[논문 리뷰] Selection of training populations (and other subset selection problems) with an accelerated genetic algorithm (STPGA: An R-package for selection of training populations with a genetic algorithm)

Deniz Akdemir|arXiv (Cornell University)|2017. 02. 26.

Genetic and phenotypic traits in livestock참고 문헌 50인용 수 3

한 줄 요약

이 논문은 고차원 데이터에서 최적의 부분집합 선택을 위한 가속화된 유전 알고리즘(LA-GA-T)을 구현한 R 패키지인 STPGA를 소개한다. 특히 유전체 예측에서 학습 집단 선택에 초점을 맞추고 있다. 이 방법은 국소 최적해를 피하고 수렴성을 향상시키기 위해 타부 메모리와 적합도 기반의 앞서가는 히وري스틱을 통합한다. 다양한 응용 분야에서 뛰어난 성능을 보이며, 변수 선택, 영향력 있는 관측치 탐지, 혼합 정수 이차계획법 등에 응용된다.

ABSTRACT

Optimal subset selection is an important task that has numerous algorithms designed for it and has many application areas. STPGA contains a special genetic algorithm supplemented with a tabu memory property (that keeps track of previously tried solutions and their fitness for a number of iterations), and with a regression of the fitness of the solutions on their coding that is used to form the ideal estimated solution (look ahead property) to search for solutions of generic optimal subset selection problems. I have initially developed the programs for the specific problem of selecting training populations for genomic prediction or association problems, therefore I give discussion of the theory behind optimal design of experiments to explain the default optimization criteria in STPGA, and illustrate the use of the programs in this endeavor. Nevertheless, I have picked a few other areas of application: supervised and unsupervised variable selection based on kernel alignment, supervised variable selection with design criteria, influential observation identification for regression, solving mixed integer quadratic optimization problems, balancing gains and inbreeding in a breeding population. Some of these illustrations pertain new statistical approaches.

연구 동기 및 목표

• 고차원 데이터에서 최적의 부분집합 선택 문제를 해결하기 위한 도전 과제를 해결한다. 특히 유전체 예측에서의 학습 집단 설계에 초점을 맞춘다.
• 기존 히وري스틱 및 정확한 방법보다 계산 효율성과 해의 품질에서 뛰어난 확장성과 병렬 처리가 가능한 알고리즘을 개발한다.
• 유전체학을 넘어서 변수 선택, 영향력 있는 관측치 탐지, 혼합 정수 이차계획법 등 다양한 분야에 적용 가능한 유연하고 확장 가능한 부분집합 선택 프레임워크를 제공한다.
• 사용자 정의 목적 함수를 통해 연구자가 사용자 친화적인 R 인터페이스를 통해 정보성 있는 부분집합을 효율적으로 선택할 수 있도록 한다.

제안 방법

• LA-GA-T 알고리즘은 유전 알고리즘과 타부 메모리를 결합하여 이전에 평가된 해들과 그 적합도 값을 추적하고 재방문을 방지한다.
• 해의 코드화에 기반한 적합도 회귀 모델을 도입하여 이상적인 해를 예측함으로써, 고품질 영역으로 향하는 '앞서가는 전략'을 가능하게 한다.
• 적응형 돌연변이와 엘리트 유지 전략을 통해 다양성과 수렴성을 유지하며, 인구 크기, 돌연변이 확률, 정지 기준과 같은 설정 가능한 파라미터를 제공한다.
• 다중 코어 아키텍처를 활용하여 계산을 가속화하기 위해 'mc.cores' 파라미터를 통해 병렬 실행을 지원한다.
• 사용자가 'errorstat' 파라미터를 통해 사용자 정의 목적 함수를 정의할 수 있도록 확장 가능하도록 설계되어 있다.
• 순수 R로 구현되어 있어 접근성과 사용자 맞춤 설정이 용이하며, 기존의 R 워크플로우와의 통합도 지원한다.

실험 결과

연구 질문

• RQ1 타부 메모리와 앞서가는 히وري스틱을 갖춘 수정된 유전 알고리즘이 표준 히وري스틱 및 정확한 방법보다 최적의 부분집합 선택 문제를 해결하는 데 뛰어나게 성능을 발휘할 수 있는가?
• RQ2 LA-GA-T 알고리즘이 고차원 마커 데이터에서 유전체 예측 정확도를 최대화하는 데 효과적으로 학습 집단을 선택할 수 있는가?
• RQ3 STPGA 패키지는 변수 선택, 영향력 있는 관측치 탐지, 혼합 정수 이차계획법과 같은 다른 부분집합 선택 문제로 일반화될 수 있는가?
• RQ4 병렬 처리가 대규모 유전체학적 및 통계 문제에서 LA-GA-T 알고리즘의 성능과 확장성에 어떤 영향을 미치는가?
• RQ5 알고리즘이 계수의 불안정성을 최소화하는 부분집합을 선택하여 회귀 분석에서 영향력 있는 관측치를 신뢰성 있게 식별할 수 있는가?

주요 결과

• LA-GA-T 알고리즘은 144개 샘플 부분집합에서 제외했을 때 기준치 값이 급격히 증가함으로써 영향력 있는 것으로 확인된 6개의 조작된 관측치(5, 30, 55, 80, 105, 130)를 성공적으로 식별했다.
• 알고리즘은 영향력 있는 관측치 탐지에 있어 강건성을 보였으며, n=144일 경우 모든 6개의 조작된 점이 포함되어 있어 고리스크 케이스에 민감한 감지 능력을 확인했다.
• 병렬 처리 효율이 단지 1% 향상되었을 뿐이지만, 256개 프로세서를 사용할 경우 최대 3.5배의 속도 향상을 관찰하여 알고리즘의 뛰어난 병렬 확장성을 입증했다.
• 다양한 런에서 안정적인 수렴을 보였으며, 반복 과정 동안 최적 기준치 값의 변동이 최소화되어 신뢰할 수 있는 성능을 보였다.
• 패키지는 지도 및 비지도 변수 선택, 유전적 균형을 고려한 육종 집단 설계, 혼합 정수 이차계획법 등 다양한 문제를 성공적으로 해결했다.
• 사용자 정의 목적 함수의 사용을 통해 새로운 통계 기준에 대한 민감한 적응이 가능했으며, 이는 도구의 적용 범위를 기본 유전체 예측 지표를 넘어서 확장시켰다.