[논문 리뷰] Fine-tuning the Ant Colony System algorithm through Particle Swarm Optimization

D. Gómez-Cabrero, D. N. Ranasinghe|arXiv (Cornell University)|2018. 03. 21.

Metaheuristic Optimization Algorithms Research참고 문헌 13인용 수 12

한 줄 요약

이 논문은 대칭 TSP(symmetric TSP)를 위한 개미군집알고리즘(ACS)의 매개변수를 자동으로 조정하기 위해 입자군집최적화(PSO)를 사용하는 하이브리드 PSO-ACS 알고리즘을 제안한다. 이 방법은 TSP 인스턴스에서 반복 최적화를 통해 고품질의 매개변수 조합을 식별하며, 높은 계산 비용에도 불구하고 다수의 인스턴스에 걸쳐 일반화 가능한 강력한 해를 도출한다.

ABSTRACT

Ant Colony System (ACS) is a distributed (agent- based) algorithm which has been widely studied on the Symmetric Travelling Salesman Problem (TSP). The optimum parameters for this algorithm have to be found by trial and error. We use a Particle Swarm Optimization algorithm (PSO) to optimize the ACS parameters working in a designed subset of TSP instances. First goal is to perform the hybrid PSO-ACS algorithm on a single instance to find the optimum parameters and optimum solutions for the instance. Second goal is to analyze those sets of optimum parameters, in relation to instance characteristics. Computational results have shown good quality solutions for single instances though with high computational times, and that there may be sets of parameters that work optimally for a majority of instances.

연구 동기 및 목표

• 대칭 TSP(symmetric TSP)를 위한 개미군집알고리즘(ACS)에서 수동적인 매개변수 조정 문제를 해결하기 위해.
• 스warm 기반 최적화를 통해 자동으로 최적의 ACS 매개변수를 식별하는 하이브리드 PSO-ACS 프레임워크를 개발하기 위해.
• 특정 TSP 인스턴스의 특성과 최적의 매개변수 조합 간의 관계를 분석하기 위해.
• 개별 인스턴스에서 조정된 ACS의 성능을 평가하고, 다수의 인스턴스에 걸쳐 매개변수 이식 가능성(transferability)을 평가하기 위해.

제안 방법

• 일부 TSP 인스턴스에서 개미군집알고리즘(ACS)의 최적 매개변수 값을 탐색하기 위해 입자군집최적화(PSO) 알고리즘을 활용한다.
• PSO 최적화기는 ACS 매개변수를 연속적인 탐색 공간 내의 결정 변수로 간주하고, 후보 해의 집단을 진화시킨다.
• 각 후보 매개변수 조합에 대해 특정 TSP 인스턴스에서 ACS를 실행하여 해의 품질을 평가하며, 이는 PSO의 적합도 함수로 사용된다.
• TSP 순행 길이를 최소화하는 데 수렴할 수 있도록 PSO의 반복적 실행을 수행한다.
• 먼저 개별 인스턴스에 맞는 최적 매개변수를 찾기 위해 단일 인스턴스에서 테스트한다.
• 그 결과를 분석하여 다양한 TSP 인스턴스 특성에 따른 최적 매개변수 패턴을 도출한다.

실험 결과

연구 질문

• RQ1 PSO는 TSP를 위한 개미군집알고리즘(ACS)의 매개변수를 효과적으로 최적화하여 고품질의 해를 도출할 수 있는가?
• RQ2 개별 TSP 인스턴스에서 가장 우수한 성능을 내는 ACS 매개변수 조합은 무엇인가?
• RQ3 여러 TSP 인스턴스에 걸쳐 잘 일반화되는 매개변수 설정이 존재하는가?
• RQ4 인스턴스별 특성은 ACS 알고리즘의 최적 매개변수 설정에 어떤 영향을 미치는가?
• RQ5 PSO-ACS 하이브리드 접근 방식에서 해의 품질과 계산 비용 간의 상충 관계는 어떠한가?

주요 결과

• PSO-ACS 하이브리드 접근 방식은 개별 TSP 인스턴스에 대해 고품질의 해를 성공적으로 도출하여 자동 매개변수 조정의 효과성을 입증한다.
• 계산 실험 결과, 높은 계산 비용에도 불구하고 이 방법은 우수한 해 품질을 달성함을 보여준다.
• 일부 최적 매개변수 설정 조합이 여러 TSP 인스턴스에서 양호한 성능을 보이며, 일반화 가능성의 가능성을 시사한다.
• 연구 결과, TSP 인스턴스의 특성과 ACS 알고리즘의 최적 매개변수 설정 간 상관관계가 드러났다.
• 결과적으로 PSO는 조합 최적화 문제에서 메타휴리스틱 매개변수를 정밀 조정하는 데 실현 가능하고 효과적인 방법임을 시사한다.