[論文レビュー] A Compact Self-organizing Cellular Automata-based Genetic Algorithm

Vasileios Barmpoutis, Gary F. Dargush|ArXiv.org|Nov 15, 2007

Cellular Automata and Applications参考文献 45被引用数 3

ひとこと要約

本稿では、空間的に構造化された集団における隣接する個体間でのみ交叉が可能となるように、細胞自己組織化型遺伝的アルゴリズム（GA）を提案する。この手法は、並列性ではなく自己組織化を活用することで、最小限の集団サイズで効率的な探索を実現し、局所最適解への早期収束を低減し、テスト関数およびラーメン構造物設計問題における解の正確性を向上させる。

ABSTRACT

A Genetic Algorithm (GA) is proposed in which each member of the population can change schemata only with its neighbors according to a rule. The rule methodology and the neighborhood structure employ elements from the Cellular Automata (CA) strategies. Each member of the GA population is assigned to a cell and crossover takes place only between adjacent cells, according to the predefined rule. Although combinations of CA and GA approaches have appeared previously, here we rely on the inherent self-organizing features of CA, rather than on parallelism. This conceptual shift directs us toward the evolution of compact populations containing only a handful of members. We find that the resulting algorithm can search the design space more efficiently than traditional GA strategies due to its ability to exploit mutations within this compact self-organizing population. Consequently, premature convergence is avoided and the final results often are more accurate. In order to reinforce the superior mutation capability, a re-initialization strategy also is implemented. Ten test functions and two benchmark structural engineering truss design problems are examined in order to demonstrate the performance of the method.

研究の動機と目的

• 自己組織化の原則を用いて、集団の多様性を維持し、早期収束を回避するコンパクトな遺伝的アルゴリズムの開発を目的とする。
• 特に交叉において、細胞自動機（CA）のルールを遺伝的アルゴリズムの操作に統合し、局所的で隣接個体ベースの進化を可能にする。
• CAにおける自己組織化が、小規模集団における変異および探索能力をどのように向上させるかを検討する。
• 構造的工学におけるラーメン構造物設計を含む、ベンチマーク最適化問題に対して、この手法の妥当性を検証する。
• 再初期化とコンパクトな集団ダイナミクスを用いることで、従来のGAと比較して解の正確性と収束速度を向上させる。

提案手法

• GA集団内の各個体は、一次元の細胞自動機（CA）格子のセルに対応する。
• 交叉操作は、事前に定義されたCA遷移ルールに基づき、隣接するセルのみに制限される。
• CAルールセットが、隣接する個体間での遺伝的材料の交換を支配し、局所的進化を促進する。
• アルゴリズムは、CAが持つ内在的な自己組織化行動を活用して、集団構造を動的に形状づけ、多様性を促進する。
• 停滞した個体を再生するために再初期化戦略が適用され、変異駆動型の探索を強化する。
• 集団サイズは極めて小さく保たれる——通常は数個体のみ——コンパクト性と効率性に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 最小限の集団サイズを有するコンパクトGAは、従来のGAよりも優れた収束性と正確性を達成できるか？
• RQ2 CAルールによって制御される隣接個体ベースの交叉は、集団の多様性と探索効率にどのように影響するか？
• RQ3 CAの自己組織化的性質が、遺伝的最適化における早期収束をどの程度低減するか？
• RQ4 CA構造を持つ集団における再初期化は、さらに変異および探索能力を向上させるか？
• RQ5 本手法は、ラーメン構造物設計のような複雑な現実世界の工学的問題において、どのように性能を発揮するか？

主な発見

• 提案されたCAベースのGAは、標準的なGA実装と比較して、10個のテスト関数において優れた収束性と解の正確性を達成した。
• コンパクトな集団構造により、わずか数個体でも早期収束が顕著に低減された。
• 自己組織化型CAルールにより、集団の動的再構成が可能となり、局所探索と多様性の両方が向上した。
• 再初期化戦略は、停滞した個体を効果的に再生し、局所最適解からの脱出能力を高めた。
• 2つのベンチマークラーメン構造物設計問題において、本手法は従来のGAよりも正確で軽量な設計を生成した。
• 本アルゴリズムは、多様な問題タイプにおいても安定した性能を示し、強力な汎用性を示した。