[論文レビュー] An Improved ACS Algorithm for the Solutions of Larger TSP Problems

Md. Rakib Hassan, Md. Kamrul Hasan+1 more|arXiv (Cornell University)|Apr 13, 2013

Metaheuristic Optimization Algorithms Research参考文献 8被引用数 4

ひとこと要約

本稿では、大規模な巡回セールスマン問題（TSP）をより効率的に解くために、遺伝的アルゴリズムにインspiredされた並列探索メカニズムを統合した、強化されたACSアルゴリズムであるRed-Black Ant Colony System（RB-ACS）を提案する。RB-ACSは、既存のアルゴリズムと比較して顕著に優れた性能を示し、ベンチマークインスタンスにおいて収束が速く、解の品質も向上している。

ABSTRACT

Solving large traveling salesman problem (TSP) in an efficient way is a challenging area for the researchers of computer science. This paper presents a modified version of the ant colony system (ACS) algorithm called Red-Black Ant Colony System (RB-ACS) for the solutions of TSP which is the most prominent member of the combinatorial optimization problem. RB-ACS uses the concept of ant colony system together with the parallel search of genetic algorithm for obtaining the optimal solutions quickly. In this paper, it is shown that the proposed RB-ACS algorithm yields significantly better performance than the existing best-known algorithms.

研究の動機と目的

• 大規模な巡回セールスマン問題（TSP）を効率的に解くという挑戦に応えること。TSPは代表的な組み合わせ最適化問題である。
• 大規模なTSPインスタンスにおいて、標準的なアリコロニー・システム（ACS）アルゴリズムの解の品質と収束速度の面で性能を向上させること。
• 特に並列探索と集団ベースの探索という遺伝的アルゴリズムの原則をACSフレームワークに統合し、グローバル探索能力を強化すること。
• アリコロニー最適化と進化的計算の両者の長所を活かしたハイブリッドメタヒューリスティックを構築すること。これは大規模な組み合わせ最適化問題に適している。

提案手法

• RB-ACSアルゴリズムは、探索空間を分割するレッド・ブラック戦略を導入し、異なる役割を担う多数の人工アリによる並列探索を可能にする。
• 局所的およびグローバルな最良解の情報を統合することで、フェロモン更新ルールを強化し、最適または近似的に最適なTSP巡回路への収束を促進する。
• 解の多様性を維持し、早期収束を回避するために、遺伝的アルゴリズムにインspiredした集団ベースのメカニズムを用いる。
• アリは赤または黒のグループに割り当てられ、それぞれ異なる探索と搾取の行動を示す。これにより、解空間全体で協調的かつ並列的な探索が可能になる。
• フェロモン更新メカニズムは、優れた解を優遇しつつ、定期的な再初期化によって多様性を保つことで、探索と搾取の動的バランスを図る。
• 巡回路の長さを用いて解の品質を評価し、アリによる構築とフェロモン強化の複数世代にわたる反復的改善によって解を段階的に精錬する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムにインspiredされた並列探索の統合は、大規模なTSPインスタンスを解く際のアリコロニー・システムの性能を向上させることができるか？
• RQ2 レッド・ブラック分割戦略は、大規模なTSP問題における解の品質と収束速度にどのように影響を与えるか？
• RQ3 ハイブリッドRB-ACSアルゴリズムは、標準ACSおよび他の最先端のTSPソルバーと比較して、解の正確性と実行時間の面でどの程度優れているか？
• RQ4 提案手法は、最適または近似的に最適なTSP巡回路への収束を加速させながら、解の多様性を維持できるか？

主な発見

• RB-ACSアルゴリズムは、大規模なTSPベンチマークにおいて、標準ACSおよび他の既存のアルゴリズムと比較して顕著に優れた解の品質を達成している。
• 遺伝的アルゴリズムにインspiredされた並列探索メカニズムの統合により、アリコロニー・システムの探索能力が向上し、局所最適解に陥るリスクが低減された。
• レッド・ブラック戦略により、解空間の複数の領域を同時に協調的に探索できるため、収束が高速化された。
• 実験的結果から、RB-ACSは大規模なTSPインスタンスにおいて平均巡回路長を短縮し、複数回の実行における一貫性も向上している。
• ベンチマークデータセットにおいて、解の品質と計算効率の両面で、過去の最良解を上回る頑健な性能を示した。