[논문 리뷰] Hybrid Model for Solving Multi-Objective Problems Using Evolutionary Algorithm and Tabu Search

Rjab Hajlaoui, Mariem Gzara외 1명|arXiv (Cornell University)|2011. 02. 15.

Advanced Multi-Objective Optimization Algorithms참고 문헌 6인용 수 5

한 줄 요약

이 논문은 전역 탐색을 위한 유전적 알고리즘(EA)과 국소 강화를 위한 타부 검색(TS)을 조합한 하이브리드 다목적 최적화 모델을 제안한다. 이 방법은 EA의 집단 기반 탐색과 TS의 기억 기반 국소 탐색을 활용하여 ZDT 기준 문제에서 수렴성과 다양성을 향상시키며, 단독으로 사용되는 방법보다 우수한 파레토 최적 해 근사치를 달성한다.

ABSTRACT

This paper presents a new multi-objective hybrid model that makes cooperation between the strength of research of neighborhood methods presented by the tabu search (TS) and the important exploration capacity of evolutionary algorithm. This model was implemented and tested in benchmark functions (ZDT1, ZDT2, and ZDT3), using a network of computers.

연구 동기 및 목표

• 다목적 최적화에서 수렴성과 다양성의 균형을 이루는 데 도전하는 것.
• 유전적 알고리즘의 전역 탐색 능력과 타부 검색의 국소 탐색 효율성을 통합하는 것.
• 해결 품질과 수렴 속도를 향상시키는 협업 기반의 하이브리드 프레임워크를 개발하는 것.
• 표준 다목적 테스트 함수(ZDT1, ZDT2, ZDT3)에서 모델을 평가하는 것.
• 하이브리드 접근 방식이 잘 분포된 그리고 수렴된 파레토 최적 해를 달성하는 데 효과적인지 입증하는 것.

제안 방법

• 하이브리드 모델은 다목적 문제의 초기 해 집합을 생성하기 위해 유전적 알고리즘을 사용한다.
• 타부 검색은 기억 구조를 통해 순환을 방지하면서 이웃 해를 탐색함으로써 개별 해를 반복적으로 개선한다.
• 선택, 교차, 변이 등의 유전적 연산과 타부 검색 정밀 조정을 번갈아 적용하여 해 품질을 향상시킨다.
• 공유 외부 아카이브는 비지배 해를 유지하여 진정한 파레토 최적 해로 향한 탐색을 안내한다.
• 협업 메커니즘은 EA가 다양한 영역을 탐색하도록 하면서도 TS가 유망한 해를 국소적으로 정밀 조정할 수 있도록 한다.
• 컴퓨터 네트워크를 활용한 계산 실험을 통해 ZDT 기준 문제에서의 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 다목적 최적화에서 유전적 알고리즘의 전역 탐색 능력과 타부 검색의 국소 강화 능력을 효과적으로 통합할 수 있는가?
• RQ2 단독으로 사용되는 EA 또는 TS와 비교해 하이브리드 모델이 파레토 최적 해의 수렴성과 다양성에 얼마나 기여하는가?
• RQ3 타부 검색의 기억 기반 국소 탐색이 다목적 환경에서 유전적 알고리즘의 수렴 속도를 향상시킬 수 있는가?
• RQ4 표준 다목적 테스트 함수인 ZDT1, ZDT2, ZDT3에서 하이브리드 모델은 어떻게 성능을 발휘하는가?
• RQ5 EA와 TS 간의 협업 메커니즘이 비지배 해의 품질과 분포에 어떤 영향을 미치는가?

주요 결과

• 하이브리드 모델은 ZDT1, ZDT2, ZDT3에서 개별 EA 및 TS 접근 방식보다 더 우수한 수렴성과 다양성 지표를 확보하였다.
• 타부 검색의 통합으로 인해 모든 기준 문제에서 유전적 알고리즘의 수렴 속도가 크게 향상되었다.
• 외부 아카이브는 잘 분포된 비지배 해 집합을 유지하여 다양성 유지가 효과적으로 이루어졌음을 시사하였다.
• 볼록 및 비볼록 파레토 최적 해를 포함한 다양한 문제 특성에 대해 모델은 견고한 성능을 보였다.
• 계산 실험을 통해 EA와 TS 간의 협업이 파레토 최적 해의 수렴성과 분포를 모두 향상시킨다는 것이 확인되었다.
• 시험된 다목적 문제에서 최신 단일 방법 대비 하이브리드 접근 방식이 뛰어난 성능을 보였다.