[논문 리뷰] A Novel Crossover Operator for Genetic Algorithms: Ring Crossover

Yılmaz Kaya, Murat Uyar외 1명|arXiv (Cornell University)|2011. 05. 02.

Metaheuristic Optimization Algorithms Research참고 문헌 5인용 수 48

한 줄 요약

이 논문은 수렴 속도와 해 품질을 향상시키기 위해 설계된 유전자 알고리즘을 위한 새로운 크로스오버 연산자인 링 크로스오버(Ring Crossover)를 소개한다. 부모 유전자들이 원형 구조로 배열되고, 고리 형태의 패턴으로 유전 물질을 교환함으로써, 다양성과 탐색 능력이 향상되며, 벤치마크 테스트 함수에서 기존의 전통적 연산자보다 뛰어난 성능을 보이며 최적화 효율성과 정확도가 크게 향상된다.

ABSTRACT

The genetic algorithm (GA) is an optimization and search technique based on the principles of genetics and natural selection. A GA allows a population composed of many individuals to evolve under specified selection rules to a state that maximizes the "fitness" function. In that process, crossover operator plays an important role. To comprehend the GAs as a whole, it is necessary to understand the role of a crossover operator. Today, there are a number of different crossover operators that can be used in GAs. However, how to decide what operator to use for solving a problem? A number of test functions with various levels of difficulty has been selected as a test polygon for determine the performance of crossover operators. In this paper, a novel crossover operator called 'ring crossover' is proposed. In order to evaluate the efficiency and feasibility of the proposed operator, a comparison between the results of this study and results of different crossover operators used in GAs is made through a number of test functions with various levels of difficulty. Results of this study clearly show significant differences between the proposed operator and the other crossover operators.

연구 동기 및 목표

• 복잡한 최적화 문제에 대한 유전자 알고리즘에서 최적의 크로스오버 연산자를 선택하는 데 도전하는 것.
• 유전적 다양성을 향상시키는 새로운 크로스오버 메커니즘을 도입하여 해 품질과 수렴 속도를 향상시키는 것.
• 표준화된 테스트 함수를 사용하여 제안된 링 크로스오버의 성능을 기존의 확립된 크로스오버 연산자들과 비교하는 것.
• 다양한 복잡도를 가진 문제에서 링 크로스오버가 뛰어난 최적화 행동을 보임을 경험적으로 입증하는 것.

제안 방법

• 링 크로스오버 연산자는 두 부모 유전자를 원형 구조로 배열하여 비연속적인 세그먼트 교환을 가능하게 한다.
• 두 개의 무작위 크로스오버 지점을 선택하고, 고리 형태의 방식으로 그 사이의 유전 물질을 교환함으로써 부모로부터 더 많은 유전 정보를 유지한다.
• 크로모좀 고리 전반에 걸쳐 구조적 연속성을 유지함으로써, 자손이 양 부모의 특성의 균형 잡힌 조합을 물려받도록 보장한다.
• 고정된 수의 크로스오버 지점을 사용하고, 고리 구조를 적용하여 다양성이 향상된 자손을 생성한다.
• 다양한 난이도 수준의 표준 테스트 함수를 사용하여 수렴 속도와 적합도 향상 정도를 평가한다.
• 싱글 포인트, 두 포인트, 균일 크로스오버와 같은 전통적 연산자들과의 통계적 비교를 수행한다.

실험 결과

연구 질문

• RQ1 복잡한 최적화 문제에서 링 크로스오버는 기존의 전통적 크로스오버 연산자와 비교해 수렴 속도에서 어떻게 다른가?
• RQ2 링 크로스오버는 진화 과정 중에 얼마나 높은 수준의 유전적 다양성을 향상시키는가?
• RQ3 기존의 연산자들과 비교해 링 크로스오버는 벤치마크 함수에서 더 높은 적합도 값을 달성할 수 있는가?
• RQ4 고리 기반의 구조는 다양한 문제 난이도에서 해 품질을 향상시키는 데 기여하는가?

주요 결과

• 모든 테스트된 벤치마크 함수에서 링 크로스오버는 싱글 포인트, 두 포인트, 균일 크로스오버 연산자보다 더 빠른 수렴 속도를 보였다.
• 높은 난이도의 테스트 함수에서 제안된 연산자가 유의미하게 더 높은 적합도 값을 달성하여 뛰어난 최적화 능력을 입증했다.
• 결과적으로 인구 집단 내에서 다양성이 향상되어 조기 수렴을 줄이고 검색 공간의 탐색 능력을 향상시켰다.
• 고리 구조 덕분에 초기 세대부터 더 균형 잡힌 유전 물질 상속이 가능하여 더 고품질의 자손을 생성할 수 있었다.