[논문 리뷰] Evaluation the efficiency of artificial bee colony and the firefly algorithm in solving the continuous optimization problem

Seyyed Reza Khaze, Isa Maleki외 2명|arXiv (Cornell University)|2013. 09. 16.

Metaheuristic Optimization Algorithms Research참고 문헌 11인용 수 8

한 줄 요약

이 논문은 연속 최적화 문제를 해결하는 데 있어 인공 벌 군집(ABC)과 파리 빛알알이 알고리즘(FA)의 성능을 평가한다. 높은 탐색 공간 복잡도와 군집화된 최적해를 가진 벤치마크 함수를 사용하여, 두 알고리즘의 해의 정확도, 수렴 속도, 신뢰성 측면에서 비교 분석을 수행하며, 테스트된 문제들에서 FA가 일반적으로 ABC보다 수렴 속도와 해 품질 측면에서 뛰어난 성능을 보임을 입증한다.

ABSTRACT

Now the Meta-Heuristic algorithms have been used vastly in solving the problem of continuous optimization. In this paper the Artificial Bee Colony (ABC) algorithm and the Firefly Algorithm (FA) are valuated. And for presenting the efficiency of the algorithms and also for more analysis of them, the continuous optimization problems which are of the type of the problems of vast limit of answer and the close optimized points are tested. So, in this paper the efficiency of the ABC algorithm and FA are presented for solving the continuous optimization problems and also the said algorithms are studied from the accuracy in reaching the optimized solution and the resulting time and the reliability of the optimized answer points of view.

연구 동기 및 목표

• 연속 최적화 문제를 해결하는 데 있어 인공 벌 군집(ABC)과 파리 빛알알이 알고리즘(FA)의 효율성을 평가하기 위해.
• 해의 정확도, 수렴 속도, 신뢰성 측면에서 ABC와 FA의 성능를 분석하기 위해.
• 큰 탐색 공간과 가까이 위치한 최적해를 가진 벤치마크 문제에 대해 두 알고리즘을 테스트하기 위해.
• 실제 연속 최적화 시나리오에서 메타휴리스틱 알고리즘의 비교 분석을 제공하기 위해.

제안 방법

• 알고리즘 성능 평가를 위해 고차원 탐색 공간과 다수의 국소 최적해를 가진 표준 벤치마크 함수를 사용한다.
• 인공 벌 군집(ABC)은 사용자 벌, 관찰자 벌, 탐색 벌 단계를 사용하여 탐색 및 이용을 수행한다.
• 파리 빛알알이 알고리즘(FA)은 유혹력과 빛 강도 메커니즘을 활용하여 파리 빛알알이의 이동을 유도한다.
• 해의 정확도, 수렴 속도, 결과의 일관성 평가를 위해 다수의 실행을 통해 성능을 측정한다.
• 평균 및 최적해의 표준편차와 같은 지표를 사용하여 통계적 평가를 수행한다.
• 알고리즘은 알려진 전역 최적해가 존재하는 연속 최적화 문제 세트에 대해 비교 분석을 위해 테스트된다.

실험 결과

연구 질문

• RQ1 복잡한 지형을 가진 연속 최적화 문제에서 ABC와 FA의 해 정확도는 어떻게 비교되는가?
• RQ2 다양한 벤치마크 함수에서 어느 알고리즘이 더 빨리 최적해에 수렴하는가?
• RQ3 반복 실행 시 ABC와 FA가 생성하는 해의 신뢰성은 어떠한가?
• RQ4 파리 빛알알이 알고리즘은 ABC에 비해 고차원, 다모드 탐색 공간을 더 잘 탐색하는가?
• RQ5 연속 최적화 과제에서 수렴 속도와 해 품질 사이의 상충 관계는 ABC와 FA에서 어떻게 나타나는가?

주요 결과

• 파리 빛알알이 알고리즘(FA)은 대부분의 벤치마크 함수에서 인공 벌 군집(ABC)보다 더 높은 해 정확도를 달성하였다.
• FA는 ABC보다 더 빠른 수렴 속도를 보였으며, 더 적은 반복 수로 최적 또는 근접 최적 해에 도달하였다.
• ABC는 다수의 실행에서 해 품질의 변동성이 더 높아, 낮은 신뢰성을 보였다.
• 국소 최적해가 군집된 함수에서는 FA가 국소 최소값에서 벗어나 전역 최적해를 찾는 데 더 효과적이었다.
• 모든 테스트 함수에서 FA가 확보한 평균 최적 해 값은 ABC보다 일관되게 낮았으며, 더 우수한 성능을 보였다.
• 두 알고리즘이 저차원 문제에서는 잘 작동했지만, FA는 고차원 및 복잡한 지형에서 우수한 성능 유지를 보였다.