초록
진화연산 분야에서 연산자 확률을 조정하는 것은 주 연구분야 중 하나이다. 그 이유는 적당한 연산자 확률을 설정하는 것이 매우 지루하고 어려울 뿐만 아니라 유전자 알고리즘의 성능향상에 매우 중요하기 때문이다. 많은 연구자들이 연산자 확률을 설정하거나 조절하는 여러가지 알고리즘을 소개했다. 그러나, 실험결과는 그리 만족할 만한 것이 아니었다. 더군다나, Tuson은 그의 논문에서 “연산자 조정은 반드시 좋은 것만은 아니다”라고 주장하였다［¹²］. 본 논문에서 우리는 유전자 알고리즘에서 연산자 확률을 자율조정하는 새로운 방법을 제안한다. 제안한 알고리즘을 4개의 함수와 한 개의 조합최적화 문제에 적용하여 테스트하고 일정한 유전자 확률을 갖는 단순 유전자 알고리즘과 Srinivas［³］가 제안한 알고리즘과 비교하였다. 실험결과는 본 논문에서 제안한 알고리즘이 다른 방법보다 상당히 우수함을 보였다. 이전의 방법과 비교해 볼 때 제안한 알고리즘은 계산량이 적고 연산자 확률을 진화시키기 위한 새로운 연산없이 상호 진화하며 진화를 위한 새로운 파라메터가 필요없는 등의 3가지 장점을 갖고 있다.
Adaptation of operator probabilities is one of the most important and promising issues in evolutionary computation areas. This is because the setting of appropriate probabilities is not only very tedious and difficult but very important to the performance improvement of genetic algorithms. Many researchers have introduced their algorithms for setting or adapting operator probabilities. Experimental results in most previous works, however, have not been satisfiable. Moreover, Tuson have insisted that “the adaptation is not necessarily a good thing” in his papers［$^1$$^2$］. In this paper, we propose a self-tuning scheme for adapting operator probabilities in genetic algorithms. Our scheme was extensively tested on four function optimization problems and one combinational problem； and compared to simple genetic algorithms with constant probabilities and adaptive genetic algorithm proposed by Srinivas et al［$^3$］. Experimental results showed that our scheme was superior to the others. Our scheme compared with previous works has three advantages： less computational efforts, co-evolution without additional operations for evolution of probabilities, and no need of additional parameters.
