신경회로망을 이용한 가속화된 공진화 알고리듬 및 최적화 응용

Abstract

비선형 최적화 문제에 대한 해법은 등식이나 부등식 등의 구속조건을 가진 비선형 비용함수의 최적의 파라미터 벡터를 찾는 것이다. 비선형 구속조건과 같은 문제의 복잡성으로 인해 증대된 라그랑지안을 이용한 공진화 알고리듬 등의 진화연산 등이 소개되고 있다. 증대된 라그랑지안을 이용한 공진화 알고리듬은 국지적 최적해를 피하여 전역적인 최적해를 구할 수 있는 능력과 임의의 초기치 설정에도 민감하지 않아 해를 성공적으로 찾을 수 있으며, 증대된 라그랑지안 함수를 이용함으로써 구속조건이 있는 최적화 문제도 구할 수 있는 탁월한 능력의 기법이다. 이러한 장점에도 불구하고 진화연산은 실제 문제에 적용할 때 생기는 단점이 있는 데 장시간의 연산시간에 대한 부담이다. 증대된 라그랑지안을 이용한 공진화 알고리듬 기법은 진화 알고리듬 과정 중 많은 개체에 대해 적합성 평가를 하게 되므로 장시간이 소요되게 된다. 본 논문은 증대된 라그랑지안을 이용한 공진화 알고리듬 기법의 장점은 최대한 살리고 그 단점인 장시간이 소요되는 문제를 해결하기 위해 증대된 라그랑지안을 이용한 공진화 알고리듬 기법 내의 적합성 평가 계산 루틴을 다층 신경회로망으로 근사시켜 대체 수행하였다. 이러한 고안은 신경회로망의 보편적인 근사화 능력으로부터 동기를 얻었고 신경회로망은 진화가 진행됨과 더불어 학습되는 온라인 방식을 채택하였다. 학습된 신경회로망은 본 논문에서 제안한 적응법칙에 따라 그 비율을 조절하여 적용하였다. 결론적으로 시간소요가 많은 진화연산에 신경회로망을 적용함으로써 연산시간을 획기적으로 줄이는 방법을 제안하였고 많은 벤치마크 문제와 수치적인 최적화문제를 해결함으로써 제안된 알고리듬의 검증 및 실용성을 확인하였다.