공간 재분할 문제에서 인접성 제약을 유지하면서 탐색 이웃 공간을 확장하는 복합 이동 타부 탐색(CM-Tabu)을 제안합니다. 기존 타부 탐색은 단일 단위를 이동할 때 인접성이 깨지면 탐색이 심하게 제약됩니다. CM-Tabu는 인접성을 유지하는 복합 이동(여러 단위의 동시 이동 또는 교환)을 선형 시간 내에 분절점과 이중 연결 요소 분석으로 생성합니다. 필라델피아 사례에서 인구 균등 이론적 전역 최적값을 일관되게 달성하고, 기존 타부 탐색 대비 해 품질·반복 안정성·계산 효율성이 크게 향상됐습니다.
- •기존 타부 탐색에서 인접성 제약 조건은 탐색 이웃 공간을 심각하게 쳐 나쁜 지역 최적에 갇히게 만든다는 핵심 단점을 해결한다.
- •단위가 단독으로 이동 시 구역이 끊어지면 분절점과 이중 연결 요소 분석으로 선형 시간 내에 인접성 보존 복합 이동을 생성하는 CM-Tabu를 제안한다.
- •필라델피아 사례에서 인구 균등 이론적 전역 최적값을 일관되게 달성하고 다중 기준 트레이드오프를 지원하며 실무 활용 가능성을 입증했다.
- •해 품질, 반복 안정성, 계산 효율성 측면에서 기존 타부 탐색 및 다른 기준선에 비해 실질적인 개선을 달성해 실제 의사결정 지원 워크플로에 적합하다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Fast and Effective Redistricting Optimization via Composite-Move Tabu Search
- 1.공간 재분배 최적화에서 연속성 제약을 유지하면서 탐색 공간을 확장하는 CM-Tabu 알고리즘 제안
- 2.경계 단위가 개별 재배정 불가 시 최소 복합 이동 집합을 선형 시간에 식별
- 3.연결점과 이중연결 컴포넌트 분석으로 연속성 보존 복합 이동을 자동 생성
- 4.필라델피아 사례에서 이론적 전역 최적해를 일관되게 달성하고 기존 Tabu보다 우수
왜 중요한가?
실제 선거구 획정 등 연속성 제약이 있는 공간 최적화 문제에 즉시 적용 가능한 실용적 알고리즘으로, 공정한 재분배 의사결정 지원에 기여한다.
언급 프로젝트
본문 미리보기
arXiv:2605.06682v1 Announce Type: new Abstract: Spatial redistricting is a practical combinatorial optimization problem that demands high-quality solutions, rapid turnaround, and flexibility to accommodate multi-criteria objectives and interactive refinement. A central challenge is the contiguity constraint: enforcing contiguity in integer-programming or heuristic search can severely shrink the feasible neighborhood, weaken exploration, and trap the search in poor local optima. We introduce a c
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안

