[論文レビュー] A Novel Crossover Operator for Genetic Algorithms: Ring Crossover

Yılmaz Kaya, Murat Uyar+1 more|arXiv (Cornell University)|May 2, 2011

Metaheuristic Optimization Algorithms Research参考文献 5被引用数 48

ひとこと要約

本稿では、収束速度と解の品質を向上させるために設計された、遺伝的アルゴリズム向けの新しいクロスオーバー演算子「リングクロスオーバー」を紹介する。親の染色体を円環構造に配置し、リング状のパターンで遺伝的物質を交換することで、多様性と探索性が向上し、ベンチマークテスト関数において従来の演算子を上回る性能を示し、最適化の効率性と正確性が顕著に向上した。

ABSTRACT

The genetic algorithm (GA) is an optimization and search technique based on the principles of genetics and natural selection. A GA allows a population composed of many individuals to evolve under specified selection rules to a state that maximizes the "fitness" function. In that process, crossover operator plays an important role. To comprehend the GAs as a whole, it is necessary to understand the role of a crossover operator. Today, there are a number of different crossover operators that can be used in GAs. However, how to decide what operator to use for solving a problem? A number of test functions with various levels of difficulty has been selected as a test polygon for determine the performance of crossover operators. In this paper, a novel crossover operator called 'ring crossover' is proposed. In order to evaluate the efficiency and feasibility of the proposed operator, a comparison between the results of this study and results of different crossover operators used in GAs is made through a number of test functions with various levels of difficulty. Results of this study clearly show significant differences between the proposed operator and the other crossover operators.

研究の動機と目的

• 複雑な最適化問題における遺伝的アルゴリズムの最適クロスオーバー演算子の選択という課題に取り組む。
• 遺伝的多様性を高める新しいクロスオーバーメカニズムを導入することで、解の品質と収束速度を向上させる。
• 標準化されたテスト関数を用いて、提案されたリングクロスオーバーの性能を既存のクロスオーバー演算子と比較する。
• リングクロスオーバーがさまざまな複雑度の問題において優れた最適化行動を示す実証的証拠を提供する。

提案手法

• リングクロスオーバー演算子は、2つの親染色体を円環構造に配置し、非連続なセグメントの交換を可能にする。
• 2つのランダムなクロスオーバー点を選択し、それらの間でリング状の方法で遺伝的物質を交換することで、両親からの遺伝的情報をより多く保持する。
• 染色体のリング構造を維持することで、構造的連続性を保ち、後代が両親の両方の特徴をバランスよく受け継ぐようにする。
• 固定されたクロスオーバー点の数を用い、リング構造を応用して多様性の高い後代を生成する。
• 収束速度と適合度の向上を評価するために、難易度の異なる標準テスト関数を用いて性能を評価する。
• シングルポイント、ツーポイント、ユニフォームクロスオーバーなどの古典的演算子と比較して、統計的分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 複雑な最適化問題において、リングクロスオーバーは従来のクロスオーバー演算子と比較して収束速度にどのような差を示すか？
• RQ2 リングクロスオーバーは進化的プロセス中、どの程度遺伝的多様性を向上させるか？
• RQ3 既存の演算子と比較して、リングクロスオーバーはベンチマーク関数でより優れた適合度値を達成できるか？
• RQ4 リング構造は、さまざまな問題の難易度にわたり、解の品質を向上させるか？

主な発見

• リングクロスオーバーは、シングルポイント、ツーポイント、ユニフォームクロスオーバーと比較して、全テストベンチマーク関数でより速い収束速度を示した。
• 提案された演算子は、高難易度のテスト関数において顕著に優れた適合度値を達成し、優れた最適化能力を示した。
• 結果として、集団内の多様性が向上し、早期収束のリスクが低減され、探索空間の網羅的探索が向上した。
• リング構造により、遺伝的物質のよりバランスの取れた継承が可能となり、初期世代においても高品質な後代が得られた。