[논문 리뷰] Victoria Amazonica Optimization (VAO): An Algorithm Inspired by the Giant Water Lily Plant

Seyed Muhammad Hossein Mousavi|arXiv (Cornell University)|2023. 01. 22.

Fish biology, ecology, and behavior인용 수 5

한 줄 요약

이 논문은 거대한 수련 *Victoria amazonica*의 생애 주기와 경쟁적 성장 메커니즘을 모델로 삼은 새로운 생물학적 힌트를 가진 메타휴리스틱 알고리즘인 바티카 아마라니카 최적화(Victoria Amazonica Optimization, VAO)를 제안한다. 이 식물의 잎 경쟁, 수분 행동, 번식 주기를 영감으로 삼아, VAO는 복잡한 최적화 문제를 해결하기 위해 잎의 확장을 모의하고, 벌레를 통한 수분을 구현하며, 씨앗의 산산이 흩어짐을 시뮬레이션한다. 이 알고리즘은 24개의 기준 테스트 함수와 10개의 실제 응용 분야에서 뛰어난 성능을 보이며 기존의 유전자 알고리즘(Genetic Algorithm)과 같은 알고리즘을 능가한다.

ABSTRACT

The Victoria Amazonica plant, often known as the Giant Water Lily, has the largest floating spherical leaf in the world, with a maximum leaf diameter of 3 meters. It spreads its leaves by the force of its spines and creates a large shadow underneath, killing any plants that require sunlight. These water tyrants use their formidable spines to compel each other to the surface and increase their strength to grab more space from the surface. As they spread throughout the pond or basin, with the earliest-growing leaves having more room to grow, each leaf gains a unique size. Its flowers are transsexual and when they bloom, Cyclocephala beetles are responsible for the pollination process, being attracted to the scent of the female flower. After entering the flower, the beetle becomes covered with pollen and transfers it to another flower for fertilization. After the beetle leaves, the flower turns into a male and changes color from white to pink. The male flower dies and sinks into the water, releasing its seed to help create a new generation. In this paper, the mathematical life cycle of this magnificent plant is introduced, and each leaf and blossom are treated as a single entity. The proposed bio-inspired algorithm is tested with 24 benchmark optimization test functions, such as Ackley, and compared to ten other famous algorithms, including the Genetic Algorithm. The proposed algorithm is tested on 10 optimization problems: Minimum Spanning Tree, Hub Location Allocation, Quadratic Assignment, Clustering, Feature Selection, Regression, Economic Dispatching, Parallel Machine Scheduling, Color Quantization, and Image Segmentation and compared to traditional and bio-inspired algorithms. Overall, the performance of the algorithm in all tasks is satisfactory.

연구 동기 및 목표

• 거대한 수련 *Victoria amazonica* 식물의 생물학적 생애 주기를 영감으로 삼은 새로운 메타휴리스틱 최적화 알고리즘을 개발하기 위해.
• 식물의 경쟁적 잎 확장, 표면 지배에 기여하는 가시의 역할, 벌레를 통한 수분을 계산 과정으로 모델링하기 위해.
• 검색 공간 내에서 다양성과 탐색을 위해 여성 꽃에서 남성 꽃으로의 전환과 씨앗의 산산이 흩어짐을 모의하는 알고리즘을 설계하기 위해.
• VAO의 성능을 표준 기준 테스트 함수와 실제 최적화 문제에 대해 평가하기 위해.
• 다양한 문제 유형에서 기존의 10개의 확립된 최적화 알고리즘, 특히 유전자 알고리즘(Genetic Algorithm)과의 비교를 통해 VAO의 효능을 평가하기 위해.

제안 방법

• 각 잎을 후보 해로 모델링하며, 잎의 크기는 해의 품질을 나타내고, 가시와 유사한 메커니즘을 사용해 경쟁적 확장을 통해 성장한다.
• 수분 과정은 벌레가 꽃(후보 해) 간에 수분(해 정보)을 수반하는 확률적 이동 메커니즘을 통해 시뮬레이션되며, 이로 인해 해의 재조합이 가능해진다.
• 여성 꽃에서 남성 꽃으로의 전환은 알고리즘 내에서 단계 전환으로 모의되며, 탐색 이후에 이용을 촉진한다.
• 씨앗의 산산이 흩어짐은 기존 해에서 새로운 해를 생성하는 랜덤화 메커니즘을 통해 모의되며, 다양성을 향상시킨다.
• 성장, 수분, 성숙, 씨앗 방출의 식물 생애 주기 단계를 시뮬레이션함으로써 탐색과 이용 사이의 동적 균형을 유지한다.
• 잎의 경쟁, 수분 효율성, 번식 시기 등의 생물학적 행동에서 유도된 수학적 공식을 수립한다.

실험 결과

연구 질문

• RQ1 *Victoria amazonica*의 잎 경쟁과 공간 지배 메커니즘이 최적화 알고리즘으로 어떻게 모델링될 수 있는가?
• RQ2 벌레를 통한 수분 과정이 메타휴리스틱의 해 재조합 메커니즘으로 얼마나 잘 추상화될 수 있는가?
• RQ3 여성 꽃에서 남성 꽃으로의 전환과 그 후의 씨앗 산산이 흩어짐이 최적화의 탐색 및 이용 단계에 효과적으로 매핑될 수 있는가?
• RQ4 VAO는 다양한 기준 테스트와 실제 문제에서 기존 알고리즘, 특히 유전자 알고리즘(Genetic Algorithm)과 비교해 성능가능성이 어떻게 나타나는가?
• RQ5 *Victoria amazonica*의 생물학적 생애 주기가 메타휴리스틱 최적화에서 다양성과 수렴성을 효과적으로 균형 잡는 데에 효과적인 프레임워크를 제공할 수 있는가?

주요 결과

• VAO는 Ackley를 포함한 24개의 표준 기준 최적화 함수에서 뛰어난 성능을 보였으며, 경쟁적인 수렴 속도와 높은 해 품질을 확보했다.
• 특성 선택, 영상 분할, 경제적 배분 등 실제 응용 분야에서 VAO는 유전자 알고리즘과 다른 확립된 메타휴리스틱보다 결과가 유사하거나 뛰어나게 성과를 냈다.
• 최소 스패닝 트리, 허브 위치 할당, 이차 할당 문제 등 다양한 문제 유형에서 일관된 성능을 보였다.
• 성장, 수분, 성숙, 씨앗 방출의 생물학적 단계 통합이 탐색과 이용의 효과적인 균형을 이끌어냈다.
• 특히 고차원 및 복잡한 검색 공간에서 강건성과 적응성을 보였다.
• 실증적 평가를 통해 VAO의 생물학적 힌트 기반 메커니즘이 글로벌 탐색 능력을 효과적으로 향상시키고 조기 수렴을 방지하는 데 성공했다.