Core Concepts
심층 강화 학습과 인코더-디코더 아키텍처를 활용하여 유전 알고리즘의 교차 연산자를 개선하여 부모 유전자로부터 유망한 자식 유전자를 선택하는 방법을 제안한다.
Abstract
이 논문은 유전 알고리즘의 교차 연산자를 개선하는 새로운 방법을 제안한다. 기존의 교차 연산자는 부모 유전자에서 무작위로 유전자를 선택하지만, 제안하는 "심층 신경망 교차(Deep Neural Crossover, DNC)" 연산자는 심층 강화 학습과 인코더-디코더 아키텍처를 활용하여 유망한 자식 유전자를 선택한다.
DNC 연산자는 두 개 이상의 부모 개체를 입력받아 자식 개체를 생성한다. 인코더 신경망은 부모 개체의 유전자를 잠재 특징 벡터로 변환하고, 디코더 신경망은 이 특징 벡터를 활용하여 순차적으로 자식 개체의 유전자를 선택한다. 이때 포인터 네트워크를 사용하여 각 유전자 선택 시 부모 개체 중 어느 유전자를 선택할지 결정한다.
제안 방법은 기존 교차 연산자에 비해 해의 품질이 크게 향상되었으며, 특히 그래프 색칠 문제와 bin packing 문제에서 우수한 성능을 보였다. 또한 사전 학습 기법을 통해 연산 시간을 크게 단축할 수 있었다.
Stats
그래프 색칠 문제에서 DNC 연산자는 최적해에 매우 근접한 해를 찾았다.
Bin packing 문제에서 DNC 연산자는 기존 방법보다 약 15-20% 향상된 성능을 보였다.
DNC 연산자의 세대당 평균 연산 시간은 표준 유전 알고리즘 대비 약 780% 증가했지만, 사전 학습 기법을 적용하면 420% 증가로 감소했다.
Quotes
"DNC 연산자는 유전자 간 비선형 상관관계를 자율적으로 학습하고 이를 유전자 선택에 활용할 수 있다."
"DNC 연산자는 기존 교차 연산자와 달리 유전자 간 순서에 대한 편향된 가정 없이 작동한다."