균 초볼륨이 512% 향상되고, 해밍 거리 평균값이 1520% 증가함을 보여준다. 이는 단순히 목표 공간에서의 균등성을 넘어, 실제 해 구조의 다양성을 확보함으로써 메타휴리스틱이 더 넓은 탐색 공간을 커버하게 됨을 의미한다.

또한, 논문은 HDA가 다른 메타휴리스틱(예: NSGA‑II, MOEA/D)과 결합될 경우에도 동일한 이점을 제공한다는 가능성을 제시한다. 이는 제한된 메모리 환경에서 다목적 최적화의 효율성을 크게 향상시킬 수 있는 일반적인 프레임워크로 활용될 수 있음을 시사한다.

요약하면, 이 연구는 목표 공간 중심의 기존 다양성 유지 기법이 갖는 구조적 한계를 극복하고, 해 공간에서의 실제 차이를 반영하는 새로운 아카이브 관리 전략을 제시함으로써 다목적 로컬 탐색의 효율성과 탐색 범위를 동시에 확대한다는 중요한 기여를 한다.