[논문 리뷰] Critical control of a genetic algorithm

Raphaël Cerf|arXiv (Cornell University)|2010. 05. 19.

Evolutionary Algorithms and Applications참고 문헌 20인용 수 4

한 줄 요약

이 논문은 유전적 알고리즘에서 변이 확률과 집단 크기를 동적으로 제어하기 위한 새로운 히우리스틱을 제안한다. 세대 간 최적의 적합도를 모니터링함으로써 탐색과 선택 사이의 추측된 임계점 근처에서 작동하며, 실시간으로 매개변수를 조정한다: 적합도가 정체되면 변이를 증가시키고, 적합도가 감소하면 변이를 감소시키며, 적합도가 향상되면 재시작함으로써 효율적인 탐색을 위한 최적의 균형을 유지한다.

ABSTRACT

Based on speculations coming from statistical mechanics and the conjectured existence of critical states, I propose a simple heuristic in order to control the mutation probability and the population size of a genetic algorithm.

연구 동기 및 목표

• 실제 응용에서 유전적 알고리즘의 최적 매개변수(변이율과 집단 크기)를 선택하는 데 오랫동안 지속된 과제를 해결하기 위해.
• 이론적 임계점 계산에 의존하지 않는 간단하고 경험적으로 기반을 둔 히우리스틱을 제공하기 위해.
• 유한 집단 크기를 가진 유전적 알고리즘에서 통계역학의 임계성 개념을 실용적으로 적용하기 위해.
• 변이(탐색)와 적합도 기반 선택(선택) 사이의 동적 평형을 유지함으로써 탐색 효율성을 향상시키기 위해.

제안 방법

• 현재 알고리즘의 작동 영역를 판단하기 위해 한 세대에서 다음 세대로의 최적 적합도 값을 모니터링한다.
• 적합도 추세에 따라 변이 확률을 조정한다: 적합도가 일정하면 선택이 지배하므로 증가시키고, 적합도가 감소하면 변이가 지배하므로 감소시킨다.
• 적합도가 향상되면 局부 최적해에서 벗어났음을 나타내므로 변이 제어를 재시작하고 집단 크기를 2로 초기화한다.
• 유한 구간 내에서 변이 확률을 정밀하게 조정하기 위해 이분법 절차를 사용하여 최적 값으로 수렴하도록 보장한다.
• 적합도가 향상될 경우 최고 개체를 유지함으로써 엘리티즘을 통합한다.
• 변이 확률이 수렴한 후에만 집단 크기를 증가시켜 조기 수렴을 방지한다.

실험 결과

연구 질문

• RQ1 적합도 추세 모니터링에 기반한 단순한 히우리스틱이 실제로 유전적 알고리즘에서 변이 확률과 집단 크기를 효과적으로 제어할 수 있는가?
• RQ2 탐색과 선택이 균형을 이루는 임계점 근처에서 작동할 경우, 유한 집단 크기를 가진 유전적 알고리즘에서 더 효율적인 탐색이 이루어지는가?
• RQ3 에인스타인의 쿼드라스피시스 모델에서 유도된 오류 임계점 개념을 실용적 유전적 알고리즘의 매개변수 제어에 얼마나 잘 적응시킬 수 있는가?
• RQ4 적합도 지형에 대한 사전 지식 없이도 이론적 임계점 계산 없이 동적 매개변수 제어를 어떻게 구현할 수 있는가?

주요 결과

• 실시간 적합도 변화에 반응함으로써 히우리스틱은 탐색과 선택 사이의 균형을 효과적으로 유지하여 정체나 과도한 교란을 방지한다.
• 적합도가 세대 간 일정하게 유지될 경우 변이 확률을 증가시켜 탐색을 강화함으로써 조기 수렴을 방지한다.
• 적합도가 감소할 경우 변이 확률을 감소시켜 선택이 지배하도록 하여 탐색 과정을 안정화시킨다.
• 적합도가 향상될 경우 변이 제어를 재시작하고 집단 크기를 2로 초기화함으로써 국소 최적해에서 벗어나 새로운 영역을 탐색하는 데 기여한다.
• 이분법 기반의 정밀 조정 과정을 통해 변이 확률의 수렴을 달성하여 안정적인 매개변수 적응을 보장한다.
• 엘리티즘의 통합은 고품질 해를 유지하면서도 적응형 매개변수 제어를 가능하게 하여 전반적인 성능을 향상시킨다.