[論文レビュー] BAS: Beetle Antennae Search Algorithm for Optimization Problems

Xiangyuan Jiang, Shuai Li|arXiv (Cornell University)|Oct 30, 2017

Metaheuristic Optimization Algorithms Research参考文献 4被引用数 48

ひとこと要約

本稿では、長さの長い触角を使ってフェロモン勾配を検出するコガネムシの採餌行動に着想を得た、新たなメタヒューリスティック最適化手法であるバッタアンテナサーチ（BAS）アルゴリズムを提案する。このアルゴリズムは、方向性のあるランダムサーチと左右の触角による比較に基づく勾配更新を用い、探索と活用のバランスを図り、ミハエレヴィッチ関数やゴールドシュタイン＝プライス関数といったベンチマーク関数において、高い精度でグローバル最適解に収束することを達成した。

ABSTRACT

Meta-heuristic algorithms have become very popular because of powerful performance on the optimization problem. A new algorithm called beetle antennae search algorithm (BAS) is proposed in the paper inspired by the searching behavior of longhorn beetles. The BAS algorithm imitates the function of antennae and the random walking mechanism of beetles in nature, and then two main steps of detecting and searching are implemented. Finally, the algorithm is benchmarked on 2 well-known test functions, in which the numerical results validate the efficacy of the proposed BAS algorithm.

研究の動機と目的

• 長hornコガネムシの採餌行動に着想を得た新しいメタヒューリスティック最適化アルゴリズムの開発。
• コガネムシの触角を用いた臭覚検出およびランダムウォーク行動を、計算的最適化フレームワークにモデル化すること。
• 適応的センシング長さとステップサイズを用いて、グローバル最適化における探索と活用のバランスを図ること。
• グローバル最小値への収束を標準ベンチマーク関数で検証すること。
• 既存のメタヒューリスティクス（PSO、GWO、CSなど）と比較して、単純かつ効果的な代替手法を提供すること。

提案手法

• アルゴリズムは、長さの長い触角を二重センサーとしてモデル化し、ランダム単位ベクトル $\vec{b}$ を用いて左右方向を走査する。
• 候補位置 $\bm{x}_r = \bm{x}^t + d^t\vec{b}$ および $\bm{x}_l = \bm{x}^t - d^t\vec{b}$ を計算し、左右の触角による検出を模倣する。
• バッタの移動は $\bm{x}^t = \bm{x}^{t-1} + \delta^t \cdot \text{sign}(f(\bm{x}_r) - f(\bm{x}_l))$ により更新され、適合度が高い側に有利に進む。
• センシング長 $d^t$ とステップサイズ $\delta^t$ は、$d^t = 0.95d^{t-1} + 0.01$ および $\delta^t = 0.95\delta^{t-1}$ を用いて時間経過とともに適応的に減少させる。
• 外部の最良解 $\bm{x}_{\text{bst}}$ を維持し、より良い適合度が得られた場合に更新する。
• この手法は、導関数を必要とせず、集団を必要とせず、パラメータに敏感なアルゴリズムとして、連続最適化に適している。

実験結果

リサーチクエスチョン

• RQ1 コガネムシの触角行動に基づく生物学的インspirationを得たアルゴリズムは、グローバル最適化問題を効果的に解けるか？
• RQ2 BASアルゴリズムは、探索プロセス中に探索と活用のバランスをどのようにとっているか？
• RQ3 ミハエレヴィッチ関数やゴールドシュタイン＝プライス関数などの標準ベンチマーク関数において、BASの収束性能はいかがなっているか？
• RQ4 適応的パラメータ $d^t$ と $\delta^t$ は、局所的最小値からの脱出能力にどのように影響を与えるか？
• RQ5 GWO、CS、PSOといった既存のメタヒューリスティクスと比較して、BASは競争力のある精度を達成できるか？

主な発見

• 2次元ミハエレヴィッチ関数において、BASは $f_{\text{bst}} = -1.8008$ の最良適合度値を達成し、グローバル最小値 $f_* \approx -1.801$ に非常に近い値に収束した。
• 解は $\bm{x}_{\text{bst}} = [2.1997, 1.5679]^T$ に位置し、真の最適解 $[2.20319, 1.57049]^T$ に非常に近い。
• ゴールドシュタイン＝プライス関数において、BASは $f_{\text{bst}} = 3.0064$ に収束し、グローバル最小値 $f_* = 3$ に近づいた。
• 解は $\bm{x}_{\text{bst}} = [0.0052507, -0.99933]^T$ に位置し、グローバル最小値を高精度で特定した。
• 探索軌道および収束曲線の可視化により、100イテレーション以内に安定的かつ迅速な収束が確認された。
• アルゴリズムは局所的最小値を効果的に回避し、マルチモーダル最適化の環境においても頑健であることが示された。