[論文レビュー] Foundations of the Pareto Iterated Local Search Metaheuristic

Martin Josef Geiger|ArXiv.org|Sep 2, 2008

Scheduling and Optimization Algorithms参考文献 18被引用数 6

ひとこと要約

本稿では、変数近傍探索と反復局所探索を組み合わせることで強化と多様化のバランスを図る、パrameterが少ない局所探索手法であるPareto Iterated Local Search (PILS)というメタヒューティックを紹介する。順列フローホップススケジューリングにおけるParetoフロントの高品質な近似を、最小限のパrameterチューニングで達成し、ベンチマークテストにおいてマルチオペレータ局所探索を上回る性能を示した。

ABSTRACT

The paper describes the proposition and application of a local search metaheuristic for multi-objective optimization problems. It is based on two main principles of heuristic search, intensification through variable neighborhoods, and diversification through perturbations and successive iterations in favorable regions of the search space. The concept is successfully tested on permutation flow shop scheduling problems under multiple objectives. While the obtained results are encouraging in terms of their quality, another positive attribute of the approach is its' simplicity as it does require the setting of only very few parameters. The implementation of the Pareto Iterated Local Search metaheuristic is based on the MOOPPS computer system of local search heuristics for multi-objective scheduling which has been awarded the European Academic Software Award 2002 in Ronneby, Sweden (http://www.easa-award.net/, http://www.bth.se/llab/easa_2002.nsf)

研究の動機と目的

• 複雑でNP困難な多目的最適化問題を、最小限のパrameterチューニングで解く挑戦に応えること。
• Pareto最適解の探索において、強化と多様化を効果的にバランスさせるメタヒューティックを開発すること。
• 提案されたPILSアルゴリズムの多目的順列フローホップススケジューリング問題における性能を評価すること。
• 解の品質と収束性の観点から、PILSをマルチオペレータ局所探索手法と比較すること。
• PILSフレームワークの実用的効果とシンプルさを、実世界のスケジューリング応用において示すこと。

提案手法

• PILSメタヒューティックは、強化のための変数近傍探索（VNS）と多様化のための反復局所探索（ILS）を統合し、解空間を効率的に探索する。
• 局所最適解に到達した後、局所最適解から脱出するために、摂動近傍集合N_perturbを用いる。
• アルゴリズムはランダムな初期解から開始し、近傍構造を用いた局所探索を適用してParetoフロントに近づける。
• 解は複数の目的関数に基づいて評価され、マキスパン（C_max）と総遅延時間（T_sum）が使用され、支配関係を用いて非支配解を特定する。
• 本手法はスケジュールの順列表現に依存しており、解空間のサイズを小さく抑えるために、活性スケジュールに制限を設ける。
• PILSアルゴリズムを実装したMOOPPSソフトウェアシステムは、2002年にヨーロッパ学術ソフトウェア賞を受賞した。

実験結果

リサーチクエスチョン

• RQ1 多目的最適化において、強化と多様化を効果的にバランスさせる局所探索メタヒューティックは、どのように設計できるか？
• RQ2 シンプルでパrameterが少ないメタヒューティックは、より複雑でマルチオペレータを備えたアプローチをどの程度上回ることができるか？
• RQ3 局所最適性に到達するまでの局所探索評価回数は、問題サイズに伴いどのようにスケーリングされるか？
• RQ4 多目的フローホップス問題において、ランダムに生成された解の分布は真のParetoフロントに対してどのように分布しているか？
• RQ5 PILSは、多様なベンチマークインスタンスにおいて一貫して高品質なPareto集合の近似に収束できるか？

主な発見

• テストされたベンチマークインスタンスにおいて、PILSアルゴリズムはマルチオペレータ局所探索手法よりも一貫して優れたPareto集合の近似を達成した。
• 100ジョブのインスタンスでは、100×10のケースで局所最適解に到達するまでの平均評価回数が793.968、100×20のケースで479.420であった。問題サイズが大きくなるに従い指数関数的に増加していることが示された。
• 50,000個のランダムに生成された解の分布は、C_max ≈ 6900およびT_sum ≈ 111,500の周辺に集中しており、真のParetoフロントから大きく離れていた。これは、誘導された探索の必要性を示している。
• たとえ単純な局所探索でも、ランダムな初期解から開始した場合でも、Paretoフロントに近づく収束を示した。収束経路では改善量の減少が観察された。
• アルゴリズムは最小限のパrameterチューニングで高い有効性を示し、実世界の応用におけるシンプルさと実用性が顕著に表れた。
• PILSを実装したMOOPPSシステムは、2002年にヨーロッパ学術ソフトウェア賞を受賞し、その堅牢性と影響力が裏付けられた。