본 논문은 기존의 콤팩트 유전 알고리즘(cGAs)의 효율성을 향상시키기 위해 캐싱 기법을 도입한 새로운 알고리즘을 제안합니다. cGAs는 전체 집단 대신 확률 벡터로 집단을 표현하여 함수 평가 횟수를 줄이는 알고리즘이지만, 수렴 과정에서 동일한 염색체를 반복적으로 생성하는 문제점이 있습니다. 본 논문에서 제안하는 캐싱 기법은 동일한 염색체의 중복 평가를 방지하여 함수 평가 횟수를 추가적으로 감소시킵니다. 효율적인 캐시 관리를 위한 데이터 구조와 평균적으로 상수 시간 복잡도를 갖는 캐싱 메커니즘을 제시하며, 특히 엘리티즘 기반 cGAs에 대한 일반화된 캐싱 메커니즘을 제시합니다. 두 가지 잘 알려진 캐시 교체 전략을 사용한 벤치마크 최적화 문제 실험을 통해 제안된 방법의 효과를 검증합니다.
