[논문 리뷰] Parallel Whale Optimization Algorithm for Solving Constrained and Unconstrained Optimization Problems

Amr M. Sauber, Mohammed M. Nasef외 2명|arXiv (Cornell University)|2018. 06. 21.

Metaheuristic Optimization Algorithms Research참고 문헌 29인용 수 5

한 줄 요약

이 논문은 병렬화된 고래 최적화 알고리즘(PWOA)을 제안하며, OpenMP를 사용하여 비제약 및 제약 최적화 문제에서 수렴 속도를 가속화한다. 여러 프로세서에 걸쳐 군집 평가를 분산함으로써 PWOA는 순차적 WOA에 비해 높은 차원의 벤치마크와 공학 문제에서 뚜렷한 속도 향상과 효율성 향상을 달성한다.

ABSTRACT

Recently the engineering optimization problems require large computational demands and long solution time even on high multi-processors computational devices. In this paper, an OpenMP inspired parallel version of the whale optimization algorithm (PWOA) to obtain enhanced computational throughput and global search capability is presented. It automatically detects the number of available processors and divides the workload among them to accomplish the effective utilization of the available resources. PWOA is applied on twenty unconstrained optimization functions on multiple dimensions and five constrained optimization engineering functions. The proposed parallelism PWOA algorithms performance is evaluated using parallel metrics such as speedup, efficiency. The comparison illustrates that the proposed PWOA algorithm has obtained the same results while exceeding the sequential version in performance. Furthermore, PWOA algorithm in the term of computational time and speed of parallel metric was achieved better results over the sequential processing compared to the standard WOA.

연구 동기 및 목표

• 공학 및 데이터 과학 분야에서 증가하는 대규모 최적화 문제의 계산 요구를 해결한다.
• 고차원 및 복잡한 문제에서 WOA와 같은 메타휴리스틱 알고리즘의 장기적인 해답 시간을 줄인다.
• OpenMP를 사용한 병렬화를 통해 고래 최적화 알고리즘(WOA)의 성능을 향상시킨다.
• 다양한 벤치마크 함수와 실제 공학 문제에서 제안된 PWOA의 확장성과 효율성을 평가한다.
• 병렬 처리가 해답 품질을 희생시키지 않으면서도 속도와 전역 탐색 능력을 향상시킨다는 것을 입증한다.

제안 방법

• OpenMP 지시어를 사용하여 표준 고래 최적화 알고리즘(WOA)을 병렬 프레임워크로 변형한다.
• 사용 가능한 프로세서 수를 자동으로 감지하고, 고래(탐색 에이전트)의 개체 수를 스레드 간에 분배한다.
• 각 스레드 내의 고래에 대해 병렬로 적합도 평가와 위치 갱신을 수행하면서도, 개별 고래에 대해서는 순차적 계산을 유지하여 정확성을 보존한다.
• 최적화 루프 동안 작업 분배 및 스레드 동기화를 관리하기 위해 OpenMP의 병렬 구조를 사용한다.
• 각 프로세서에 동일 크기의 부분군집을 할당하여 동적 로드 밸런싱을 구현함으로써 유휴 시간을 최소화한다.
• 다양한 수의 프로세서에서 실행 시간, 속도 향상 및 효율성 등의 표준 병렬 메트릭을 사용해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 OpenMP를 통한 병렬화가 대규모 최적화 문제에서 고래 최적화 알고리즘(WOA)의 계산 시간을 뚜렷이 단축시킬 수 있는가?
• RQ2 다양한 문제 차원에서 제안된 PWOA의 속도 향상 및 효율성은 순차적 WOA와 비교해 어떻게 다를까?
• RQ3 PWOA는 비제약 및 제약 벤치마크 함수에서 수렴 속도를 빠르게 하면서도 해답 품질을 어느 정도 유지하는가?
• RQ4 다중 최적점 및 단일 최적점 최적화 문제에서 PWOA는 증가하는 프로세서 수에 대해 효과적으로 확장되는가?
• RQ5 PWOA는 순차적 버전에 비해 처리량을 향상시켜 실제 제약 조건이 있는 공학 최적화 문제를 효과적으로 처리할 수 있는가?

주요 결과

• PWOA는 20개의 비제약 최적화 문제와 5개의 제약 최적화 문제에서 순차적 WOA와 동일하거나 근사 최적의 해를 달성했다.
• 제안된 PWOA는 프로세서 수가 증가할수록 뚜렷한 속도 향상과 효율성 향상을 보였으며, 실행 시간이 비례적으로 감소했다.
• 속도 향상 및 효율성 메트릭은 프로세서 수가 증가함에 따라 일관되게 향상되어 효과적인 로드 분배와 최소한의 스레드 경쟁을 시사했다.
• 계산 시간을 단축시키면서도 높은 해답 품질을 유지함으로써, 고차원 및 복잡한 최적화 과제에 효과적임을 입증했다.
• PWOA는 계산 시간과 병렬 메트릭 측면에서 순차적 WOA를 뛰어넘었으며, 메타휴리스틱 최적화에서 병렬 처리의 이점을 확인했다.
• 대규모 병렬 평가를 수반하는 대규모 문제에서 병렬화 전략은 CPU 활용도를 극대화하면서도 수렴 정확도를 훼손하지 않아 매우 효과적이었다.