본 논문은 진화 알고리즘(EA)의 두 가지 주요 한계점, 즉 전역 상관관계 기반 개체 업데이트 부족과 탐색과 활용의 균형 문제를 해결하기 위해 그래프 신경망 진화(GNE) 프레임워크를 제안합니다. GNE는 개체를 노드로, 관계를 에지로 하는 그래프로 모집단을 표현하여 전역 정보 활용을 가능하게 합니다. 스펙트럴 그래프 신경망(GNN)을 이용하여 진화 신호를 주파수 성분으로 분해하고 필터링 함수를 적용하여 이러한 성분들을 융합합니다. 고주파 성분은 다양한 전역 정보를, 저주파 성분은 더 일관된 정보를 포착합니다. 이러한 명시적인 주파수 필터링 전략은 주파수 성분을 통해 전역 규모의 특징을 직접 제어하여 수동 매개변수 설정의 한계를 극복하고 탐색-활용 제어를 더 해석 가능하고 효과적으로 만듭니다. 9개의 벤치마크 함수에 대한 광범위한 실험 결과, GNE는 다양한 조건(잡음 포함 및 최적 해 편차 시나리오 포함)에서 기존 및 최첨단 알고리즘을 능가하는 성능을 보였습니다. (예: Sphere 함수에서 평균 3.07e-20 vs 1.51e-07)
