[논문 리뷰] Hybridizing PSM and RSM Operator for Solving NP-Complete Problems: Application to Travelling Salesman Problem

Otman Abdoun, Chakir Tajani외 1명|arXiv (Cornell University)|2012. 03. 22.

Metaheuristic Optimization Algorithms Research참고 문헌 17인용 수 4

한 줄 요약

이 논문은 NP-완전 문제인 TSP(TSP)에 대해 해의 품질을 향상시키기 위해 부분 셔플 변이(Partial Shuffle Mutation, PSM)와 역순열 변이(Reverse Sequence Mutation, RSM)를 조합한 새로운 하이브리드 변이 연산자 HPRM을 제안한다. 두 연산자를 통합함으로써 HPRM은 BERLIN52 인스턴스에서 단독으로 사용되는 PSM 및 RSM보다 뛰어난 성능을 발휘하여 고품질의 TSP 해를 생성한다.

ABSTRACT

In this paper, we present a new mutation operator, Hybrid Mutation (HPRM), for a genetic algorithm that generates high quality solutions to the Traveling Salesman Problem (TSP). The Hybrid Mutation operator constructs an offspring from a pair of parents by hybridizing two mutation operators, PSM and RSM. The efficiency of the HPRM is compared as against some existing mutation operators; namely, Reverse Sequence Mutation (RSM) and Partial Shuffle Mutation (PSM) for BERLIN52 as instance of TSPLIB. Experimental results show that the new mutation operator is better than the RSM and PSM.

연구 동기 및 목표

• 메타휴리스틱 최적화를 통해 NP-완전 문제인 TSP와 같은 고품질 해를 찾는 데 도전하는 것.
• 기존 유전 알고리즘의 변이 연산자에 한계가 있음을 고려하여 더 효과적인 하이브리드 접근 방식을 설계하는 것.
• PSM와 RSM 연산자의 강점을 조합하여 TSP 인스턴스에서 수렴성과 해 품질을 향상시키는 것.
• 표준 벤치마크에서 기존의 변이 전략과 비교하여 제안된 하이브리드 연산자의 성능을 평가하는 것.

제안 방법

• HPRM 연산자는 기존의 두 가지 변이 연산자인 부분 셔플 변이(Partial Shuffle Mutation, PSM)와 역순열 변이(Reverse Sequence Mutation, RSM)의 하이브리드로 설계된다.
• HPRM은 부모 해의 쌍에 대해 PSM과 RSM 연산을 조합하여 자식 해를 생성한다.
• 하이브리드화 과정은 부모 해에서 일부 구간을 선택하고, 셔플 및 뒤집기 연산을 조율된 방식으로 적용하는 방식이다.
• 알고리즘은 변이 과정에서 PSM과 RSM 구성요소를 언제, 어떻게 적용할지 결정하기 위해 확률적 또는 결정적 전략을 사용한다.
• 해 품질과 수렴 속도 평가를 위해 TSPLIB 벤치마크 인스턴스인 BERLIN52에서 방법을 평가한다.
• 일관된 실험 설정과 평가 지표를 사용하여 단독 PSM 및 RSM과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 PSM와 RSM을 조합한 하이브리드 변이 연산자가 TSP를 해결하는 데 있어 단독 변이 연산자보다 뛰어난 성능을 보일 수 있는가?
• RQ2 PSM와 RSM의 통합이 메타휴리스틱 알고리즘에서 NP-완전 문제의 해 품질과 수렴성에 어떤 영향을 미치는가?
• RQ3 BERLIN52 TSP 인스턴스에서 HPRM의 상대적 성능은 PSM 및 RSM보다 어떻게 나타나는가?
• RQ4 하이브리드 접근 방식은 국소 탐색 효과성을 향상시키는 동시에 인구의 다양성을 유지하는가?
• RQ5 제안된 연산자는 TSP를 초월해 다른 NP-완전 문제에 일반화될 수 있는가?

주요 결과

• HPRM 연산자는 TSP의 고품질 해를 생성하는 데 있어 단독 PSM 및 RSM보다 뚜렷이 뛰어난 성능을 보였다.
• BERLIN52 인스턴스에서 HPRM은 투어 길이와 수렴 속도 측면에서 PSM 및 RSM보다 더 뛰어난 해 품질을 달성했다.
• PSM와 RSM의 하이브리드화로 인해 유전 알고리즘의 탐색과 이용 균형이 향상되었다.
• 결과는 단일 연산자를 사용하는 것보다 변이 전략을 조합함으로써 더 효과적인 탐색 행동을 이끌 수 있음을 보여준다.
• HPRM은 다수의 실행에서 일관된 해 품질 향상을 보이며, 이는 강건성과 신뢰성을 시사한다.
• 본 연구는 메타휴리스틱 성능을 향상시키기 위해 연산자 하이브리드화 전략이 조합 최적화 문제에 대해 실현 가능하다는 것을 확인한다.