[논문 리뷰] Genetic Transfer or Population Diversification? Deciphering the Secret Ingredients of Evolutionary Multitask Optimization

Abhishek Gupta, Yew-Soon Ong|arXiv (Cornell University)|2016. 07. 19.

Evolutionary Algorithms and Applications참고 문헌 18인용 수 3

한 줄 요약

이 논문은 스도쿠 퍼즐을 시험용으로 사용하여 다중 과제 진화 최적화의 배경 원인을 조사한다. 유전적 전이(일부 과제에서 얻은 고성능 해답이 다른 과제에 영향을 주는 방식)가 성능 향상에 기여하는 주요 메커니즘임을 입증하며, 과제 유사성을 활용하는 데 있어 인구 다양화만으로는 이를 능가하지 못한다.

ABSTRACT

Evolutionary multitasking has recently emerged as a novel paradigm that enables the similarities and/or latent complementarities (if present) between distinct optimization tasks to be exploited in an autonomous manner simply by solving them together with a unified solution representation scheme. An important matter underpinning future algorithmic advancements is to develop a better understanding of the driving force behind successful multitask problem-solving. In this regard, two (seemingly disparate) ideas have been put forward, namely, (a) implicit genetic transfer as the key ingredient facilitating the exchange of high-quality genetic material across tasks, and (b) population diversification resulting in effective global search of the unified search space encompassing all tasks. In this paper, we present some empirical results that provide a clearer picture of the relationship between the two aforementioned propositions. For the numerical experiments we make use of Sudoku puzzles as case studies, mainly because of their feature that outwardly unlike puzzle statements can often have nearly identical final solutions. The experiments reveal that while on many occasions genetic transfer and population diversity may be viewed as two sides of the same coin, the wider implication of genetic transfer, as shall be shown herein, captures the true essence of evolutionary multitasking to the fullest.

연구 동기 및 목표

• 진화적 다중 과제 최적화가 단일 과제 최적화를 능가하는 데 기여하는 근본적 메커니즘을 이해하기 위해.
• 성공적인 다중 과제 문제 해결에서 유전적 전이와 인구 다양화 중 어느 것이 주요한 요인인지 조사하기 위해.
• 통합 검색 공간 탐색에서 공유 유전 물질 교환과 인구 다양성의 상대적 기여도를 평가하기 위해.
• 다양한 초기 조건에도 불구하고 최종 해답이 구조적으로 유사하므로 스도쿠 퍼즐을 통제된 시험 사례로 사용하기 위해.

제안 방법

• 공유 인구를 사용하여 동시에 여러 스도쿠 퍼즐을 해결하는 통합 진화 알고리즘 프레임워크를 사용하였다.
• 유전적 전이와 인구 다양화가 수렴성과 해답 품질에 미치는 영향을 분리하고 측정하기 위해 실험을 설계하였다.
• 모든 과제에서 고정된 인구 크기와 공유 유전 연산자(교배, 돌연변이)를 사용하여 유전 물질 교환을 가능하게 하였다.
• 과제 간 해답 진전 상황을 추적하여 한 퍼즐에서 얻은 고성능 해답이 다른 과제에 얼마나 자주 영향을 미쳤는지 수량화하였다.
• 성능 지표와 수렴 시간선을 사용하여 과제 간 유전 물질 이행의 빈도와 영향을 분석하였다.
• 유전적 전이를 활성화하거나 비활성화한 조건에서 결과를 비교하여 그 효과를 고립시켰다.

실험 결과

연구 질문

• RQ1 유전적 전이와 인구 다양화가 진화적 다중 과제 최적화에서 각각 어떤 기여를 하는가?
• RQ2 유전적 전이만으로 다중 과제 최적화에서 관찰된 성능 향상을 설명할 수 있는가?
• RQ3 다른 스도쿠 퍼즐 간에 거의 동일한 최종 해답이 존재할 경우, 유전적 전이의 효과는 어떻게 영향을 받는가?
• RQ4 유전적 전이가 없는 상황에서 인구 다양화는 글로벌 탐색에 얼마나 기여하는가?
• RQ5 문제의 구조(예: 공유 해답 공간)는 한 메커니즘이 다른 메커니즘에 비해 우세하게 작용하는 데 영향을 미치는가?

주요 결과

• 여러 스도쿠 퍼즐 인스턴스 전반에서 유전적 전이가 성능 향상의 주요 요인으로 일관되게 나타났다.
• 인구 다양성이 유지된 상태에서도 유전적 전이가 없을 경우 성능 향상이 상당히 낮아졌으며, 이는 유전적 전이의 필수성을 시사한다.
• 한 퍼즐의 해답이 다른 퍼즐의 수렴 속도를 빠르게 하는 경우가 자주 발생했으며, 특히 최종 해답이 구조적으로 유사할 경우 더욱 두드러졌다.
• 고품질 유전 물질 전이의 빈도는 전체 알고리즘 성공과 강하게 상관관계가 있었다.
• 인구 다양화만으로는 특히 초기 단계에서 유사한 수렴 속도나 해답 품질을 달성하지 못했다.
• 결과는 진화적 다중 과제 최적화의 진정한 힘이 과제 간 유익한 유전 성분의 암묵적 교환에 있음을 시사한다.