[논문 리뷰] A Hybrid ACO Algorithm for the Next Release Problem

He Jiang, Jingyuan Zhang외 3명|arXiv (Cornell University)|2017. 04. 16.

Distributed and Parallel Computing Systems참고 문헌 22인용 수 34

한 줄 요약

이 논문은 요구사항 공학에서 발생하는 NP-난이도 문제인 다음 릴리스 문제(Next Release Problem, NRP)를 해결하기 위해 하이브리드 개미집단최적화(HACO) 알고리즘을 제안한다. NRP는 고객 선호도, 자원 제약, 종속성 관계를 고려하여 최적의 요구사항을 선택하는 문제이다. HACO는 해를 구성할 때 페로몬 흔적과 이웃 정보를 조합하며, 첫 번째 발견 히어스트 힐 클라이밍 지역 탐색을 통합하고, 표준 NRP 기준 테스트 케이스에서 GRASP 및 시뮬레이티드 어닐링보다 우수한 해의 질과 실행 시간을 보였다.

ABSTRACT

In this paper, we propose a Hybrid Ant Colony Optimization algorithm (HACO) for Next Release Problem (NRP). NRP, a NP-hard problem in requirement engineering, is to balance customer requests, resource constraints, and requirement dependencies by requirement selection. Inspired by the successes of Ant Colony Optimization algorithms (ACO) for solving NP-hard problems, we design our HACO to approximately solve NRP. Similar to traditional ACO algorithms, multiple artificial ants are employed to construct new solutions. During the solution construction phase, both pheromone trails and neighborhood information will be taken to determine the choices of every ant. In addition, a local search (first found hill climbing) is incorporated into HACO to improve the solution quality. Extensively wide experiments on typical NRP test instances show that HACO outperforms the existing algorithms (GRASP and simulated annealing) in terms of both solution uality and running time.

연구 동기 및 목표

• 고객 선호도, 자원 제약, 요구사항 간 종속성을 균형 있게 고려하여 요구사항 공학 분야의 NP-난이도 문제인 다음 릴리스 문제(NRP)를 해결하기 위해.
• 하이브리드 메타휴리스틱 접근법을 통해 NRP의 해의 질과 계산 효율성을 향상시키기 위해.
• 지역 탐색을 개미집단최적화(ACO)에 통합하여 수렴성과 해의 정확도를 향상시키기 위해.
• 표준 NRP 테스트 인스턴스에서 GRASP 및 시뮬레이티드 어닐링과 같은 기존 알고리즘과의 성능 비교를 위해.

제안 방법

• HACO는 페로몬 흔적과 국소 이웃 정보를 사용하여 요구사항 선택을 유도하는 다수의 인공 개미를 사용해 반복적으로 해를 구성한다.
• 해를 구성하는 동안 페로몬 수준과 히وري스틱 정보(이웃 관련성)를 조합한 하이브리드 결정 규칙를 사용한다.
• 각 해 구성 후 첫 번째 발견 히어스트 힐 클라이밍 지역 탐색을 적용하여 해의 질을 개선한다.
• 모든 개미가 해를 완료한 후 전역적으로 페로몬 업데이트 규칙을 적용하여 고품질 선택을 강화한다.
• 해 공간을 효과적으로 탐색하기 위해 사전 정의된 횟수의 반복을 통해 알고리즘을 반복 실행한다.
• HACO는 표준 NRP 기준 테스트 인스턴스에서 GRASP 및 시뮬레이티드 어닐링과의 성능 비교를 위해 평가된다.

실험 결과

연구 질문

• RQ1 하이브리드 ACO 접근법이 다음 릴리스 문제에서 고객 만족도, 자원 제약, 요구사항 종속성을 효과적으로 균형 있게 조절할 수 있는가?
• RQ2 지역 탐색의 통합이 NRP의 ACO 프레임워크에서 해의 질을 어떻게 향상시키는가?
• RQ3 HACO는 해의 질과 실행 시간 측면에서 GRASP 및 시뮬레이티드 어닐링보다 더 나은 성능을 보이는가?
• RQ4 페로몬 흔적과 이웃 정보가 HACO의 해 구성 과정에서 공동으로 어떤 영향을 미치는가?

주요 결과

• HACO는 모든 테스트된 NRP 인스턴스에서 GRASP 및 시뮬레이티드 어닐링보다 뛰어난 해의 질을 달성했다.
• 빠른 수렴성과 감소된 실행 시간을 보이며 계산 효율성이 향상되었음을 시사했다.
• 첫 번째 발견 히어스트 힐 클라이밍 지역 탐색의 통합이 후보 해를 정밀하게 개선하여 해의 질을 크게 향상시켰다.
• 목적 함수 값 측면에서 HACO는 고객 만족도와 자원 제약 간의 균형을 더 잘 반영하여 GRASP 및 시뮬레이티드 어닐링을 모두 초월했다.