[論文レビュー] A New Metaheuristic Bat-Inspired Algorithm

Xin‐She Yang|arXiv (Cornell University)|Apr 23, 2010

Metaheuristic Optimization Algorithms Research参考文献 10被引用数 311

ひとこと要約

本稿では、マイクロバットのエコロケーション行動に着想を得た新しいメタヒューリスティック最適化手法、Bat Algorithm (BA) を紹介する。周波数の変動、音量、パルス発生レートをモデル化することで、連続的制約付き最適化問題において、粒子群最適化（PSO）および遺伝的アルゴリズム（GA）を凌ぎ、精度と収束速度の面で優れた性能を示した。ベンチマーク関数を用いた評価で、優れた性能が確認された。

ABSTRACT

Metaheuristic algorithms such as particle swarm optimization, firefly algorithm and harmony search are now becoming powerful methods for solving many tough optimization problems. In this paper, we propose a new metaheuristic method, the Bat Algorithm, based on the echolocation behaviour of bats. We also intend to combine the advantages of existing algorithms into the new bat algorithm. After a detailed formulation and explanation of its implementation, we will then compare the proposed algorithm with other existing algorithms, including genetic algorithms and particle swarm optimization. Simulations show that the proposed algorithm seems much superior to other algorithms, and further studies are also discussed.

研究の動機と目的

• 粒子群最適化（PSO）やハーモニー探索法などの既存手法の長所を統合する新しいメタヒューリスティックアルゴリズムの開発を目的とする。
• マイクロバットのエコロケーション行動（周波数変調、音量、パルス発生レート）を計算的最適化フレームワークにモデル化することを目的とする。
• 生物学的インスピレーションを活用して、連続的制約付き問題に特化したより効率的かつ正確な最適化アルゴリズムの構築を目的とする。
• Bat Algorithmの性能を、PSO や遺伝的アルゴリズム（GA）といった既存のメタヒューリスティックと比較することを目的とする。
• 本アルゴリズムが工学的・産業的最適化分野における幅広い応用に適している可能性を検討することを目的とする。

提案手法

• Bat Algorithmでは、各バットを飛行するエージェントとしてモデル化し、周波数、音量、パルス発生レートを調整することで探索空間を探索する。
• 探索と開拓のバランスを制御するため、周波数を線形的に変化させる。高い周波数は、より細かい局所探索を可能にする。
• 音量は時間とともに減少させ、解の品質を反映させる。高い音量は、より優れた解を示す。
• 解の品質が向上するにつれてパルス発生レートが増加し、高品質な領域への高速収束を促進する。
• 現在の最良解、周波数、およびランダム要因に基づいて、新しい解を生成する。
• 適応的パラメータを用いて、探索（多様化）と開拓（強化）の動的バランスを実現する。

実験結果

リサーチクエスチョン

• RQ1 マイクロバットのエコロケーション行動を、メタヒューリスティック最適化アルゴリズムに効果的にモデル化できるか？
• RQ2 標準ベンチマーク関数上で、Bat Algorithmは粒子群最適化（PSO）および遺伝的アルゴリズム（GA）と比較して、どの程度の性能を示すか？
• RQ3 パrameterチューニング（例：alpha および gamma）が収束速度および解の精度に与える影響は何か？
• RQ4 Bat Algorithmは、PSO やハーモニー探索法といった既存のアルゴリズムを一般化したものと見なせるか？
• RQ5 本アルゴリズムは、離散的最適化問題や多目的最適化問題への応用拡張が可能か？

主な発見

• Bat Algorithmは、De Jongの関数、Schwefelの関数、Rastriginの関数を含む12個のベンチマーク関数のうち10個で100％の成功率を達成した。
• 256次元のDe Jongの関数（d=256）において、Bat Algorithmは平均値5273±490を達成し、PSO（17040±1123）およびGA（25412±1237）を著しく上回った。
• 128次元の高次元Ackley関数（d=128）において、Bat Algorithmは6933±2317を達成したが、PSO（23407±4325）およびGA（32720±3327）はそれより劣った。
• 128次元のGriewangkの関数（d=128）において、Bat Algorithmは99％の成功率を示し、平均値9792±4732を達成した。PSO（55970±4223）およびGA（70925±7652）はそれより劣った。
• 周波数変動を除去し、音量をゼロに設定した場合、Bat AlgorithmはPSOと数学的に同等である。また、速度を無視し、パラメータを固定した場合、Harmony Searchと同等の性質を示す。
• アルゴリズムの性能は、特に収束速度と探索・開拓のバランスを制御するalphaおよびgammaのパrameterチューニングに極めて敏感である。