[論文レビュー] A Parallel Genetic Algorithm for Generalized Vertex Cover Problem

Drona Pratap Chandu|arXiv (Cornell University)|Nov 27, 2014

Smart Parking Systems Research参考文献 4被引用数 4

ひとこと要約

本稿では、Hadoop Map-Reduceフレームワーク上で実装された並列遺伝的アルゴリズムを提案し、一般化頂点被覆問題（GVCP）を効率的に解くことを目的としている。遺伝的アルゴリズムの集団評価と選択を複数のノードに分散させることで、計算時間を顕著に短縮しつつも、解の品質を維持することができ、大規模なインスタンスにおいてスケーラビリティと性能向上を示している。

ABSTRACT

This paper presents a parallel genetic algorithm for generalised vertex cover problem (GVCP) using Hadoop Map-Reduce framework. The proposed Map-Reduce implementation helps to run the genetic algorithm for generalized vertex cover problem (GVCP) on multiple machines parallely and computes the solution in relatively short time.

研究の動機と目的

• 一般化頂点被覆問題（GVCP）の計算複雑性に対処すること。GVCPはNP困難であり、大規模なグラフに対しては困難である。
• 大規模なグラフインスタンスを処理できるスケーラブルで効率的な解決策を、並列化を用いて設計すること。
• Hadoop Map-Reduceフレームワークを活用して、複数のマシンにわたり遺伝的アルゴリズムの処理を分散すること。
• 逐次的手法と比較して、実行時間のパフォーマンスを向上させつつ、解の品質を維持すること。

提案手法

• 提案手法は、Hadoop Map-Reduceパラダイムを用いて、遺伝的アルゴリズム集団の個体に対する適応度の評価を分散処理する。
• 遺伝的アルゴリズムは、選択、交差、変異という標準的な演算子を用い、マップおよびリダスフェーズで並列に適用する。
• 各マップタスクは、与えられたグラフインスタンス上で集団のサブセットの適応度を評価し、リダスフェーズで結果を集約する。
• アルゴリズムは世代を重ねて集団を進化させるが、並列実行により収束が加速される。
• 実装では、頂点被覆解を表すために2進数の染色体表現を用い、各遺伝子が頂点の包含を示す。
• フレームワークにより、Hadoopクラスタにノードを追加することで水平スケーリングが可能となり、スループットが向上し、ウォールクロック時間も短縮される。

実験結果

リサーチクエスチョン

• RQ1 Hadoop Map-Reduce上で実装された並列遺伝的アルゴリズムは、大規模なスケールで一般化頂点被覆問題を効果的に解けるか？
• RQ2 実行時間と解の品質の観点から、並列実装は逐次的遺伝的アルゴリズムと比べてどのように異なるか？
• RQ3 Map-Reduceモデルは、組合せ最適化のための遺伝的アルゴリズム演算を効率的に分散できるか？
• RQ4 Hadoop環境において、水平スケーリングを用いることで、GVCPに対してどの程度のパフォーマンス向上が達成できるか？

主な発見

• 並列遺伝的アルゴリズムは、Hadoopクラスタ内の複数のノードに適応度評価と選択を分散させることで、顕著な高速化を達成した。
• 実装はスケーラブルであり、ノード数を増やすことでウォールクロック実行時間が短縮された。
• 解の品質は逐次的手法と同等であり、並列化によってアルゴリズムの有効性が低下していないことが示された。
• Map-Reduceモデルは遺伝的アルゴリズム演算の分散を効果的にサポートしており、ノード間での負荷分散が効率的に行えた。
• 時間的制約により逐次実行では不可能だった大規模なGVCPインスタンスを解けるようになった。
• ベンチマークインスタンスを用いた検証により、クラスタサイズが増加するにつれて一貫したパフォーマンス向上が得られた。