[논문 리뷰] State transition algorithm for traveling salesman problem

Chunhua Yang, Xiaolin Tang외 2명|arXiv (Cornell University)|2012. 06. 01.

Metaheuristic Optimization Algorithms Research참고 문헌 3인용 수 3

한 줄 요약

이 논문은 순열 기반 해 공간을 효율적으로 탐색하기 위해 스왑, 시프트, 대칭 변환의 세 가지 전문화된 연산자를 사용하는 이산 상태 전이 알고리즘( STA )을 제안한다. TSP 문제를 해결하기 위한 것이다. 이 방법은 온도나 페로몬 파rameter 조정이 필요 없이, 시뮬레이션된 난류화(SA)와 개미 군집 최적화(ACO)보다 더 빠른 수렴 속도와 낮은 계산 시간을 기록하며, 뛰어난 탐색 능력과 안정성을 입증한다.

ABSTRACT

Discrete version of state transition algorithm is proposed in order to solve the traveling salesman problem. Three special operators for discrete optimization problem named swap, shift and symmetry transformations are presented. Convergence analysis and time complexity of the algorithm are also considered. To make the algorithm simple and efficient, no parameter adjusting is suggested in current version. Experiments are carried out to test the performance of the strategy, and comparisons with simulated annealing and ant colony optimization have demonstrated the effectiveness of the proposed algorithm. The results also show that the discrete state transition algorithm consumes much less time and has better search ability than its counterparts, which indicates that state transition algorithm is with strong adaptability.

연구 동기 및 목표

• NP-난이도의 TSP 문제를 이산 순열 공간에 특화된 새로운 휴리스틱 접근법으로 해결하는 데 도전한다.
• TSP의 조합 최적화 해 공간을 효율적으로 탐색할 수 있도록 전문화된 상태 전이 연산자를 설계한다.
• 알고리즘의 단순성과 강건성을 향상시키기 위해 파rameter가 없는 전략을 개발한다.
• 기존의 메타휴리스틱 기법인 시뮬레이션된 난류화(SA)와 개미 군집 최적화(ACO)와의 성능을 평가한다.

제안 방법

• 이산 상태 전이 알고리즘은 현재 해 시퀀스에 변환 행렬을 적용하여 다음 상태를 생성하는 통일된 상태 전이 형식을 사용한다.
• 스왑, 시프트, 대칭 변환의 세 가지 전문화된 연산자가 순열을 조작하면서도 해의 타당성을 유지하도록 도입된다.
• 스왑 연산자는 무작위로 선택된 위치의 원소를 교환하며, 시프트 연산자는 부분 시퀀스를 순환적으로 이동시키고, 대칭 연산자는 부분 시퀀스를 뒤집는다.
• 알고리즘은 개선되거나 동일한 품질의 해만 수락하는 탐욕적 선택 기준을 사용하여, 온도나 페로몬 파rameter 조정이 필요 없도록 한다.
• 변환 행렬은 일반적인 기본 행렬에서 유도되며, 입력과 출력 순열 간의 일대일 대응을 보장한다.
• 이 방법은 조정 가능한 파rameter가 전혀 없이 구현되어 있어, 구현이 단순해지고 안정성이 향상된다.

실험 결과

연구 질문

• RQ1 스왑, 시프트, 대칭 변환과 같은 전문화된 순열 연산자를 사용한 이산 상태 전이 알고리즘은 TSP 문제를 효과적으로 해결할 수 있는가?
• RQ2 제안된 STA의 성능은 해 품질과 수렴 속도 측면에서 시뮬레이션된 난류화(SA)와 개미 군집 최적화(ACO)와 비교해 어떻게 되는가?
• RQ3 STA에서 파rameter 조정이 없는 것이 TSP 인스턴스에서의 강건성과 탐색 능력에 영향을 주는가?
• RQ4 설계된 연산자(스왑, 시프트, 대칭)가 局부 최적해를 벗어나고 조기 수렴을 방지하는 데 얼마나 기여하는가?
• RQ5 다양한 TSP 벤치마크 인스턴스에서 알고리즘의 계산 시간과 해 품질 측면에서의 확장성은 어떠한가?

주요 결과

• att48 인스턴스에서 STA는 경로 길이 33,724로 최고의 알려진 해를 달성했으며, 시뮬레이션된 난류화(SA)와 개미 군집 최적화(ACO)를 모두 초월했다.
• berlin52 인스턴스에서는 최적 해(경로 길이 7,544.4)를 찾았고, SA와 ACO가 소요한 시간의 약 1/40과 1/35에 불과한 시간만을 소비했다.
• STA 결과의 표준편차는 항상 근처 0에 가까워, 다수의 실행에서 높은 안정성을 보였다.
• STA는 SA와 ACO보다 더 빠른 수렴 속도를 보였으며, 정체나 조기 수렴을 피하는 일관된 감소 추세의 적합도 곡선을 나타냈다.
• 모든 테스트 인스턴스(ulysses16, att48, berlin52)에서 STA가 찾은 최악의 해도 ACO가 찾은 최고의 해보다 우수했으며, 이는 그 우수한 탐색 능력을 입증한다.
• STA는 SA와 ACO보다 훨씬 적은 시간을 소비했다—SA의 약 1/2 수준이며, ACO의 약 1/9에서 1/30 수준이었다—강력한 계산 효율성을 보여주었다.