[논문 리뷰] Non-Elitist Genetic Algorithm as a Local Search Method

Anton V. Eremeev|arXiv (Cornell University)|2013. 07. 12.

Metaheuristic Optimization Algorithms Research참고 문헌 12인용 수 6

한 줄 요약

이 논문은 토너먼트 선택을 사용하는 반복적 비엘리트리스트 유전 알고리즘(non-elitist GA)이 다항수준의 기대 시간 내에 국소 최적해로 수렴하는 데 필요한 충분조건을 규명한다. GLO(Guaranteed Local Optima) 클래스에 속하는 문제들—예를 들어 Max Cut와 Vertex Cover—에 대해 적절한 파라미터 설정이 이루어지면, 알고리즘이 평균적으로 다항 시간 내에 상수 근사비를 갖는 해를 찾을 수 있음을 증명한다.

ABSTRACT

Sufficient conditions are found under which the iterated non-elitist genetic algorithm with tournament selection first visits a local optimum in polynomially bounded time on average. It is shown that these conditions are satisfied on a class of problems with guaranteed local optima (GLO) if appropriate parameters of the algorithm are chosen.

연구 동기 및 목표

• 비엘리트리스트 유전 알고리즘(GA)이 다항 기대 시간 내에 국소 최적해로 수렴하는 조건을 규명하는 것.
• NP 최적화 문제에 대해 토너먼트 선택을 사용하는 반복적 GA의 성능을 분석하는 것.
• GLO 클래스에 속하는 문제들에 대해 GA가 상수 요인 내에서 효율적으로 해를 근사할 수 있음을 확립하는 것.
• 수렴 시간이 국소 최적해로 향하는 데 걸리는 시간을 분석함으로써 이론적 이해와 국소 탐색 행동 간의 다리를 놓는 것.

제안 방법

• 선택 확률이 적합도 값에 따라 달라지는 반복적 비엘리트리스트 GA와 토너먼트 선택을 사용한다.
• 변이 확률 $ P_{\rm m} = K/n $ 인 비트단위 변이를 적용한다. 여기서 $ K $ 는 이웃 영역의 반경이다.
• 기대 시간이 국소 최적해에 도달하는 데 도달하는 데 필요한 상한을 구하기 위해 드리프트 분석 기법을 사용한다.
• 이웃 해 간의 해밍 거리가 유한하게 제한되어 있음을 보장하는 $ K $-유계 이웃 맵핑에 의존한다.
• 비가능해를 처벌하는 적합도 함수를 사용하여 가능해가 더 높은 적합도를 갖도록 보장한다.
• 변이에 의해 어떤 이웃도 생성될 확률을 분석하여, $ \left(\frac{K}{en}\right)^K $ 를 하한으로 설정한다.

실험 결과

연구 질문

• RQ1 비엘리트리스트 GA가 토너먼트 선택을 사용할 때 다항 기대 시간 내에 국소 최적해로 수렴하는 조건은 무엇인가?
• RQ2 반복적 GA가 토너먼트 선택을 사용할 때 GLO 클래스 문제에 대해 상수 요인 내에서 효율적으로 해를 근사할 수 있는가?
• RQ3 변이 확률 $ P_{\rm m} = K/n $ 의 선택이 수렴 시간과 국소 최적해에 도달할 확률에 미치는 영향은 무엇인가?
• RQ4 이웃의 구조(예: $ K $-유계성)와 GA가 국소 탐색 방법으로서의 효율성 간의 관계는 무엇인가?
• RQ5 GA에서 엘리트주의가 없을 경우, 다항 시간 내에 좋은 국소 최적해를 찾을 수 있는가?

주요 결과

• 충분한 조건 하에서 반복적 비엘리트리스트 GA는 토너먼트 선택을 사용할 때 다항 시간에 국소 최적해에 도달한다.
• GLO 클래스 문제에 대해 적절한 파라미터 설정이 이루어지면, 알고리즘은 다항 기대 시간 내에 상수 근사비를 확보한다.
• 변이 연산자에서 $ P_{\rm m} = K/n $ 인 경우, $ K $-유계 이웃 영역 내에서 어떤 이웃도 생성할 확률에 대해 하한 $ \left(\frac{K}{en}\right)^K $ 가 보장된다.
• 초기 집단에 적어도 하나의 가능해가 포함되어 있으면, 엘리트주의가 없더라도 결과가 성립한다.
• 분석 결과, GA가 GLO 문제에 대해 국소 탐색 방법으로서 행동하며, 입력 크기의 다항 시간 내에 수렴함을 확인한다.
• 이론적 프레임워크는 최대화 문제와 최소화 문제 모두에 동일하게 적용되며, 동일한 수렴 보장을 제공한다.