도그파이트 서치: 복합 공학 최적화와 산악 경로 계획을 위한 새로운 군집 기반 메타휴리스틱

본 논문은 전투기 간 도그파이트 행동을 메타휴리스틱 설계의 영감으로 삼아, 은유에 얽매이지 않는 새로운 최적화 알고리즘인 Dogfight Search(DoS)를 제안한다. 기존 메타휴리스틱은 자연 현상이나 생물 행동을 그대로 모델링하는 경우가 많아, 그 메커니즘이 문제와 직접적인 수학적 연관성을 갖지 못하는 경우가 빈번했다. DoS는 이러한 한계를 인식하고, 전투기의 비행 궤적을 기술하는 운동학의 변위 적분 방정식을 탐색 메커니즘의 핵심 수식으로 채택하였다. 이를 통해 탐색 단계가 물리적 의미를 갖는 동시에, 탐색 공간을 효율적으로 샘플링할 수 있다. DoS는 두 개의 편대로 구성된다. ‘리더 항공기’는 현재 최적해를 대표하며, ‘윙 항공기’는 다수의 보조 해를 유지한다. 윙 항공기는 매 세대마다 다섯 가지 사전 정의된 검색 전략 중 하나를 선택한다. 각각의 전략은 변위 적분식에서 속도·방향·비행시간 파라미터를 어떻게 조정하느냐에 따라 탐색의 폭과 깊이를 달리한다. 자유 비행 전략은 무작위 탐색으로 전역 탐색을 강화하고, 잠금 추적·미사일 공격 전략은 현재 최적해 주변을 집중 탐색한다. 회피 기동·플레어 회피 전략은 복잡한 제약 조건이나 다중 모드 함수에서 지역 최적에 빠지는 현상을 완화한다. 전략 선택은 적합도 개선 정도와 다양성 지표를 종합해 확률적으로 결정되며, 이를 통해 탐색·활용 균형을 동적으로 유지한다. 알고리즘 흐름은 다음과 같다. (1) 초기화 단계에서 리더와 윙 항공기의 위치를 무작위로 배치하고, 각 항공기의 속도·방향·시간을 초기값으로 설정한다. (2) 각 항공기는 현재 전략에 따라 변위 적분식을 적용해 새로운 위치를 계산한다. (3) 목적 함수 값을 평가하고, 리더와 윙의 역할을 재배정한다. (4) 전략 선택 메커니즘이 윙 항공기의 다음 전략을 결정한다. 이 과정을 사전 정의된 세대 수 혹은 수렴 기준이 충족될 때까지 반복한다. DoS의 성능은 세 가지 실험군을 통해 검증하였다. 첫 번째는 CEC2017(30, 50, 100 차원)과 CEC2022(10, 20 차원) 벤치마크 함수군으로, 7개의 최신 군집 기반 및 진화 기반 알고리즘과 비교하였다. 평균 최적값, 표준편차, 성공률 모두에서 DoS가 우수했으며, Friedman 순위에서 1위를 차지했다. 두 번째 실험에서는 L‑SHADE, LSHADE‑SPA‑CMA, AL‑SHADE 등 3개의 SOTA 알고리즘과 추가 비교했으며, DoS는 여전히 통계적으로 유의미한 우위를 보였다. 세 번째 실험은 실제 제약 최적화 문제(구조 설계, 전력 시스템, 물류 스케줄링 등 10개)와 산악 지형 경로 계획(무인기 비행, 무인 차량 경로 탐색)이다. 특히 불리한 지형(노플라이 존)과 다중 제약을 포함한 경우에도 DoS는 다른 알고리즘보다 빠른 수렴과 낮은 비용을 기록했다. 시간 복잡도 분석 결과, DoS는 매 세대마다 O(N·D) 연산을 수행하며, 전략 전환에 따른 부가 연산은 상수 시간에 머문다. 따라서 고차원·대규모 문제에서도 실용적인 실행 시간을 유지한다. 논문의 한계로는 전략 파라미터(비행시간 상한, 속도 가중치 등)의 사전 설정이 문제 특성에 따라 민감하게 작용할 수 있다는 점이다. 현재는 경험적 튜닝에 의존하고 있어 자동 파라미터 적응 메커니즘이 필요하다. 또한, 변위 적분식이 물리적 비행 모델을 단순화한 형태이므로, 실제 항공기·드론 제어에 적용하려면 추가적인 모델링 및 실험 검증이 요구된다. 결론적으로 DoS는 은유에 얽매이지 않고 물리학적 원리를 직접 탐색 메커니즘에 적용함으로써, 탐색 다양성과 수렴 효율성을 동시에 달성한 새로운 메타휴리스틱이다. 향후 연구에서는 자동 파라미터 적응, 다목적 최적화 확장, 실시간 로봇·드론 시스템 적용 등을 통해 알고리즘의 범용성과 실용성을 더욱 강화할 계획이다.