[論文レビュー] Multi-objective beetle antennae search algorithm

Junfei Zhang, Yimiao Huang+2 more|arXiv (Cornell University)|Feb 24, 2020

Advanced Multi-Objective Optimization Algorithms参考文献 21被引用数 12

ひとこと要約

本稿では、複雑で非線形な複数目的最適化問題（複数の対立する目的関数と高次元変数を有する）を効率的に解くために、新規の多目的版コオロギ触角探索アルゴリズム（MAS-BAS）を提案する。元のコオロギ触角探索アルゴリズムの個体知能メカニズムをパレート前沿の近似に適応することで、ベンチマーク関数上での既存の多目的メタヒューリスティクスと比較して、より高い計算効率と満足できる収束精度を達成している。

ABSTRACT

In engineering optimization problems, multiple objectives with a large number of variables under highly nonlinear constraints are usually required to be simultaneously optimized. Significant computing effort are required to find the Pareto front of a nonlinear multi-objective optimization problem. Swarm intelligence based metaheuristic algorithms have been successfully applied to solve multi-objective optimization problems. Recently, an individual intelligence based algorithm called beetle antennae search algorithm was proposed. This algorithm was proved to be more computationally efficient. Therefore, we extended this algorithm to solve multi-objective optimization problems. The proposed multi-objective beetle antennae search algorithm is tested using four well-selected benchmark functions and its performance is compared with other multi-objective optimization algorithms. The results show that the proposed multi-objective beetle antennae search algorithm has higher computational efficiency with satisfactory accuracy.

研究の動機と目的

• 複数の対立する目的関数と高次元変数空間を有する大規模で非線形な多目的最適化問題を解く挑戦に取り組む。
• このような問題におけるパレート前沿を求める際の高コストな計算を克服する。
• 個体知能に基づくアルゴリズムの計算効率を活用し、コオロギ触角探索（BAS）を多目的な状況に拡張する。
• 多目的問題における収束速度と解の精度の面で、既存の群知能メタヒューリスティクスを改善する。
• さまざまな制約下での標準ベンチマーク関数に対して、提案されたアルゴリズムの有効性を示す。

提案手法

• 生物的本能に基づく採餌メカニズムを用いる元の単目的コオロギ触角探索（BAS）アルゴリズムを、複数の目的を同時に処理できるように適応させる。
• 非優位な解を格納し、パレート前沿の近似における多様性を維持するための外部アーカイブを導入する。
• 外部アーカイブ内の非優位な解の多様性を保つために、クラスタリング距離機構を実装する。
• コオロギの触角の動きにインspiredした動的ステップサイズ戦略を用いて、探索と開拓のバランスを図る。
• 非優位順位付けとクラスタリング距離に基づく選択メカニズムを適用し、真のパレート前沿へ向かう探索をガイドする。
• 局所探索強化戦略を統合することで、最適化の最終段階における収束精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 対立する目的関数を有する多目的最適化問題に対し、コオロギ触角探索アルゴリズムを効果的に拡張できるか？
• RQ2 提案されたMAS-BASアルゴリズムは、既存の多目的メタヒューリスティクスと比較して、収束速度と解の精度においてどのように異なるか？
• RQ3 異なるベンチマーク問題において、パレート前沿の近似における多様性はどの程度維持されるか？
• RQ4 外部アーカイブとクラスタリング距離機構の統合が、非優位解の質を向上させるか？
• RQ5 高次元変数と高い非線形性および複数の制約を有する問題に対して、MAS-BASアルゴリズムはどの程度のロバストネスを示すか？

主な発見

• 提案された多目的コオロギ触角探索アルゴリズム（MAS-BAS）は、ベンチマーク関数上での他の多目的最適化アルゴリズムと比較して、より高い計算効率を示している。
• MAS-BASは、4つのベンチマーク問題すべてにおいて、真のパレート前沿の近似において満足できる精度を達成しており、一貫した収束を示している。
• 解がパレート前沿に沿って一様に分布していることから、非優位解集合における多様性が良好に維持されていることが裏付けられている。
• 動的ステップサイズと外部アーカイブ機構が、収束速度と解の質の両方を顕著に向上させている。
• 比較結果から、選択されたベンチマークにおいて、MAS-BASは収束性およびスプレッド指標の面で、いくつかの最先端の多目的メタヒューリスティクスを上回っていることが示された。
• 特に、高い非線形性と複数の制約を有する問題に対して、MAS-BASは強力なロバストネスを示しており、複雑な探索空間でも有効である。