고차원 공학 설계 최적화를 위한 동적 집계 전략 알고리즘
A Dynamic Aggregation Strategy Enhanced Efficient Global Optimization Algorithm for Solving High-Dimensional Turbomachinery Design Problems
arXiv고차원(d≥30)의 복잡하고 계산 비용이 높은 공학 설계 문제를 해결하기 위해 DA-EGO라는 새로운 전역 최적화 알고리즘을 제안했습니다.
- DA-EGO는 전체 공간을 저차원 부분 공간으로 분해하고, 매 반복마다 변수 상호작용 분석을 통해 탐색 영역을 동적으로 업데이트하는 것이 핵심입니다.
- 터보 기계 설계나 공기역학 최적화 등 실제 산업 분야의 고차원 문제에 적용 가능하며, 기존 방식 대비 높은 효율성을 입증했습니다.
- 알고리즘 성능은 문제의 특성(분리 가능 여부)에 따라 달라지므로, 특정 비분리형 문제에서는 다른 최적화 기법과의 비교 검토가 필요합니다.
본 연구는 고차원(d ≥ 30)의 계산 비용이 높은 블랙박스 문제를 해결하기 위해 DA-EGO라는 효율적인 전역 최적화(EGO) 알고리즘을 제안합니다. DA-EGO는 원래의 고차원 설계 공간을 여러 개의 저차원 부분 공간으로 분해하여, 이를 기반으로 표면 근사(surrogate-based) 최적화 탐색을 수행하며, 각 부분 공간에서 얻은 최적 해를 전역 검색을 위한 엘리트 포인트로 결합하는 방식을 사용합니다.
DA-EGO의 핵심 특징은 부분 공간이 고정되어 있지 않고 매 반복마다 동적으로 업데이트된다는 점입니다. 변수 상호작용 분석(perturbation method 및 analysis of variance)을 통해 부분 공간과 전체 공간에서의 변수 간 상호작용을 감지하며, 이 결과를 바탕으로 부분 공간의 변수를 업데이트합니다. 또한, 이전 반복의 부분 공간 최적화 결과를 분석하여 탐색 범위를 적응적으로 조정함으로써 최적화 진행 속도를 가속화합니다.
제안된 DA-EGO는 30차원부터 90차원에 이르는 총 21개의 인스턴스를 대상으로 1500번의 함수 평가 예산 내에서 효과가 입증되었습니다. 특히, 비분리형 시프트 로젠브록 함수에서는 60차원 및 90차원에서 우수한 성능을 보였으며, 실제 산업 응용 분야에서도 그 효용성이 확인되어 28개 변수의 초음속 로터 블레이드 공기역학 최적화와 60개 변수의 압축기 단(compressor stage) 최적화에 적용되었습니다.
용어 풀이
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.