[논문 리뷰] Ebola Optimization Search Algorithm (EOSA): A new metaheuristic algorithm based on the propagation model of Ebola virus disease

Olaide N. Oyelade, Absalom E. Ezugwu|arXiv (Cornell University)|2021. 06. 02.

Viral Infections and Outbreaks Research인용 수 11

한 줄 요약

이 논문은 에볼라 바이러스 감염병의 전파 역학을 기반으로 한 새로운 메타휴리스틱인 에볼라 최적화 탐색 알고리즘(EOSA)을 제안한다. 이 알고리즘은 일阶 미분방정식으로 모델링된 전파 역학을 활용하여, 감염 가능 인구, 감염자, 격리자, 병원화자, 회복자, 사망자 상태의 인구 집단을 시뮬레이션하여 탐색 행동을 이끌어내며, 47개의 고전적 및 30개의 제약 조건이 있는 IEEE CEC-2017 기준 테스트 함수에서 경쟁력 있는 성능을 보이며, 특히 고차원 및 광범위한 범위 문제에서 PSO, GA, ABC와 비교해 뛰어난 성능을 보인다.

ABSTRACT

The Ebola virus and the disease in effect tend to randomly move individuals in the population around susceptible, infected, quarantined, hospitalized, recovered, and dead sub-population. Motivated by the effectiveness in propagating the disease through the virus, a new bio-inspired and population-based optimization algorithm is proposed. This paper presents a novel metaheuristic algorithm named Ebola optimization algorithm (EOSA). To correctly achieve this, this study models the propagation mechanism of the Ebola virus disease, emphasising all consistent states of the propagation. The model was further represented using a mathematical model based on first-order differential equations. After that, the combined propagation and mathematical models were adapted for developing the new metaheuristic algorithm. To evaluate the proposed method's performance and capability compared with other optimization methods, the underlying propagation and mathematical models were first investigated to determine how they successfully simulate the EVD. Furthermore, two sets of benchmark functions consisting of forty-seven (47) classical and over thirty (30) constrained IEEE CEC-2017 benchmark functions are investigated numerically. The results indicate that the performance of the proposed algorithm is competitive with other state-of-the-art optimization methods based on scalability analysis, convergence analysis, and sensitivity analysis. Extensive simulation results indicate that the EOSA outperforms other state-of-the-art popular metaheuristic optimization algorithms such as the Particle Swarm Optimization Algorithm (PSO), Genetic Algorithm (GA), and Artificial Bee Colony Algorithm (ABC) on some shifted, high dimensional and large search range problems.

연구 동기 및 목표

• 에볼라 바이러스 감염병의 생물학적 전파 메커니즘을 영감으로 삼은 새로운 메타휴리스틱 최적화 알고리즘을 개발하는 것.
• 에볼라 전파 역학을 일阶 미분방정식을 사용하여 모델링하여 감염 가능자, 감염자, 격리자, 병원화자, 회복자, 사망자 상태와 같은 핵심 인구 집단 상태를 포착하는 것.
• 전염병 모델을 기반으로 한 인구 기반 탐색 알고리즘으로 전환하여 전역 최적화를 수행하는 것.
• 확장성, 이동 및 고차원 문제에 대한 최첨단 메타휴리스틱과의 성능 비교를 통한 EOSA의 성능 평가.
• 수렴성, 확장성, 민감도 분석을 통해 알고리즘의 강건성 검증.

제안 방법

• 에볼라 바이러스 감염병(EVD) 전파 과정은 감염 가능자, 감염자, 격리자, 병원화자, 회복자, 사망자 상태의 여섯 가지 인구 집단 간 전이를 나타내는 일阶 미분방정식의 연립 방정식으로 모델링된다.
• 감염 전파, 격리, 회복의 역학은 수학적으로 표현되어 실제 전파 패턴을 시뮬레이션한다.
• EOSA의 인구 기반 탐색 메커니즘은 이러한 EVD 상태를 통해 이동하는 개인의 움직임을 모방하며, 해 후보는 각 채널 내의 개인을 나타낸다.
• 해 후보는 미분 모델에서 유도된 감염 확률, 격리율, 회복 역학에 기반하여 위치를 업데이트한다.
• 현재 상태 분포에 기반한 적응형 파rameter를 도입하여 탐색과 이용의 균형을 이룬다.
• 다양한 유형의 문제를 평가하기 위해 47개의 고전적 및 30개의 제약 조건이 있는 IEEE CEC-2017 기준 테스트 함수에서 알고리즘을 시험한다.

실험 결과

연구 질문

• RQ1 에볼라 바이러스 감염병의 전파 역학을 일阶 미분방정식으로 효과적으로 모델링하여 최적화를 이끌 수 있는가?
• RQ2 제안된 EOSA 알고리즘이 PSO, GA, ABC와 같은 기존 메타휴리스틱과 비교해 수렴 속도와 해의 질에서 어떤가?
• RQ3 EOSA는 고차원, 이동 및 대규모 최적화 문제에서 어느 정도의 성능을 보이는가?
• RQ4 EOSA는 파rameter 설정에 얼마나 민감하며, 다양한 기준 테스트 함수에서 강건성을 유지하는가?
• RQ5 에볼라 바이러스 감염병의 전염병 모델을 메타휴리스틱 최적화의 탐색 메커니즘으로 의미 있게 재사용할 수 있는가?

주요 결과

• EOSA는 47개의 고전적 기준 테스트 함수에서 경쟁력 있는 성능를 보이며, 강력한 수렴성과 안정성을 보였다.
• 30개의 제약 조건이 있는 IEEE CEC-2017 기준 테스트 함수에서, 고차원 및 광범위한 범위 문제에서 평균 및 최고 해의 질에서 PSO, GA, ABC를 능가했다.
• 확장성 분석을 통해 EOSA가 검색 공간의 차원이 증가함에 따라 일관된 성능 유지를 해냈다.
• 수렴성 분석을 통해 EOSA가 PSO 및 ABC보다 이동 및 회전된 함수에서 더 빠른 수렴 속도를 확보했다.
• 민감도 분석 결과, EOSA는 감염률 및 회복률 파rameter에 대해 강건함을 보였으며, 특히 이들 파rameter에 대해 민감도가 낮았다.
• 모의 전염병 상태 분포에 기반한 동적 조정을 통해 탐색과 이용의 균형을 효과적으로 유지했다.