[論文レビュー] Parallel Whale Optimization Algorithm for Solving Constrained and Unconstrained Optimization Problems

Amr M. Sauber, Mohammed M. Nasef+2 more|arXiv (Cornell University)|Jun 21, 2018

Metaheuristic Optimization Algorithms Research参考文献 29被引用数 5

ひとこと要約

この論文では、並列処理を用いたOpenMPを活用した並列化されたヒラメクジラ最適化アルゴリズム（PWOA）を提案し、非制約および制約付き最適化問題における収束速度の向上を図っている。複数のプロセッサにスワームの評価を分散させることで、PWOAは逐次的なWOAに比べて顕著な高速化と効率の向上を達成しており、特に高次元のベンチマークおよび工学的問題において顕著である。

ABSTRACT

Recently the engineering optimization problems require large computational demands and long solution time even on high multi-processors computational devices. In this paper, an OpenMP inspired parallel version of the whale optimization algorithm (PWOA) to obtain enhanced computational throughput and global search capability is presented. It automatically detects the number of available processors and divides the workload among them to accomplish the effective utilization of the available resources. PWOA is applied on twenty unconstrained optimization functions on multiple dimensions and five constrained optimization engineering functions. The proposed parallelism PWOA algorithms performance is evaluated using parallel metrics such as speedup, efficiency. The comparison illustrates that the proposed PWOA algorithm has obtained the same results while exceeding the sequential version in performance. Furthermore, PWOA algorithm in the term of computational time and speed of parallel metric was achieved better results over the sequential processing compared to the standard WOA.

研究の動機と目的

• 工学およびデータサイエンス分野における大規模最適化問題の増大する計算要求に対応する。
• 高次元および複雑な問題において、WOAのようなメタヒューリスティックアルゴリズムの長時間にわたる解法時間の短縮を図る。
• OpenMPを用いた並列化により、ヒラメクジラ最適化アルゴリズム（WOA）の性能を向上させる。
• 多様なベンチマーク関数および実世界の工学的問題を対象に、提案されたPWOAのスケーラビリティおよび効率を評価する。
• 並列処理が解の品質を損なわず、速度およびグローバルサーチ能力の両方を向上させることを実証する。

提案手法

• OpenMPディレクティブを用いて、標準的なヒラメクジラ最適化アルゴリズム（WOA）を並列フレームワークに適応する。
• 利用可能なプロセッサ数を自動的に検出し、クジラ（探索エージェント）の集団をスレッドに分散配分する。
• 各スレッド内のクジラについて、フィットネス評価と位置更新を並列に実行するが、個々のクジラについては逐次計算を維持することで正しさを保証する。
• 最適化ループ中におけるワークロード配分とスレッド同期を管理するために、OpenMPの並列構文を使用する。
• 各プロセッサに等しいサイズの部分集団を割り当てることで、動的負荷分散を実装し、無駄な待機時間を最小限に抑える。
• 並列処理の標準的指標（スループット、効率、実行時間）を用いて、プロセッサ数の変化に伴う性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 OpenMPによる並列化は、大規模最適化問題におけるヒラメクジラ最適化アルゴリズム（WOA）の計算時間を顕著に短縮できるか？
• RQ2 異なる問題次元において、提案されたPWOAのスループットおよび効率は、逐次的なWOAと比べてどのように異なるか？
• RQ3 PWOAは、非制約および制約付きのベンチマーク関数において、収束速度を向上させつつ、解の品質をどの程度維持できるか？
• RQ4 マルチモーダルおよびユニモーダル最適化問題において、プロセッサ数の増加に伴い、PWOAの並列実装は効果的にスケーリングできるか？
• RQ5 PWOAは、逐次版に比べて処理効率を向上させながら、実世界の制約付き工学的最適化問題を効果的に処理できるか？

主な発見

• PWOAは、20の非制約および5つの制約付き最適化問題において、逐次的なWOAと同一またはほぼ最適な解を達成した。
• 提案されたPWOAは、特にプロセッサ数が増加するにつれて顕著なスループット向上と効率の向上を示し、実行時間が比例的に短縮された。
• スループットおよび効率の指標は、プロセッサ数の増加に伴い一貫した改善を示し、効果的な負荷分散と最小限のスレッド競合を示している。
• 計算時間の短縮を実現しながらも、高い解の品質を維持したため、高次元および複雑な最適化タスクに有効であることが証明された。
• PWOAは、計算時間および並列処理指標の両面で逐次的なWOAを上回り、メタヒューリスティック最適化における並列処理の利点を裏付けた。
• 大規模な問題、特に膨大な数のフィットネス評価を伴う問題において、PWOAは収束精度を損なわず、CPUの利用効率を最大限に引き上げた。