본 논문은 기존 경사하강법의 한계를 극복하기 위해 새로운 최적화 알고리즘인 Steepest Perturbed Gradient Descent (SPGD)를 제안합니다. SPGD는 경사하강법에 주기적인 균일 섭동 샘플링을 결합하여 국소 최소값, 안장점, 평평한 영역에 빠지는 것을 효과적으로 방지합니다. 후보 솔루션들을 생성하고 현재 솔루션과 비교하여 손실 차이가 가장 큰 솔루션을 선택하는 방식으로 작동합니다. 3D 부품 배치 문제(NP-hard 문제)를 통해 SPGD의 효과를 입증하였으며, 기존 네 가지 알고리즘보다 뛰어난 성능을 보였습니다. 특히 복잡한 지형의 응답 표면과 다차원 비볼록 연속 최적화 문제에서 그 효과가 두드러졌습니다. 2D 벤치마크 함수와의 비교 분석을 통해 복잡한 최적화 환경에서의 우수성을 확인하였습니다.
