[논문 리뷰] How to use the Scuba Diving metaphor to solve problem with neutrality ?

Philippe Collard, Sebástien Vérel외 1명|ArXiv.org|2007. 07. 04.

Metaheuristic Optimization Algorithms Research참고 문헌 12인용 수 4

한 줄 요약

이 논문은 중립성(neutrality)을 활용하여 적합도가 높은 자식을 생성할 잠재력을 높이는, 새로운 메타휴리스틱인 스쿠버 서치(Scuba Search, SS) 히우리스틱을 제안한다. 중립 네트워크를 따라 이동하면서 적합도를 최적화함으로써, 적합도가 높은 해로의 전이를 더 잘 이끌어내는 방식이다. 중립 네트워크에서 적합도를 명시적으로 최적화한 후 더 높은 적합도의 해로 점프함으로써, 특히 중립성이 높을 경우 NKq 및 희박한 TSP 문제와 같은 중립적 적합도 표면에서 표준 하이프 클라이밍 히우리스틱보다 성능이 뛰어나지만, 기본 하이프 클라이밍보다 평가 비용이 더 높다.

ABSTRACT

We proposed a new search heuristic using the scuba diving metaphor. This approach is based on the concept of evolvability and tends to exploit neutrality which exists in many real-world problems. Despite the fact that natural evolution does not directly select for evolvability, the basic idea behind the scuba search heuristic is to explicitly push evolvability to increase. A comparative study of the scuba algorithm and standard local search heuristics has shown the advantage and the limitation of the scuba search. In order to tune neutrality, we use the NKq fitness landscapes and a family of travelling salesman problems (TSP) where cities are randomly placed on a lattice and where travel distance between cities is computed with the Manhattan metric. In this last problem the amount of neutrality varies with the city concentration on the grid ; assuming the concentration below one, this TSP reasonably remains a NP-hard problem.

연구 동기 및 목표

• 중립적 적합도 표면에서 국소 탐색 히우리스틱이 조기 수렴하는 문제를 해결하기 위해.
• 실제 문제에서 흔한 중립성의 특성을 활용하여 탐색 효율성을 향상시키는 방법을 탐색하기 위해.
• 국소 최적점에서 벗어나기 위해 중립 네트워크에서 적합도를 명시적으로 최적화하는 새로운 히우리스틱을 제안하기 위해.
• 스쿠버 서치의 성능을 중립적이고 거친 표면에서 표준 하이프 클라이밍 및 반복 하이프 클라이밍과 비교하기 위해.
• 중립 네트워크의 구조에 따라 스쿠버 서치가 성공하거나 실패하는 조건을 규명하기 위해.

제안 방법

• 스쿠버 서치 히우리스틱은 잠수부의 상황을 은유한다: 잠수부(해)는 동일한 적합도를 가진 평탄한 영역(중립 네트워크)을 탐색하면서, 표면 위의 더 높은 적합도를 가진 상태를 관찰함으로써, 더 높은 적합도로의 전이를 정보 기반으로 이끌 수 있다.
• 적합도 잠재력(evolvability)은 해의 이웃들 중 최대 적합도로 정의되며, 알고리즘은 중립 네트워크에서 이 값을 국소적으로 최대화하고자 한다.
• 해가 자신의 중립 네트워크에서 국소 최대값이지만, 그 외부에 더 높은 적합도를 가진 이웃이 존재하면, 이는 국소-중립 최적점으로 간주되며, 더 높은 적합도로의 점프가 유도된다.
• 알고리즘은 중립 네트워크에서 국소 탐색을 수행하며, 모든 이웃을 평가하여 적합도 잠재력을 평가한 후, 더 높은 적합도의 해를 발견하면 그 해로 전이한다.
• 이 방법은 두 가지 문제 유형에서 평가된다: 조절 가능한 중립성을 가진 NKq 적합도 표면과, 도시 집합 정도에 따라 중립성이 변화하는 맨하탄 거리 기반 희박한 TSP.
• 평가에는 평균 적합도 평가 횟수와 도달한 최종 적합도를 사용하며, 스쿠버 서치(SS)를 표준 하이프 클라이밍(HC) 및 반복 하이프 클라이밍(HC2)과 비교한다.

실험 결과

연구 질문

• RQ1 중립 네트워크에서 적합도 잠재력을 명시적으로 최적화하면 중립적 적합도 표면에서 탐색 성능이 향상되는가?
• RQ2 스쿠버 서치는 중립적이고 거친 표면에서 표준 국소 탐색 히우리스틱(HC 및 HC2)과 비교해 수렴 속도와 해의 품질 측면에서 어떻게 다른가?
• RQ3 스쿠버 서치가 실패하는 조건은 무엇인가, 특히 중립 네트워크 전반에서 적합도 잠재력이 일정할 경우에 해당하는가?
• RQ4 스쿠버 서치의 높은 평가 비용은 중립 문제에서 더 뛰어난 해의 품질을 얻는 데 비용 효율적인가?
• RQ5 예를 들어 이웃의 일부만 샘플링하는 등의 적합도 잠재력의 대체 정의 방식은 성능을 유지하면서 계산 비용을 줄일 수 있는가?

주요 결과

• N=64인 NKq 표면에서, 중립성이 높을 경우(예: q ≥ 8), 스쿠버 서치는 HC 및 HC2보다 평균적으로 더 높은 적합도를 달성했다.
• 동일한 NKq 설정에서 스쿠버 서치는 q=16일 때 평균 3,962회의 평가를 필요로 했으며, HC는 424회, HC2는 12,374회를 필요로 했으며, 이는 더 높은 비용이지만 더 뛰어난 해 품질을 의미한다.
• N=64인 희박한 TSP 문제에서, L=10(낮은 도시 농도, 높은 중립성)일 때 스쿠버 서치는 25.3×10⁶회의 평가를 사용했고, L=100(높은 도시 농도, 낮은 중립성)일 땐 13.0×10⁶회로 감소했다. 반면 HC는 L=100일 때 단지 0.117×10⁶회의 평가만 사용했다.
• NKq 및 TSPn 문제에서 중립성이 충분할 경우, 스쿠버 서치는 최종 적합도 측면에서 HC 및 HC2를 모두 앞섰으며, 이는 중립 영역에서의 효과성을 보여준다.
• 스쿠버 서치의 성능는 중립 네트워크에서 적합도 잠재력을 최적화할 수 있는 능력에 크게 의존한다; 중립 네트워크 전반에서 적합도 잠재력이 일정할 경우, 예를 들어 루이얼로드 표면에서처럼 실패한다.
• HC보다 평가 비용이 높지만, 스쿠버 서치의 뛰어난 해 품질은 중립 네트워크의 더 나은 탐색과 국소 최적점에서의 탈출 능력 덕분에 비용이 정당화됨을 시사한다.