[論文レビュー] Beetle Swarm Optimization Algorithm:Theory and Application

Tiantian Wang, Long Yang|arXiv (Cornell University)|Aug 1, 2018

Metaheuristic Optimization Algorithms Research参考文献 48被引用数 37

ひとこと要約

本稿では、ハエの採餌行動に着想を得た新規メタヒューリスティックであるビートルスワーム最適化（BSO）アルゴリズムを提案する。このアルゴリズムは、特徴的な飛行メカニズムと近隣基準探索戦略を用いて、探索効率を向上させる。23個のベンチマーク関数および2つの工学的設計問題に対して評価された結果、BSOはPSO、GA、およびグレッグホッパー最適化アルゴリズムを上回る収束速度と解の精度を達成した。

ABSTRACT

In this paper, a new meta-heuristic algorithm, called beetle swarm optimization algorithm, is proposed by enhancing the performance of swarm optimization through beetle foraging principles. The performance of 23 benchmark functions is tested and compared with widely used algorithms, including particle swarm optimization algorithm, genetic algorithm (GA) and grasshopper optimization algorithm . Numerical experiments show that the beetle swarm optimization algorithm outperforms its counterparts. Besides, to demonstrate the practical impact of the proposed algorithm, two classic engineering design problems, namely, pressure vessel design problem and himmelblaus optimization problem, are also considered and the proposed beetle swarm optimization algorithm is shown to be competitive in those applications.

研究の動機と目的

• ハエ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アルゴリズムの開発を通じて、最適化性能の向上を図ること。
• 複雑な探索空間における収束速度と解の品質の向上を図ること。
• 標準ベンチマーク関数および実世界の工学的問題に対するアルゴリズムの有効性を検証すること。
• PSO、GA、およびグレッグホッパー最適化アルゴリズムといった既存のアルゴリズムと比較して、BSOの性能を評価すること。
• BSOの工学的設計最適化における実用的適用可能性を示すこと。

提案手法

• アルゴリズムは、探索空間内でのランダム移動と指向的移動を模倣する飛行メカニズムを用いて、ハエの採餌行動をモデル化する。
• 各ハエエージェントは、これまでに発見された最良の解への引力とランダム探索の組み合わせに基づいて、自身の位置を更新する。
• 局所的探索の向上と早期収束の回避を目的として、近隣基準探索戦略が導入されている。
• 探索と拡張のバランスを保つために、反復回数に応じて段階的に減少する動的ステップサイズが使用される。
• 位置の更新は、最良の解とランダムノイズを統合するコア方程式に従う。
• アルゴリズムは、探索空間内の候補解を表すエージェントの集合で実装される。

実験結果

リサーチクエスチョン

• RQ1 ハエの採餌行動を模倣したメカニズムは、既存のメタヒューリスティックと比較して最適化性能をどのように向上させるか？
• RQ2 BSOアルゴリズムは、標準ベンチマーク関数において、より速い収束速度と高い精度を達成できるか？
• RQ3 BSOは、圧力容器設計問題やヒムベルブロー関数といった実世界の工学的設計問題において、どのように性能を発揮するか？
• RQ4 近隣基準探索戦略は、局所最適解に陥るリスクにどのように影響を与えるか？
• RQ5 PSO、GA、およびグレッグホッパー最適化アルゴリズムと比較して、BSOの性能はいかがなものか？

主な発見

• 23個のベンチマーク関数において、BSOはPSO、GA、およびグレッグホッパー最適化アルゴリズムを上回り、収束速度と解の品質の両面で優れた性能を示した。
• 圧力容器設計問題において、BSOは他の比較対象アルゴリズムよりもグローバル最適解に近い解を発見した。
• ヒムベルブロー関数において、BSOはグローバル最小値をより速くかつ高精度に特定する能力を示した。
• さまざまなテスト関数において、パラメータチューニングなしで一貫した性能を維持するという、アルゴリズムの頑健性が確認された。
• 近隣基準探索戦略の統合により、局所最適解に陥る可能性が顕著に低減された。
• 数値実験により、BSOは単峰型および多峰型最適化タスクの両方において、既存のメタヒューリスティックと競合可能であり、しばしばそれを上回ることが確認された。