[논문 리뷰] Nature-Inspired Optimization Algorithms: Research Direction and Survey

Sachan Rohit Kumar, Kushwaha Dharmender Singh|arXiv (Cornell University)|2021. 02. 08.

Metaheuristic Optimization Algorithms Research인용 수 6

한 줄 요약

이 종합 검토는 생물학적, 군집적, 물리적 영감을 바탕으로 한 13개의 주요 천연 유도 최적화 알고리즘—예를 들어 PSO, GA, ABC, GSA—를 체계적으로 분류하고 비교 분석한다. 알고리즘의 연산자, 제어 파라미터, 변종, 적용 분야를 평가하여 연구자들이 경험적 성능와 이론적 기반을 바탕으로 특정 최적화 문제에 가장 적합한 알고리즘을 체계적으로 선정할 수 있도록 안내한다.

ABSTRACT

Nature-inspired algorithms are commonly used for solving the various optimization problems. In past few decades, various researchers have proposed a large number of nature-inspired algorithms. Some of these algorithms have proved to be very efficient as compared to other classical optimization methods. A young researcher attempting to undertake or solve a problem using nature-inspired algorithms is bogged down by a plethora of proposals that exist today. Not every algorithm is suited for all kinds of problem. Some score over others. In this paper, an attempt has been made to summarize various leading research proposals that shall pave way for any new entrant to easily understand the journey so far. Here, we classify the nature-inspired algorithms as natural evolution based, swarm intelligence based, biological based, science based and others. In this survey, widely acknowledged nature-inspired algorithms namely- ACO, ABC, EAM, FA, FPA, GA, GSA, JAYA, PSO, SFLA, TLBO and WCA, have been studied. The purpose of this review is to present an exhaustive analysis of various nature-inspired algorithms based on its source of inspiration, basic operators, control parameters, features, variants and area of application where these algorithms have been successfully applied. It shall also assist in identifying and short listing the methodologies that are best suited for the problem.

연구 동기 및 목표

• 최근 증가하는 천연 유도 최적화 알고리즘의 수에 압도당하는 신규 연구자들이 겪는 과제를 해결하기 위해.
• 알고리즘의 영감 원천, 연산자, 제어 파라미터 및 특징을 바탕으로 주요 알고리즘을 분류하고 비교하기 위해.
• 성능 및 응용 분석을 체계적으로 검토하여 특정 문제 유형에 가장 효과적인 알고리즘을 특정하기 위해.
• 문제 특성과 도달하고자 하는 결과에 기반해 최적의 알고리즘을 선택할 수 있는 의사결정 프레임워크를 제공하기 위해.
• 미래 연구를 이끌기 위해 천연 유도 최적화 분야의 격차와 유망한 방향을 제시하기 위해.

제안 방법

• 본 논문은 ACO, ABC, FA, FPA, GA, PSO, WCA 등 널리 알려진 13개의 천연 유도 알고리즘에 대한 체계적 종합 검토를 수행한다.
• 알고리즘은 자연 진화 기반, 군집 지능 기반, 생물학 기반, 과학 기반, 기타의 다섯 가지 범주로 분류된다.
• 각 알고리즘은 영감 원천, 핵심 연산자, 제어 파라미터, 수렴 속도 및 강건성과 같은 본질적 특징을 기반으로 분석된다.
• 연구는 공 ing 엔지니어링, 머신러닝, 운영 연구 등 다양한 분야에서의 알고리즘 변종, 성능 지표, 실질적 응용을 평가한다.
• 표와 그림을 활용한 비교 분석을 통해 행동 차이, 파라미터 민감도, 해의 품질 차이를 부각시킨다.
• 연구 결과를 종합하여 알고리즘의 강점과 특정 최적화 문제 유형에 가장 적합한 선택지를 제안한다.

실험 결과

연구 질문

• RQ1 연속형, 조합 최적화, 다목적 최적화 문제에 가장 효과적인 천연 유도 최적화 알고리즘은 무엇인가?
• RQ2 예를 들어 군집 기반과 진화 기반 알고리즘의 카테고리 간에 수렴 속도와 해의 정확도 측면에서 어떻게 비교할 수 있는가?
• RQ3 알고리즘 성능에 영향을 미치는 주요 제어 파라미터는 무엇이며, 이는 강건성과 안정성에 어떻게 영향을 미치는가?
• RQ4 어떤 응용 분야에서 이러한 알고리즘이 전통적 방법보다 뛰어난 성능을 보였는가?
• RQ5 천연 유도 최적화 알고리즘의 향후 개발을 위한 가장 유망한 연구 방향은 무엇인가?

주요 결과

• 이 검토는 PSO, ABC, JAYA가 수렴 속도가 빠르고 파라미터 민감도가 낮아 연속 최적화에 매우 효과적임을 규명했다.
• GA와 GSA는 국소 탐색 강화 기법과 조합 시 다기능성 및 복잡한 검색 공간에서 뛰어난 성능을 보였다.
• ACO와 FA는 여행하는 판매원 문제와 같은 조합 최적화 및 경로 설정 문제에서 뛰어난 결과를 보였다.
• 연구는 파라미터 튜닝이 알고리즘 성능에 큰 영향을 미친다는 점을 드러내었으며, 일부 알고리즘(예: TLBO)은 최소한의 파라미터 설정이 요구됨을 확인했다.
• SFLA와 EAM과 같은 생물학 기반 알고리즘은 동적 및 제약 최적화 시나리오에서 유망한 성능을 보였다.
• 본 검토는 알고리즘 간 표준화된 벤치마킹 및 성능 평가의 격차를 드러내며, 통합된 테스트 프레임워크의 필요성을 촉구한다.