[論文レビュー] Multi-Objective Problem Solving With Offspring on Enterprise Clouds

Christian Vecchiola, Michael Kirley+1 more|ArXiv.org|Mar 8, 2009

Evolutionary Algorithms and Applications参考文献 19被引用数 15

ひとこと要約

本稿では、エントレプライズクラウド上でマルチオブジェクティブな進化的アルゴリズム——特にEMOアルゴリズム——をデプロイするためのプラグインベースのソフトウェアフレームワークであるOffspringを提示する。分散コンピューティングを活用することで、Offspringは大規模な個体群を対象とした進化的アルゴリズムのスケーラブルで高パフォーマンスな実行を可能にし、計算時間を顕著に短縮するとともに、クラウド環境における柔軟かつ再利用可能なアルゴリズム統合を実現する。

ABSTRACT

In this paper, we present a distributed implementation of a network based multi-objective evolutionary algorithm, called EMO, by using Offspring. Network based evolutionary algorithms have proven to be effective for multi-objective problem solving. They feature a network of connections between individuals that drives the evolution of the algorithm. Unfortunately, they require large populations to be effective and a distributed implementation can leverage the computation time. Most of the existing frameworks are limited to providing solutions that are basic or specific to a given algorithm. Our Offspring framework is a plug-in based software environment that allows rapid deployment and execution of evolutionary algorithms on distributed computing environments such as Enterprise Clouds. Its features and benefits are presented by describing the distributed implementation of EMO.

研究の動機と目的

• 大規模個体群のマルチオブジェクティブ進化的アルゴリズムにおける計算ボトルネックを、エントレプライズクラウド上での分散実行によって解消すること。
• 進化的計算に対して基本的またはアルゴリズム固有のサポートしか提供しない既存のフレームワークの制限を克服すること。
• さまざまな進化的アルゴリズムを分散環境で素早くデプロイおよび実行できるプラグインベースのアーキテクチャを提供すること。
• Offspringフレームワークを用いてエントレプライズクラウドインfraストラクチャ上でEMOアルゴリズムを実行するという実現可能性とパフォーマンス上の利点を実証すること。

提案手法

• Offspringフレームワークは、分散コンピューティングプラットフォーム上で進化的アルゴリズムを実行するためのプラグインベースの環境として設計されている。
• ネットワークベースのマルチオブジェクティブ進化的アルゴリズム（例：EMO）が要請する大規模な個体群の分散をサポートしている。
• メッセージパッシングおよび負荷分散メカニズムを用いて、クラウドノード間で進化的操作（選択、交差、変異）を並列実行可能である。
• EMOアルゴリズムはプラグインとして実装されており、個体間の相互接続ネットワークを活用してマルチオブジェクティブ最適化をガイドしている。
• Offspringは、タスクの配分、障害耐性、およびリソース割り当てをエントレプライズクラウドリソース全体で管理し、効率的な実行を保証している。
• システムは、EMOをエントレプライズクラウドインfraストラクチャにデプロイし、パフォーマンスとスケーラビリティを測定することで評価されている。

実験結果

リサーチクエスチョン

• RQ1 どのようにして分散フレームワークがエントレプライズクラウド上での大規模個体群マルチオブジェクティブ進化的アルゴリズムの実行を効果的に支援できるか？
• RQ2 クラウド環境において進化的アルゴリズムの素早いデプロイと再利用を可能にするために、どのようなアーキテクチャ的特徴が必要か？
• RQ3 モノリシックまたは非分散実装と比較して、Offspringフレームワークはパフォーマンスとスケーラビリティをどのように向上させるか？
• RQ4 Offspringのプラグインベース設計は、EMO以外の多様な進化的アルゴリズムをどの程度柔軟に対応できるか？
• RQ5 クラウドベースの分散インfraストラクチャ上でEMOを実行した場合、計算時間とリソース利用効率にどの程度のパフォーマンス向上が得られるか？

主な発見

• Offspringフレームワークは、逐次実行と比較して顕著なパフォーマンス向上を達成し、EMOアルゴリズムをエントレプライズクラウド上で効果的に実行可能であることを実証した。
• 分散実装により、複数ノードにわたるクラウドベースの並列処理と負荷分散を効率的に活用することで、計算時間を短縮した。
• プラグインアーキテクチャにより、進化的アルゴリズムのモジュラーかつ再利用可能なデプロイが可能となり、拡張性と適応性が向上した。
• 個体群サイズの増大に伴ってもスケーラビリティを示し、大規模最適化タスクにおいてもパフォーマンス効率を維持した。
• EMOのOffspringへの統合により、分散環境における効果的なマルチオブジェクティブ最適化が実現され、本フレームワークが複雑な現実世界の問題に有効であることが検証された。
• 評価結果から、Offspringがエントレプライズクラウドプラットフォーム上でネットワークベースの進化的アルゴリズムを信頼性高くかつ効率的に実行できることを確認した。