[論文レビュー] Porcellio scaber algorithm (PSA) for solving constrained optimization problems

Yinyan Zhang, Shuai Li+1 more|arXiv (Cornell University)|Oct 11, 2017

Metaheuristic Optimization Algorithms Research被引用数 3

ひとこと要約

本稿では、混合整数および非線形プログラミングベンチマークを含む制約付き最適化問題を解くための、拡張されたポルセリオ・スカーベルアルゴリズム（PSA）を提案する。元の生物模倣的PSAにペナルティ法を統合することで、拡張されたアルゴリズムは標準的なテスト問題において、収束性および解の品質の面で、多くの既存のメタヒューリスティクスを上回る優れた性能を発揮する。

ABSTRACT

In this paper, we extend a bio-inspired algorithm called the porcellio scaber algorithm (PSA) to solve constrained optimization problems, including a constrained mixed discrete-continuous nonlinear optimization problem. Our extensive experiment results based on benchmark optimization problems show that the PSA has a better performance than many existing methods or algorithms. The results indicate that the PSA is a promising algorithm for constrained optimization.

研究の動機と目的

• 元の無制約ポルセリオ・スカーベルアルゴリズム（PSA）を制約付き最適化問題に対応可能に拡張すること。
• 混合整数および非線形プログラミング問題を含む、有名な制約付きベンチマーク問題に対して、拡張されたPSAの性能を評価すること。
• 解の品質および収束速度の観点から、提案されたPSAを既存の最先端メタヒューリスティクスと比較すること。
• 固定ペナルティパラメータを用いたペナルティ法の有効性が、制約の実行可能性を維持しながら最適化を効果的に行えるかを検証すること。

提案手法

• 不等式制約および境界制約を扱うために、元のPSAにペナルティ法を組み込むことで、最適化問題における制約を処理するように変更した。
• 位置更新の過程で、探索と活用のバランスを取るために、重み付きペナルティパラメータλ ∈ (0,1) を用いた。
• N体の「ポルセリオ・スカーベル」エージェントからなる集団を用い、これまでに発見された最良の解に引き寄せられながら、反復的に位置を更新する。
• 位置更新ルールは、最良の解への引きつけ力と、平均が0で標準偏差が0.1であるランダムベクトルτを用いた確率的探索を組み合わせる。
• 制約は、二重境界を二つの単一境界制約に変換し、不実行解に対してペナルティ項を適用することで処理する。
• 最大100,000イテレーション、40体のエージェントを用い、制約違反に対してペナルティを課すために固定ペナルティパラメータを用いる。

実験結果

リサーチクエスチョン

• RQ1 元の生物模倣的ポルセリオ・スカーベルアルゴリズムは、制約付き最適化問題を効果的に拡張できるか？
• RQ2 拡張されたPSAは、標準的な制約付きベンチマーク問題において、他の確立されたメタヒューリスティクスと比較してどのように性能を示すか？
• RQ3 固定ペナルティパラメータを用いることで、制約の実行可能性および収束品質にどのような影響を与えるか？
• RQ4 PSAは、混合整数および非線形計画問題を含む、さまざまな種類の制約付き問題において、一貫した頑健性と収束速度を維持できるか？

主な発見

• Himmelblau非線形最適化問題において、PSAは-30,667.8113という2番目に良い目的関数値を達成し、コウク法が得た最良結果である-31,025.5602に非常に近い結果を示した。
• 圧力容器設計問題におけるPSAの解は、競争力があり、最良関数値が-30,667.8113であり、トップパフォーマンスを示すアルゴリズムの一つにランクされた。
• 連続的および混合整数の制約付き問題の両方で、PSAは優れた性能を示し、その多様性と頑健性を裏付けた。
• PSAと最良の既知の結果との間のわずかな性能差は、固定パラメータを用いたペナルティ法が有効であるが、最適ではないことを示唆している。
• 1,000回の独立実行において、PSAは一貫した収束を示し、確率的最適化における安定性と信頼性を裏付けた。
• 結果から、PSAは特に非凸な複雑な設定において、既存のメタヒューリスティクスの有望な代替手法であることが確認された。