[논문 리뷰] An Improved ACS Algorithm for the Solutions of Larger TSP Problems

Md. Rakib Hassan, Md. Kamrul Hasan외 1명|arXiv (Cornell University)|2013. 04. 13.

Metaheuristic Optimization Algorithms Research참고 문헌 8인용 수 4

한 줄 요약

이 논문은 대규모 여행행군문제(TSP)를 더 효율적으로 해결하기 위해 유전 알고리즘에 영감을 받은 병렬 탐색 메커니즘을 통합한 향상된 ACS 알고리즘인 레드_BLK 앤티 코로니 시스템(RB-ACS)을 제안한다. RB-ACS는 기존 알고리즘보다 유의미하게 뛰어난 성능을 보이며, 기준 인스턴스에서 빠른 수렴 속도와 향상된 해 품질을 입증한다.

ABSTRACT

Solving large traveling salesman problem (TSP) in an efficient way is a challenging area for the researchers of computer science. This paper presents a modified version of the ant colony system (ACS) algorithm called Red-Black Ant Colony System (RB-ACS) for the solutions of TSP which is the most prominent member of the combinatorial optimization problem. RB-ACS uses the concept of ant colony system together with the parallel search of genetic algorithm for obtaining the optimal solutions quickly. In this paper, it is shown that the proposed RB-ACS algorithm yields significantly better performance than the existing best-known algorithms.

연구 동기 및 목표

• 대규모 여행행군문제(TSP)를 효율적으로 해결하는 데 도전하는 것, 이는 주요 조합 최적화 문제이다.
• 대규모 TSP 인스턴스에서 표준 앤티 코로니 시스템(ACS) 알고리즘의 해 품질과 수렴 속도 측면에서 성능을 향상시키는 것.
• 특히 병렬 탐색과 인구 기반 탐색 원리를 포함한 유전 알고리즘 원리를 ACS 프레임워크에 통합하여 전역 탐색 능력을 향상시키는 것.
• 조합 최적화 문제의 대규모 문제에 대해 양자화된 메타휴리스틱을 개발하여 양자화된 메타휴리스틱을 개발하는 것.

제안 방법

• RB-ACS 알고리즘은 탐색 공간을 분할하기 위해 레드-블랙 전략을 도입하여, 서로 다른 역할을 하는 여러 개의 인공 개미가 병렬 탐색을 수행하도록 한다.
• 지역 최적 해와 전역 최적 해 정보를 통합하여 피로몬 업데이트 규칙을 향상시켜 최적 또는 근접 최적의 TSP 순회로의 수렴을 향상시킨다.
• 해의 다양성을 유지하고 조기 수렴을 방지하기 위해 유전 알고리즘에 영감을 받은 인구 기반 메커니즘을 사용한다.
• 개미들은 레드 또는 블랙 그룹에 할당되며, 각각 다른 탐색 및 이용 행동을 가지므로 해 공간 전역에서 조율된 동시에 병렬 탐색이 가능하다.
• 피로몬 업데이트 메커니즘은 고품질 해를 우선시하면서도 주기적인 재초기화를 통해 다양성을 유지함으로써 탐색과 이용의 동적 균형을 이루도록 한다.
• 해 품질 평가에 순회 길이를 사용하고, 개미 기반의 구축과 피로몬 강화를 반복적으로 통해 해를 개선한다.

실험 결과

연구 질문

• RQ1 유전 알고리즘에 영감을 받은 병렬 탐색의 통합이 대규모 TSP 인스턴스를 해결하는 데 있어 앤티 코로니 시스템의 성능을 향상시킬 수 있는가?
• RQ2 레드-블랙 전략은 대규모 TSP 문제에서 해 품질과 수렴 속도에 어떤 영향을 미치는가?
• RQ3 하이브리드 RB-ACS 알고리즘이 표준 ACS 및 기타 최첨단 TSP 솔버에 비해 해 정확도와 런타임 측면에서 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ4 제안된 방법은 최적 또는 근접 최적의 TSP 순회로의 수렴을 가속화하면서도 해의 다양성을 유지하는가?

주요 결과

• RB-ACS 알고리즘은 대규모 TSP 벤치마크에서 표준 ACS 및 기타 기존 알고리즘보다 유의미하게 뛰어난 해 품질을 달성한다.
• 유전 알고리즘에서 영감을 받은 병렬 탐색 메커니즘의 통합은 앤티 코로니 시스템의 탐색 능력을 향상시켜 局부 최적해에 갇힐 위험을 줄인다.
• 레드-블랙 전략은 동시에 해 공간의 여러 영역을 조율적으로 탐색할 수 있도록 해서 수렴 속도를 높인다.
• 실험 결과, RB-ACS는 대규모 TSP 인스턴스에서 평균 순회 길이를 단축하고 다수의 런에 걸쳐 일관성을 향상시킨다.
• 알고리즘은 벤치마크 데이터셋에서 뛰어난 성능을 보이며, 해 품질과 계산 효율성 측면에서 이전의 최고 기록 해를 초월한다.