[論文レビュー] Cloud-based Evolutionary Algorithms: An algorithmic study

J. J. Merelo, Maribel García-Arenas+4 more|arXiv (Cornell University)|May 31, 2011

Distributed and Parallel Computing Systems参考文献 13被引用数 5

ひとこと要約

本稿では、ドロップボックスをファイル同期サービスとして使用するクラウドベースの進化的アルゴリズムフレームワークを提案し、異種のマシン間で分散かつ非同期的な計算を可能にする。MMDPのような複雑な問題において、並列評価を活用することで、このアプローチが解法時間を顕著に短縮することを示しているが、性能向上は移行間隔のチューニングおよびドロップボックス固有の遅延の管理に大きく依存する。

ABSTRACT

After a proof of concept using Dropbox(tm), a free storage and synchronization service, showed that an evolutionary algorithm using several dissimilar computers connected via WiFi or Ethernet had a good scaling behavior in terms of evaluations per second, it remains to be proved whether that effect also translates to the algorithmic performance of the algorithm. In this paper we will check several different, and difficult, problems, and see what effects the automatic load-balancing and asynchrony have on the speed of resolution of problems.

研究の動機と目的

• 無料で広く利用可能なクラウドストレージサービス（例：ドロップボックス）を、分散進化的計算の通信媒体として使用する可能性を検討すること。
• クラウドストレージサービスに内在する非同期性と負荷分散が、進化的計算におけるアルゴリズムの性能に好影響を及えるかどうかを調査すること。
• ノード数、移行頻度、問題の難易度が解法時間および成功確率に与える影響を特定すること。
• ファイル同期に起因する遅延があるにもかかわらず、複雑で評価が遅い問題に対して、このアプローチが実用的かどうかを評価すること。

提案手法

• ドロップボックスを共有で非同期的なファイル同期サービスとして用い、分散進化的アルゴリズムのノード間で集団データを交換する。
• 各ノードが独立して実行され、所定の間隔でドロップボックスを介して集団を同期する島型進化的アルゴリズムアーキテクチャを採用する。
• レースコンディションを最小限に抑えるために、各ノードに対して1秒のヒューリスティックな遅延を設定し、ドロップボックスデーモンによるファイル転送完了を待機する。
• P-Peaks（単純）とMMDP（複雑）の2つのベンチマーク問題に対して性能を測定し、解法時間と評価回数を追跡する。
• 性能および収束速度への影響を調査するため、移行間隔（40、60、100世代ごと）をチューニングする。
• 異なる設定において比較の基準として、標準的（並列化されていない）進化的アルゴリズムを用いる。

実験結果

リサーチクエスチョン

• RQ1 ドロップボックスによるファイル同期が、最小限の設定と独自のインfra構築なしに、分散進化的計算を効果的にサポートできるか？
• RQ2 ドロップボックスの非同期性と固有の遅延が、複雑な問題における進化的アルゴリズムの性能に悪影響を及えるか、あるいは好影響を及えるか？
• RQ3 ノード数と移行頻度が、クラウドベースの進化的計算環境における解法時間および成功確率にどのように影響を与えるか？
• RQ4 問題の複雑さが一定の閾値を超えると、クラウド同期に起因する遅延を上回る並列評価の利点が顕著になるか？
• RQ5 性能にばらつきのあるボランティア提供のマシン（異種ノード）を、性能劣化を伴わずにこのシステムで効果的に利用できるか？

主な発見

• 単純なP-Peaks問題では、ドロップボックスを介したノード追加が解法時間の短縮に寄与せず、同期遅延の高さにより単一ノード構成が最も優れた性能を示した。
• 複雑なMMDP問題では、100世代ごとの移行間隔を設定した4ノード構成が最速の解法時間を達成し、単一ノード実行比で30〜40％の改善を示した。
• MMDPにおける最適な移行間隔は100世代であった。短い間隔は同期のオーバーヘッドを増加させ、長い間隔は並列性を低下させた。
• 解法時間は移行頻度に極めて敏感であり、最適でない間隔ではノード数が増加しても性能劣化が生じた。
• 4ノードと最適な移行設定を用いたMMDPの全試行で100％の成功確率を達成し、適切な構成下での信頼性の高い収束を示した。
• 各ノードに1秒の遅延を設けることでドロップボックス同期を待つ処理が、短時間実験では最大25％の総実行時間に占める割合を占め、顕著なパフォーマンスボトルネックであることが判明した。