[論文レビュー] Fine-tuning the Ant Colony System algorithm through Particle Swarm Optimization

D. Gómez-Cabrero, D. N. Ranasinghe|arXiv (Cornell University)|Mar 21, 2018

Metaheuristic Optimization Algorithms Research参考文献 13被引用数 12

ひとこと要約

本稿では、対称巡回セールスマン問題（TSP）におけるアンチコロニー探索法（ACS）のパラメータを自動的に最適化するため、粒子群最適化（PSO）を用いたハイブリッドPSO-ACSアルゴリズムを提案する。この手法は、TSPインスタンス上で反復的最適化を実行することで、高品質なパラメータセットを同定し、高い性能を示すが、計算コストが高いため、複数のインスタンスに一般化可能な可能性を有する。

ABSTRACT

Ant Colony System (ACS) is a distributed (agent- based) algorithm which has been widely studied on the Symmetric Travelling Salesman Problem (TSP). The optimum parameters for this algorithm have to be found by trial and error. We use a Particle Swarm Optimization algorithm (PSO) to optimize the ACS parameters working in a designed subset of TSP instances. First goal is to perform the hybrid PSO-ACS algorithm on a single instance to find the optimum parameters and optimum solutions for the instance. Second goal is to analyze those sets of optimum parameters, in relation to instance characteristics. Computational results have shown good quality solutions for single instances though with high computational times, and that there may be sets of parameters that work optimally for a majority of instances.

研究の動機と目的

• 対称巡回セールスマン問題（TSP）におけるアンチコロニー探索法（ACS）の手動パrameter調整の課題に対処すること。
• スワームベースの最適化を用いて、ACSの最適パラメータを自動的に同定するハイブリッドPSO-ACSフレームワークの開発。
• 最適パラメータセットとTSPインスタンスの特定の特性との関係の分析。
• チューニング済みACSの個々のインスタンスにおける性能評価および複数インスタンスにわたるパラメータの転送可能性の評価。

提案手法

• 粒子群最適化（PSO）アルゴリズムを用いて、TSPインスタンスのサブセット上でACSの最適パラメータ値を探索する。
• PSOオプティマイザは、ACSパラメータを連続探索空間内の意思決定変数として扱い、候補解の集合を進化させる。
• 各候補パラメータセットに対して、特定のTSPインスタンス上でACSを実行し、解の品質を評価する。この評価結果がPSOのフィットネス関数として機能する。
• PSOの複数回の反復を実行し、TSP巡回長を最小化するパラメータ設定に収束させる。
• まず単一インスタンスでテストを行い、インスタンス固有の最適パラメータを同定する。
• その後、得られた結果を分析し、異なるTSPインスタンス特性における最適パラメータのパターンを特定する。

実験結果

リサーチクエスチョン

• RQ1 PSOは、TSPにおけるアンチコロニー探索法のパラメータを効果的に最適化し、高品質な解を達成できるか？
• RQ2 どのACSパラメータセットが個々のTSPインスタンスで最高の性能を発揮するか？
• RQ3 複数のTSPインスタンスにわたって良好に動作するパラメータ設定は存在するか？
• RQ4 インスタンス固有の特性は、ACSの最適パラメータ設定にどのように影響を与えるか？
• RQ5 PSO-ACSハイブリッドアプローチにおいて、解の品質と計算コストのトレードオフはどのようなものか？

主な発見

• PSO-ACSハイブリッドアプローチは、個々のTSPインスタンスに対して高品質な解を効果的に同定し、自動パラメータチューニングの有効性を示している。
• 計算実験の結果、高い解品質が達成されたが、PSOの反復的性質に起因し、計算コストが高くなる傾向にある。
• 最適パラメータ設定のサブセットが複数のTSPインスタンスで良好に動作することが確認され、一般化の可能性が示唆された。
• 研究では、インスタンスの特性とACSアルゴリズムの最適パラメータ設定との間に相関関係が存在することが明らかになった。
• 結果から、PSOは組合せ最適化におけるメタヒューリスティクスのパラメータチューニングに実用的かつ効果的な手法であると示唆された。