[논문 리뷰] Iterated Tabu Search Algorithm for Packing Unequal Circles in a Circle

Tao Ye, Wenqi Huang외 1명|arXiv (Cornell University)|2013. 06. 04.

Optimization and Packing Problems참고 문헌 34인용 수 6

한 줄 요약

이 논문은 NP-난이도의 불균일 원을 원 안에 정렬하는 문제(PUCC)를 위한 반복 타부 탐색 알고리즘(ITS-PUCC)을 제안한다. 이는 변형 기반 타부 탐색과 반복 국소 탐색을 통해 연속적 국소 최적화와 조합적 탐색을 융합한다. 이 방법은 46개의 대회 문제 인스턴스 중 14개와 24개의 문헌 기반 인스턴스 중 16개에서 이전의 최고 성능 기록을 초월하여, 도전적인 전역 최적화 기준 테스트에서 뛰어난 성능을 보였다.

ABSTRACT

This paper presents an Iterated Tabu Search algorithm (denoted by ITS-PUCC) for solving the problem of Packing Unequal Circles in a Circle. The algorithm exploits the continuous and combinatorial nature of the unequal circles packing problem. It uses a continuous local optimization method to generate locally optimal packings. Meanwhile, it builds a neighborhood structure on the set of local minimum via two appropriate perturbation moves and integrates two combinatorial optimization methods, Tabu Search and Iterated Local Search, to systematically search for good local minima. Computational experiments on two sets of widely-used test instances prove its effectiveness and efficiency. For the first set of 46 instances coming from the famous circle packing contest and the second set of 24 instances widely used in the literature, the algorithm is able to discover respectively 14 and 16 better solutions than the previous best-known records.

연구 동기 및 목표

• 최소한의 컨테이너 원 안에 불균일한 원들을 정렬하는 전역 최적화 문제에 대응하기 위해, 연속적이고 조합적인 특성을 모두 지닌 문제를 다루는 것.
• 지역 최소값에 갇히는 것을 방지하고 고품질의 해를 발견하기 위해 연속적 국소 탐색과 조합적 메타휴리스틱을 융합한 효과적인 휴리스틱을 개발하는 것.
• 특히 대회 및 문헌 기반 기준 테스트 인스턴스에 대해 기존의 최고 성능 기록을 향상시키는 것.
• 다양한 인스턴스 세트에 대한 광범위한 계산 실험을 통해 제안된 알고리즘의 효과성과 효율성을 검증하는 것.

제안 방법

• 알고리즘은 R²에서 원의 겹침을 최소화하고 국소 최적의 정렬을 달성하기 위해 연속적 국소 최적화 절차를 사용한다.
• 새로운 해를 생성하기 위해 두 가지 변형 이동 방식인 교환과 이동을 적용하여 지역 최소값에서의 탐색을 확장한다.
• 타부 탐색 구성 요소는 순환 방지를 관리하고 다양화를 이끌어내는 데 사용되며, 반복 국소 탐색 프레임워크는 체계적인 집중 탐색을 가능하게 한다.
• 이웃 구조는 지역 최소값의 집합에 기반하여 구축되며, 이는 조합적 탐색이 다양한 정렬 패턴을 시스템적으로 탐색할 수 있도록 한다.
• 국소 개선과 변형 기반 다양화를 번갈아 적용함으로써 연속적 최적화와 조합적 최적화를 융합한다.
• 효율성을 확보하기 위해 파라미터 조정과 시간 제한을 적용하였으며, 기준 인스턴스에 대해 각 실행당 10,000초의 시간 제한을 설정하였다.

실험 결과

연구 질문

• RQ1 연속적 국소 최적화와 조합적 탐색을 융합한 하이브리드 메타휴리스틱이 PUCC 문제에서 기존 방법보다 뛰어난 성능을 낼 수 있는가?
• RQ2 타부 탐색과 반복 국소 탐색의 조합이 이 연속-조합 문제에서 지역 최소값을 벗어나는 데 얼마나 효과적인가?
• RQ3 이동 및 교환 변형 이동 방식이 무작위 재시작보다 더 나은 해를 발견하는 데 기여하는 정도는 어느 정도인가?
• RQ4 제안된 알고리즘이 대회 기반 및 문헌 기반 PUCC 인스턴스 모두에서 최고 성능 기록을 향상시킬 수 있는가?

주요 결과

• ITS-PUCC 알고리즘은 46개의 원 정렬 대회 인스턴스 중 14개에서 최고 성능 기록을 향상시켜, 도전적인 기준 테스트에서 뛰어난 성능을 입증했다.
• 24개의 널리 사용되는 문헌 기반 인스턴스에 대해 알고리즘은 16개의 새로운 최고 성능 기록을 발견하여, 최신 기술 수준을 크게 향상시켰다.
• 알고리즘은 일관되게 향상되는 지역 최소값의 시퀀스를 생성하여, 반복 국소 탐색 프레임워크를 통한 효과적인 집중 탐색을 보여주었다.
• 이동 변형 이동 방식이 필수적임이 입증되었으며, 이는 교환만으로는 도달할 수 없는 정렬 패턴에 접근할 수 있도록 했다.
• 다중 시작 타부 탐색에 비해 ITS-PUCC는 더 높은 해 품질과 더 높은 성공률을 기록했으며, 특히 크기가 큰 인스턴스(n ≥ 25)에서 두드러졌다.
• 계산 실험을 통해 알고리즘의 효율성이 확인되었으며, 모든 향상된 결과가 각 실행당 10,000초의 시간 제한 내에서 발견되었다.