[논문 리뷰] Porcellio scaber algorithm (PSA) for solving constrained optimization problems

Yinyan Zhang, Shuai Li외 1명|arXiv (Cornell University)|2017. 10. 11.

Metaheuristic Optimization Algorithms Research인용 수 3

한 줄 요약

이 논문은 혼합 정수 및 비선형 프로그래밍 벤치마크를 포함한 제약 최적화 문제를 해결하기 위해 향상된 Porcellio scaber 알고리즘(PSA)을 제안한다. 기존 생물학적으로 영감을 받은 PSA에 페널티 방법을 통합함으로써, 확장된 알고리즘은 표준 테스트 문제에서 기존 많은 메타휴리스틱보다 수렴성과 해의 품질 면에서 뛰어난 성능을 보였다.

ABSTRACT

In this paper, we extend a bio-inspired algorithm called the porcellio scaber algorithm (PSA) to solve constrained optimization problems, including a constrained mixed discrete-continuous nonlinear optimization problem. Our extensive experiment results based on benchmark optimization problems show that the PSA has a better performance than many existing methods or algorithms. The results indicate that the PSA is a promising algorithm for constrained optimization.

연구 동기 및 목표

• 기존의 비제약 최적화 Porcellio scaber 알고리즘(PSA)을 제약 최적화 문제를 처리할 수 있도록 확장하기.
• 혼합 정수 및 비선형 프로그래밍 문제를 포함한 잘 알려진 제약 벤치마크 문제들에 대해 향상된 PSA의 성능 평가하기.
• 해의 품질과 수렴 속도 측면에서 제안된 PSA를 기존 최첨단 메타휴리스틱과 비교하기.
• 고정된 페널티 파라미터를 사용한 페널티 방법이 제약 타당성을 유지하면서 최적화에 얼마나 효과적인지 조사하기.

제안 방법

• 최적화 문제의 비등식 및 경계 제약을 처리하기 위해 원래 PSA에 페널티 방법을 통합하여 수정함.
• 위치 갱신 과정에서 탐색과 탐색의 균형을 이루기 위해 λ ∈ (0,1)의 가중 페널티 파라미터를 사용함.
• N명의 'Porcellio scaber' 에이전트로 구성된 집단을 사용하며, 이들은 지금까지 발견한 최良 해에 대한 영향과 무작위 방향 탐색을 기반으로 위치를 반복적으로 갱신함.
• 위치 갱신 규칙은 최良 해로의 유인과 평균이 0이고 표준편차가 0.1인 무작위 벡터 τ를 통한 확률적 탐색을 조합함.
• 제약 조건은 이중 경계를 두 개의 단일 경계 제약으로 변환하고, 타당하지 않은 해에 페널티 항을 적용함.
• 최대 100,000회 반복, 40명의 에이전트를 사용하며, 제약 위반에 대해 페널티를 주기 위해 고정된 페널티 파라미터를 사용함.

실험 결과

연구 질문

• RQ1 기존 생물학적으로 영감을 받은 Porcellio scaber 알고리즘이 제약 최적화 문제를 효과적으로 확장할 수 있는가?
• RQ2 향상된 PSA는 표준 제약 벤치마크 문제에서 다른 기존의 메타휴리스틱과 비교해 어떤 성능을 보이는가?
• RQ3 고정된 페널티 파라미터를 사용할 경우 제약 타당성과 수렴 품질에 어떤 영향을 미치는가?
• RQ4 PSA는 혼합 정수 및 비선형 프로그램을 포함한 다양한 유형의 제약 문제에서 안정성과 수렴 속도를 유지하는가?

주요 결과

• Himmelblau 비선형 최적화 문제에서 향상된 PSA는 -30,667.8113의 두 번째로 좋은 목적함수 값을 기록했으며, couc 방법이 얻은 최고 성능인 -31,025.5602에 매우 근접함.
• 압력용기 설계 문제에서 PSA의 해는 경쟁력 있었으며, 최고 목적함수 값은 -30,667.8113이었고, 최고 성능 알고리즘의 순위에 속함.
• 연속형 및 혼합 정수 제약 문제 양쪽에서 강력한 성능을 보이며, 알고리즘의 유연성과 강건성을 입증함.
• PSA와 최고 기록값 사이의 미세한 성능 격차는 고정된 파라미터를 사용한 페널티 방법이 효과적임을 시사하지만, 최적은 아님.
• 1,000회의 독립 실행 전반에서 PSA는 일관된 수렴을 보이며, 확률적 최적화에서 안정성과 신뢰성을 입증함.
• 결과는 PSA가 복잡하고 비볼록적인 환경에서 기존 메타휴리스틱의 유망한 대안임을 확인함.