진화 알고리즘에는 쉽게 간과되는 기본 전제가 하나 있습니다:진화되는 것은 후보 해이며, 후보 해를 생성하는 방법 자체는 변하지 않는다는 것입니다. 즉,전통적인 진화 알고리즘은 일반적으로 탐색 방법을 고정한 채, 후보 해만 반복 과정에서 변화시킵니다——전체 탐색 과정에서 '움직이는' 것은 해이고, '움직이지 않는' 것은 규칙입니다. 이 페이지에서 제시하려는 것은 바로 이 전제를 벗어난 또 다른 관점, 즉 해법 자체도 탐색과 개선의 과정에 들어가도록 하는 것입니다.
기본 패러다임: 방법은 고정되고 해가 진화
전통적인 방식에서는 교차 방식, 변이 전략, 하이퍼파라미터를 보통 실행 전에 한 번 정하고, 이후 전체 탐색 과정에서 다시 바꾸지 않습니다. 이들은 후보 해의 생성 메커니즘을 직접 결정하며 해 결과에도 큰 영향을 미칩니다. 즉, 과제 성능이 좋든 나쁘든 방법은 제자리에 머물러 있습니다.
- 해 계층움직임: 후보 해 → 평가 → 선택 → 계승, 반복 순회.
- 방법 계층고정됨: 변이 전략, 교차 방식, 하이퍼파라미터가 미리 설정되어 고정됨.
- 결과: 사전 설정과 수동 튜닝에만 의존하면 해법 자체가 과제 피드백에 따라 지속적으로 진화하지 않으며, 개선은 주로 사람의 경험과 수동 튜닝에 의존하게 되어 튜닝 속도가 과제 변화를 따라가지 못하는 경우가 많습니다.
알고리즘 진화: 방법도 탐색 가능한 대상으로 만들기
알고리즘 진화의 방식은 교차 방식, 변이 전략, 하이퍼파라미터를 고정된 설정으로 취급하지 않고, 다음과 같은 대상으로 만드는 것입니다:후보가 되고, 평가되고, 교체될 수 있는대상으로 삼아 후보 해와 함께 해법 성능의 검증을 받도록 합니다. 즉, 해법 알고리즘 자체가 탐색과 개선의 과정에 들어가 '방법'도 진화 가능한 대상이 되도록 하는 것입니다. 이렇게 하면 기존의 해 계층 반복 외에 두 번째 피드백 회로가 생겨납니다. 해뿐만 아니라 방법도 개선되는 것입니다.
두 회로는 다음과 같은 간결한 화살표 언어로 요약할 수 있습니다:방법 요소 → 후보 해 생성 → 해법 성능 평가 → 유지 또는 교체 → 방법 갱신; 동시에 후보 해 내부에서는 여전히 '생성 → 평가 → 선택 → 계승'의 일반적인 반복이 작동합니다. 전자는 '어떻게 찾는가'를 바꾸고, 후자는 '무엇을 찾았는가'를 바꿉니다.
고정 알고리즘과 알고리즘 자기 진화 비교왼쪽은 전통적 패러다임을 보여줍니다: 교차 방식, 변이 전략, 하이퍼파라미터가 실행 전에 고정되고, 해만 생성·평가·선택·계승의 과정에서 반복되며 방법 자체는 변하지 않습니다. 오른쪽에는 두 번째 피드백 회로가 추가되어 이러한 방법 요소들도 탐색·평가·교체의 대상이 되고, 해법 성능이 존치 여부를 결정합니다. 즉, 알고리즘이 해를 구하는 과정에서 스스로를 개선하는 것입니다.
