[論文レビュー] Bat Algorithm is Better Than Intermittent Search Strategy

Xin‐She Yang, Suash Deb+1 more|arXiv (Cornell University)|Aug 22, 2014

Diffusion and Search Dynamics参考文献 18被引用数 15

ひとこと要約

本稿では、バットアルゴリズム（BA）が、グローバル最適化におけるローカルな搾取とグローバルな探索のバランスを、間欠的探索戦略（ISS）よりも優れていると提案している。ベンチマーク関数および実世界の工学的問題におけるシミュレーションを通じて、BAはより少ない関数評価回数で優れた収束速度と解の品質を達成し、高次元および制約付き最適化タスクにおける効率性を示している。

ABSTRACT

The efficiency of any metaheuristic algorithm largely depends on the way of balancing local intensive exploitation and global diverse exploration. Studies show that bat algorithm can provide a good balance between these two key components with superior efficiency. In this paper, we first review some commonly used metaheuristic algorithms, and then compare the performance of bat algorithm with the so-called intermittent search strategy. From simulations, we found that bat algorithm is better than the optimal intermittent search strategy. We also analyse the comparison results and their implications for higher dimensional optimization problems. In addition, we also apply bat algorithm in solving business optimization and engineering design problems.

研究の動機と目的

• メタヒューリスティックアルゴリズムにおけるローカルな搾取とグローバルな探索のバランスを調査すること。
• 間欠的探索戦略（ISS）—探索行動の理論的モデル—と比較して、バットアルゴリズム（BA）の性能を評価すること。
• BAがISSよりも少ない関数評価回数でより優れた最適化効率を達成できるかどうかを特定すること。
• 実世界の工学的およびビジネス的最適化問題において、BAの有効性を検証すること。
• アルゴリズム依存のパrameterチューニングのための理論的および実証的知見を提供すること。

提案手法

• BAを2次元のマルチモーダル目的関数に適用し、その搾取・探索ダイナミクスを分析する。
• 理論的ランダムウォークに基づく探索に周期的な一時停止を組み込んだ、間欠的探索戦略（ISS）を比較のベンチマークとして用いる。
• 収束速度と解の品質を比較するために、複数のテスト関数でシミュレーションを実施する。
• BAは、コウノトリのエコロケーションを模倣した周波数調整、速度更新、および局所探索メカニズムを用いる。
• スプリング設計および溶接梁設計といった制約付き工学的問題に、アルゴリズムを適用し、明示的な目的関数と制約条件を含める。
• 30の活動を含むビジネス最適化問題における性能検証に、サポートベクターマシン（SVM）のベンチマークを用いる。

実験結果

リサーチクエスチョン

• RQ1 バットアルゴリズムは、間欠的探索戦略よりもローカルな搾取とグローバルな探索のバランスをより良く達成できるか？
• RQ2 マルチモーダルテスト関数において、バットアルゴリズムはISSと比較して収束速度と解の正確性で優れているか？
• RQ3 バットアルゴリズムは、高次元および制約付き工学的最適化問題においてどのように性能を発揮するか？
• RQ4 バットアルゴリズムは、最適または準最適解に到達するための関数評価回数を、ISSよりも削減できるか？
• RQ5 理論的ISSモデルと実際のメタヒューリスティクス行動との間の観察された差異が、アルゴリズム設計に与えるインパクトは何か？

主な発見

• J=30のジョブショップスケジューリング問題において、5000イテレーションでBAは最適解からの平均偏差0.049を達成し、PSO（0.21）およびハイブリッドGA（0.06）を上回った。
• スプリング設計問題では、BAはf* = 0.012665の解を(x1, x2, x3) = (0.051690, 0.356750, 11.287126)で得ており、高い精度と制約の満たし方を示した。
• 溶接梁設計では、BAは最適設計ベクトル(x1, x2, x3, x4) = (0.2057, 3.4705, 9.0366, 0.2057)で最小コストf(x*) = 1.724852308598を達成した。
• BAは、同等またはより優れた解に到達するための関数評価回数が、間欠的探索戦略（ISS）よりも顕著に少なかった。
• 本研究では、理論的間欠的探索モデルと実際のメタヒューリスティクス（例：BA）の行動との間に顕著なギャップがあることが判明し、現在の理論的フレームワークの限界を示唆した。
• 実証的結果から、BAが特に高次元および非線形最適化問題において、探索と搾取の優れたバランスを提供することが確認された。