[논문 리뷰] Societal Implicit Memory and his Speed on Tracking Extrema over Dynamic Environments using Self-Regulatory Swarms

Vitorino Ramos, Carlos M. Fernandes외 1명|ArXiv.org|2005. 12. 01.

Artificial Intelligence in Games참고 문헌 56인용 수 5

한 줄 요약

이 논문은 동적 환경에서 움직이는 극값을 추적하기 위해 군집지능과 단순한 진화 메커니즘을 융합한 자기조절 군집(SRS) 알고리즘을 제안한다. 집단적 페로몬 기반 사회적 암묵적 기억과 국소 적합도 기반 자기조절 인구 수 조절을 통해 SRS는 개별 에이전트보다 최대 10배 빠른 피크 추적 성능를 달성하며, 복잡한 동적 함수에서 표준 유전적 알고리즘(GA), 박테리아 번식 최적화 알고리즘(BFOA), 공진화 방법보다 뛰어난 성능을 보였다.

ABSTRACT

In order to overcome difficult dynamic optimization and environment extrema tracking problems, We propose a Self-Regulated Swarm (SRS) algorithm which hybridizes the advantageous characteristics of Swarm Intelligence as the emergence of a societal environmental memory or cognitive map via collective pheromone laying in the landscape (properly balancing the exploration/exploitation nature of our dynamic search strategy), with a simple Evolutionary mechanism that trough a direct reproduction procedure linked to local environmental features is able to self-regulate the above exploratory swarm population, speeding it up globally. In order to test his adaptive response and robustness, we have recurred to different dynamic multimodal complex functions as well as to Dynamic Optimization Control problems, measuring reaction speeds and performance. Final comparisons were made with standard Genetic Algorithms (GAs), Bacterial Foraging strategies (BFOA), as well as with recent Co-Evolutionary approaches. SRS's were able to demonstrate quick adaptive responses, while outperforming the results obtained by the other approaches. Additionally, some successful behaviors were found. One of the most interesting illustrate that the present SRS collective swarm of bio-inspired ant-like agents is able to track about 65% of moving peaks traveling up to ten times faster than the velocity of a single individual composing that precise swarm tracking system.

연구 동기 및 목표

• 동적이고 다모달 최적화 경계에서 움직이는 극값을 추적하는 문제에 대응하기 위해.
• 집단 환경 기억을 통해 탐색과 이용의 균형을 이루는 자기조절 군집 시스템을 개발하기 위해.
• 진화 메커니즘과 군집지능을 융합하여 동적 최적화에서 반응 속도와 내구성을 향상시키기 위해.
• 복잡한 동적 제어 문제에서 표준 GA, 박테리아 번식 최적화, 공진화 접근법과의 성능 평가를 위해.

제안 방법

• SRS 알고리즘은 개미 유사 에이전트를 사용하여 환경에 대한 사회적 암묵적 기억을 형성하는 페로몬을 배치함으로써 집단 학습을 가능하게 한다.
• 페로몬 배치는 국소 적합도에 의해 유도되며, 이로 인해 군집은 동적 피크에 대해 집단적으로 맵핑하고 적응할 수 있다.
• 직접적 번식 메커니즘이 국소 환경 특징에 기반하여 군집 인구 수를 조절함으로써 전역적 속도와 효율성이 향상된다.
• 알고리즘은 높은 적합도 영역에서 에이전트 밀도를 동적으로 조절하여 이용을 향상시키면서도 탐색을 포기하지 않는다.
• 군집지능과 진화 계산의 원리를 통합하여 적응적이고 자기조절적인 행동을 달성한다.
• 성능 평가는 다양한 복잡도를 지닌 벤치마크 동적 다모달 함수 및 제어 문제를 통해 수행된다.

실험 결과

연구 질문

• RQ1 집단적 페로몬 기반 암묵적 기억을 갖춘 자기조절 군집이 동적 환경에서 움직이는 극값을 효과적으로 추적할 수 있는가?
• RQ2 진화적 인구 수 조절 통합이 동적 최적화에서 반응 속도와 내구성 향상에 어떻게 기여하는가?
• RQ3 SRS 알고리즘이 표준 GA, BFOA, 공진화 방법보다 움직이는 피크 추적에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 개별 에이전트에 비해 집단 군집이 피크 추적에서 달성하는 최대 속도 향상은 어느 정도인가?
• RQ5 사회적 암묵적 기억이 복잡하고 변화하는 경계에서 성능 유지에 얼마나 효과적인가?

주요 결과

• SRS 알고리즘은 최적화 경계의 동적 변화에 대해 신속한 적응 반응을 보이며 높은 내구성을 확보했다.
• 모든 테스트된 동적 다모달 함수에서 SRS는 표준 유전적 알고리즘, 박테리아 번식 최적화 알고리즘, 공진화 접근법을 모두 능가했다.
• 군집은 복잡한 환경에서 약 65%의 움직이는 피크를 추적할 수 있었다.
• 단일 에이전트에 비해 군집은 움직이는 피크를 최대 10배 더 빠르게 추적했다.
• 자기조절 메커니즘이 탐색과 이용의 균형을 효과적으로 유지하여 다양한 동적 시나리오에서 높은 성능을 유지했다.
• 페로몬 기반 사회적 암묵적 기억은 지속적인 환경 맵핑을 가능하게 하여 추적 정확도와 속도를 크게 향상시켰다.