[논문 리뷰] Forced Evolution in Silico by Artificial Transposons and their Genetic Operators: The John Muir Ant Problem

Alexander V. Spirov, Alexander B. Kazansky외 3명|ArXiv.org|2009. 10. 29.

Evolutionary Algorithms and Applications참고 문헌 34인용 수 7

한 줄 요약

이 논문은 인공 전위소를 도입하여, 유전적 알고리즘에서 강제적인 진화를 이끌어내는 지능적인 돌연변이 원소로 활용한다. 생물학적 전위소를 모델로 삼아 인공 전위소가 호스트 프로그램과 공진화함으로써 존 머피 개 문제라는 진화 계산 분야의 고전적 벤치마크를 해결하는 데 있어 검색 효율성을 크게 향상시킴을 입증한다.

ABSTRACT

Modern evolutionary computation utilizes heuristic optimizations based upon concepts borrowed from the Darwinian theory of natural selection. We believe that a vital direction in this field must be algorithms that model the activity of genomic parasites, such as transposons, in biological evolution. This publication is our first step in the direction of developing a minimal assortment of algorithms that simulate the role of genomic parasites. Specifically, we started in the domain of genetic algorithms (GA) and selected the Artificial Ant Problem as a test case. We define these artificial transposons as a fragment of an ant's code that possesses properties that cause it to stand apart from the rest. We concluded that artificial transposons, analogous to real transposons, are truly capable of acting as intelligent mutators that adapt in response to an evolutionary problem in the course of co-evolution with their hosts.

연구 동기 및 목표

• 유전적 계산을 가속화하는 데 기여하는 게놈 기생충(예: 전위소)의 역할을 탐색한다.
• 생물학적 전위소 이동 메커니즘을 모방하는 최소한의 인공 전위소 계산 모델을 개발한다.
• 인공 전위소가 호스트 프로그램과 공진화하는 적응형 돌연변이 원소로 작용할 수 있는지 조사한다.
• 이 접근 방식이 진화 계산 분야의 표준 테스트 케이스인 존 머피 개 문제 해결에 얼마나 효과적인지 평가한다.
• 향후 전위소 기반 진화 알고리즘의 탐색 능력을 향상시킬 수 있는 기초를 마련한다.

제안 방법

• 인공 전위소는 개의 유전적 표현 내에서 자가 유지 가능한 코드 조각으로, 게놈의 다른 위치로 도메인을 이동시킬 수 있다.
• 실제 생물학적 시스템의 전위소 행동을 모방하여 전위소는 분리, 통합, 복제 기능을 갖춘 유전적 연산자를 보유한다.
• 존 머피 개 문제의 격자 환경에서 경로 길이를 기반으로 적합도를 평가하는 유전적 알고리즘 프레임워크를 통해 진화가 이뤄진다.
• 전위소는 호스트 개 프로그램과 함께 진화하도록 허용되어, 호스트와 기생 요소 간의 공진화 역학이 가능해진다.
• 표준 유전적 알고리즘에 토너먼트 선택, 균일 교배, 돌연변이를 적용하고, 전위소 전용 연산을 추가로 통합한다.
• 진화적 진전과 해의 품질에 대한 영향을 분석하기 위해 전위소 활동과 통합 이벤트를 추적한다.

실험 결과

연구 질문

• RQ1 인공 전위소는 진화 과정에서 호스트 게놈을 적응적으로 수정하는 지능적인 돌연변이 원소로 기능할 수 있는가?
• RQ2 전위소와 호스트 프로그램 간의 공진화가 존 머피 개 문제 해결 효율성에 어떤 영향을 미치는가?
• RQ3 기본 유전적 연산자와 비교했을 때 전위소 유도 돌연변이가 수렴 속도와 해의 품질 향상에 얼마나 기여하는가?
• RQ4 전위소는 이동성과 통합 편향 측면에서 생물학적 전위소와 유사한 행동을 보이는가?
• RQ5 이 인공 전위소 메커니즘은 존 머피 개 문제 외의 다른 진화 계산 문제로 일반화될 수 있는가?

주요 결과

• 인공 전위소는 표적적이고 동적 유전적 다양성을 도입함으로써 진화적 탐색을 향상시키는 적응형 돌연변이 원소로 성공적으로 기능한다.
• 전위소와 호스트 프로그램 간의 공진화는 존 머피 개 문제에서 최적 또는 근접 최적 해에 빠르게 수렴하게 한다.
• 전위소는 자가 복제와 함께 선호 통합 부위를 포함한 생물학적 전위소와 유사한 이동성 및 통합 패턴을 보인다.
• 전위소 연산자가 포함된 경우, 표준 유전적 알고리즘 대비 세대 간 적합도 향상 정도가 명확하게 향상된다.
• 복잡한 개 행동을 진화시키는 데 있어 시스템은 뛰어난 강건성과 안정성을 보이며, 특정 맥락에서는 전위소 기반 진화가 전통적 진화 전략을 능가할 수 있음을 시사한다.
• 결과는 게놈 기생충이 인공 시스템에서도 진화적 혁신에 기여할 수 있다는 가설을 지지한다.