비선형 함수의 대규모 전역 최적화를 위한 Multi-Armed Bandit 기반의 협력 공진화 알고리즘

Abstract

비선형 함수의 전역 최적해를 위한 협력 공진화 알고리즘에서 해 탐색 성능을 강화하기 위해서는 제한된 비용 내에서 목적 함수의 적합도 향상에 가장 큰 영향을 미치는 부분 문제를 발견하고, 해당 부분 문제에 대해 집중적으로 해 탐색을 수행하는 것이 가장 효과적이다. 동시에, 해 탐색의 다양성을 보장하고 조기 수렴을 예방하기 위해서는 여러 부분 문제에 대한 탐색 또한 주기적으로 병행해야 한다. 이에 따라, 본 논문에서는 협력 공진화(CC, Cooperative Coevolution) 알고리즘에서 부분 문제의 선택과 효과적인 최적해 탐색을 위해 MAB(Multi-Armed Bandit) 알고리즘을 활용하는 MAB 기반의 협력 공진화 알고리즘인 MABCC(MAB-based CC)를 제안한다. 실제 1000차원의 비선형 벤치마크 함수를 사용하여 실험을 진행한 결과, 제안하는 MAB 알고리즘 기반의 협력 공진화 알고리즘이 기존에 제안된 협력 공진화 알고리즘보다 더욱 우수한 최적해 탐색 성능을 가짐을 확인하였다.