[論文レビュー] Path Relinking for Bandwidth Coloring Problem

Xiangjing Lai, Zhipeng Lü+3 more|arXiv (Cornell University)|Sep 3, 2014

graph theory and CDMA systems参考文献 20被引用数 5

ひとこと要約

本稿では、帯域幅彩色問題（BCP）および帯域幅マルチ彩色問題（BMCP）に対する、タブー探索（TS）と集団ベースのリリンクを統合したパスリブリンキング（PR）アルゴリズムを提案する。優れた性能を発揮し、66件のベンチマークインスタンスのうち15件で最良既知結果を更新し、残りのインスタンスについても一致させた。ランダム化されたリリンクが、探索の多様性を維持する上で、貪欲なリリンクよりも優れていることが示された。

ABSTRACT

A Path Relinking algorithm is proposed for the Bandwidth Coloring problem and the Bandwidth MultiColoring problem. It combines a population based relinking method and a tabu search based local search procedure. The proposed algorithm is assessed on two sets of 66 benchmark instances commonly used in the literature. Computational results demonstrate that the proposed algorithm is highly competitive in terms of both solution quality and efficiency compared to the best performing algorithms in the literature. Specifically, it improves the previous best known results for 15 out of 66 instances, while matching the previous best known results for 47 cases. Some key elements of the proposed algorithm are investigated.

研究の動機と目的

• NP困難な帯域幅彩色問題（BCP）およびその一般化である帯域幅マルチ彩色問題（BMCP）を効果的に解くためのメタヒューリスティクスを開発すること。
• 集団ベースのフレームワーク内でパスリブリンキングをタブー探索と統合することで、解の品質と探索効率を向上させること。
• リリンク戦略やタブー探索の深さといった、アルゴリズムの主要な構成要素が全体的な性能に与える影響を調査すること。
• 標準ベンチマークインスタンス上で提案アルゴリズムを評価し、最先端の手法と比較すること。

提案手法

• マルチスタート戦略を用いて高品質な解の集団を生成する。
• エリート解の間の軌道を探索するためのパスリブリンキング手順を適用し、新たな後継解を生成する。
• 有望な解の周辺での探索を強化するために、局所探索法としてタブー探索（TS）手順を用いる。
• リリンク戦略は、ランダム化された手法（PR1）が、決定論的な貪欲な手法（PR2）よりも、集団の多様性を維持する上で優れている。
• パラメータαを用いて、タブー探索の深さを動的に調整する。αは局所探索の反復回数を制御する。
• 全体のフレームワークは、強化（TSによる）と多様化（PRおよびランダム化リリンクによる）をバランスさせ、探索空間の効果的かつ包括的な探索を可能にする。

実験結果

リサーチクエスチョン

• RQ1 パスリブリンキングをタブー探索と統合することで、BCPおよびBMCPにおける解の品質と収束速度にどのような影響を与えるか？
• RQ2 本PRフレームワークの文脈において、ランダム化と貪欲なリリンク戦略のどちらがより優れた性能を示すか？
• RQ3 アルゴリズムの性能は、タブー探索手順の深さパラメータαに対してどれほど感受性を示すか？
• RQ4 提案されたアルゴリズムは、標準的なBCPおよびBMCPベンチマークの最良既知結果をどの程度改善できるか？

主な発見

• 提案されたPRアルゴリズムは、66件のベンチマークインスタンスのうち15件で最良既知結果を改善し、いくつかのBMCPケースでは最大10色の顕著な削減が達成された。
• 66件のインスタンスのうち47件で、以前の最良既知結果と一致させ、高い一貫性を示した。
• ランダム化リリンク手順（PR1）は、決定論的貪欲リリンク手法（PR2）を著しく上回り、多様化と強化のバランスが優れていることが示された。
• アルゴリズムの性能は、タブー探索の深さパラメータαに対してあまり感受性が低くなく、α = 10^4が解の品質と計算コストの間で良好なトレードオフを提供した。
• タブー探索モジュールは、PRフレームワーク内での局所最適化エンジンとして非常に効果的であり、解の精錬を向上させた。
• ハイブリッドPR-TSアプローチは、最先端のアルゴリズムと比較して、解の品質および計算効率の両面で競争力のある性能を達成した。