대표적 방법 진화 구현: MetaDE 아키텍처

전통적인 차분 진화(DE)는 변이 전략과 핵심 제어 파라미터를 연구자가 미리 설정하고, 전체 탐색 과정에서 그대로 유지합니다. MetaDE의 핵심 전환은 다음과 같습니다:알고리즘 자체의 설정도 진화의 대상으로 삼는다——즉, 외부 진화는 알고리즘 공간을 탐색하고 내부는 해 공간에서의 성능을 평가함으로써, '어떻게 진화할 것인가'를 사람이 미리 정하는 방식에서 적응적 탐색으로 전환합니다.

이중 계층 구조: 외부는 알고리즘을 탐색하고 내부는 문제를 해결

• 내부: 차분 진화가 원래 최적화 작업에서 수행하는 일반적인 해 도출 과정으로, 실제 작업 성능을 제공합니다.
• 외부: 하나의 DE 알고리즘 설정을 하나의 개체로 삼아 설정 공간에 대해 선택, 교차, 변이, 도태를 수행합니다.

두 계층의 역할은 혼동되어서는 안 됩니다: 외부의 최적화 대상은알고리즘 설정이고, 내부의 최적화 대상은문제 해입니다. 전자는 '어떻게 탐색할지'를, 후자는 '얼마나 잘 찾았는지'를 결정합니다.

외부에서 진화되는 것은 무엇인가

하나의 외부 개체가 인코딩하는 것은 몇 개의 숫자가 아니라 알고리즘 행동 전체, 즉 변이 전략(rand/1, best/1, current-to-best/1 등), 교차 방식(이항 교차, 지수 교차), 그리고 스케일링 인자 F, 교차 확률 CR, 개체군 크기 등의 제어 파라미터입니다. 개체 간의 차이는 동일 알고리즘 계열이 서로 다른 문제 특성 아래에서 보이는 서로 다른 행동 성향에 대응합니다.

검증 폐쇄 루프: 후보 설정은 반드시 실제로 한 번 실행되어야 합니다

모든 후보 설정은 메타 지표나 사전 판단만으로 채택 여부를 결정할 수 없으며, 반드시 원래 작업에 투입되어 실제 성능의 검증을 받아야 합니다. 외부는 내부가 피드백한 적합도에 따라 선택, 도태, 유지를 수행하여 어떤 설정이 계승되고 전파될지 결정합니다. 이로써 '설정 생성 → 작업 검증 → 피드백 기반 채택'의 반복 폐쇄 루프가 형성되며, 외부 적합도는 오직 내부의 실제 실행 결과에서만 나올 수 있습니다.

고정 DE와의 차이

전통적인 DE의 전략과 파라미터는 연구자가 미리 설정하고 처음부터 끝까지 고정되지만, MetaDE는 이 결정권을 외부 진화에 맡겨 알고리즘이 문제 특성에 적응하는 능력을 갖추게 합니다. 예를 들어 탐색 초기에는 탐색성이 더 강한 rand/1과 큰 F를 선호하고, 후기에는 수렴이 더 빠른 best/1과 작은 F로 전환합니다.

비용과 전제 조건

모든 후보 설정은 내부 작업을 한 번 완전히 실행해야 하며(일반적으로 무작위성을 억제하기 위해 여러 번 독립 실행하여 평균을 구해야 함), 평가 비용은 외부 개체군 크기와 세대 수에 따라 배수로 증가합니다. 따라서 MetaDE는 병렬화, 텐서화, 런타임 스케줄링 등의 엔지니어링 기반에 강하게 의존하며, 이것이 바로 텐서화된 Runtime 위에 구축되어야 하는 엔지니어링상의 이유입니다.

위상: MetaDE는 '내외 이중 진화와 적응 메커니즘'이 사상에서 구현 가능한 아키텍처로 구체화된 결과물이며, 이후의 알고리즘 구조 진화(AutoPSO, EvoGO)에 방법론적 패러다임을 제공했습니다.