[논문 리뷰] An Adaptive Population Size Differential Evolution with Novel Mutation Strategy for Constrained Optimization

Yuan Fu, Wang Hu외 1명|arXiv (Cornell University)|2018. 05. 11.

Metaheuristic Optimization Algorithms Research참고 문헌 33인용 수 3

한 줄 요약

이 논문은 제약 최적화를 위한 새로운 변동 전략을 갖춘 적응형 인구 크기 미분 진화 알고리즘인 APDE-NS를 제안한다. 인구 크기를 동적으로 조정하고 적응형 변동 전략을 통해 탐색 및 이용의 균형을 높임으로써 제약 위반을 감소시키고, CEC2017 기준 테스트 문제에서 경쟁력 있는 성능을 달성하며, 최신 기술보다 우수한 타당성과 수렴 성능을 보인다.

ABSTRACT

Differential evolution (DE) has competitive performance on constrained optimization problems (COPs), which targets at searching for global optimal solution without violating the constraints. Generally, researchers pay more attention on avoiding violating the constraints than better objective function value. To achieve the aim of searching the feasible solutions accurately, an adaptive population size method and an adaptive mutation strategy are proposed in the paper. The adaptive population method is similar to a state switch which controls the exploring state and exploiting state according to the situation of feasible solution search. The novel mutation strategy is designed to enhance the effect of status switch based on adaptive population size, which is useful to reduce the constraint violations. Moreover, a mechanism based on multipopulation competition and a more precise method of constraint control are adopted in the proposed algorithm. The proposed differential evolution algorithm, APDE-NS, is evaluated on the benchmark problems from CEC2017 constrained real parameter optimization. The experimental results show the effectiveness of the proposed method is competitive compared to other state-of-the-art algorithms.

연구 동기 및 목표

• 제약 최적화 문제(COPs)를 해결하는 데 있어 제약 위반을 줄임으로써 미분 진화의 성능을 향상시키기.
• 타당해가 발견되는 진행 상황에 따라 탐색 및 이용 모드를 전환하는 적응형 인구 크기 제어를 통해 탐색 과정에서의 탐색과 이용의 균형을 향상시키기.
• 탐색 및 이용 상태 간 효과적인 전환을 지원하는 새로운 변동 전략을 설계하기.
• 다중인구 경쟁과 정밀한 제약 처리를 통합하여 수렴성과 타당성을 향상시키기.
• 제안된 알고리즘을 CEC2017 제약 최적화 실수 파rameter 기준 테스트 세트에서 평가하기.

제안 방법

• 타당해 탐지 진행 상황에 따라 탐색 및 이용 모드를 전환하는 적응형 인구 크기 메커니즘을 도입한다.
• 인구 크기 적응에 효과를 극대화하는 새로운 변동 전략을 설계하여 수렴성 향상과 제약 위반 감소를 도모한다.
• 다양성을 유지하고 타당 영역 쪽으로 탐색을 이끌기 위해 다중인구 경쟁 메커니즘을 적용한다.
• 진화 과정 동안 제약을 더 효과적으로 처리하기 위해 정밀한 제약 제어 방법을 적용한다.
• 적응형 인구 제어, 새로운 변동 전략, 향상된 제약 처리를 통합한 유일한 프레임워크로 APDE-NS 알고리즘을 구성한다.
• CEC2017 기준 테스트 세트의 30개 제약 최적화 문제에서 알고리즘을 평가한다.

실험 결과

연구 질문

• RQ1 적응형 인구 크기 제어는 제약 최적화에서 미분 진화의 수렴성과 타당성에 어떤 영향을 미치는가?
• RQ2 제안된 새로운 변동 전략은 제약 처리와 탐색 효율성에 어느 정도 향상시키는가?
• RQ3 다중인구 경쟁은 제약 최적화 미분 진화에서 다양성과 수렴성을 향상시키는가?
• RQ4 APDE-NS는 CEC2017 제약 최적화 기준 테스트에서 최신 기술 알고리즘과 비교해 어떻게 성능을 내는가?
• RQ5 정밀한 제약 제어의 영향은 알고리즘의 전체 성능에 어떤 영향을 미치는가?

주요 결과

• APDE-NS는 CEC2017 제약 최적화 기준 테스트 세트에서 다른 최신 기술 알고리즘과 경쟁 가능한 성능을 달성했다.
• 적응형 인구 크기 메커니즘이 탐색과 이용의 균형을 효과적으로 유지하여 수렴 속도와 해의 품질을 향상시켰다.
• 새로운 변동 전략이 최적화 과정 중 제약 위반을 크게 감소시켰다.
• 다중인구 경쟁 통합으로 인해 인구 다양성이 향상되고 조기 수렴이 방지되었다.
• 정밀한 제약 제어 메커니즘이 타당성 향상과 최적해에의 신속한 수렴에 기여했다.
• 실험 결과, APDE-NS는 대부분의 CEC2017 테스트 문제에서 기존 알고리즘보다 우수하거나 동등한 성능을 보였다.