Abstract
It is very difficult to efficiently solve a large-scaled maximal covering problem(MCP) by a genetic algorithm. In this paper, we present new crossover and mutation operators specially designed for genetic algorithms to solve large-scaled MCPs efficiently. We also introduce a novel genetic algorithm employing unexpressed genes. Unexpressed genes are the genes which are not expressed and thus do not affect the evaluation of the individuals. These genes play the role of reserving information susceptible to be lost by the application of genetic operations but is suspected to be potentially useful in later generations. The genetic algorithm employing unexpressed genes enjoys the advantage of being able to maintain diversity of the population and thus can search more efficiently to solve large-scaled MCPs. Experiments with large-scaled real MCP data has shown that our genetic algorithm employing unexpressed genes significantly outperforms tabu search which is one of the popularly used local neighborhood search algorithms for optimization.
열의 수가 수십만에 이르는 대규모 maximal covering 문제(MCP)를 유전 알고리즘을 통해 해결하는 것에는 한계가 있다. 본 논문에서는 대규모 MCP를 유전알고리즘이 효율적으로 풀 수 있도록 하기 위해 특별히 고안된 교차 연산자와 돌연변이 연산자를 소개한다. 또한, 본 연구에서는 비발현 유전자를 사용하는 새로운 유전 알고리즘을 제시한다. 비발현 유전자는 유전 연산 과정에서 상실될 정보 중 이후의 세대에서 유용할 가능성이 있는 정보를 자손에게 전달하기 위해 보존하는 역할만 할 뿐, 발현되지 않음으로 인해 해의 평가 시에는 반영되지 않는 유전자이다. 비발현 유전자를 사용하는 유전 알고리즘은 집단의 다양성을 유지하는데 유리하여 대규모 MCP를 해결하는데 있어서 보다 효율적으로 탐색을 수행할 수 있다. 현장의 대규모 MCP 데이타로 실험한 결과 비발현 유전자를 가진 유전 알고리즘이 이웃해 탐색 알고리즘인 타부 탐색보다 훨씬 우수한 탐색 성능을 보임을 확인할 수 있었다.
