[論文レビュー] Minimax designs using clustering

Simon Mak, V. Roshan Joseph|arXiv (Cornell University)|Feb 12, 2016

Advanced Multi-Objective Optimization Algorithms参考文献 37被引用数 3

ひとこと要約

本稿では、任意の凸かつ有界な高次元領域において、最小最大設計を効率的に生成する、新しいクラスタリングベースのアルゴリズムを提案する。この手法は、任意の点から最も近い設計点までの最大距離を最小化することを目的としており、次元数に比例してスケーリングされ、既存の手法を上回る最小最大性能を達成する。さらに、部分空間におけるカバレッジを向上させる最小最大プロジェクション設計を導入する。

ABSTRACT

Minimax designs provide a uniform coverage of a design space $\mathcal{X} \subseteq \mathbb{R}^p$ by minimizing the maximum distance from any point in this space to its nearest design point. Although minimax designs have many useful applications, e.g., for optimal sensor allocation or as space-filling designs for computer experiments, there has been little work in developing algorithms for generating these designs. In this paper, a new clustering-based method is presented for computing minimax designs on any convex and bounded design region. The computation time of this algorithm scales linearly in dimensionality $p$, meaning our method can generate minimax designs efficiently for high-dimensional regions. Simulation studies and a real-world example show that the proposed algorithm provides improved minimax performance over existing methods on a variety of design regions. Finally, we introduce a new type of experimental design called a minimax projection design, and show that this proposed design provides better minimax performance on projected subspaces of $\mathcal{X}$ compared to existing designs.

研究の動機と目的

• 高次元の凸かつ有界な設計領域における最小最大設計を計算するための効率的なアルゴリズムの欠如に対処すること。
• 次元数に比例してスケーリングされる手法を開発し、高次元設定における実用的応用を可能にすること。
• 既存の設計生成手法と比較して、最近接設計点までの最大距離（最小最大性能）を向上させること。
• 設計領域の射影された部分空間におけるカバレッジを最適化する、新しい実験設計のクラス、最小最大プロジェクション設計を導入し、評価すること。
• シミュレーション研究および実世界の応用を通じて、提案手法の有効性を示すこと。

提案手法

• アルゴリズムは、設計領域内の任意の点から最も近い設計点までの最大距離を最小化するように、反復的に設計点を配置するクラスタリングベースのアプローチを用いる。
• 凸かつ有界な領域の幾何的性質を活用することで、収束性と均一なカバレッジを保証する。
• この手法は次元数 $ p $ に対して線形にスケーリングされ、高次元問題において計算的に効率的である。
• 特定の構造的仮定を必要とせず、任意の凸かつ有界な設計領域 $ \mathcal{X} \subseteq \mathbb{R}^p $ を扱えるように設計されている。
• 設計点の配置を最適化することで、射影された部分空間における最大距離を最小化する新しい設計タイプ、最小最大プロジェクション設計を導入する。
• 設計領域によって定義される距離空間における反復的精錬と距離最小化を用いて、アルゴリズムを実装する。

実験結果

リサーチクエスチョン

• RQ1 クラスタリングベースのアルゴリズムは、次元数に比例するスケーリングを達成しながら、高次元の凸かつ有界な領域において最小最大設計を効率的に生成できるか？
• RQ2 提案手法は、さまざまな設計領域において、既存の手法と比較して最小最大性能でどのように差をつけるか？
• RQ3 提案手法は、新しい設計タイプを用いて、低次元部分空間におけるカバレッジを最適化するために拡張可能か？
• RQ4 導入された最小最大プロジェクション設計は、設計領域の射影された部分空間において、既存の設計よりも優れた最小最大性能を達成するか？
• RQ5 アルゴリズムは、実世界およびシミュレーション設定において、どのように実効的に動作するか？

主な発見

• 提案されたクラスタリングベースのアルゴリズムは、次元数 $ p $ に対して線形スケーリングを達成し、高次元設計領域における効率的な計算を可能にする。
• シミュレーション研究により、複数の設計領域において、既存の手法と比較して改善された最小最大性能（すなわち、より低い最大距離）を達成することが示された。
• 実世界の例から、アルゴリズムの実用的価値と優れたカバレッジ効率が確認された。
• 提案された最小最大プロジェクション設計は、設計領域の射影された部分空間における最大距離を最小化する点で、既存の設計を上回っている。
• 非自明な幾何構造を有する多様な凸かつ有界な設計領域においても、本手法は強固な性能を維持する。
• アルゴリズムの効率性と有効性から、センサ配置やコンピュータ実験などの応用に適している。