[논문 리뷰] Fitness Uniform Selection to Preserve Genetic Diversity

Marcus Hütter|ArXiv.org|2001. 03. 14.

Evolutionary Algorithms and Applications참고 문헌 13인용 수 6

한 줄 요약

이 논문은 진화 알고리즘에서 적합도 비례성 대신 적합도 값의 균일 샘플링에 기반해 개체를 선택하는 새로운 선택 기법인 적합도 균일 선택(FUSS)을 제안한다. 적합도가 흐물흐물한 영역을 선호함으로써 FUSS는 유전적 다양성을 유지하고 조기 수렴을 줄이며, 특히 다모달 최적화 문제에서 표준 선택 기법(STD)보다 국소 최적해를 벗어나는 데 뛰어난 성능을 보인다.

ABSTRACT

In evolutionary algorithms, the fitness of a population increases with time by mutating and recombining individuals and by a biased selection of more fit individuals. The right selection pressure is critical in ensuring sufficient optimization progress on the one hand and in preserving genetic diversity to be able to escape from local optima on the other. We propose a new selection scheme, which is uniform in the fitness values. It generates selection pressure towards sparsely populated fitness regions, not necessarily towards higher fitness, as is the case for all other selection schemes. We show that the new selection scheme can be much more effective than standard selection schemes.

연구 동기 및 목표

• 조기 수렴을 방지하면서도 최적화 진행을 유지하기 위해 선택 압력을 균형 잡는 문제를 해결한다.
• 높은 적합도를 가진 개체를 선호함으로써 유전적 다양성을 상실할 위험이 있는 표준 선택 기법(STD)의 한계를 극복한다.
• 절대적 적합도 값이 아닌 적합도 분포의 밀도에 기반해 선택 압력을 동적으로 조정하는 선택 메커니즘을 개발한다.
• 국소 최적해를 벗어나는 능력을 향상시키기 위해 유전적 다양성을 유지한다. 이는 다모달 및 속임수 최적화 문제에서 특히 중요하다.
• FUSS가 어려운 최적화 과제에서 수렴 속도와 해 품질 측면에서 STD를 능가할 수 있음을 입증한다.

제안 방법

• FUSS는 현재 개체군의 적합도 범위 [f_min, f_max]에서 균일하게 랜덤한 적합도 값을 선택한 후, 그 값에 가장 가까운 적합도를 가진 개체를 선택한다.
• 연속적인 적합도 함수를 다룰 수 있도록 효과적 해상도 ε 또는  ε̂를 갖는 이산화된 적합도 공간을 사용하여, 적합도 값을 이산 집합으로 간주한다.
• 재조합을 위한 동시 쌍 선택 기법을 구현하며, 현재 적합도 범위에서 균일하게 쌍 (f, f')을 선택하고, 이웃 거리에 기반한 확률을 적용한다.
• 특히 최적화 후반 단계에서 느려지는 것을 방지하기 위해 척도에 영향을 받지 않는 쌍 선택 전략을 적용한다.
• 적합도 값을 정규화하고 절대 값이 아닌 상대적 적합도 간격에 기반해 선택을 수행함으로써 변환에 불변인 접근법을 구현한다.
• 쌍 선택의 편향을 보정하기 위해 ln|P_t|의 억제 항을 도입하여 다양한 개체군 크기에서의 강인성을 확보한다.

실험 결과

연구 질문

• RQ1 희소하게 분포된 적합도 영역을 선호하는 선택 기법이 표준 선택 기법보다 유전적 다양성을 유지하는 데 뛰어난가?
• RQ2 FUSS가 높은 적합도를 가진 개체의 기하급수적 지배를 피하므로 조기 수렴 위험을 줄이는가?
• RQ3 다모달 최적화 문제에서 FUSS는 수렴 속도와 해 품질 측면에서 표준 선택 기법과 비교해 어떻게 성능을 내는가?
• RQ4 표준 선택 기법에서 교배가 실패하는 경우에도 FUSS는 효과적인 재조합을 가능하게 하는가?
• RQ5 FUSS의 이론적 최악의 성능은 STD에 비해 어떻게 되는가? 특히 최적 해를 찾는 데 필요한 기대 시간 측면에서.

주요 결과

• FUSS는 높은 적합도를 가진 개체가 아니라 흐물흐물한 적합도 영역에 있는 개체를 선호함으로써 표준 선택 기법보다 유전적 다양성을 크게 유지한다.
• FUSS는 높은 적합도 영역에 더 많은 개체가 축적됨에 따라 자연스럽게 선택 압력이 감소하므로 조기 수렴 위험을 줄인다.
• 간단한 최적화 예제에서 FUSS는 수렴 속도가 STD보다 빠르게 나타나 국소 최적해를 벗어나는 데 효과적임을 입증했다.
• FUSS는 선택된 개체들이 적합도 수준에 걸쳐 넓게 분포되어 있어, 표준 선택 기법에서 교배가 실패하는 경우에도 효과적인 재조합을 가능하게 한다.
• FUSS가 최적 해를 찾는 데 필요한 최악의 기대 시간은 일정한 개체군 크기에서는 T_FUSS ≲ |P|·T_STD로 유계이며, 성장하는 개체군 크기의 스테디스테이트 업데이트에서는 T_FUSS ≲ ½·T_STD²로 유계이다.
• 이 기법은 선형 및 비선형 적합도 변환에 강인하며, 적합도 값의 척도 불변 재가중치 적용 조건에서도 성능이 유지된다.