[論文レビュー] Biclustering Algorithms Based on Metaheuristics: A Review

Adán José-García, Julie Jacques+2 more|arXiv (Cornell University)|Mar 30, 2022

Sustainable Supply Chain Management被引用数 4

ひとこと要約

本論文は、メタヒューリスティクスに基づくバイクラスタリングアルゴリズムの包括的レビューを提供し、単一および多目的最適化フレームワークにおける符号化方式、目的関数、変異演算子を分析している。バイクラスタの表現と評価における主な課題を特定し、多目的および多数目的の進化的アルゴリズムの可能性を強調するとともに、トライクラスタリング、異種データ、マルチビュー型バイクラスタリングといった新たな研究分野を提示している。

ABSTRACT

Biclustering is an unsupervised machine learning technique that simultaneously clusters rows and columns in a data matrix. Biclustering has emerged as an important approach and plays an essential role in various applications such as bioinformatics, text mining, and pattern recognition. However, finding significant biclusters is an NP-hard problem that can be formulated as an optimization problem. Therefore, different metaheuristics have been applied to biclustering problems because of their exploratory capability of solving complex optimization problems in reasonable computation time. Although various surveys on biclustering have been proposed, there is a lack of a comprehensive survey on the biclustering problem using metaheuristics. This chapter will present a survey of metaheuristics approaches to address the biclustering problem. The review focuses on the underlying optimization methods and their main search components: representation, objective function, and variation operators. A specific discussion on single versus multi-objective approaches is presented. Finally, some emerging research directions are presented.

研究の動機と目的

• 既存の文献におけるギャップを補うために、バイクラスタリングに向けたメタヒューリスティクス的手法の体系的レビューを提供すること。
• 表現、目的関数、変異演算子を含む、メタヒューリスティクスに基づくバイクラスタリングのコアな要素を分析すること。
• バイクラスタリング応用における単目的と多目的最適化戦略の比較。
• トライクラスタリング、異種データ、マルチビュー型バイクラスタリングといった、新たな研究課題の特定。
• バイクラスタリング研究における標準化されたベンチマークと生物学的に意味のある評価指標の導入を提唱すること。

提案手法

• バイクラスタリング問題を、ヒューリスティックな解決が求められるNP困難な組合せ最適化問題として分類する。
• 整数表現とバイナリ表現を含む符号化方式をレビューし、単一および複数のバイクラスタを符号化する際の適正性に焦点を当てる。
• 平均二乗残差、分散、一貫性モデル（加法的、乗法的）といったバイクラスタ品質指標に基づく目的関数を分析する。
• 遺伝的アルゴリズム、シミュレーテッドアニーリング、および他の自然にインspiredなメタヒューリスティクスにおける変異および交叉演算子を検討する。
• 1つのバイクラスタ品質指標を一度に最適化する単目的メタヒューリスティクス（例：GA、PSO、ACO）を評価する。
• 複数のバイクラスタ品質基準を同時に最適化できる多目的および多数目的の進化的アルゴリズム（例：NSGA-III、MOEA/D）を検討する。

実験結果

リサーチクエスチョン

• RQ1 異なるメタヒューリスティクスアルゴリズムは、さまざまなデータタイプにおいてバイクラスタ品質と計算効率の観点でどのように比較されるか？
• RQ2 メタヒューリスティクスフレームワークにおけるバイクラスタの表現と進化に最も効果的な符号化方式と変異演算子は何か？
• RQ3 単目的と多目的最適化戦略は、多様で意味のあるバイクラスタを発見する能力においてどのように異なるか？
• RQ4 特に生物学的または統計的有意性の観点から、バイクラスタリング結果の評価における主な課題は何か？
• RQ5 トライクラスタリングおよびマルチビュー型データを含め、メタヒューリスティクスに基づくバイクラスタリングを前進させるために、どの今後の研究分野が最も有望か？

主な発見

• 遺伝的アルゴリズム、粒子群最適化、および蟻コロニー最適化などのメタヒューリスティクスは、合理的な時間内にNP困難なバイクラスタリング問題を効果的に解ける。
• 特に1つの解に複数のバイクラスタを符号化する場合、整数表現はバイナリ表現よりも一般的に効果的である。
• NSGA-III や MOEA/D といった多目的メタヒューリスティクスは、複数のバイクラスタ品質基準を同時に最適化する可能性を示しているが、解の選択が依然として課題である。
• 現在、バイクラスタリング用の標準化されたベンチマークデータセットが存在しないため、アルゴリズム間の公平な比較が制限されており、包括的かつ多様なテストセットの開発が不可欠である。
• 時間的次元を含むバイクラスタリングの拡張であるトライクラスタリングは、多目的フレームワークにおいてまだ十分に調査されておらず、大きな研究機会を秘めている。
• 電子的健康記録のような異種データへのメタヒューリスティクスに基づくバイクラスタリングの応用は限定的であるが、データの疎らさと効率的な列挙戦略の必要性から、前向きな可能性を示している。