[논문 리뷰] Evolutionary Multitasking for Multiobjective Continuous Optimization: Benchmark Problems, Performance Metrics and Baseline Results

Yuan Yuan, Yew-Soon Ong외 8명|arXiv (Cornell University)|2017. 06. 08.

Advanced Multi-Objective Optimization Algorithms참고 문헌 9인용 수 134

한 줄 요약

논문은 varying intersections와 fitness landscape 유사도에 따라 서로 다른 두-task 멀티태스킹을 통한 다목적 최적화 MO-MFO 문제 9개 벤치마크를 제시하고, 평가 지표 IGD, MSS를 정의하며 NSGA-II 대비 MO-MFEA의 baseline 결과를 여러 태스크 쌍에서 제시한다.

ABSTRACT

In this report, we suggest nine test problems for multi-task multi-objective optimization (MTMOO), each of which consists of two multiobjective optimization tasks that need to be solved simultaneously. The relationship between tasks varies between different test problems, which would be helpful to have a comprehensive evaluation of the MO-MFO algorithms. It is expected that the proposed test problems will germinate progress the field of the MTMOO research.

연구 동기 및 목표

• MO-MFO에 대한 진화적 멀티태스킹의 동기화 및 형식화.
• 교차 관계(교집합 및 유사도)가 제어된 아홉 개의 벤치마크 문제 쌍 정의.
• 평가 지표(IGD, MSS) 및 표준화된 실험 프로토콜 정의.
• 모든 벤치마크 문제에서 MO-MFEA와 NSGA-II를 비교한 baseline 결과 제공.

제안 방법

• q(x) 지형과 태스크 쌍 관계(완전/부분/무교집합 × 고/중/저 유사도)에 기반한 MO-MFO 벤치마크 문제 정의.
• 하나의 인구로 두 MO 태스크를 동시에 해결하는 MO-MFEA를 사용하고, 태스크를 별도로 해결하는 NSGA-II와 비교.
• IGD(inverted generational distance)를 평가하고 전체 순위를 위한 mean standard score(MSS)를 도출.
• 고정 평가 예산으로 30회의 독립 실행 실험 수행; 표준 교차/돌연변이 설정(p_c=0.9, p_m=1/D, eta_c=eta_m=20).
• 기본 결과 및 Pareto_front에서 해의 수렴/밀도 보고.

실험 결과

연구 질문

• RQ1 태스크 간 관계(교집합 및 지형 유사도)가 MO-MFO의 지식 전달에 어떤 영향을 미치는가?
• RQ2 제안된 벤치마크에서 paired MO 태스크에 대해 MO-MFEA가 단일 태스크 MO-EAs(NSGA-II)보다 우수할 수 있는가?
• RQ3 이 MO-MFO 벤치마크에서 MO-MFEA와 NSGA-II의 수렴 및 다양성 특성은 어떠한가?

주요 결과

• MO-MFEA는 대부분의 태스크 쌍에서 NSGA-II보다 일반적으로 우수한 성능을 보이며, 여러 문제에서 IGD가 크게 개선되었다.
• 많은 문제에서 두 MO 태스크를 동시에 해결할 때 MO-MFEA가 NSGA-II보다 더 빠르게 수렴하는 경향이 있다.
• 성과 향상은 문제에 따라 다르며, 일부 경우(PILS-T1, NILS)에는 이점이 작거나 혼합적이다.
• 표는 MO-MFEA가 대개 NSGA-II보다 낮은 IGD를 달성하는 경향이 있음을 보여준다.
• MSS 비교에서 MO-MFEA가 일반적으로 더 나은 전반적 성능을 발휘하지만, NILS처럼 NSGA-II 성능이 더 근접한 사례도 있다.
• 수렴 시각화는 MO-MFEA가 PF 근사치를 더 다양하고 실제 PF에 더 가까운 경향을 보임을 시사한다.