제한적 진화 최적화를 위한 적응형 트레이드오프 모델

본 논문에서는 제한적 진화 최적화를 위한 적응형 트레이드오프 모델(ATM)을 제안한다. 이 모델에서는 세 가지 주요 문제를 고려한다: (1) 인구가 오직 불가능한 개체만 포함할 때 불가능한 해의 평가; (2) 인구가 가능하고 불가능한 개체의 조합으로 구성될 때 가능한 해와 불가능한 해의 균형; (3) 인구가 가능한 개체만으로 구성될 때 가능한 해의 선택. 이러한 문제는 목표 함수와 제약 위반 사이의 적절한 트레이드오프를 얻기 위해 검색 프로세스의 다양한 단계에서 서로 다른 트레이드오프 방안을 설계하여 해결된다. 또한, 단순 진화 전략(ES)이 검색 엔진으로 사용된다. ATM과 ES를 통합함으로써 일반적인 제한 최적화 진화 알고리즘(ATMES)이 도출된다. 새로운 방법은 13개의 잘 알려진 벤치마크 테스트 함수에서 테스트되었으며, 경험적 결과는 질적인 측면에서 이 논문에서 언급된 다른 최첨단 기법들과 비슷하거나 뛰어난 성능을 보임을 시사한다.