[논문 리뷰] Digenes: genetic algorithms to discover conjectures about directed and undirected graphs

Romain Absil, Hadrien Mélot|arXiv (Cornell University)|2013. 04. 30.

Scheduling and Timetabling Solutions참고 문헌 22인용 수 4

한 줄 요약

Digenes는 주어진 그래프 불변량에 대해 극치의 방향성 있는 및 무방향 그래프를 식별하는 데 유전적 알고리즘을 사용하는 새로운 발견 시스템이다. 이는 추측 생성, 반례 발견, 증명 탐색을 가능하게 하며, 최적해에 도달하는 데 필요한 평균 세대 수를 4,000 이상에서 1,500 미만으로 줄여 기존 기준보다 뛰어난 성능을 보인다. 특히 2점 교차와 루렛 휠 선택을 사용할 경우 성능 향상이 두드러진다.

ABSTRACT

We present Digenes, a new discovery system that aims to help researchers in graph theory. While its main task is to find extremal graphs for a given (function of) invariants, it also provides some basic support in proof conception. This has already been proved to be very useful to find new conjectures since the AutoGraphiX system of Caporossi and Hansen (Discrete Math. 212-2000). However, unlike existing systems, Digenes can be used both with directed or undirected graphs. In this paper, we present the principles and functionality of Digenes, describe the genetic algorithms that have been designed to achieve them, and give some computational results and open questions. This do arise some interesting questions regarding genetic algorithms design particular to this field, such as crossover definition.

연구 동기 및 목표

• 기존 시스템이 무방향 그래프에만 집중하는 데 비해, 방향성 있는 그래프와 무방향 그래프를 모두 다룰 수 있는 발견 시스템을 개발하는 것.
• 직접 또는 간접적으로 그래프 불변량(예: 지름, 비균형도, 평균 거리 등)에 대해 히우리스틱 최적화를 통해 극치의 그래프를 자동으로 발견할 수 있도록 하는 것.
• 그래프 이론 연구에서 추측 형성, 반례 식별, 그래프 변환 규칙 검증을 지원하는 것.
• 그래프 구조의 해답에 특화된 유전적 알고리즘 연산자(교차, 변이, 선택)의 설계를 탐색하는 것.
• 다양한 그래프 이론 최적화 문제에 적응할 수 있는 일반적인 유전적 알고리즘 프레임워크를 개발할 수 있는지, 최소한의 재구성으로도 가능한지 조사하는 것.

제안 방법

• 그래프 불변량의 함수 f에 대해 max_{G∈G_n} f(G) 형태의 조합 최적화 문제를 해결하기 위해 유전적 알고리즘을 활용한다.
• 인접 행렬과 차수 수열 기반의 그래프 인코딩을 사용하며, 그래프 성질을 유지하도록 특수 설계된 교차 및 변이 연산자를 적용한다.
• 특히 지름 및 비균형도 최적화에서 검색 효율성을 향상시키기 위해, 그래프 인코딩을 정렬한 후 2점 교차를 적용한다.
• 루렛 휠, 토너먼트, 직접 제거 등의 선택 메커니즘을 구현하며, 루렛 휠이 가장 뛰어난 성능을 보였다.
• 초기 집단 생성을 위한 필터링 루틴을 도입했지만, 다른 전략에 비해 성능이 열 劣한 것으로 나타났다.
• 지름, 비균형도, 평균 거리와 관련된 극치 그래프 문제에 대해 계산 실험을 수행하여 결과를 검증한다.

실험 결과

연구 질문

• RQ1 유전적 알고리즘은 어떻게 방향성 있는 그래프 공간과 무방향 그래프 공간 양쪽에서 극치의 그래프를 효과적으로 탐색하도록 적응시킬 수 있는가?
• RQ2 어떤 교차 및 변이 연산자가 강한 연결성과 같은 하드 제약 조건을 유지하면서도 효율적인 탐색을 가능하게 하는가?
• RQ3 다양한 초기 집단 생성 방법은 그래프 최적화에서 수렴 속도와 해 품질에 어떤 영향을 미치는가?
• RQ4 지름 및 비균형도와 같은 그래프 불변량이 유전적 교차 연산자의 유전성 설계를 얼마나 잘 이끌 수 있는가?
• RQ5 다양한 그래프 이론 최적화 문제에 적응할 수 있는 일반적인 유전적 알고리즘 프레임워크를 개발할 수 있는가? 이는 최소한의 재구성으로도 가능할까?

주요 결과

• 인코딩 정렬 후 2점 교차를 적용하면 수렴 효율이 크게 향상되어, 최적해에 도달하는 데 필요한 평균 세대 수가 4,000 이상에서 1,500 미만으로 감소한다.
• 루렛 휠 선택은 직접 제거 및 토너먼트 선택보다 수렴 속도와 해 품질 측면에서 뛰어나다.
• 차수 수열 확산을 통한 초기 집단 생성은 가장 효율이 떨어지는 방법으로 나타나, 무작위 또는 히우리스틱 기반 초기화 방식의 개선이 필요함을 시사한다.
• 부분그래프 선택을 기반으로 한 교차 연산자의 지도는 일부 불변량에 대해 성능 향상을 이끌었지만, 평균 거리의 경우 부분그래프의 강한 연결성 제약으로 인해 효과가 없었다.
• 모든 테스트 케이스에서 지름 및 비균형도에 대해 최적의 그래프를 성공적으로 식별하여, 이 불변량에 대해 매우 높은 신뢰성을 보였다.
• 반례 발견 및 그래프 변환 규칙 검증 기능을 통해, 증명 구성 및 추측 발견에 있어 시스템의 실용성과 유용성을 입증했다.