[論文レビュー] On Self-Regulated Swarms, Societal Memory, Speed and Dynamics

Vitorino Ramos, Carlos M. Fernandes+1 more|ArXiv.org|Dec 1, 2005

Metaheuristic Optimization Algorithms Research参考文献 33被引用数 10

ひとこと要約

この論文では、集団知能と直接的個体増殖メカニズムを組み合わせることで、複雑で変化し続ける環境において動的に適応可能な自己調整型スウォーム（SRS）アルゴリズムを提案する。集団的フェロモンベースの環境記憶と自己調整機能を活用することで、SRSは動的最適化において標準的なGA、BFOA、および共進化手法を上回り、移動するピークを個々のエージェントよりも最大10倍速く追跡しながら65％の精度を維持する。

ABSTRACT

We propose a Self-Regulated Swarm (SRS) algorithm which hybridizes the advantageous characteristics of Swarm Intelligence as the emergence of a societal environmental memory or cognitive map via collective pheromone laying in the landscape (properly balancing the exploration/exploitation nature of our dynamic search strategy), with a simple Evolutionary mechanism that trough a direct reproduction procedure linked to local environmental features is able to self-regulate the above exploratory swarm population, speeding it up globally. In order to test his adaptive response and robustness, we have recurred to different dynamic multimodal complex functions as well as to Dynamic Optimization Control problems, measuring reaction speeds and performance. Final comparisons were made with standard Genetic Algorithms (GAs), Bacterial Foraging strategies (BFOA), as well as with recent Co-Evolutionary approaches. SRS's were able to demonstrate quick adaptive responses, while outperforming the results obtained by the other approaches. Additionally, some successful behaviors were found. One of the most interesting illustrate that the present SRS collective swarm of bio-inspired ant-like agents is able to track about 65% of moving peaks traveling up to ten times faster than the velocity of a single individual composing that precise swarm tracking system.

研究の動機と目的

• 変化する環境に動的に適応する自己調整型スウォームシステムの開発。
• 集団的フェロモンの配置による社会的記憶の統合による、探索と活用のバランスの向上。
• 局所的な環境フィードバックと関連付けられた直接的増殖メカニズムにより、グローバル探索速度の向上。
• 動的マルチモーダル問題における標準的および共進化的最適化手法との性能比較。
• スウォームが効率的かつ強健に移動する最適解を追跡できる能力の実証。

提案手法

• SRSアルゴリズムは、地形にフェロモンを残すことで集団的認知地図を形成するアリのようなエージェントを使用する。
• 自己調整メカニズムにより、局所的な環境の質に基づいてエージェントを直接増殖させることで、集団のサイズを制御する。
• フェロモン更新ルールは、動的探索空間における探索（多様性）と活用（収束）のバランスをとる。
• アルゴリズムは動的マルチモーダル関数および動的最適制御問題に対してテストされた。
• 性能は、標準的遺伝的アルゴリズム（GAs）、細菌採餌最適化（BFOA）、および共進化的アプローチと比較された。
• システムは、環境フィードバックとフェロモン勾配に基づいて、エージェントの密度と移動を動的に調整する。

実験結果

リサーチクエスチョン

• RQ1 自己調整型スウォームは、動的でマルチモーダルな最適化問題において高い性能を維持できるか？
• RQ2 フェロモンによる社会的記憶の統合は、探索効率と適応性にどのように影響するか？
• RQ3 局所的フィットネスに基づく直接的増殖は、収束速度とロバストネスをどの程度向上させるか？
• RQ4 スウォームは効果的に移動するピークを追跡できるか？ また、個々のエージェントと比較してどの程度速いか？
• RQ5 SRSは、動的環境下でGA、BFOA、および共進化的手法と定量的に比較して、どの程度優れているか？

主な発見

• SRSは最適化の地形における変化に迅速に適応する反応を示した。
• SRSは動的マルチモーダル関数のテストにおいて、標準的遺伝的アルゴリズム（GAs）および細菌採餌最適化（BFOA）を上回った。
• SRSは動的最適化タスクの間、約65％の移動ピークを効果的に追跡した。
• スウォームは、システム内での単一エージェントの速度よりも最大10倍速い速度でピークを追跡した。
• 局所的フィットネスに基づく増殖による自己調整メカニズムが、グローバル探索速度とロバストネスを向上させた。
• 集団的フェロモンベースの社会的記憶は、探索と活用のバランスを著しく改善した。