[論文レビュー] A Brief Review of Nature-Inspired Algorithms for Optimization

Iztok Fister, Xin‐She Yang+3 more|arXiv (Cornell University)|Jul 16, 2013

Metaheuristic Optimization Algorithms Research参考文献 79被引用数 390

ひとこと要約

この論文は、自然界にインspiredされた最適化アルゴリズムを包括的かつ出典に基づいて分類し、群知能、生物に由来する（非-SI）、物理学・化学に由来する、およびその他のカテゴリーに分類している。約40のアルゴリズムをレビューし、それらが生物学的・物理的・化学的システムからインスパイされたことを強調するとともに、重複したアルゴリズム開発を避けて意味のある研究を促進するよう提言している。

ABSTRACT

Swarm intelligence and bio-inspired algorithms form a hot topic in the developments of new algorithms inspired by nature. These nature-inspired metaheuristic algorithms can be based on swarm intelligence, biological systems, physical and chemical systems. Therefore, these algorithms can be called swarm-intelligence-based, bio-inspired, physics-based and chemistry-based, depending on the sources of inspiration. Though not all of them are efficient, a few algorithms have proved to be very efficient and thus have become popular tools for solving real-world problems. Some algorithms are insufficiently studied. The purpose of this review is to present a relatively comprehensive list of all the algorithms in the literature, so as to inspire further research.

研究の動機と目的

• アルゴリズムのインスピレーション源に基づいて、自然界に由来する最適化アルゴリズムを体系的に分類すること。
• 多様な自然現象に由来する40以上の最適化アルゴリズムの包括的かつ最新のリストを提供すること。
• 重複したアルゴリズム開発の増加傾向に歯止めをかけ、意味のあるイノベーションに焦点を当てた研究を促進すること。
• NP-hard問題や現実世界の最適化問題を効率的かつスケーラブルに解くためのさらなる研究を促進すること。
• 群知能、生物に由来する、物理学・化学に由来する手法などのアルゴリズムカテゴリー間の違いを明確にすること。

提案手法

• 主なインスピレーション源に基づいてアルゴリズムを分類：生物学（例：社会性昆虫、鳥類）、物理学（例：重力、電磁気）、化学（例：反応）、その他のシステム（例：音楽、社会的行動）。
• アルゴリズムを4つの主要カテゴリーにグループ化：群知能に基づく、生物に由来する（非-SI）、物理学・化学に由来する、およびその他のカテゴリー。
• 階層的なアプローチを用いてアルゴリズムを整理し、技術的実装の詳細ではなく、最高レベルのインスピレーション源に重点を置く。
• 代表例として粒子群最適化（PSO）、カッコウサーチ、ファイヤーフライアルゴリズム、微分進化（DE）などの主要なアルゴリズムを強調。
• 再現可能性とさらなる研究を支援するため、各アルゴリズムに参考文献と簡単な説明を提供。
• 分類は視点に依存するため一意ではなく、インスピレーション源を実用的で意味のある基準として使用することを強調。

実験結果

リサーチクエスチョン

• RQ1 現代のメタヒューリスティック最適化アルゴリズムの主なインスピレーション源は何か？
• RQ2 生物学的・物理的・化学的起源に基づいて、自然界に由来するアルゴリズムをどのように体系的に分類できるか？
• RQ3 同じ概念的基盤を持つにもかかわらず、なぜ一部の自然界に由来するアルゴリズムが他のものよりも人気があり、効率的なのか？
• RQ4 アルゴリズムの分類は、経路に基づく vs. 人口ベース、吸引に基づく vs. 非吸引に基づくといった基準にどれほど依存するのか？
• RQ5 最小限の新規性しか持たない新しいアルゴリズムの過剰生産のリスクは何か？研究の焦点を、インパクトのあるイノベーションへとどうシフトすべきか？

主な発見

• 文献に登場する40以上の自然界に由来する最適化アルゴリズムが提案されており、その中でも群知能に基づくアルゴリズムが最も人気があり、効果的である。
• 粒子群最適化（PSO）、カッコウサーチ、ファイヤーフライアルゴリズムといったアルゴリズムは、高い効率を示し、現実世界のNP-hard問題の解決に広く使われている。
• アルゴリズムの分類は一意ではなく、視点に依存する（例：経路ベース、人口ベース、ルールベース）が、インスピレーション源は堅牢で実用的な基準のままである。
• ファイヤーフライアルゴリズムのように、ルールベースと方程式ベースの両方の定式化で記述できるアルゴリズムもあり、分類の柔軟性を示している。
• 人気があるとはいえ、すべてのアルゴリズムが十分に研究されておらず、効率的であるとは限らず、一部は最小限の新規性で開発されており、研究の質と再現可能性に懸念が生じる。
• 本レビューでは、出版のための新しいアルゴリズムの開発から、実証的で効率的な手法の深い理解と実用的応用への研究へのシフトの必要性を指摘している。