[논문 리뷰] Genetic Algorithm for the 0/1 Multidimensional Knapsack Problem

Shalin Shah|arXiv (Cornell University)|2019. 07. 20.

Optimization and Packing Problems참고 문헌 4인용 수 36

한 줄 요약

이 논문은 0/1 다차원 배낭 문제를 위한 새로운 유전 알고리즘을 제안하며, 이는 이터레이티브로 계산된 라그랑주 승수를 탐욕적 교배 연산자에 통합하여 해의 품질과 수렴 속도를 향상시킨다. 라그랑주 승수를 통해 제약 조건을 가중하고, 유틸리티 비율 기반 선택 과정을 사용함으로써, 표준 기준 기준 사례에서 최적 또는 근접 최적 해를 몇 초 내에 도출한다. 이는 이전 방법들보다 빠르고 정확도가 높다.

ABSTRACT

The 0/1 multidimensional knapsack problem is the 0/1 knapsack problem with m constraints which makes it difficult to solve using traditional methods like dynamic programming or branch and bound algorithms. We present a genetic algorithm for the multidimensional knapsack problem with Java code that is able to solve publicly available instances in a very short computational duration. Our algorithm uses iteratively computed Lagrangian multipliers as constraint weights to augment the greedy algorithm for the multidimensional knapsack problem and uses that information in a greedy crossover in a genetic algorithm. The algorithm uses several other hyperparameters which can be set in the code to control convergence. Our algorithm improves upon the algorithm by Chu and Beasley in that it converges to optimum or near optimum solutions much faster.

연구 동기 및 목표

• 기본적인 동적 프rogramming나 분기 컷 기반 방법과 같은 전통적 방법으로 0/1 다차원 배낭 문제를 해결하는 데서 발생하는 계산 난이도를 해결하기 위해.
• 특히 Chu와 Beasley 알고리즘을 포함한 기존 메타휴리스틱 기법들보다 수렴 속도와 해의 품질을 향상시키기 위해.
• 구체적으로 라그랑주 승수를 통한 제약 조건 가중치 부여와 같은 도메인 전문 지식을 유전 알고리즘 프레임워크에 통합하여 탐색을 체계적으로 이끌기 위해.
• 대규모 사례를 효율적으로 해결할 수 있는 확장 가능하고 병렬 처리가 가능한 구현을 개발하기 위해.

제안 방법

• 초기 집단은 각 물체를 50% 확률로 포함시키는 방식으로 생성되며, 다양성은 확보되지만 유효하지 않은 해도 포함된다.
• 라그랑주 승수는 반복적으로 계산되어 각 제약 조건을 가중치로 부여하며, 물체의 유틸리티 비율이 제약 조건의 난이도를 반영하도록 조정된다.
• 유틸리티 비율은 이익을 모든 제약 조건에 대해 (무게 × 라그랑주 승수)의 합으로 나눈 후 제약 조건 수로 정규화하여 계산된다.
• 탐욕적 교배 연산자는 수정된 유틸리티 비율 내림차순으로 물체를 선택함으로써 자식 해를 구성하며, 모든 제약 조건을 만족시킨다.
• 알고리즘은 세대 수와 같은 설정 가능한 하이퍼파rameter를 사용하며, 코드 내 Constants.java에서 조정할 수 있다.
• 프레임워크는 자바와 C++로 구현되었으며, ORLIB 및 Weing/Weish/Sento 기준 데이터셋을 지원한다.

실험 결과

연구 질문

• RQ1 라그랑주 승수 기반 제약 조건 가중치를 통합한 유전 알고리즘이 기존 메타휴리스틱 기법들보다 0/1 다차원 배낭 문제 해결에서 뛰어난 성능을 보일 수 있는가?
• RQ2 라그랑주 승수로 보정된 유틸리티 비율에 기반한 탐욕적 교배 연산을 통합할 경우, 수렴 속도와 해의 품질에 어떤 영향을 미치는가?
• RQ3 이 방법이 다양한 기준 사례에서 최적 또는 근접 최적 해를 얼마나 잘 달성할 수 있는가?
• RQ4 이 알고리즘은 더 큰 문제 사례로 효율적으로 확장될 수 있으며, 병렬 처리에 적합한가?

주요 결과

• Weish10, Weish15, Weish20, Weish25, Weish30 사례 모두 100% 최적 해를 도출하였으며, 평균 해결 시간은 1.5초였다.
• Weing7 사례(105개 물체, 2개 제약 조건)의 경우 평균 27.4초 내에 최적 해를 달성하였지만, 20번의 실행 중 단 1번만 성공하였다.
• Sento1과 Sento2 사례는 각각 4.8초와 0.2초 내에 완전히 해결되었으며, 최적값으로부터 0%의 격차를 보였다.
• Weing5와 Weing8 사례는 각각 0.6초와 2초 내에 완전히 해결되었으며, 최적성 격차가 없었다.
• Weish05, Weish10, Weish15 사례에 대해 20번의 실행 중 16번에서 최적성 격차가 0%로 나타나, 소규모 사례에서 높은 신뢰성을 보였다.
• 이 방법은 대부분의 기준 사례에서 Chu와 Beasley 알고리즘보다 수렴 속도가 빠르게 최적 해에 도달함으로써 뚜렷한 성능 향상을 보였다.