[論文レビュー] A Review on Constraint Handling Techniques for Population-based Algorithms: from single-objective to multi-objective optimization

Iman Rahimi, Amir H. Gandomi+2 more|arXiv (Cornell University)|Jun 28, 2022

Metaheuristic Optimization Algorithms Research被引用数 7

ひとこと要約

本論文は、2000年から2020年までの期間にわたり、集団ベースの最適化アルゴリズムにおける制約処理技術について、単一目的および多目的問題を網羅的にレビューしている。遺伝的アルゴリズム、微分進化、粒子群最適化が最も効果的な手法であると特定している一方で、単一目的問題に比べて多目的制約付き最適化における顕著な研究ギャップが存在することを強調している。

ABSTRACT

This presented study provides a novel analysis of scholarly literature on constraint handling techniques for single-objective and multi-objective population-based algorithms according to the most relevant journals, keywords, authors, and articles. The paper reviews the main ideas of the most state-of-the-art constraint handling techniques in multi-objective population-based optimization, and then the study addresses the bibliometric analysis in the field. The extracted papers include research articles, reviews, book/book chapters, and conference papers published between 2000 and 2020 for the analysis. The results indicate that the constraint handling techniques for multi-objective optimization have received much less attention compared with single-objective optimization. The most promising algorithms for such optimization were determined to be genetic algorithms, differential evolutionary algorithms, and particle swarm intelligence.

研究の動機と目的

• 集団ベースの最適化アルゴリズムにおける制約処理技術の現状を、単一目的および多目的問題の両面から分析すること。
• 2000年から2020年までの制約付き最適化研究において最も頻繁に使用されたアルゴリズムと技術を同定すること。
• 分野の学術的文献を対象とした文献計測的分析を通じて、研究動向とギャップを評価すること。
• 遺伝的アルゴリズム、微分進化、粒子群最適化の性能と適用可能性を、制約付き多目的最適化の文脈で評価すること。
• 単一目的アプローチに比べて、現在の文献における多目的制約付き最適化の未反映状態を強調すること。

提案手法

• 2000年から2020年までの間、学術論文、レビュー、書籍の章、カンファレンス論文を対象とした体系的文献レビューを実施した。
• キーワード、著者、学術雑誌、引用データを用いた文献計測的分析により、研究動向と貢献をマッピングした。
• 罰則関数、実行可能性ルール、修復手法、多目的固有の戦略などのカテゴリーに分類して制約処理技術を分類した。
• 特に遺伝的アルゴリズム、微分進化、粒子群最適化を含む集団ベースのアルゴリズムの制約処理における性能と人気を評価した。
• 単一目的および多目的最適化の文脈における制約処理技術の頻度と分布を分析した。
• 統計的および可視化ツールを用いて、分野における研究クラスタ、影響力のある著者、出版動向を同定した。

実験結果

リサーチクエスチョン

• RQ1 単一および多目的集団ベースの最適化アルゴリズムで使用されている、最も一般的な制約処理技術は何か？
• RQ2 2000年から2020年までの間、集団ベースのアルゴリズムにおける制約処理の研究焦点はどのように変化したか？
• RQ3 制約付き多目的最適化において、最も効果的で人気のある集団ベースのアルゴリズムはどれか？
• RQ4 文献において、単一目的と多目的制約付き最適化の間で、相対的な研究注目度はどのようになっているか？
• RQ5 多目的集団ベースの最適化における制約処理の現状における主なギャップと課題は何か？

主な発見

• 多目的最適化における制約処理技術は、単一目的最適化に比べて著しく研究が遅れている。
• 遺伝的アルゴリズム、微分進化、粒子群最適化は、制約付き多目的最適化において最も顕著で有望なアルゴリズムである。
• 罰則関数、実行可能性ルール、修復手法は、レビュー対象文献で最も一般的に使用された制約処理戦略である。
• 文献計測的分析により、多目的制約付き最適化における明確な研究ギャップが明らかになった。この分野では、高インパクトの出版が少なく、引用密度も低い。
• 分野における最も影響力のある学術雑誌と著者は特定され、研究は主に最適化と制御分野に集中している。
• 本研究は、単一目的制約付き最適化が多様な技術を備えて成熟している一方で、多目的制約付き最適化は未開拓であり、開発が不十分であることを確認した。