[論文レビュー] Iterated Tabu Search Algorithm for Packing Unequal Circles in a Circle

Tao Ye, Wenqi Huang+1 more|arXiv (Cornell University)|Jun 4, 2013

Optimization and Packing Problems参考文献 34被引用数 6

ひとこと要約

本稿では、NP困難な不等円を円に詰め込む問題（PUCC）に対して、摂動駆動型タブー探索と繰り返し局所探索を組み合わせた反復的タブー探索アルゴリズム（ITS-PUCC）を提案する。連続的局所最適化と組み合わせた組み合わせ的探索により、局所最適解から脱出できる。本手法は、46件のコンテストインスタンスのうち14件、24件の文献インスタンスのうち16件で、従来の最良知られていた解を上回り、困難なグローバル最適化ベンチマークにおいて優れた性能を示した。

ABSTRACT

This paper presents an Iterated Tabu Search algorithm (denoted by ITS-PUCC) for solving the problem of Packing Unequal Circles in a Circle. The algorithm exploits the continuous and combinatorial nature of the unequal circles packing problem. It uses a continuous local optimization method to generate locally optimal packings. Meanwhile, it builds a neighborhood structure on the set of local minimum via two appropriate perturbation moves and integrates two combinatorial optimization methods, Tabu Search and Iterated Local Search, to systematically search for good local minima. Computational experiments on two sets of widely-used test instances prove its effectiveness and efficiency. For the first set of 46 instances coming from the famous circle packing contest and the second set of 24 instances widely used in the literature, the algorithm is able to discover respectively 14 and 16 better solutions than the previous best-known records.

研究の動機と目的

• 最小の容器円内に不等な円を詰め込むというグローバル最適化の課題に取り組む。この問題は連続的かつ組み合わせ的特性を併せ持つ。
• 局所最適解から脱出でき、高品質な解を発見できる、連続的局所探索と組み合わせ的メタヒューリスティクスを統合した効果的なヒューリスティクスを開発する。
• 特に、円詰めコンテストおよび文献ベンチマークから得られる広く使われているPUCCテストインスタンスについて、既存の最良知られていた結果を改善する。
• 多様なインスタンスセットを用いた広範な計算実験を通じて、提案手法の有効性と効率性を検証する。

提案手法

• アルゴリズムは、R²における円の重なりを最小化し、局所最適な詰め込みを達成するための連続的局所最適化手順を用いる。
• 局所最適解から新たな解を生成するために、2つの摂動移動（交換とシフト）を適用し、近隣領域を超えた探索を可能にする。
• タブー探索部は、循環を回避し、多様化を導くための探索記憶を管理する。一方、繰り返し局所探索フレームワークにより、体系的な強化が実現される。
• 近傍構造は局所最適解の集合に基づいて構築され、異なる詰め込みパターンを体系的に探索可能となる。
• 局所改善と摂動に基づく多様化を交互に繰り返すことで、連続的最適化と組み合わせ的最適化を統合する。
• 効率性を確保するため、パラメータチューニングと時間制限を適用し、ベンチマークインスタンスでは1回の実行あたり10,000秒の制限を設ける。

実験結果

リサーチクエスチョン

• RQ1 連続的局所最適化と組み合わせ的探索を統合したハイブリッドメタヒューリスティクスは、PUCC問題において既存手法を上回る性能を発揮できるか？
• RQ2 タブー探索と繰り返し局所探索の組み合わせは、この連続的・組み合わせ的問題において、局所最適解から脱出するのにどの程度効果的か？
• RQ3 シフトと交換の摂動移動は、ランダムリスタートに比べて、より優れた解を発見するのにどの程度貢献するか？
• RQ4 提案手法は、コンテストおよび文献ベースのPUCCインスタンスの両方において、最良知られていた結果を改善できるか？

主な発見

• ITS-PUCCアルゴリズムは、46件の円詰めコンテストインスタンスのうち14件で最良知られていた解を改善し、困難なベンチマークにおいて優れた性能を示した。
• 広く使われている24件の文献インスタンスについて、16件の新しい最良知られていた解が同定され、研究の最先端が著しく前進した。
• アルゴリズムは一貫して改善する局所最適解の系列を生成しており、繰り返し局所探索フレームワークによる効果的な強化が示された。
• シフト摂動移動が不可欠であることが示された。これは、交換のみの移動では到達できない詰め込みパターンにアクセス可能にしたためである。
• マルチスタートタブー探索と比較して、ITS-PUCCは解の品質が高く、特に大きなインスタンス（n ≥ 25）では成功確率も上回った。
• 計算実験により、アルゴリズムの効率性が確認された。すべての改善は、1回の実行あたり10,000秒の時間制限内に達成された。