[論文レビュー] Low-Complexity Particle Swarm Optimization for Time-Critical Applications

Muhammad Saqib Sohail, Muhammad Omer Bin Saeed+3 more|arXiv (Cornell University)|Jan 2, 2014

Metaheuristic Optimization Algorithms Research被引用数 14

ひとこと要約

本稿では、粒子群最適化（PSO）のための低複雑性技術を2つ提案する。1つは、位置の変化が小さい場合に速度更新をスキップすることで計算量を削減するイベントトリガー機構であり、もう1つは各次元を独立して最適化することで収束を加速する次元別コスト評価である。これらの技術を組み合わせることで、計算負荷を顕著に低減し、収束速度を向上させつつ、許容できる誤差性能を維持できる。これにより、PSOは時間的制約や電力制約のある応用分野でも実用可能になる。

ABSTRACT

Particle swam optimization (PSO) is a popular stochastic optimization method that has found wide applications in diverse fields. However, PSO suffers from high computational complexity and slow convergence speed. High computational complexity hinders its use in applications that have limited power resources while slow convergence speed makes it unsuitable for time critical applications. In this paper, we propose two techniques to overcome these limitations. The first technique reduces the computational complexity of PSO while the second technique speeds up its convergence. These techniques can be applied, either separately or in conjunction, to any existing PSO variant. The proposed techniques are robust to the number of dimensions of the optimization problem. Simulation results are presented for the proposed techniques applied to the standard PSO as well as to several PSO variants. The results show that the use of both these techniques in conjunction results in a reduction in the number of computations required as well as faster convergence speed while maintaining an acceptable error performance for time-critical applications.

研究の動機と目的

• 標準PSOの高い計算複雑性と遅い収束性が、時間的制約や電力制限のあるシステムでの利用を制限するという問題に対処すること。
• 解の品質を損なわずに計算負荷を低減する技術を開発し、リアルタイムおよび組み込み環境へのPSOの導入を可能にすること。
• 次元別最適化による収束速度の向上を図り、最適解への適応を迅速化すること。
• 提案手法が、個別または併用のいずれの場合でも、あらゆるPSOバリアントと互換性を持つこと。
• さまざまな問題次元とベンチマーク関数において、手法のロバスト性を検証すること。

提案手法

• 粒子の現在位置と局所的最良値またはグローバル最良値との距離が事前に定めたしきい値を超えた場合にのみ、PSOの速度更新式における認知的要因と社会的要因の計算を実行するイベントトライガー機構を導入する。
• 次元別コスト評価技術は、粒子の位置の各次元を独立して最適化し、コスト関数の各項を別々に最小化することで収束を加速する。
• イベントトライガー手法は、粒子が最適解に近づいた後期の反復において不要な更新をスキップすることで、関数評価回数を削減する。
• 次元別手法は、従来のPSOと同等の計算コストで実現可能であり、既存の関数評価構造を再利用するため追加コストを発生させない。
• 両手法ともモジュラー設計であり、標準PSO、CLPSO、HPSO、DMSを含むあらゆるPSOバリアントに、個別または併用の形で適用可能である。
• 提案手法は、30次元および60次元の問題に対して500回および5000回の反復を想定し、標準ベンチマーク関数（例：Sphere、Rosenbrock、Michalewicz）を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 イベントトライガー機構は、解の品質を著しく低下させることなく、PSOにおける計算複雑性を低減できるか？
• RQ2 次元別最適化は、特に高次元問題において、PSOの収束を加速できるか？
• RQ3 制限された反復回数の時間的制約のある状況下で、提案手法はどのように性能を示すか？
• RQ4 異なるPSOバリアントおよび問題次元において、これらの手法はどの程度ロバスト性を保っているか？
• RQ5 両手法の組み合わせにより、収束速度、計算コスト、誤差性能の観点で優れた性能が得られるか？

主な発見

• イベントトライガー手法は、30-Dケースで最大60%、60-Dケースで最大80%の計算量削減を達成し、性能劣化は最小限に抑えられた。
• 60-Dケースにおいて、HP-DE2バリアントは53反復で平均誤差1.65e-16を達成したのに対し、元のHP-DE2は228反復を要した。これにより反復回数は77%削減された。
• 60-Dケースにおいて、CL-DEバリアントは300反復で平均誤差1.68e-20を達成し、収束速度および誤差性能の両面で元のCLPSOを上回った。
• PSOのDおよびDEバリアント、HPSO、CLPSOは60-D問題においてすべてのテストケースで収束したが、元のアルゴリズムは複数の関数で収束に失敗した。
• 次元別手法は問題次元の増加に対してもロバストであることが示され、大多数のPSOバリアントが見せる典型的な「次元の呪い」を回避した。
• 両手法の組み合わせは、すべてのベンチマーク関数において計算コストを低減し、収束速度を向上させながらも、許容できる誤差レベルを維持し、最良の全体的性能を達成した。