[論文レビュー] A Comparative Analysis for Determining the Optimal Path using PSO and GA

Kavitha Sooda, T. R. Gopalakrishnan Nair|arXiv (Cornell University)|Jul 20, 2014

Metaheuristic Optimization Algorithms Research参考文献 11被引用数 5

ひとこと要約

本稿では、間接符号化を用いた領域ベースのネットワークにおける最適ルーティングパスのための粒子群最適化（PSO）と遺伝的アルゴリズム（GA）の比較分析を提案する。PSOはGAに比べて最適パスへの収束が速いことが示され、両アルゴリズムの主な性能指標として適合度値とホップ数が用いられている。

ABSTRACT

Significant research has been carried out recently to find the optimal path in network routing. Among them, the evolutionary algorithm approach is an area where work is carried out extensively. We in this paper have used particle swarm optimization (PSO) and genetic algorithm (GA) for finding the optimal path and the concept of region based network is introduced along with the use of indirect encoding. We demonstrate the advantage of fitness value and hop count in both PSO and GA. A comparative study of PSO and genetic algorithm (GA) is carried out, and it was found that PSO converged to arrive at the optimal path much faster than GA.

研究の動機と目的

• ネットワークルーティングにおける最適パスを特定するためのPSOとGAの性能を評価・比較すること。
• ルーティング効率を向上させるために領域ベースのネットワークモデルを導入すること。
• 両アルゴリズムの探索空間におけるパス表現のため、間接符号化を適用すること。
• 適合度値とホップ数がパス最適化の結果に与える影響を分析すること。
• 同じ条件下で、PSOとGAのどちらが最適パスへの収束が速いかを特定すること。

提案手法

• 最適パスの探索のため、速度と位置の更新ルールを用いた粒子群最適化（PSO）を採用した。
• 選択、交差、突然変異の操作を用いて候補パスを進化させる遺伝的アルゴリズム（GA）を適用した。
• パスの表現をノードまたは領域のシーケンスとして行うことで、探索効率を向上させるため、間接符号化を実装した。
• 最適化プロセスを導くために、パスコストとホップ数に基づく適合度関数を定義した。
• 収束速度と解の品質を比較するために、領域ベースのネットワークトポロジー上で両アルゴリズムをシミュレートした。
• パス最適性を評価するために、適合度値とホップ数を組み合わせたハイブリッド評価指標を用いた。

実験結果

リサーチクエスチョン

• RQ1 ネットワークルーティングにおける最適パス探索において、PSOとGAの収束速度はどのように比較されるか？
• RQ2 適合度値とホップ数は、PSOとGAのパス最適化における性能にどのような影響を与えるか？
• RQ3 間接符号化は、PSOとGAにおけるパス表現および探索の効率を向上させるか？
• RQ4 領域ベースのネットワークモデルにおいて、PSOとGAのどちらがより少ないイテレーションでより優れたパス最適性を達成するか？
• RQ5 動的ネットワークルーティング問題において、PSOはGAを計算効率面で上回ることができるか？

主な発見

• テストされたネットワーク環境において、PSOはGAに比べて最適パスへの収束が著しく速かった。
• 適合度値とホップ数は、PSOとGAの両方において、パス選択と最適化に大きな影響を与える要因であることが判明した。
• 間接符号化によりパスの表現が改善され、解空間の探索がより効率的に行えるようになった。
• PSOは優れた収束速度を示し、リアルタイムまたは動的ルーティングアプリケーションに適している可能性が示された。
• 領域ベースのネットワークモデルによりスケーラビリティが向上し、パス最適化中の計算オーバーヘッドが低減された。
• GAは最適解に到達するまでにより多くのイテレーションを要したため、PSOに比べて計算コストが高かった。