[論文レビュー] The Connectivity of NK Landscapes' Basins: A Network Analysis

Sebástien Vérel, Gabriela Ochoa+1 more|ArXiv.org|Oct 20, 2008

Complex Network Analysis Techniques参考文献 10被引用数 20

ひとこと要約

本稿は、局所最良解をノード、盆地間遷移確率をエッジとしてモデル化することで、NKランドスケープのネットワークベースの特徴付けを提案する。K値が高くなると、境界対内部比が高く、より平坦でランダムな盆地を伴い、ネットワークの接続性が向上するため、探索の難易度が上昇する。一方、クラスタリング係数やパス長といった指標は、組合せ最適化の難易度と強く相関している。

ABSTRACT

We propose a network characterization of combinatorial fitness landscapes by adapting the notion of inherent networks proposed for energy surfaces. We use the well-known family of NK landscapes as an example. In our case the inherent network is the graph where the vertices represent the local maxima in the landscape, and the edges account for the transition probabilities between their corresponding basins of attraction. We exhaustively extracted such networks on representative small NK landscape instances, and performed a statistical characterization of their properties. We found that most of these network properties can be related to the search difficulty on the underlying NK landscapes with varying values of K.

研究の動機と目的

• 局所最良解をノード、盆地間遷移をエッジとして用いるネットワークベースの組合せ的フィットネスランドスケープの抽象化を構築すること。
• これらのネットワークの構造的性質が、確率的局所探索におけるNKランドスケープの探索難易度にどのように関連するかを調査すること。
• 特にサイズ、形状、境界対内部比に注目して、吸引域のトポロジーを特徴付けること。
• クラスタリング、パス長、不均一性といったネットワーク指標が、NKランドスケープにおける最適化性能を予測できるかどうかを検討すること。
• 粗い組合せ的ランドスケープにおける探索アルゴリズムの分析と改善に、複雑ネットワーク理論を応用する基盤を提供すること。

提案手法

• N=14,16,18（Kが偶数およびK=N−1）の小さなNKランドスケープにおいて、ベスト・イノベーション・ヒルクライミング法を用いて、すべての局所最良解を体系的に抽出する。
• ビット反転による局所探索に従って収束するすべての状態を追跡することで、各局所最良解の吸引域を定義する。
• ノードを局所最良解、エッジを単一ビット反転による盆地間遷移確率が非ゼロであるものとして、ネットワークを構築する。
• クラスタリング係数、平均最短パス長、エッジ重み分布、不均一性係数といったネットワーク指標を計算する。
• NおよびKごとに30個の独立したランドスケープインスタンスを用いた統計的分析により、トレンドと相関関係を評価する。
• 内部サイズ（特定の最良解に収束する状態数）と境界サイズ（他の盆地に属する隣接状態数）を測定することで、吸引域の幾何的性質を分析する。

実験結果

リサーチクエスチョン

• RQ1 K値およびN値の変化に伴い、局所最良解ネットワークにおけるクラスタリング係数や平均パス長はどのように変化するか？
• RQ2 盆地間の遷移確率分布は、NKランドスケープの粗さや探索難易度をどの程度反映しているか？
• RQ3 吸引域のサイズと幾何的性質、特に内部対境界比は、盆地間遷移の確率にどのように影響するか？
• RQ4 吸引域のサイズと、その対応する局所最良解ノードの次数の間に相関があるか？
• RQ5 不均一性係数のようなネットワーク指標は、高KのNKランドスケープにおけるランダム性の増大と構造の喪失を示唆できるか？

主な発見

• 局所最良解ネットワークにおける平均パス長は、NおよびKが増加するにつれて増加し、より大きなおよびより粗いランドスケープでは探索が困難であることを示している。
• クラスタリング係数はKの増加に伴い低下し、Kが大きくなると隣接する吸引域間の遷移確率が低くなり、よりランダムになる傾向がある。
• エッジの重み分布から、Kが低い場合に平均的に遷移確率が高く、滑らかなランドスケープでは盆地間の移動が容易であることが明らかになった。
• 不均一性係数はKの増加に伴い上昇し、異なる盆地への遷移確率がより均等に近づくことを示しており、構造の喪失とランダム性の増大を示唆している。
• 吸引域の内部は全体の1％未満にとどまり、境界はほぼ同じサイズであるため、ほぼすべての状態が他の吸引域に隣接していることが示された。
• 吸引域のサイズと局所最良解ネットワークにおけるノード次数の間に強い正の相関が認められ、より大きな吸引域はネットワーク構造においてより中心的であることが示された。