혁신적인 여행 판매원 문제 해결책: 척추 정보와 다중 팔 밴딧 알고리즘의 만남
왕롱 등 연구진이 제시한 척추 정보와 다중 팔 밴딧 알고리즘을 결합한 LKH 알고리즘 개선 방법은 TSP 및 VRP 문제 해결에 혁신적인 성능 향상을 가져왔으며, AI 최적화 알고리즘 분야에 새로운 패러다임을 제시합니다.

여행 판매원 문제(TSP)의 새로운 지평을 열다: LKH 알고리즘의 진화
여행 판매원 문제(TSP)는 잘 알려진 난제로, 가장 짧은 경로를 찾는 최적화 문제입니다. Lin-Kernighan-Helsgaun (LKH) 휴리스틱 알고리즘은 TSP를 해결하는 데 널리 사용되는 지역 탐색 알고리즘이지만, 기존의 α-값만을 사용하여 간선의 질을 평가하기 때문에 지역 최적해에 빠지기 쉽다는 한계가 있습니다.
왕롱(Long Wang) 등 연구진은 이러한 한계를 극복하기 위해 획기적인 방법을 제안했습니다. 그들은 TSP 지역 탐색 과정에서 동적으로 업데이트되는 척추 정보를 추출하여 α-값과 거리 정보와 결합, 간선의 질을 평가하는 새로운 기준을 제시했습니다. 이 새로운 평가 기준은 다양한 정보를 제공하며, 과거 탐색 정보를 학습하여 최적의 지표를 제시합니다.
핵심은 다중 팔 밴딧(MAB) 알고리즘의 도입입니다. 연구진은 α-값, 거리, 척추 정보의 다양한 조합을 MAB의 팔로 추상화하여, 알고리즘이 역동적으로 최적의 평가 지표를 선택하도록 했습니다. 이는 단일 지표에 의존하는 기존 방식의 한계를 극복하고, 더욱 효과적인 탐색을 가능하게 합니다.
실험 결과: 놀라운 성능 향상
연구진은 제안된 방법을 LKH 및 그 확장 버전인 LKH-3에 적용했습니다. LKH-3는 TSP와 차량 경로 문제(VRP)의 약 40가지 변형 문제를 해결할 수 있습니다. 실험 결과는 TSP와 대표적인 TSP 및 VRP 변형 문제인 Colored TSP (CTSP) 및 Capacitated VRP with Time Windows (CVRPTW) 에 대한 LKH 및 LKH-3 알고리즘의 성능을 크게 향상시켰음을 보여줍니다. 이는 제안된 방법의 우수성과 일반화 가능성을 입증하는 것입니다.
결론: AI 최적화 알고리즘의 새로운 패러다임
왕롱 등 연구진의 연구는 단순히 알고리즘의 성능 향상을 넘어, AI 최적화 알고리즘 설계에 대한 새로운 패러다임을 제시합니다. 역사적 정보 활용과 다양한 지침 정보의 동적 조합은 향후 다른 최적화 문제 해결에도 널리 적용될 수 있는 잠재력을 가지고 있습니다. 이 연구는 AI 기반 최적화 기술의 발전에 중요한 기여를 할 것으로 기대됩니다. 향후 연구에서는 더욱 다양한 문제 유형에 대한 적용과 성능 개선을 위한 추가 연구가 필요할 것으로 보입니다.
Reference
[arxiv] Multi-armed Bandit and Backbone boost Lin-Kernighan-Helsgaun Algorithm for the Traveling Salesman Problems
Published: (Updated: )
Author: Long Wang, Jiongzhi Zheng, Zhengda Xiong, Kun He
http://arxiv.org/abs/2501.04072v1