[논문 리뷰] An Application of BnB-NSGAII: Initializing NSGAII to Solve 3 Stage Reducer Problem

Ahmed Jaber, Pascal Lafon외 1명|arXiv (Cornell University)|2021. 05. 14.

Advanced Multi-Objective Optimization Algorithms참고 문헌 8인용 수 4

한 줄 요약

이 논문은 ISO 기준을 충족하는 약속된 제약 조건이 있는 이목적 3단계 감속기 문제를 해결하기 위해 BnB-NSGAII를 사용하여 NSGAII를 초기화하는 방법을 제안한다. 이는 타당성 있고 고성능의 파레토 최적 해에의 수렴을 향상시킨다. 주요 기여는 분기 및 경계 노드 간에 최상의 개체를 상속하는 새로운 '레거시 기능'을 도입한 것으로, 이는 표준 NSGAII 및 이 기능이 없는 BnB-NSGAII보다 성능을 크게 향상시킨다.

ABSTRACT

The 3 stage reducer problem is a point of interest for many researchers. In this paper, this problem is reformulated to a bi-objective problem with additional constraints to meet the ISO mechanical standards. Those additional constraints increase the complexity of the problem, such that, NSGAII performance is not sufficient. To overcome this, we propose to use BnB-NSGAII method - a hybrid multi-criteria branch and bound with NSGAII - to initialize NSGAII before solving the problem, seeking for a better initial population. A new feature is also proposed to enhance BnB-NSGAII method, called the legacy feature. The legacy feature permits the inheritance of the elite individuals between - branch and bound - parent and children nodes. NSGAII and BnB-NSGAII with and without the legacy feature are tested on the 3 stage reducer problem. Results demonstrate the competitive performance of BnB-NSGAII with the legacy feature.

연구 동기 및 목표

• 복잡하고 제약 조건이 많은 3단계 감속기 문제를 해결할 때 NSGAII의 낮은 수렴 속도와 낮은 타당성 문제를 해결하기 위해.
• 우수한 초기 개체 집합을 생성하기 위해 BnB-NSGAII를 사전 처리 단계로 사용하여 NSGAII의 성능을 향상시키기 위해.
• 다목적 최적화에서 분기 및 경계 트리의 부모 노드에서 자식 노드로 최상의 개체를 상속할 수 있는 새로운 '레거시 기능'을 도입하고 평가하기 위해.
• 실제 기계적 제약 조건이 있는 이목적 3단계 감속기 문제에서 레거시 기능이 있는 BnB-NSGAII의 효과성을 검증하기 위해.

제안 방법

• 3단계 감속기 문제를 볼륨 최소화와 감속비 오차 최소화를 목표로 하는 이목적 혼합정수비선형계획문제(MINLP)로 재구성하기.
• BnB-NSGAII를 적용하여 조합 공간을 탐색하고, NSGAII 초기화 이전에 적어도 하나의 타당한 해를 확보하기.
• 분기 및 경계 트리에서 부모 노드에서 자식 노드로 최종 개체 집합(최상의 개체)을 상속하기 위해 '레거시 기능'을 도입하기.
• 자식 노드의 각 하위 문제에 맞게 상속된 개체 집합을 경계에 맞게 재조정한 후, 이를 NSGAII의 초기 개체로 사용하기.
• 모의 이진 교차(SBX), 비균일 변이, 레거시 방법을 통한 제약 조건 처리를 사용한 NSGAII를 적용하기.
• 모든 방법을 동일한 파rameter로 10회 반복하여 공정한 비교를 보장하기.

실험 결과

연구 질문

• RQ1 표준 NSGAII가 실패하는 고복잡도, 제약 조건이 많은 3단계 감속기 문제에서 BnB-NSGAII는 타당한 해를 효과적으로 탐색할 수 있는가?
• RQ2 BnB-NSGAII에서 유도된 해로 NSGAII를 초기화하면 무작위 초기화보다 파레토 최적 해에의 수렴 속도가 뚜렷이 향상되는가?
• RQ3 제안된 레거시 기능—분기 및 경계 노드 간 최상의 개체 상속—은 탐색 효율성과 해 품질에 어떤 영향을 미치는가?
• RQ4 타당성과 수렴 성능 측면에서 NSGAII, BnB-NSGAII, 그리고 레거시 기능이 있는 BnB-NSGAII의 비교 성능는 어떠한가?

주요 결과

• 레거시 기능이 있는 BnB-NSGAII는 10회의 시행 전부에서 적어도 하나의 타당한 해를 찾는 데 성공률 100%를 기록했으며, 이는 레거시 기능이 없는 NSGAII 및 BnB-NSGAII보다 뛰어난 성능을 보였다.
• 무작위 개체 집합으로 초기화된 NSGAII는 여러 시행에서 타당한 해에 수렴하지 못했지만, 하나의 타당한 시드로 초기화된 경우에는 일관된 수렴을 보였다.
• 레거시 기능은 BnB-NSGAII의 탐색을 타당 영역 쪽으로 이끌었으며, 도메인 탐색도에서 레거시 기능이 있는 버전만이 지속적으로 타당 영역을 목표로 함을 보여주었다.
• 레거시 기능이 있는 BnB-NSGAII는 NSGAII 및 레거시 기능이 없는 BnB-NSGAII보다 더 높은 품질의 파레토 최적 해를 생성했으며, 수렴성과 분포 개선을 통해 이를 입증했다.
• 모든 방법이 30분 이내에 수렴했으며, 이는 레거시 기능이 있는 BnB-NSGAII의 계산 오버헤드가 이 문제 크기에서는 여전히 수용 가능한 수준임을 시사한다.