[論文レビュー] Genetic Transfer or Population Diversification? Deciphering the Secret Ingredients of Evolutionary Multitask Optimization

Abhishek Gupta, Yew-Soon Ong|arXiv (Cornell University)|Jul 19, 2016

Evolutionary Algorithms and Applications参考文献 18被引用数 3

ひとこと要約

この論文は、スゥドクウパズルをテストベッドとして用い、進化的マルチタスク最適化の背後にある駆動要因を調査する。遺伝的移転——あるタスクから得られた高品質な解が他のタスクに影響を与える——が、タスクの類似性を活用する上で、単なる集団の多様化よりも性能向上をもたらす主なメカニズムであることが示された。

ABSTRACT

Evolutionary multitasking has recently emerged as a novel paradigm that enables the similarities and/or latent complementarities (if present) between distinct optimization tasks to be exploited in an autonomous manner simply by solving them together with a unified solution representation scheme. An important matter underpinning future algorithmic advancements is to develop a better understanding of the driving force behind successful multitask problem-solving. In this regard, two (seemingly disparate) ideas have been put forward, namely, (a) implicit genetic transfer as the key ingredient facilitating the exchange of high-quality genetic material across tasks, and (b) population diversification resulting in effective global search of the unified search space encompassing all tasks. In this paper, we present some empirical results that provide a clearer picture of the relationship between the two aforementioned propositions. For the numerical experiments we make use of Sudoku puzzles as case studies, mainly because of their feature that outwardly unlike puzzle statements can often have nearly identical final solutions. The experiments reveal that while on many occasions genetic transfer and population diversity may be viewed as two sides of the same coin, the wider implication of genetic transfer, as shall be shown herein, captures the true essence of evolutionary multitasking to the fullest.

研究の動機と目的

• 進化的マルチタスク最適化が単一タスク最適化を上回る背後にあるメカニズムを理解すること。
• 成功したマルチタスク問題解決において、遺伝的移転か集団の多様化のどちらが優位な要因であるかを調査すること。
• 統一された探索空間における遺伝的物資の共有と集団の多様性の相対的寄与度を評価すること。
• 初期条件が異なるものの最終解が構造的に類似しているため、スゥドクウパズルを制御されたテストケースとして用いること。

提案手法

• 複数のスゥドクウパズルを同時に解くために共有された集団を用いる統一された進化的アルゴリズムフレームワークを採用した。
• 遺伝的移転と集団の多様化の影響を分離・測定し、収束性と解の質に与える影響を調査する実験を設計した。
• 全タスクに共通する固定された集団サイズと遺伝的演算子（交差、変異）を用いて、遺伝的物資の交換を可能にした。
• 各タスクにおける解の進行状況を追跡し、あるパズルからの高品質な解が他のタスクにどれほど影響を与えたかを定量化した。
• パフォーマンス指標と収束タイムラインを用いて、タスク間での遺伝的物資移転の頻度と影響を分析した。
• 遺伝的移転を有効または無効にした状態で結果を比較し、その効果を分離した。

実験結果

リサーチクエスチョン

• RQ1 進化的マルチタスク最適化において、遺伝的移転と集団の多様化の相対的寄与度は何か？
• RQ2 遺伝的移転のみで、マルチタスク最適化で観察される性能向上を説明できるか？
• RQ3 異なるスゥドクウパズルの最終解が構造的にほぼ同一である場合、遺伝的移転の効果はどのように変化するか？
• RQ4 遺伝的移転が存在しない場合、集団の多様化はグローバルサーチにどの程度貢献するか？
• RQ5 問題の構造（例：共有される解空間）が、一方のメカニズムが他方を上回る要因となるか？

主な発見

• 複数のスゥドクウパズルインスタンスにおいて、遺伝的移転が一貫して性能向上の主な要因であった。
• 集団の多様性を維持しても、遺伝的移転がなければ性能向上が著しく低くなることから、遺伝的移転の必要性が示された。
• あるパズルからの解が、特に最終解が構造的に類似している場合、他のパズルの収束を速める頻度が高かった。
• 高品質な遺伝的物資の移転頻度と、全体のアルゴリズム的成功との間に強く相関関係が見られた。
• 集団の多様化のみでは、特に初期段階で、同等の収束速度や解の質に達することができず、失敗した。
• 結果から、進化的マルチタスク最適化の真の力は、タスク間で有益な遺伝的コンポーネントを暗黙的に交換できることに起因していると考えられる。