유전 알고리즘 결과를 재현 가능하게 만드는 법

유전 알고리즘은 무작위 선택과 돌연변이를 사용합니다. 같은 코드라도 실행마다 다른 결과가 나오므로 ‘좋은 해를 한 번 찾았다’는 사실만으로 품질을 판단하기 어렵습니다. 실험을 재현할 수 있는 기록과 반복 측정이 필요합니다.

시드만 기록해서는 부족하다

난수 시드뿐 아니라 입력 데이터 버전, 목적함수, 염색체 표현, 집단 크기, 교차·돌연변이 확률, 종료 조건을 기록합니다. 병렬 실행은 난수 사용 순서를 바꿀 수 있으므로 실행 환경도 남깁니다.

한 번의 최고값보다 분포를 본다

같은 문제를 여러 시드로 실행해 최선·중앙값·나쁜 쪽 결과와 계산 시간을 비교합니다. 한 번의 운 좋은 실행만 보고하면 현장에서 반복했을 때 예상보다 나쁜 배치가 나올 수 있습니다.

유효 해를 따로 확인한다

비용이 낮아도 선후관계, 인력 자격, 용량 제약을 위반하면 실행할 수 없습니다. 디코더와 평가 함수 외에 독립 검증기로 최종 해를 다시 점검해야 합니다.

작은 문제의 최적값과 대조한다

소규모 사례를 MILP나 CP-SAT으로 풀어 정답을 확보하면 GA의 표현·평가 버그를 찾기 쉽습니다. 큰 문제에서는 최적을 보장한다고 주장하지 말고 하한과 실행 시간 대비 품질을 보고합니다.

실험 결과를 묶어 보관한다

각 실행의 시드와 로그, 최종 배치, 제약 위반 결과를 저장합니다. 파라미터를 바꾼 뒤 개선됐다고 말하려면 동일한 문제 세트와 비슷한 계산 예산에서 비교해야 합니다.

현장에 적용할 때의 순서

1. 입력·시드·파라미터·코드 버전 저장
2. 반복 실행의 비용·시간 분포 측정
3. 최종 해를 제약 검증기로 확인

주의할 실패: 최고 결과 한 번만 보고 성능 주장

관찰할 지표: 시드별 비용 분산·유효 해 비율·실행 시간

적용 전 체크리스트

• 시드·데이터·코드·파라미터 버전을 남긴다
• 여러 시드의 결과 분포를 비교한다
• 최종 해를 독립 검증기로 재검사한다

참고 자료

Moon et al. (2014), Integrated Assembly Line Balancing with Skilled and Unskilled Workers. 랜덤 키 유전 알고리즘을 사용한 회사 연구자의 공개 논문을 참고했습니다. 시드·실험 기록과 독립 검증은 재현성 확보를 위한 적용 제안입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#유전알고리즘 #GA #재현성 #무작위시드 #메타휴리스틱 #최적화 #실험설계 #유효해 #MILP #스케줄링