[論文レビュー] Optimizing Epochal Evolutionary Search: Population-Size Independent Theory

Erik van Nimwegen, James P. Crutchfield|arXiv (Cornell University)|Oct 12, 1998

Evolution and Genetic Dynamics被引用数 30

ひとこと要約

本稿では、エポックごとの進化的探索を最適化するための、集団サイズに依存しない理論を構築し、最適な変異率がグローバル最適解に到達するためのフィットネス関数評価回数を最小化することを示している。この理論は、低変異率における探索効率が集団サイズにほとんど依存しないこと、および、高フィットネスエポックの安定性閾値付近に明確な最適変異率が存在することを明らかにしている。

ABSTRACT

Epochal dynamics, in which long periods of stasis in population fitness are punctuated by sudden innovations, is a common behavior in both natural and artificial evolutionary processes. We use a recent quantitative mathematical analysis of epochal evolution to estimate, as a function of population size and mutation rate, the average number of fitness function evaluations to reach the global optimum. This is then used to derive estimates of and bounds on evolutionary parameters that minimize search effort.

研究の動機と目的

• エポック的進化的探索におけるフィットネス関数評価回数を最小化する理論的枠組みを構築すること。
• 進化的アルゴリズムにおける変異率、集団サイズ、探索効率の相互作用を理解すること。
• 特に最適変異率に注目して、進化的探索が最も効率的になるパrameter領域を同定すること。
• 計算コストを最小限に抑えた進化的探索アルゴリズムの設計に基礎を提供すること。
• 進化的ダイナミクスの理論的理解を拡張し、実用的な遺伝的アルゴリズム設計を支援すること。

提案手法

• ゲノム空間の表現型によって誘発される分解に基づく制約を課した非線形確率的力学系として進化的探索をモデル化する。
• エポック的ダイナミクス（停滞とパンデミック的イノベーション）を再現するため、強く接続された集合と弱く接続された集合を有するフィットネス関数アーキテクチャを採用する。
• 無限集団における非線形力学をベースラインとし、その後、サンプリング効果を介して有限集団における確率的性質を組み込む。
• 変異率 $q$ の関数としてのフィットネス関数評価回数の期待値 $E(q)$ の解析的推定値を導出する。
• 高フィットネスエポックの安定性解析を用い、エポック $N-1$、$N$、$N+1$ の周辺安定性閾値付近に位置する最適変異率 $q_o$ を同定する。
• 理論的予測をシミュレーションデータと照合し、オーダー・オブ・マグニチュードおよび最適変異率の位置において良好な一致を示している。

実験結果

リサーチクエスチョン

• RQ1 エポック的進化的探索において、フィットネス関数評価回数を最小化する最適変異率 $q_o$ は何か？
• RQ2 総フィットネス関数評価回数 $E(q)$ は、変異率 $q$ と集団サイズ $M$ にどのように依存するか？
• RQ3 低変異率においてなぜ探索効率が集団サイズ $M$ にほぼ依存しないのか？
• RQ4 この枠組みにおいて、クロスオーバーは探索時間を短縮するために果たす役割は何か？
• RQ5 部分的最適なゲノタイプが安定化できなくなる変異誤差閾値は何か？これは探索効率を制限する。

主な発見

• 最適変異率 $q_o$ は、最高フィットネスエポック $N-1$、$N$、$N+1$ が周辺安定性にある領域に位置し、効率的から非効率的探索への遷移を示す。
• 低変異率において、総フィットネス関数評価回数 $E(q)$ は集団サイズ $M$ にほぼ依存しない。これは、この領域において集団サイズが探索コストに顕著に影響しないことを示している。
• 理論は最適変異率 $q_o$ の位置を正確に予測しており、実験的最小値からの $E$ の乖離は37%から47%の範囲にとどまる。
• クロスオーバーは探索時間の短縮にわずかな効果しか与えない。これはエポック内での集団の迅速な収束が、再結合の恩恵を制限しているためである。
• 部分的最適な遺伝子型が安定化できない変異誤差閾値が存在し、これが効率的探索の上限を規定する。
• コスト関数 $E(q)$ は至る所で凹型であると仮定されており、これは $q$ における勾配降下法が一意のグローバル最適解 $q_o$ に収束することを示唆している。