최소 집합 덮개 문제의 구조적 분할: 유니버스 분해성을 이용한 메타 헷위스트 최적화

최소 집합 덮개 문제는 과학 및 공학 분야에서 널리 적용되는 어려운 조합 최적화 문제입니다. 이 문제는 전체 집합 내의 요소가 같은 부분 집합으로 묶여 있는지 여부를 나타내는 전체 집합 분할 가능성 개념과 관련이 있습니다. 대부분의 방법은 전체 집합을 단일 구조로 다루지만, 본 연구에서는 전체 집합 분할 가능성을 이용하여 내재적 구조적 분해를 이용한 혼합 최적화 방법을 제안합니다. 이러한 접근 방법은 해의 품질과 확장성을 향상시키는 데 도움이 될 수 있습니다.

전체 집합 분할 가능성과 혼합 최적화

전체 집합 분할 가능성은 서로소 집합 연산 알고리즘을 이용하여 요소가 같은 부분 집합으로 묶여 있는지 여부를 검사합니다. 검사 결과, 요소가 같은 부분 집합으로 묶여 있는 경우, 부분 집합을 분리하여 부분 문제로 분할합니다. 이후 그라스프 메타 혼합 최적화를 이용하여 부분 문제를 해결하고, 부분적인 해결책을 조합하여 합리성을 유지합니다. 그라스프 메타 혼합 최적화는 로컬 검색 알고리즘을 이용하여 부분 문제를 해결합니다. 부분적인 해결책을 조합하면, 부분 문제의 해가 합리적으로 유지됩니다. 표준 벤치마크 인스턴스 및 대규모 시뮬레이션 데이터셋에 대한 실험 결과, 자연적인 전체 집합 분할을 이용한 방법이 해의 품질과 확장성을 향상시킵니다. 이러한 결과는 전체 집합 분할 가능성을 이용한 혼합 최적화가 전체 집합 내의 내재적 구조적 특성을 효과적으로 이용할 수 있음을 보여줍니다. 이는 최소 집합 덮개 문제를 해결하는 데 새로운 접근 방법을 제공하며, 향후 연구에서 더욱 효율적인 알고리즘을 개발하는 데 기여할 수 있을 것입니다.