[論文レビュー] Local search heuristics: Fitness Cloud versus Fitness Landscape

Philippe Collard, Sebástien Vérel+1 more|ArXiv.org|Sep 25, 2007

Big Data and Business IntelligenceBusiness, Management and Accounting参考文献 2被引用数 21

ひとこと要約

本稿では、伝統的なフィットネスランドスケープの比喩に代わる、局所探索ヒューリスティクスのための可視化および分析ツールとして、フィットネスクラウド（FC）を導入する。特定のヒューリスティクス下での各解のフィットネスとその近隣のフィットネスをプロットすることで、解の質と近傍改善の相関関係を明らかにし、ヒューリスティクスのダイナミクスの予測やフィットネス障壁の特定を可能にする。特に、勾配上昇法は通常、平均に隣接するフィットネスレベルβ付近で停止することを示している。

ABSTRACT

This paper introduces the concept of fitness cloud as an alternative way to visualize and analyze search spaces than given by the geographic notion of fitness landscape. It is argued that the fitness cloud concept overcomes several deficiencies of the landscape representation. Our analysis is based on the correlation between fitness of solutions and fitnesses of nearest solutions according to some neighboring. We focus on the behavior of local search heuristics, such as hill climber, on the well-known NK fitness landscape. In both cases the fitness vs. fitness correlation is shown to be related to the epistatic parameter K.

研究の動機と目的

• 高次元探索空間およびヒューリスティクスのダイナミクスを可視化する際のフィットネスランドスケープ比喩の限界を解消すること。
• ヒューリスティクスに起因する近傍トポロジーを直接組み込む新しい表現法「フィットネスクラウド」を提案すること。
• NKランドスケープにおけるエピスタシスパラメータKが、解のフィットネスと近隣のフィットネスとの相関に与える影響を分析すること。
• フィットネスクラウドを用いて、勾配上昇法などの局所探索ヒューリスティクスの平均的長期的行動を予測すること。
• フィットネスクラウドの幾何的構造を通じて、フィットネス障壁および局所最適解を同定すること。

提案手法

• 特定のヒューリスティクスによって選ばれた近隣のフィットネスを各解にマッピングする境界フィットネス関数を定義する。
• 解空間Sのすべてのxについて(f(x), f̃(x))の2次元散布図としてフィットネスクラウドを構築する。
• 最小、平均、最大の境界フィットネスをそれぞれ表す3つの主要な曲線FC_min、FC_mean、FC_maxを用いる。
• 近傍の定義にハミング距離を用い、全列挙を伴うN=25、K=20のNKランドスケープにフィットネスクラウドを適用する。
• 70回の実行の平均軌道を追跡し、FC_mean曲線と比較することで勾配上昇のダイナミクスを分析する。
• 線形関係：FC_mean ≈ (1 - (K+1)/N) × f + ((K+1)/N) × 0.5 を導出し、その傾きが子孫と親のフィットネス相関と一致することを検証する。

実験結果

リサーチクエスチョン

• RQ1 フィットネスクラウドは、フィットネスランドスケープ比喩と比較して、探索空間トポロジーの可視化および分析をどのように改善するか？
• RQ2 NKモデルにおいて、エピスタシスパラメータKと解のフィットネスと近隣のフィットネスとの相関関係の間にはどのような関係があるか？
• RQ3 フィットネスクラウドは、勾配上昇ヒューリスティクスの平均停止点（フィットネスレベル）を予測できるか？
• RQ4 局所最適解およびフィットネス障壁は、フィットネスクラウド構造の中でどのように現れるか？
• RQ5 FC_mean曲線は、局所探索ヒューリスティクスの平均的行動をどの程度正確に反映しているか？

主な発見

• N=25、K=20のNKランドスケープにおけるFC_mean曲線はほぼ線形であり、理論的相関関係FC_mean ≈ (1 - (K+1)/N) × f + ((K+1)/N) × 0.5 が裏付けられた。
• FC_mean曲線の傾き1 - (K+1)/Nは、子孫と親のフィットネス相関と一致しており、モデルが先行研究と整合していることを検証した。
• 局所最適解は、対角線（f > f̃）より厳密に下にある点として特定され、改善可能な近隣が存在しないことを示している。
• 勾配上昇ヒューリスティクスの平均軌道はFC_mean曲線に近く、常にβのフィットネスレベル付近で停止するため、βがフィットネス障壁として機能していると示唆される。
• フィットネスクラウドは、ヒューリスティクスが平均的に選択的利点から有害性に転じる点である平均境界フィットネスレベルβ付近で勾配上昇が終了することを的確に予測した。
• フィットネスクラウドは、静的ランドスケープ比喩に代わる動的かつヒューリスティクスに依存する探索行動の幾何的直接表現を提供した。