[논문 리뷰] Intelligent Algorithm for Optimum Solutions Based on the Principles of Bat Sonar

Mohammed Ali Tawfeeq|arXiv (Cornell University)|2012. 11. 04.

Underwater Vehicles and Communication Systems참고 문헌 4인용 수 4

한 줄 요약

이 논문은 메타휴리스틱 알고리즘의 새로운 형태를 제안하며, 박쥐의 에코로케이션을 모델링하여 상태 공간을 탐색하고 전역 최적화를 수행한다. 세 가지 변형—단일 소나 유닛(SSU), 다중 병렬 소나 유닛(MSU), 모멘텀 강화 단일 소나 유닛(SSM)—을 제안하여 유전 알고리즘(GA)에 비해 수렴 속도와 전역 최적값 복원 능력에서 뛰어난 성능을 보이며, 국소 최소값이 존재하는 함수들에서도 특히 뛰어나다.

ABSTRACT

This paper presents a new intelligent algorithm that can solve the problems of finding the optimum solution in the state space among which the desired solution resides. The algorithm mimics the principles of bat sonar in finding its targets. The algorithm introduces three search approaches. The first search approach considers a single sonar unit (SSU) with a fixed beam length and a single starting point. In this approach, although the results converge toward the optimum fitness, it is not guaranteed to find the global optimum solution especially for complex problems; it is satisfied with finding 'acceptably good' solutions to these problems. The second approach considers multisonar units (MSU) working in parallel in the same state space. Each unit has its own starting point and tries to find the optimum solution. In this approach the probability that the algorithm converges toward the optimum solution is significantly increased. It is found that this approach is suitable for complex functions and for problems of wide state space. In the third approach, a single sonar unit with a moment (SSM) is used in order to handle the problem of convergence toward a local optimum rather than a global optimum. The momentum term is added to the length of the transmitted beams. This will give the chance to find the best fitness in a wider range within the state space. In this paper a comparison between the proposed algorithm and genetic algorithm (GA) has been made. It showed that both of the algorithms can catch approximately the optimum solutions for all of the testbed functions except for the function that has a local minimum, in which the proposed algorithm's result is much better than that of the GA algorithm. On the other hand, the comparison showed that the required execution time to obtain the optimum solution using the proposed algorithm is much less than that of the GA algorithm.

연구 동기 및 목표

• 복잡하고 고차원적인 상태 공간에서 전역 최적해를 찾는 데 도전하는 데 목적을 두며.
• 유전 알고리즘(GA)과 같은 전통적 메타휴리스틱 기법의 한계를 극복하여 국소 최적해로 조기에 수렴하는 문제를 해결한다.
• 박쥐의 소나 원리를 기반으로 한 생물학적 영감을 받은 알고리즘을 개발하여 탐색 효율성과 해의 품질을 향상시킨다.
• 병렬 탐색 및 모멘텀 기반 전략을 통해 수렴 속도와 강인성을 향상시킨다.
• 넓고 복잡한 탐색 공간에 적합한 확장 가능하고 적응 가능한 최적화 프레임워크를 제공한다.

제안 방법

• 고정된 빔 길이와 하나의 시작점을 갖는 단일 소나 유닛(SSU)을 모델링하여 반복적인 빔 조정을 통해 상태 공간을 탐색한다.
• 독립적인 시작점을 갖는 병렬으로 작동하는 다중 소나 유닛(MSU)을 도입하여 전역 최적해를 찾을 확률을 높인다.
• 빔 길이 업데이트에 모멘텀 항을 통합하여 국소 최적해에서 벗어나 더 넓은 영역을 탐색할 수 있도록 한다.
• 적합도 평가를 통해 빔 방향과 길이 조정을 유도하여 박쥐의 목표 탐지 행동을 모방한다.
• 적합도 향상에 따라 동적 빔 길이 조절을 적용하여 박쥐의 주파수 및 펄스 빈도 적응을 모방한다.
• 동일한 조건에서 표준 벤치마크 함수를 사용하여 유전 알고리즘(GA)과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 박쥐의 소나 원리를 모델로 한 알고리즘이 복잡하고 다모드 최적화 문제에서 전역 최적해를 효과적으로 찾을 수 있는가?
• RQ2 다중 소나 유닛의 병렬 작동 방식은 단일 유닛 대비 수렴 신뢰도를 어떻게 향상시키는가?
• RQ3 빔 길이에 모멘텀 항을 도입할 경우 국소 최적해에서 벗어나는 데 얼마나 기여하는가?
• RQ4 유전 알고리즘(GA)과 비교할 때 제안된 알고리즘의 수렴 속도와 해의 품질은 어떠한가?
• RQ5 어떤 종류의 상태 공간에서 기존 메타휴리스틱 기법보다 제안된 알고리즘이 뛰어난 성능을 보이는가?

주요 결과

• MSU 변형은 복잡하고 넓은 상태 공간 문제에서 전역 최적해를 찾을 확률을 크게 높였다.
• SSM 변형은 국소 최소값에서 벗어나는 데 있어 SSU 및 GA보다 뛰어난 성능을 보였으며, 특히 속임수성 국소 최적해가 존재하는 함수에서 두각을 나타냈다.
• 제안된 알고리즘은 GA보다 near-optimal 해를 훨씬 빠르게 도달했으며, 실행 시간도 크게 단축시켰다.
• 국소 최소값이 존재하는 테스트 함수에서 제안된 알고리즘의 해 품질은 GA보다 뚜렷이 뛰어났다.
• 모든 벤치마크 함수에서 고적합도 해로의 수렴이 일관되게 관찰되었다.
• SSM에서의 모멘텀 기반 빔 길이 조정은 탐색 능력을 향상시켜 더 넓은 탐색 범위를 확보하고 전역 수렴성을 향상시켰다.