[論文レビュー] Nature-Inspired Optimization Algorithms: Research Direction and Survey

Sachan Rohit Kumar, Kushwaha Dharmender Singh|arXiv (Cornell University)|Feb 8, 2021

Metaheuristic Optimization Algorithms Research被引用数 6

ひとこと要約

本サーベイは、生物学的、スワーム的、物理的インスピレーションに基づく分類に基づき、PSO、GA、ABC、GSA などの13の代表的な自然由来最適化アルゴリズムを包括的に分類・比較分析する。各アルゴリズムの作用素、パラメータ、変種、応用分野を評価し、研究者が最適化問題に応じて実績と理論的基盤に基づき最も適したアルゴリズムを選定できる構造的ガイドラインを提供する。

ABSTRACT

Nature-inspired algorithms are commonly used for solving the various optimization problems. In past few decades, various researchers have proposed a large number of nature-inspired algorithms. Some of these algorithms have proved to be very efficient as compared to other classical optimization methods. A young researcher attempting to undertake or solve a problem using nature-inspired algorithms is bogged down by a plethora of proposals that exist today. Not every algorithm is suited for all kinds of problem. Some score over others. In this paper, an attempt has been made to summarize various leading research proposals that shall pave way for any new entrant to easily understand the journey so far. Here, we classify the nature-inspired algorithms as natural evolution based, swarm intelligence based, biological based, science based and others. In this survey, widely acknowledged nature-inspired algorithms namely- ACO, ABC, EAM, FA, FPA, GA, GSA, JAYA, PSO, SFLA, TLBO and WCA, have been studied. The purpose of this review is to present an exhaustive analysis of various nature-inspired algorithms based on its source of inspiration, basic operators, control parameters, features, variants and area of application where these algorithms have been successfully applied. It shall also assist in identifying and short listing the methodologies that are best suited for the problem.

研究の動機と目的

• 増加する自然由来最適化アルゴリズムの数に圧倒される新規研究者たちが直面する課題に対処すること。
• インスピレーションの源、作用素、制御パラメータ、特徴に基づいて主要アルゴリズムを分類・比較すること。
• 性能と応用の体系的レビューを通じて、特定の問題タイプに最も効果的なアルゴリズムを同定すること。
• 問題の特性と望ましい結果に基づいて最適なアルゴリズムを選定する意思決定フレームワークを提供すること。
• 自然由来最適化分野におけるギャップと有望な方向性を明らかにすることで、今後の研究を導くこと。

提案手法

• 本稿は、ACO、ABC、FA、FPA、GA、PSO、WCA などを含む13の広く認識された自然由来アルゴリズムの体系的サーベイを実施する。
• アルゴリズムは、自然進化に基づく、スワーム知能に基づく、生物学的に基づく、科学的に基づく、その他 の5つのカテゴリに分類される。
• 各アルゴリズムは、インスピレーションの源、コア作用素、制御パラメータ、収束速度やロバストネスといった固有の特徴に基づいて分析される。
• 研究は、工学分野、機械学習、運用研究など多様な分野におけるアルゴリズムの変種、性能指標、実世界の応用を評価する。
• 行動の違い、パラメータ感度、解の質の観点から、表形式の要約と図を用いた比較分析が実施される。
• 研究結果を統合し、アルゴリズムの強みを同定し、特定の最適化問題タイプに最適な選択肢を提案する。

実験結果

リサーチクエスチョン

• RQ1 連続的最適化、組み合わせ最適化、多目的最適化の各問題タイプに対して、どの自然由来最適化アルゴリズムが最も効果的か？
• RQ2 スワームベースと進化ベースのアルゴリズムカテゴリは、収束速度と解の正確性の観点でどのように比較できるか？
• RQ3 アルゴリズムのパフォーマンスに影響を与える主要な制御パラメータは何か？ また、それらはロバストネスと安定性にどのように影響するか？
• RQ4 どの応用分野で、これらのアルゴリズムが古典的手法よりも優れたパフォーマンスを示したか？
• RQ5 自然由来最適化アルゴリズムの今後の開発に向けた最も有望な研究方向性は何か？

主な発見

• サーベイは、収束が速く、パラメータ感度が低いことから、PSO、ABC、JAYA が連続的最適化において非常に効果的であると同定した。
• GA や GSA は、マルチモーダルで複雑な探索空間において優れたパフォーマンスを示し、特に局所探索の強化と組み合わせると顕著である。
• ACO や FA は、巡回セールスマン問題などの組み合わせ的およびルーティング問題において優れた結果を示した。
• 研究は、パラメータチューニングがアルゴリズムパフォーマンスに顕著な影響を与えることを明らかにした。特に、TLBO などの一部のアルゴリズムは最小限のパラメータ設定でよい結果を得られる。
• SFLA や EAM といった生物学的に基づくアルゴリズムは、動的最適化や制約付き最適化の状況において有望であることが示された。
• 本レビューは、アルゴリズム間でのベンチマークとパフォーマンス評価の標準化が不十分であるというギャップを指摘し、統一されたテストフレームワークの導入を要請した。