[論文レビュー] Using Dissortative Mating Genetic Algorithms to Track the Extrema of Dynamic Deceptive Functions

Carlos M. Fernandes, J. J. Merelo+1 more|ArXiv.org|Apr 20, 2009

Metaheuristic Optimization Algorithms Research参考文献 57被引用数 4

ひとこと要約

本稿では、自己調整可能なハミング距離閾値を用いて遺伝的に異なる親を選択することで、動的で曇りの多い関数における移動する最適解を追跡する高水準の遺伝的多様性を維持する、適応的非同型交配遺伝的アルゴリズム（ADMGA）を提案する。ADMGAは、標準的なGAや先行の非同型GAを上回り、特に難易度の高い問題インスタンスにおいて、局所最適解からの脱出と環境変化への適応を外部チューニングなしで効果的に実現する。

ABSTRACT

Traditional Genetic Algorithms (GAs) mating schemes select individuals for crossover independently of their genotypic or phenotypic similarities. In Nature, this behaviour is known as random mating. However, non-random schemes - in which individuals mate according to their kinship or likeness - are more common in natural systems. Previous studies indicate that, when applied to GAs, negative assortative mating (a specific type of non-random mating, also known as dissortative mating) may improve their performance (on both speed and reliability) in a wide range of problems. Dissortative mating maintains the genetic diversity at a higher level during the run, and that fact is frequently observed as an explanation for dissortative GAs ability to escape local optima traps. Dynamic problems, due to their specificities, demand special care when tuning a GA, because diversity plays an even more crucial role than it does when tackling static ones. This paper investigates the behaviour of dissortative mating GAs, namely the recently proposed Adaptive Dissortative Mating GA (ADMGA), on dynamic trap functions. ADMGA selects parents according to their Hamming distance, via a self-adjustable threshold value. The method, by keeping population diversity during the run, provides an effective means to deal with dynamic problems. Tests conducted with deceptive and nearly deceptive trap functions indicate that ADMGA is able to outperform other GAs, some specifically designed for tracking moving extrema, on a wide range of tests, being particularly effective when speed of change is not very fast. When comparing the algorithm to a previously proposed dissortative GA, results show that performance is equivalent on the majority of the experiments, but ADMGA performs better when solving the hardest instances of the test set.

研究の動機と目的

• 収束によって適応性が低下する動的最適化問題における遺伝的多様性の維持という課題に対処すること。
• 曇りの多い地形における移動する最適解の追跡に、非同型交配が効果を発揮するかどうかを調査すること。
• 変化速度が異なる動的トラップ関数上で、ADMGAの既存のGAとの性能を評価すること。
• 固定パrameterの代替手法と比較して、ADMGAの交配閾値の自己調整能力を評価すること。
• 非同型交配が、動的で曇りの多い環境における探索の強化と局所最適解からの脱出をどのように向上させるかを特定すること。

提案手法

• ADMGAは、ハミング距離に基づく自己調整可能な閾値を用いて、遺伝的に異なる個体を優先して交配ペアを選択する。
• 交配閾値は実行中に動的に適応し、非同型交配の強度を制御することで、手動チューニングへの依存を低減する。
• 交差は、現在の閾値を超えるハミング距離を持つ個体間でのみ実行され、遺伝的多様性が促進される。
• 選択、交差、突然変異という標準的な遺伝的演算子を用い、突然変異率を1/Lに保つことでバランスを維持する。
• 性能評価は、環境変化速度（ρ）とシフト量（ε）が変化する5次元動的トラップ関数上で実施される。
• 比較実験には、ADMGA、nAMGGA（先行の非同型GA）、従来のRIGA、SORIGAが含まれ、有意性を評価する統計的検定が実施される。

実験結果

リサーチクエスチョン

• RQ1 非同型交配は、動的で曇りの多い関数における移動する最適解の追跡能力を向上させることができるか？
• RQ2 動的環境下で、ADMGAの自己調整型交配閾値は、固定パrameterの非同型スキームと比較してどのように異なるか？
• RQ3 ADMGAは、従来および特化型GAと比較して、動的トラップ問題における収束速度と解の品質で優れているか？
• RQ4 環境変化の速度と大きさが変化する際、ADMGAの性能はどのように変化するか？
• RQ5 非同型交配は、曇りの多い地形における探索の強化と早期収束の防止にどの程度寄与するか？

主な発見

• ADMGAは、100,000および200,000評価シナリオにおいて、従来のRIGAおよびSORIGAを顕著に上回った。特にρ = 0.3、0.6、0.95の条件下で顕著な優位性を示した。
• 最も困難なインスタンス（ε = 200,000）において、ADMGAはnAMGGAよりも顕著に高い適応度を達成し、p値が統計的優位性を示した。
• ADMGAは実行全体を通じて高い遺伝的多様性を維持し、局所最適解からの脱出と移動するグローバル最適解の追跡に効果的であった。
• ADMGAの自己調整型閾値は、手動チューニングの必要性を排除し、nAMGGAの固定パrameterと比較してより高いロバストネスを実現した。
• 低変化シナリオ（ρ = 0.05）ではADMGAが強く性能を発揮したが、変化が速すぎる場合には若干の性能低下が観察された。
• 統計的検定により、ADMGAが75％のテストケースでnAMGGAを顕著に上回ることが確認され、特に高次元および高シフト問題において顕著であった。