[논문 리뷰] Foundations of the Pareto Iterated Local Search Metaheuristic

Martin Josef Geiger|ArXiv.org|2008. 09. 02.

Scheduling and Optimization Algorithms참고 문헌 18인용 수 6

한 줄 요약

이 논문은 다중 목적 최적화를 위한 파arameter가 적은 국소 탐색 접근법인 파레토 반복 국소 탐색(Pareto Iterated Local Search, PILS) 메타휴리스틱을 소개한다. 이 방법은 변수 이웃 탐색과 반복 국소 탐색을 조합하여 집중화와 다양화를 균형 있게 유지한다. 순열 흐름차순 스케줄링 문제에서 최소한의 파라미터 조정으로 높은 품질의 파레토 최적 해를 도출하며, 벤치마크 테스트에서 다중 연산자 국소 탐색보다 뛰어난 성능을 보였다.

ABSTRACT

The paper describes the proposition and application of a local search metaheuristic for multi-objective optimization problems. It is based on two main principles of heuristic search, intensification through variable neighborhoods, and diversification through perturbations and successive iterations in favorable regions of the search space. The concept is successfully tested on permutation flow shop scheduling problems under multiple objectives. While the obtained results are encouraging in terms of their quality, another positive attribute of the approach is its' simplicity as it does require the setting of only very few parameters. The implementation of the Pareto Iterated Local Search metaheuristic is based on the MOOPPS computer system of local search heuristics for multi-objective scheduling which has been awarded the European Academic Software Award 2002 in Ronneby, Sweden (http://www.easa-award.net/, http://www.bth.se/llab/easa_2002.nsf)

연구 동기 및 목표

• 복잡하고 NP-완전적인 다중 목적 최적화 문제를 최소한의 파라미터 조정으로 해결하는 데 도전하는 것.
• 파레토 최적 해를 찾는 데 있어 집중화와 다양화를 효과적으로 균형 잡는 메타휴리스틱을 개발하는 것.
• 제안된 PILS 알고리즘의 다중 목적 순열 흐름차순 스케줄링 문제에서의 성능을 평가하는 것.
• 해의 품질과 수렴 성능 측면에서 PILS를 다중 연산자 국소 탐색 접근법과 비교하는 것.
• 실제 스케줄링 응용 분야에서 PILS 프레임워크의 실용성과 단순성의 효과를 입증하는 것.

제안 방법

• PILS 메타휴리스틱은 집중화를 위해 변수 이웃 탐색(VNS)과 다양화를 위해 반복 국소 탐색(ILS)을 통합하여 해 공간을 효율적으로 탐색한다.
• 지역 최적 해에 도달한 후 국소 최적 해에서 벗어나기 위해 펄럭임 이웃 구조 N_perturb를 사용한다.
• 알고리즘은 무작위 초기 해에서 시작하여 이웃 구조를 이용한 국소 탐색을 적용해 파레토 최적 해에 수렴하도록 해를 개선한다.
• 해는 최대 완료 시간(C_max)과 총 지연 시간(T_sum) 등의 다중 목적 기반으로 평가되며, 지배 관계를 통해 비지배 해를 식별한다.
• 해는 순열 표현 방식을 사용하여 활성 스케줄링에 국한함으로써 해 공간의 크기를 줄인다.
• PILS 알고리즘을 구현한 MOOPPS 소프트웨어 시스템은 2002년 유럽 학술 소프트웨어상을 수상했다.

실험 결과

연구 질문

• RQ1 다중 목적 최적화에서 집중화와 다양화를 효과적으로 균형 잡는 국소 탐색 메타휴리스틱을 어떻게 설계할 수 있는가?
• RQ2 단순하고 파라미터가 적은 메타휴리스틱이 다중 목적 스케줄링에서 더 복잡한 다중 연산자 접근법보다 얼마나 뛰어나게 성능을 발휘할 수 있는가?
• RQ3 지역 최적 해에 도달하기 위한 국소 탐색 평가 횟수는 문제 크기와 어떻게 비례하는가?
• RQ4 다중 목적 흐름차순 문제에서 무작위로 생성된 해들의 분포는 진정한 파레토 최적 해와 어떻게 비교되는가?
• RQ5 PILS는 다양한 벤치마크 인스턴스에서 일관되게 높은 품질의 파레토 집합 근사치에 수렴하는가?

주요 결과

• 테스트된 벤치마크 인스턴스에서 PILS 알고리즘이 다중 연산자 국소 탐색 접근법보다 일관되게 더 나은 파레토 집합 근사치를 도출했다.
• 100개 작업 인스턴스에서 지역 최적 해에 도달하기까지 평균 평가 횟수는 100×10에서 793.968건, 100×20에서 479.420건이었으며, 문제 크기 증가에 따라 지수적 증가를 보였다.
• 50,000개의 무작위로 생성된 해들의 분포는 C_max ≈ 6900과 T_sum ≈ 111,500 부근에 집중되어 있었고, 진정한 파레토 최적 해에서 매우 떨어져 있었으며, 이는 유도된 탐색의 필요성을 시사한다.
• 심지어 무작위 초기 해에서 시작하는 단순한 국소 탐색도 파레토 최적 해에 매우 가까이 수렴했으며, 수렴 경로에서 개선 폭이 점점 줄어드는 경향을 관찰할 수 있었다.
• 알고리즘은 최소한의 파라미터 조정으로도 매우 높은 효과를 보였으며, 이는 실생활 응용 분야에서의 단순성과 실용성을 강조한다.
• PILS를 구현한 MOOPPS 시스템은 2002년에 유럽 학술 소프트웨어상을 수상하였으며, 이는 그 강건성과 영향력을 입증한다.