메타휴리스틱을 위한 자동 매개변수 튜닝 방법에 대한 조사

매개변수 튜닝, 즉 알고리즘의 성능을 최적화하기 위한 적절한 매개변수 설정(또는 구성)을 찾는 작업은 메타휴리스틱 개발 및 적용에서 중요한 과제입니다. 이 작업을 자동화하는 것, 즉 매개변수 튜닝 과제를 해결하기 위한 알고리즘 절차를 개발하는 것은 매우 바람직하며 연구자와 실무자들로부터 많은 관심을 받았습니다. 지난 20년 동안 여러 자동 매개변수 튜닝 접근법이 제안되었습니다. 본 논문은 메타휴리스틱을 위한 자동 매개변수 튜닝 방법에 대한 종합적인 조사를 제시합니다. 튜닝 방법의 구조에 따라 새로운 분류 체계(또는 분류법)를 도입합니다. 기존의 자동 매개변수 튜닝 접근법은 다음 세 가지 범주로 분류됩니다: 1) 단순 생성-평가 방법, 2) 반복 생성-평가 방법, 3) 고수준 생성-평가 방법. 이후 이 세 범주의 튜닝 방법을 순차적으로 검토합니다. 각 튜닝 방법에 대한 설명과 함께 주요 강점과 약점도 논의하여 새로운 연구자나 실무자가 적합한 튜닝 방법을 선택하는 데 도움이 되도록 하였습니다. 더 나아가, 이 분야의 도전 과제와 향후 연구 방향도 제시합니다.