[메타 휴리스틱] 메타휴리스틱스에서의 파라미터 조정

 

 

이번 글의 내용은 전남대학교 산업공학과 김여근 교수님의 메타휴리스틱 교재 정리 및 참조하였음을 먼저 밝힙니다.

(다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 

 

 

이 포스트는 "메타 휴리스틱" 책의 내용을 참조 및 공부한 것을 바탕으로 제가 이해한 정보를 추가하여 쓰여졌습니다.  

 

 

혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 

 

---

 

일반적으로는 메타휴리스틱스에서 파라미터가 존재합니다.

 

이들 파라이커는 대부분 탐색의 이용과 탐사에 관련됩니다. 메타휴리스틱에서 파라미터는 알고리즘의 주 요소이고, 흔히 해공간의 탐색 특성을 특징짓습니다. 이 파라미터는 알고리즘의 유연성과 강건성을 재고시키는 역할을 하는 반면에, 적절하지 않은 파라미터 값은 알고리즘의 성능을 크게 약화시킵니다. 일반적인 최적의 파라미터 값은 존재하지 않습니다. 이는 적용 문제 종속됩니다. 따라서 메타휴리스틱의 가장 큰 단점 中 하나입니다.

 

---

 

★ 파라미터를 조정하는 방법에는 2 가지가 있습니다.  

 

 

(1) 메타휴리스틱을 실행하기 전에 실험을 통해 파라미터 값을 고정시키는 방법입니다.

 

(2) 메타휴리스틱 실행 中에 파라미터 값을 동적으로 또는 탐색에 적응하며 갱신하는 방법입니다.

 

 

---

 

1번째의 방법에서 특정 메타휴리스딕에서 사용되는 파라미터의 적절한 값에 대한 실험 결과들이 보고되고 있습니다. 적용에서 이들 값을 먼저 참고합니다. 그리고 파라미터 값은 적용 문제에 종속되므로 예비실험을 통해 조기 수렴되지 않고 알고리즘의 개선이 이루어 질 수 있도록 미세 조정합니다. 그러나 이 방법은 많은 노력이 요구되고 탐색 과정에서 적정 파라미터 값이 변할 수 있습니다.

 

 

그래서 2번째 방법이 사용되기도 합니다. 이 방법은 동적 갱신(dynamic update)과 적응 갱신(adaptive update)으로 다시 분류될 수 있습니다. 동적 갱신은 탐색의 진척을 고려하지 않고 탐색 과정에서 파라미터를 임의로 또는 확정적으로 변화시키는(갱신하는) 방법입니다. 이에 반해 적응 갱신은 탐색의 성능 및 진척에 따라 그 값을 잘 변화시킵니다. 이때 탐색의 상황은 주로 탐색 기억을 이용하여 파악합니다. 

 

 

 

 

긴 글 읽어주셔서 감사합니다.

 

---

 

 

[References]

 

 

[1] Y. Kim. (2017). 메타휴리스틱스, Metaheuristics

 

[2] Nanda, S. J., & Panda, G. (2014). A survey on nature inspired metaheuristic algorithms for partitional clustering. Swarm and Evolutionary Computation, 16, 1–18.

 

[3] Moreno-Díaz, R., Pichler, F., & Quesada-Arencibia, A. (Eds.). (2012). Computer Aided Systems Theory – EUROCAST 2011. Lecture Notes in Computer Science.