[논문 리뷰] R2-based hypervolume contribution approximation in multi-objective optimization

Ke Shang, Hisao Ishibuchi외 2명|arXiv (Cornell University)|2018. 05. 15.

Advanced Multi-Objective Optimization Algorithms참고 문헌 13인용 수 1

한 줄 요약

이 논문은 다목적 최적화에서 정확한 방법이 실패하는 고차원 공간에서도 계산 가능성을 유지하면서, 초과부피 기여 영역 내의 방향 벡터에만 집중하는 R2 기반 초과부피 기여 근사 방법을 제안한다. 이 방법은 기존의 R2 기반 근사 및 몬테카를로 샘플링보다 기여도가 최소인 해를 더 정확하고 효율적으로 식별하며, 초과부피 기여도 계산의 계산 비용 문제를 해결한다.

ABSTRACT

In this letter, a new hypervolume contribution approximation method is proposed which is formulated as an R2 indicator. The basic idea of the proposed method is to use different line segments only in the hypervolume contribution region for the hypervolume contribution approximation. Comparing with a traditional method which is based on the R2 indicator to approximate the hypervolume, the new method can directly approximate the hypervolume contribution and will utilize all the direction vectors only in the hypervolume contribution region. The new method, the traditional method and the Monte Carlo sampling method together with two exact methods are compared through comprehensive experiments. Our results show the advantages of the new method over the other methods. Comparing with the other two approximation methods, the new method achieves the best performance for comparing hypervolume contributions of different solutions and identifying the solution with the smallest hypervolume contribution. Comparing with the exact methods, the new method is computationally efficient in high-dimensional spaces where the exact methods are impractical to use.

연구 동기 및 목표

• 고차원 다목적 최적화 문제에서 정확한 초과부피 계산의 계산 비용 문제를 해결하기 위해.
• 기여 영역 내에서 관련성이 있는 방향 벡터에만 집중하여 초과부피 기여도 근사의 정확도를 향상시키기 위해.
• 기여도가 최소인 해를 효율적으로 식별하는 방법을 개발하여 지표 기반 최적화의 핵심 과제를 해결하기 위해.
• 정확한 초과부피 계산의 대안으로서 고차원 설정에서도 실용적인 계산 효율성을 유지하는 방법을 제공하기 위해.

제안 방법

• 해당 방법은 R2 지표를 활용하여 초과부피 기여도 근사 문제를 수립하며, 기여 영역 내에서 특별히 선택된 방향 벡터 집합을 사용한다.
• 기여 영역 외부의 불필요한 방향 벡터를 제거하고, 기여도에 의미 있게 기여하는 방향 벡터에만 제한하여 사용한다.
• 선택된 방향에 대한 가중 평균을 적용하여 개별 해의 전체 초과부피 기여도를 R2 지표를 통해 근사한다.
• 기여도 기여 영역을 동적으로 식별하여 계산을 가장 정보가 많은 방향에 집중시킨다.
• R2 프레임워크를 초과부피 특화 제약 조건과 통합하여 근사의 정밀도를 보장한다.
• 특히 고차원 결정 및 목적 변수 공간에서의 확장성과 효율성을 고려하여 알고리즘을 설계한다.

실험 결과

연구 질문

• RQ1 지역 기반 R2 기반 근사 방법은 전역 R2 기반 방법에 비해 초과부피 기여도 추정의 정확도를 향상시킬 수 있는가?
• RQ2 제안된 방법은 몬테카를로 샘플링 및 전통적인 R2 근사 방법에 비해 기여도가 가장 작은 해를 식별하는 데 얼마나 잘 성능을 내는가?
• RQ3 고차원 목적 변수 공간에서 정확한 초과부피 계산이 불가능한 상황에서도 제안된 방법은 계산 효율성을 유지하는가?
• RQ4 초과부피 기여 영역 내의 방향 벡터에만 집중함으로써 더 나은 근사 정확도를 달성하면서도 계산 비용을 줄일 수 있는가?

주요 결과

• 제안된 방법은 특히 기여도가 가장 작은 해를 식별하는 데 있어 해들 간의 초과부피 기여도 비교에서 뛰어난 성능을 보였다.
• 정확성과 기여도 순위의 일관성 측면에서 기존의 전통적 R2 기반 근사 및 몬테카를로 샘플링보다 뛰어난 성능을 보였다.
• 기하급수적 복잡도로 인해 정확한 초과부피 계산이 비현실적인 고차원 공간에서도 높은 계산 효율성을 유지했다.
• 초과부피 기여 영역 내 방향 벡터에만 제한함으로써 계산 오버헤드를 줄였지만 근사 정확도를 손상시키지 않았다.