진화 최적화
-
MAX 문제를 통한 유전 프로그래밍의 최적화 능력 이해DNA Programming 2025. 5. 3. 13:18
1. 유전 프로그래밍은 최적화를 어떻게 수행하는가유전 프로그래밍(Genetic Programming, GP)은 프로그램 자체를 탐색의 대상으로 삼아 문제 해결 전략을 자동으로 진화시키는 알고리즘이다. 초기에는 이론적 구조로 주목받았지만, 다양한 실험 사례를 통해 실제로도 문제 해결 능력을 갖춘 강력한 도구임이 입증되었다. 특히 GP의 능력을 검증하고 비교하기 위한 표준 실험 환경으로 다양한 문제들이 고안되었는데, 그 중 하나가 바로 MAX 문제다.MAX 문제는 비교적 단순한 구조를 갖지만, GP가 얼마나 빠르고 정확하게 최적 해답을 유도할 수 있는지를 평가할 수 있는 이상적인 실험 문제다. 이 문제는 특히 표현력, 구조 안정성, 적합도 계산 방식 등 GP의 기본 성능 요소를 측정하는 데 최적화되어 있어,..
-
적합도 지형이 유전 알고리즘의 탐색 방향을 설계한다DNA Programming 2025. 4. 28. 06:04
1. 진화는 지형 위를 걷는다유전 알고리즘(Genetic Algorithm, GA)은 적합도(Fitness)를 기준으로 개체를 선택하고 진화시키는 구조를 갖는다. 이 적합도는 단순한 숫자 이상의 의미를 지닌다. GA에서 적합도는 탐색 공간의 ‘지형’을 형성하며, 알고리즘이 어디로, 어떻게 이동할지를 결정짓는 역할을 한다. 이 지형은 ‘적합도 지형(Fitness Landscape)’이라 불리며, 유전 기반 탐색의 본질을 이해하는 핵심 개념이다.적합도 지형이란, 탐색 가능한 모든 해답(개체)들을 좌표 공간 위에 올려두고, 각 해답의 적합도를 높이로 표현해 3차원 지형처럼 구성한 것을 의미한다. 이 지형은 매끄러운 언덕처럼 부드러울 수도 있고, 수많은 골짜기와 봉우리가 흩어진 험난한 지형처럼 파편화되어 있을 ..