[메타 휴리스틱] 벌금 전략(penalizing strategy)

 

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. 

 

---

 

※ 비가능해이면 평가값에 벌금을 주는 벌금 전략은 메타휴리스틱에서 가장 널리 사용되는 전략입니다. 

 

 

 

이 전략은 비가능 영역으로의 이동을 허용하고 비가능해를 후보해로 받아들이는 탐색전략입니다. 이러한 탐색 전략은 제약이 강한 문제에서 효과적일 수도 있고, 단일해 기반 보다는 집단 기반 메타휴리스틱스에서 더욱 효과적으로 구현할 수 있습니다.

 

흔히 벌금은 제약조건을 어기는 정도에 부과합니다. 이때 비가능해의 평가값은 가능해 보는 더 좋지 않도록 부과합니다. 이 전략은 제약 최적화 문제에서 비교적 쉽게 사용할 수 잇는 효과적인 방법입니다.

 

 

 

긴글 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.