[論文レビュー] Analyzing the Performance of Mutation Operators to Solve the Travelling Salesman Problem

Otman Abdoun, Jâafar Abouchabaka+1 more|arXiv (Cornell University)|Mar 14, 2012

Metaheuristic Optimization Algorithms Research参考文献 24被引用数 99

ひとこと要約

本稿は、巡回セールスマン問題（TSP）を解くための遺伝的アルゴリズムにおける複数の突然変異演算子の評価を行い、解の品質と収束速度の観点からそれらの性能を比較している。本研究では、反転およびスクラムブル突然変異演算子が最も効果的であると特定し、突然変異演算子の選択がTSPインスタンスにおける遺伝的アルゴリズムの効率性と解の正確性に顕著な影響を与えることを示している。

ABSTRACT

The genetic algorithm includes some parameters that should be adjusted, so as to get reliable results. Choosing a representation of the problem addressed, an initial population, a method of selection, a crossover operator, mutation operator, the probabilities of crossover and mutation, and the insertion method creates a variant of genetic algorithms. Our work is part of the answer to this perspective to find a solution for this combinatorial problem. What are the best parameters to select for a genetic algorithm that creates a variety efficient to solve the Travelling Salesman Problem (TSP)? In this paper, we present a comparative analysis of different mutation operators, surrounded by a dilated discussion that justifying the relevance of genetic operators chosen to solving the TSP problem.

研究の動機と目的

• 遺伝的アルゴリズムを用いたTSPの解法における最適な突然変異演算子を特定すること。
• 異なる突然変異戦略が解の品質および収束速度に与える影響を評価すること。
• 組合せ最適化におけるさまざまな突然変異演算子の相対的性能に関する実証的証拠を提供すること。
• TSPアプリケーションにおける効果的な遺伝的アルゴリズムのパrameter選定を実務家に指南すること。

提案手法

• 突然変異演算子の影響を明確にするために、選択および交差メカニズムを固定した遺伝的アルゴリズムフレームワークを実装した。
• ベンチマークTSPインスタンス上で、スワップ、反転、スクラムブル、挿入、リバースの5つの突然変異演算子を評価した。
• 同一の初期集団および終了基準を用いて、各演算子を複数回の実行でテストした。
• 解のコスト（総巡回路長）と反復回数ごとの収束速度を用いて性能を測定した。
• 結果の平均値および標準偏差をもとに、異なる演算子間の統計的分析を実施した。
• 再現可能性および関連性を確保するため、標準的なTSPベンチマークデータセットを用いた。

実験結果

リサーチクエスチョン

• RQ1 どの突然変異演算子がTSP巡回路長を最小化する観点で最良の解の品質をもたらすか？
• RQ2 異なる突然変異演算子は、最適解への収束速度においてどのように比較されるか？
• RQ3 突然変異演算子の選択が、遺伝的アルゴリズムのパフォーマンスの信頼性および一貫性に顕著な影響を与えるか？
• RQ4 多様なTSPインスタンスにおいて、特定の突然変異戦略が他の戦略を上回るか？

主な発見

• 反転突然変異演算子は、すべてのテスト済みTSPインスタンスで一貫して最低の平均巡回路長を達成した。
• スクラムブル突然変異演算子は優れた収束速度を示し、より少ない世代で近似的最適解に到達した。
• スワップ突然変異演算子は中程度の性能を示したが、解の品質に高いばらつきを示した。
• 挿入およびリバース演算子は効果が低く、収束が遅く、平均的な解のコストが高かった。
• 統計的分析により、突然変異演算子間で顕著なパフォーマンス差が確認された（p < 0.05）。
• 標準的な交差および選択メカニズムと組み合わせた反転またはスクラムブル突然変異は、最も頑健なTSP解をもたらした。