[論文レビュー] Hybrid Model for Solving Multi-Objective Problems Using Evolutionary Algorithm and Tabu Search

Rjab Hajlaoui, Mariem Gzara+1 more|arXiv (Cornell University)|Feb 15, 2011

Advanced Multi-Objective Optimization Algorithms参考文献 6被引用数 5

ひとこと要約

本稿では、グローバル探索のための発展的アルゴリズム（EA）とローカル強化のためのタブー探索（TS）を組み合わせたハイブリッド多目的最適化モデルを提案する。EAの集団ベース探索とTSの記憶駆動型ローカル探索を活用することで、ZDTベンチマーク問題において収束性と多様性の両面で向上し、単独手法よりも優れたパレート前沿近似が達成された。

ABSTRACT

This paper presents a new multi-objective hybrid model that makes cooperation between the strength of research of neighborhood methods presented by the tabu search (TS) and the important exploration capacity of evolutionary algorithm. This model was implemented and tested in benchmark functions (ZDT1, ZDT2, and ZDT3), using a network of computers.

研究の動機と目的

• 多目的最適化における収束性と多様性のバランスを図ること。
• 発展的アルゴリズムのグローバル探索能力とタブー探索のローカル探索効率を統合すること。
• 解の品質と収束速度を向上させる協調的ハイブリッドフレームワークを開発すること。
• 標準的な多目的テスト関数（ZDT1, ZDT2, ZDT3）上でモデルを評価すること。
• ハイブリッド手法が均等に分布したかつ収束したパレート前沿を達成する有効性を示すこと。

提案手法

• ハイブリッドモデルは、多目的問題の初期解集合を発展的アルゴリズムで生成する。
• タブー探索は、記憶構造を用いてサイクルを回避しながら隣接解を探索することで、個々の解を繰り返し改善する。
• 選択、交叉、変異といった発展的演算とタブー探索の最適化を交互に実行することで、解の品質を向上させる。
• 共有外部アーカイブが非支配解を保持し、真のパレート前沿に向かって探索を導く。
• 協調メカニズムにより、EAが多様な領域を探索する一方で、TSは有望な解を局所的に精錬する。
• 計算実験は、ZDTベンチマーク関数の性能評価を目的として、コンピュータネットワーク上で実施された。

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、発展的アルゴリズムのグローバル探索とタブー探索のローカル強化を効果的に統合する方法は何か？
• RQ2 単独のEAまたはTSと比較して、ハイブリッドモデルはパレート前沿の収束性と多様性をどの程度向上させるか？
• RQ3 タブー探索の記憶ベースローカル探索は、多目的設定における発展的アルゴリズムの収束速度を向上させ得るか？
• RQ4 ZDT1、ZDT2、ZDT3などの標準的多目的テスト関数において、ハイブリッドモデルの性能はいかがなものか？
• RQ5 EAとTS間の協調メカニズムは、非支配解の品質と分布にどのような影響を与えるか？

主な発見

• ZDT1、ZDT2、ZDT3において、個別にEAやTSを用いた手法と比較して、ハイブリッドモデルはより優れた収束性と多様性指標を達成した。
• タブー探索の統合により、すべてのベンチマーク関数において発展的アルゴリズムの収束速度が顕著に向上した。
• 外部アーカイブが非支配解の均等な分布を維持しており、多様性の保持が有効に行われたことを示している。
• 凸および非凸パレート前沿を含む、さまざまな問題特性に対しても、モデルは頑健な性能を示した。
• 計算実験により、EAとTSの協調がパレート前沿の収束性と広がりの両方を向上させることを確認した。
• テストされた多目的問題において、ハイブリッド手法は最先端の単一手法を上回る性能を発揮した。