[論文レビュー] An Adaptive Population Size Differential Evolution with Novel Mutation Strategy for Constrained Optimization

Yuan Fu, Wang Hu+1 more|arXiv (Cornell University)|May 11, 2018

Metaheuristic Optimization Algorithms Research参考文献 33被引用数 3

ひとこと要約

本稿では、制約付き最適化のための新しい変異戦略を備えた、適応的集合サイズを有する微分進化（DE）アルゴリズムであるAPDE-NSを提案する。集合サイズを動的に調整し、適応的変異によって探索・活用の両方を強化することで、制約違反を低減し、CEC2017ベンチマーク問題において優れた性能を達成した。本手法は、最先端のアルゴリズムを上回る妥当性と収束性を示した。

ABSTRACT

Differential evolution (DE) has competitive performance on constrained optimization problems (COPs), which targets at searching for global optimal solution without violating the constraints. Generally, researchers pay more attention on avoiding violating the constraints than better objective function value. To achieve the aim of searching the feasible solutions accurately, an adaptive population size method and an adaptive mutation strategy are proposed in the paper. The adaptive population method is similar to a state switch which controls the exploring state and exploiting state according to the situation of feasible solution search. The novel mutation strategy is designed to enhance the effect of status switch based on adaptive population size, which is useful to reduce the constraint violations. Moreover, a mechanism based on multipopulation competition and a more precise method of constraint control are adopted in the proposed algorithm. The proposed differential evolution algorithm, APDE-NS, is evaluated on the benchmark problems from CEC2017 constrained real parameter optimization. The experimental results show the effectiveness of the proposed method is competitive compared to other state-of-the-art algorithms.

研究の動機と目的

• 制約付き最適化問題（COPs）を解く際の微分進化の性能を向上させ、制約違反を低減すること。
• 探索と活用のバランスを、集合サイズの適応的制御によって向上させること。
• 探索状態と活用状態の間を効果的に切り替えられる新しい変異戦略の設計。
• 複数集合間の競争と正確な制約処理を統合し、収束性と妥当性を向上させること。
• 提案手法をCEC2017の制約付き実数パラメータ最適化ベンチマークセット上で評価すること。

提案手法

• 妥当解の検出進捗に基づいて、探索モードと活用モードを切り替える適応的集合サイズメカニズムを導入した。
• 集合サイズの適応的制御の効果を強化する新しい変異戦略を設計し、収束性の向上と制約違反の低減を実現した。
• 多集合間競争メカニズムを採用し、多様性を維持するとともに、妥当領域への探索を導く。
• 進化過程における制約処理をより効果的に行うために、正確な制約制御手法を適用した。
• APDE-NSとして、適応的集合制御、新しい変異戦略、強化された制約処理を統合した統一フレームワークを構築した。
• CEC2017ベンチマークスイートの30の制約付きテスト問題に対して、アルゴリズムを評価した。

実験結果

リサーチクエスチョン

• RQ1 適応的集合サイズ制御は、制約付き最適化における微分進化の収束性と妥当性にどのように影響するか？
• RQ2 提案された新しい変異戦略は、制約処理と探索効率をどの程度向上させるか？
• RQ3 多集合間競争は、制約付き微分進化における多様性と収束性を向上させることができるか？
• RQ4 APDE-NSは、CEC2017の制約付き最適化ベンチマークで、最先端の手法と比較してどのように評価されるか？
• RQ5 正確な制約制御は、アルゴリズム全体の性能にどのような影響を与えるか？

主な発見

• APDE-NSは、CEC2017の制約付き最適化ベンチマークセットにおいて、他の最先端のアルゴリズムと同等の性能を達成した。
• 適応的集合サイズメカニズムは、探索と活用のバランスを効果的にとらえ、収束速度と解の品質を向上させた。
• 新しい変異戦略は、最適化プロセス中における制約違反を顕著に低減した。
• 多集合間競争の統合により、集合の多様性が向上し、早期収束の防止が達成された。
• 正確な制約制御メカニズムは、より高い妥当性と最適解への迅速な収束に寄与した。
• 実験的結果から、APDE-NSは大多数のCEC2017テスト問題において、既存のアルゴリズムを上回るか同等の性能を示したことが明らかになった。