[論文レビュー] Engineering Optimisation by Cuckoo Search

Xin‐She Yang, Suash Deb|arXiv (Cornell University)|May 17, 2010

Metaheuristic Optimization Algorithms Research被引用数 137

ひとこと要約

この論文は、特定のカッコウ種の巣鴨寄生行動とレヴィ飛行行動にインspiredされた、複雑な工学設計問題を解くための新しいメタヒューティック最適化アルゴリズムであるCuckoo Search（CS）を提案する。CSはベンチマーク関数において粒子群最適化（PSO）と遺伝的アルゴリズム（GA）を上回り、溶接鋼鉄部材とスプリング設計問題の最良既知解を達成した。

ABSTRACT

A new metaheuristic optimisation algorithm, called Cuckoo Search (CS), was developed recently by Yang and Deb (2009). This paper presents a more extensive comparison study using some standard test functions and newly designed stochastic test functions. We then apply the CS algorithm to solve engineering design optimisation problems, including the design of springs and welded beam structures. The optimal solutions obtained by CS are far better than the best solutions obtained by an efficient particle swarm optimiser. We will discuss the unique search features used in CS and the implications for further research.

研究の動機と目的

• 複数の制約を伴う複雑で非線形な工学設計問題を、効率的に解ける新しいメタヒューティック最適化アルゴリズムの開発。
• 標準的および確率的テスト関数を用いて、Cuckoo Search（CS）の性能を粒子群最適化（PSO）や遺伝的アルゴリズム（GAs）といった既存のアルゴリズムと比較検証すること。
• Cuckoo Searchを、引張り／圧縮コイルスプリングおよび溶接鋼鉄部材構造の設計を含む、実世界の工学最適化問題に適用すること。
• CSの特徴的な探索メカニズム、特にレヴィ飛行とエリート主義の役割を分析し、収束性とロバスト性に与える影響を評価すること。
• CSの多目的最適化および制約付き最適化への応用可能性を検討し、今後のアルゴリズムの改善および理論的分析の方向性を同定すること。

提案手法

• Cuckoo Searchは3つの理想化されたルールを採用する：各カッコウがランダムに選ばれたホストの巣に1つの卵（解）を産むこと、最も良い巣（解）が次世代に引き継がれること、および最悪の一部の巣が新しいものに置き換えられる。
• アルゴリズムは、探索空間における大規模なジャンプを生成するためにレヴィ飛行を用い、局所最適解に閉じ込められるリスクを低減し、効率的なグローバル探索を可能にする。
• 局所探索は、レヴィ分布から抽出されたステップサイズを持つランダムウォークによって実行され、有望な解の周囲での探索と搾取を両立させる。
• エリート主義は、世代を超えて最良の解を保持することで、進捗を失うことなく収束を保証する。
• アルゴリズムは、レヴィ飛行による多様化（分散）と、最良解の周囲での局所探索による強化（集中）を動的にバランスさせ、パラメータの微調整に依存しなくなる。
• ホスト鳥が異物の卵を検出し破棄する確率は、パrameter $ p_a otin [0,1] $ としてモデル化され、これがネスト交換のレートを制御し、探索と搾取のバランスを決定する。

実験結果

リサーチクエスチョン

• RQ1 Cuckoo Searchは、標準的および確率的テスト関数において、粒子群最適化（PSO）や遺伝的アルゴリズム（GAs）と比較して、どのように性能を発揮するか？
• RQ2 Cuckoo Searchは、複雑な制約を伴う実世界の工学設計問題、例えば引張り／圧縮コイルスプリングや溶接鋼鉄部材の設計を、効果的に解けるか？
• RQ3 レヴィ飛行は、Cuckoo Searchアルゴリズムのグローバル探索能力と収束速度をどのように向上させるか？
• RQ4 Cuckoo Searchの性能は、パラメータ調整、特に $ p_a $ に対してどれほど感受性を示すか？また、多様な問題においてロバスト性を維持できるか？
• RQ5 エリート主義、局所探索、レヴィ飛行に基づく探索といった、CSの優れた性能を支える主要なアルゴリズム的要素は何か？

主な発見

• 溶接鋼鉄部材設計問題において、Cuckoo Searchは最良既知解に到達し、最適な目的関数値 $ f(\textbf{x}_*) = 1.724852308597361 $ を達成した。これはCagninaら（2008）の結果と一致した。
• 引張り／圧縮コイルスプリング設計において、CSは以前に報告された結果と同等またはそれ以上の結果を達成し、高い精度と一貫性を示した。
• CSは、標準的および新規に設計された確率的関数を含む、すべてのテストされたベンチマーク関数において、粒子群最適化（PSO）を上回った。
• パラメータ $ p_a $ に対して感受性が低く、さまざまな最適化問題においてロバストであることが示された。
• レヴィ飛行とエリート主義および局所探索の統合により、効率的な探索と搾取が可能となり、収束が速く、解の品質も高くなった。
• 本研究では、Cuckoo Searchが制約付き、非線形的、マルチモーダルな工学最適化問題に適した汎用的でロバストかつ効率的なメタヒューティックである可能性が示唆された。