Indian Wedding System Optimization (IWSO): A Novel Socially Inspired Metaheuristic with Operational Design and Analysis

기술 요약: 인도 결혼식 시스템 최적화 (IWSO)

문제 제기
메타휴리스틱 최적화 알고리즘은 공학 및 계산 지능 분야에서 복잡한 비선형 및 고차원 문제를 해결하는 데 필수적입니다. 그러나 유전 알고리즘 (GA), 입자 군집 최적화 (PSO), 차분 진화 (DE) 와 같은 고전적 접근법은 조기 수렴, 개체군 다양성 손실, 동적 환경에 대한 적응력 부족 등 지속적인 난관에 직면합니다. 이러한 한계는 종종 고정된 탐색 매개변수와 경직된 개체군 역학에서 비롯되어 대규모 또는 시간 가변 최적화 작업에서 성능을 제한합니다. 본 논문은 기존 자연 또는 물리 기반 유추보다 다양성을 유지하고 탐색과 활용의 균형을 더 효과적으로 맞출 수 있는 적응형 사회 기반 프레임워크의 필요성을 다룹니다.

방법론
저자들은 전통적인 인도 결혼식의 사회문화적 역학에서 영감을 받은 새로운 개체군 기반 메타휴리스틱인 **인도 결혼식 시스템 최적화 (IWSO)**를 제안합니다. 이 알고리즘은 가족, 후보자, 중매인 간의 협력을 특징으로 하는 중매 과정을 안내되고 선택적인 탐색 프레임워크로 모델링합니다.

IWSO 의 운영 설계는 7 단계 반복 주기를 따릅니다:

1. 초기화: 정의된 범위 내에서 후보 해(solution) 개체군이 무작위로 생성되며, 이는 여러 잠재적 짝을 고려하는 가족들과 유사합니다.
2. 적합도 평가: 후보자들은 호환성, 재정적 안정성 등 여러 기준을 집계하는 가중치 다목적 적합도 함수를 사용하여 평가되며, 이는 중매 과정의 다요인 의사결정을 반영합니다.
3. 최적 후보 식별: 최적 해 (가장 좋은 짝) 가 기준점으로 식별됩니다.
4. 중매인 주도 영향: 적응형 중매인 계수 ($M$) 가 후보 위치의 업데이트를 제어합니다. 이 계수는 반복 횟수가 증가함에 따라 감소하여 알고리즘을 광범위한 확률적 탐색에서 집중된 지역 활용으로 전환시킵니다. 엘리트 해는 외부 제어 매개변수 없이 약한 후보들을 유망한 영역으로 안내합니다.
5. 적응형 제거 및 재초기화: 정체를 방지하기 위해 최적 해와 너무 유사하지만 최적은 아닌 후보들은 제거됩니다. 이들은 전역 최적 해, 개체군 평균, 그리고 통제된 확률적 섭동의 조합을 통해 생성된 새로운 후보들로 대체됩니다. 이 메커니즘은 다양성을 유지하고 조기 수렴을 방지합니다.
6. 선택: 최적 해는 적합도 비교를 기반으로 업데이트됩니다.
7. 종료: 최대 반복 횟수에 도달하거나 수렴 기준이 충족될 때까지 과정이 반복됩니다.

이론적 분석은 IWSO 가 $O(T_{max}n(D + K))$의 선형 시간 복잡도와 $O(nD)$의 공간 복잡도를 보임을 입증하며, 여기서$n$은 개체군 크기,$D$는 차원,$K$는 목적 함수의 수입니다. 수렴 분석은 특정 확률적 섭동 및 엘리트 선택 조건 하에서 알고리즘이 거의 확실하게 전역 최소값으로 수렴함을 증명합니다.

주요 기여
본 논문은 네 가지 주요 기여를 제시합니다:

• 새로운 은유 기반 프레임워크: 인도 결혼식의 사회문화적 요소 (중매인, 구혼자, 제거 의식) 를 탐색, 선택, 적응을 위한 알고리즘 연산에 매핑한 IWSO 의 도입.
• 중매인 주도 영향: 외부 제어 매개변수에 의존하지 않고 수렴과 탐색 공간 탐색을 강화하기 위해 엘리트 해가 약한 후보자의 진화를 지시하는 전략.
• 적응형 제거 및 재초기화: 개체군 다양성을 유지하고 정체를 방지하기 위해 성능이 낮은 개체를 동적으로 대체하는 메커니즘으로, 고전적 메타휴리스틱에서 흔히 발생하는 실패 모드를 해결합니다.
• 종합적 평가: IWSO 의 계산 효율성, 확장성 및 최신 (SoTA) 군집 지능 알고리즘에 대한 우월성을 입증하는 엄격한 이론적 및 실증적 분석.

실험 결과
IWSO 의 성능은 23 개의 벤치마크 테스트 함수 (단일 모드, 다중 모드, 분리 가능, 비분리 가능 범주 포함) 에서 평가되었으며, GA, ABC, PSO, ACO, DE, WOA, HS, SA, BHO, CS 등 10 개의 확립된 알고리즘과 비교되었습니다.

• 수렴 및 안정성: IWSO 는 고차원 및 다중 모드 지형에서 우수한 수렴 속도와 해의 품질을 보여주었습니다. 30 회 독립 실행에 대한 통계적 비교에서 IWSO 는 23 개 함수 중 18 개에서 더 낮은 표준 편차를 달성하여 더 높은 안정성과 신뢰성을 나타냈습니다.
• 효율성: 이 알고리즘은 실행 시간 (RT) 측면에서 경쟁자들을 일관되게 능가했으며, 최적 또는 준최적 해에 도달하는 데 종종 훨씬 적은 계산 시간이 필요했습니다.
• 민감도 분석: 이 연구는 중매인 계수 ($M$) 와 반복 횟수 ($T_{max}$) 와 같은 제어 매개변수의 영향을 분석했습니다. 결과는 IWSO 가 다양한 매개변수 설정에서 강건하며, 적응형 메커니즘이 문제 복잡성과 관계없이 탐색과 활용을 효과적으로 균형 잡음을 보여주었습니다.
• 비교 성능: 개체군 크기와 반복 횟수에 대한 적합도 값을 분석한 3D 표면 플롯에서 IWSO 는 GA 및 DE 에 비해 더 낮은 예측 오차로 탐색을 일관되게 유도하여 적응성과 정밀성을 확인했습니다.

의의 및 주장
본 논문은 IWSO 가 인간에서 영감을 받은 조정과 계산 지능을 연결함으로써 중요한 진전을 이루었다고 주장합니다. 물리적 또는 생물학적 유추에만 의존하는 기존 자연 기반 알고리즘과 달리, IWSO 는 사회적으로 기반을 둔 최적화 패러다임을 도입합니다. 저자들은 사회적 위계, 협력적 학습, 적응형 피드백을 핵심 설계에 내장함으로써 IWSO 가 복잡하고 제약이 많으며 고차원인 탐색 공간에서도 지속적인 개체군 다양성과 강건한 수렴을 달성한다고 주장합니다.

이 연구는 IWSO 를 빠른 수렴, 정체에 대한 복원력, 동적 환경에서의 적응성이 필요한 시나리오를 위한 견고한 고전적 메타휴리스틱 대안으로 위치시킵니다. 저자들은 이 알고리즘의 다목적 및 고차원 문제 처리 능력이 대규모 실제 최적화 작업에 적합하다고 제안하지만, 향후 연구는 클라우드 리소스 오케스트레이션 및 산업 스케줄링과 같은 분산 및 시간 가변 환경에서의 하이브리드 확장 및 적용에 초점을 맞출 것이라고 언급합니다.