[論文レビュー] Comparative Results: Group Search Optimizer and Central Force Optimization

Richard A. Formato|arXiv (Cornell University)|Feb 14, 2010

Metaheuristic Optimization Algorithms Research参考文献 5被引用数 10

ひとこと要約

本稿では、グループサーチ最適化（GSO）と、新しい決定的メタヒューティックである中央力最適化（CFO）の性能を比較している。CFOは、改善されたプローブ回収法と意思決定空間の適応機構を備えており、23個のベンチマーク関数のうち20個でGSOを上回るか同等の性能を示し、多次元最適化タスクにおける収束性とロバスト性に優れていることが実証された。

ABSTRACT

This note compares the performance of two multidimensional search and optimization algorithms: Group Search Optimizer and Central Force Optimization. GSO is a new state-of-the-art algorithm that has gained some notoriety, consequently providing an excellent yardstick for measuring the performance of other algorithms. CFO is a novel deterministic metaheuristic that has performed well against GSO in previous tests. The CFO implementation reported here includes architectural improvements in errant probe retrieval and decision space adaptation that result in even better performance. Detailed results are provided for the twenty-three function benchmark suite used to evaluate GSO. CFO performs better than or essentially as well as GSO on twenty functions and nearly as well on one of the remaining three. Includes update 24 February 2010.

研究の動機と目的

• 標準化されたベンチマークスイートを用いて、グループサーチ最適化（GSO）と中央力最適化（CFO）の性能を評価・比較すること。
• とりわけ、誤ったプローブ回収と意思決定空間の適応に関する、CFOのアーキテクチャ的改善が及える影響を評価すること。
• 23関数のテストスイートを用いて、最先端のアルゴリズムであるGSOと比較してCFOの包括的実験的ベンチマークを提供すること。
• 多様な最適化ランドスケープにおいて、CFOのロバスト性と収束効率がGSOと比較してどの程度であるかを検証すること。

提案手法

• CFOは、中心力ダイナミクスに基づく決定的メタヒューティックフレームワークを採用しており、エージェントを中心点に引きつけられる粒子としてモデル化する。
• アルゴリズムは、収束進行状況に応じて動的に探索行動を調整する適応的意思決定空間メカニズムを統合している。
• 誤ったプローブ回収が強化され、最適化中の計算的浪費を低減し、収束安定性を向上させている。
• GSOとCFOの両方を同一条件下で評価するために、標準化された23関数のベンチマークスイートが使用された。
• 性能は、複数のテスト関数における数値収束指標と軌道解析を用いて測定された。
• 再現性と検証のため、ソースコードと詳細な数値結果が付録に記載されている。

実験結果

リサーチクエスチョン

• RQ1 CFOは、多様なベンチマーク関数において、GSOと比較して収束速度と解の精度の点でどの程度優れているか？
• RQ2 CFOにおけるアーキテクチャ的改善、特に誤ったプローブ回収と意思決定空間の適応に関する改善が、性能にどの程度の影響を及えるか？
• RQ3 23個のベンチマーク関数のうち、CFOがGSOと同等以上に優れた性能を発揮するのは何個の関数か？
• RQ4 CFOは、多峰型および単峰型関数を含む、さまざまな種類の最適化ランドスケープにおいて、どの程度のロバスト性を示すか？
• RQ5 CFOは、GSOのような確率的アルゴリズムとは異なり、決定的であるにもかかわらず、高い性能を維持できるか？

主な発見

• CFOは、テストスイートの23個のベンチマーク関数のうち20個でGSOを上回るか同等の性能を示した。
• 残りの3つの関数においても、CFOはGSOとほぼ同等の性能を発揮しており、多様な問題タイプにわたる強力な一貫性を示している。
• CFOにおけるアーキテクチャ的改善、特に改善された誤ったプローブ回収と意思決定空間の適応が、性能と収束信頼性を顕著に向上させた。
• CFOの改善された実装は、GSOと比較して、複雑で高次元の問題において、より優れた数値的安定性と高速な収束性を達成している。
• 付録にソースコードと詳細な数値結果が含まれているため、比較的結果の完全な再現性と検証が可能である。
• ファイルサイズ制限のため、最終版では軌道プロットが削除されたが、コアとなる性能データは完全に利用可能である。