기사 제공처 : 한국공공정책신문 / 등록기자: 김유리 [기자에게 문의하기]  0 /  

해당 기사에 관련하여 문의하기에 남겨주시면 "김유리"기자에게 전송됩니다

 이름

 연락처

- -

 이메일

 확인

◇ 유전 알고리즘의 개념

유전 알고리즘이란 자연계의 진화를 모방하여 문제의 최적화를 찾는 AI 기술이다. 생산 스케줄링과 회로 설계 등 다양한 분야에서 활용되고 있다. 유전 알고리즘은 다음과 같은 주요 단계로 구성되어 있다.

① 초기 집단 생성이다. 문제의 해 후보를 무작위로 생성하고 초기 집단을 만든다. 이를 통해 탐색 공간의 광범위한 범위를 커버(cover)한다. ② 적응도 평가다. 각 개체(솔루션 후보)가 얼마나 뛰어난지 평가한다. 평가 기준이 되는 적응도 함수를 이용하여 해의 품질을 측정한다. ③ 선택이다. 적응도가 높은 개체를 선택하여 다음 세대의 부모 개체로 선정한다. 이로 인해 더 나은 해결책이 다음 세대에 인계될 확률이 높아진다. ④ 교차와 돌연변이다. 부모 개체에서 새로운 새끼(동물) 개체를 생성하기 위해 교차 조작을 수행한다. 또한 돌연변이로 개체의 일부를 무작위로 변화시켜 다양성을 유지한다. ⑤ 진화의 반복이다. 새로 생성된 새끼 개체와 기존 개체를 조합하여 다음 세대 집단을 형성한다. 이 과정을 반복하여 집단의 적응도가 향상된다.

◇ 유전 알고리즘의 구체적인 이용사례

유전 알고리즘은 다양한 분야에서 이용되고 있다. 첫째, 최적화 문제로 ① 생산 스케줄링이다. 제조업에서 생산 계획을 최적화하여 비용 절감 및 납기 단축을 실현할 수 있다. ② 물류 경로 최적화다. 배송 경로를 최적화하여 운송 비용을 절감하고 효율적인 배송을 실현할 수 있다. ③ 회로 설계다. 전자 회로 레이아웃(layout)을 최적화하여 성능을 향상시키고 소형화를 실현할 수 있다. ④ 포트폴리오(portfolio) 최적화다. 투자 포트폴리오의 위험과 수익 최적화에 사용된다. 

둘째, 기계학습으로 유전 알고리즘은 기계학습 모델의 파라미터(parameter) 조정에 이용되는 경우가 있다. 복잡한 모델의 경우, 종래의 수법으로는 해를 찾는 데 시간이 걸리는 것이 많기 때문에, GA(Genetic Algorithm)를 이용하는 것으로 효율적으로 최적화가 진행된다. ① 신경망 학습이다. 신경망의 가중치를 최적화하여 보다 고정밀 모델을 구축할 수 있다. ② 특징량 선택이다. 방대한 데이터 중에서 중요한 특징량을 자동으로 선택할 수 있다. 

셋째, 로보틱스(Robotics)다. 여기서 로보틱스는 로봇의 동작 계획이나 설계에서 효과적인 제어 방법이나 동작 패턴을 찾기 위해서 이용된다.

앞으로 로봇은 인터넷에 연결된 센서에서 다양한 데이터를 수집해 AI로 분석ㆍ판단해 자율적으로 작동하게 된다. 로보틱스가 널리 보급됨으로써 노동력 부족 해소, 업무 효율화, 삶의 품질 향상 등 다양한 영역의 문제를 해결할 수 있을 것으로 본다. 현재는 공장의 생산 용도, 음식점에서 배식 용도 등에서 활약하는 로봇이 메이저이지만, 향후는 고령화를 지지하는 간호나 의료, 재해 구조, 경비, 농업, 관광, 엔터테인먼트라고 하는 폭넓은 분야에서 활약이 기대된다. 

넷째, 디자인이다. ① 이미지 생성이다. 유전 알고리즘을 사용하여 새로운 디자인의 이미지를 생성할 수 있다. ② 건축 설계다. 건물 구조 및 레이아웃(layout)을 최적화 하여 보다 기능적이고 아름다운 건축물을 설계할 수 있다. ③ 진화적 디자인이다. 새로운 제품이나 시스템의 설계에서 최적의 설계 파라미터(parameter)를 찾기 위해 활용된다.

◇ 유전 알고리즘 장점과 단점과 향후 전망

장점은 ① 글로벌 탐색 능력이다. 유전 알고리즘은 해의 공간 전체를 탐색하기 때문에 국소 최적해에 빠지기 어렵다는 장점이 있다. ② 다양성 유지다. 돌연변이나 교차 과정을 통해 다양한 솔루션 후보를 계속 생성하기 때문에 광범위한 탐색이 가능하다. 단점으로는 ① 계산 비용이 높다. 방대한 수의 개체를 계속 평가하기 위해 계산 리소스(resource)가 필요하다. ② 조정의 필요다. 적절한 파라미터(parameter) 설정이 어렵고, 경우에 따라서 알고리즘의 조정이 필요하다. 최근 GA(Genetic Algorithm)는 심층학습 등의 기법과 결합함으로써 보다 복잡한 문제를 풀 것으로 기대되고 있다. 또 양자 컴퓨터와의 제휴도 주목받고 있어, 한층 더 고속화가 기대되고 있다.

이규철 / 법학박사(상법)

∙ AI·GPT, SDGs&ESG코칭 및 강사

∙ ‘100세대학TV’ 크리에이터 및 강사

∙ 생성AI와 챗GPT, SDGs·ESG경영전략,

글로벌 MBAtoCEO, 리더의 필승전략,

100세대학 행복디자인 매뉴얼 등 27권

∙ 일본(와세다대),중국(복단대·화동정법대)