Keskeiset käsitteet
의사 부울 최적화 문제에서 변수 상호작용 그래프를 효율적으로 구축하고 변수 간 상호작용 강도를 학습하는 새로운 국소 탐색 전략을 제안한다.
Tiivistelmä
이 논문에서는 의사 부울 최적화 문제에서 변수 간 상호작용을 효율적으로 학습하는 새로운 국소 탐색 전략인 LSwLL2(Local Search with Linkage Learning 2)를 제안한다.
LSwLL2는 기존의 LSwLL(Local Search with Linkage Learning) 전략을 확장한 것으로, 변수 간 상호작용의 강도를 나타내는 가중치 변수 상호작용 그래프(Weighted Variable Interaction Graph, VIGw)를 구축한다. VIGw는 변수 간 상호작용의 강도를 나타내는 가중치를 가진 무향 그래프이다.
LSwLL2는 국소 탐색 과정에서 VIGw를 구축하며, 이 정보를 활용하여 새로운 교란 연산자(VIGwbP)를 제안한다. VIGwbP는 변수 간 상호작용 강도를 고려하여 교란을 수행함으로써 기존 교란 연산자의 단점을 극복한다.
실험 결과, LSwLL2는 다양한 문제 인스턴스에서 효율적으로 VIGw를 구축할 수 있음을 보여준다. 특히 특성 선택 문제에서 VIGw를 활용하여 특성 간 상호작용을 시각화할 수 있음을 보였다. 또한 VIGwbP는 기존 교란 연산자에 비해 우수한 성능을 보였다.
Tilastot
변수 간 상호작용 강도 ˆ휐(ℎ,푔)는 다음과 같이 계산된다:
ˆ휐(ℎ,푔) = 1
|Υ(ℎ,푔)| Σ
x∈Υ(ℎ,푔) 휔푔,ℎ(x)
여기서 Υ(ℎ,푔)는 변수 푥ℎ와 푥푔 간 상호작용이 발견된 해 집합이다.