[論文レビュー] A Constrained Cooperative Coevolution Strategy for Weights Adaptation Optimization of Heterogeneous Epidemic Spreading Networks.

Yun Feng, Bing-Chuan Wang+1 more|arXiv (Cornell University)|Jan 3, 2019

Complex Network Analysis Techniques被引用数 2

ひとこと要約

本稿では、大規模な異種混合感染拡散ネットワークにおける重み最適化のため、制約付き協調的共進化（C³）戦略を提案する。高次元問題を管理可能な部分問題に分解し、ε制約処理を用いて目的関数と制約のバランスをとる。Barabási-Albertネットワーク上で、収束性とグローバルサーチ能力の向上が確認され、大規模な動的最適化において有効であることが示された。

ABSTRACT

In this paper, the dynamic constrained optimization problem of weights adaptation for heterogeneous epidemic spreading networks is investigated. Due to the powerful ability of searching global optimum, evolutionary algorithms are employed as the optimizers. One major difficulty following is that the dimension of the weights adaptation optimization problem is increasing exponentially with the network size and most existing evolutionary algorithms cannot achieve satisfied performance on large-scale optimization problems. To address this issue, a novel constrained cooperative coevolution ($C^3$) strategy which can separate the original large-scale problem into different subcomponents is tailored for this problem. Meanwhile, the $\epsilon$ constraint-handling technique is employed to achieve the tradeoff between constraint and objective function. To validate the effectiveness of the proposed method, some numerical simulations are conducted on a B\' arabasi-Albert network.

研究の動機と目的

• 大規模で異種混合の感染拡散ネットワークにおける高次元的かつ動的変動する重み適応の課題に対処すること。
• 大規模最適化問題において、従来の進化的アルゴリズムの性能限界を克服すること。
• 制約の妥当性を維持しながら、グローバル最適解への収束性を向上させるスケーラブルな最適化フレームワークを構築すること。
• 実世界のネットワークトポロジー、例えばBarabási-Albertスケールフリー・ネットワークを用いて、提案手法の有効性を検証すること。

提案手法

• 大規模な重み適応問題をより小さな管理可能な部分問題に分解できる、制約付き協調的共進化（C³）戦略を設計する。
• C³フレームワークにより、部分問題の並列最適化が可能となり、計算複雑度が低下し、スケーラビリティが向上する。
• 目的関数の最小化と制約の満たし方のトレードオフをバランスさせるために、ε制約処理技術を統合する。
• 複雑で動的な最適化領域においてもグローバルサーチ能力を発揮するため、進化的アルゴリズムを最適化の基盤として採用する。
• 実際の異種混合感染拡散ダイナミクスを模擬するために、Barabási-Albertネットワークに本手法を適用する。
• 収束速度、解の品質、制約の満たし方を評価するために、数値シミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 協調的共進化戦略は、感染拡散ネットワークにおける大規模な重み適応問題を効果的に分解できるか？
• RQ2 ε制約処理の統合により、目的関数の最小化と制約の満たし方のバランスがどのように向上するか？
• RQ3 提案されたC³手法は、大規模ネットワークにおける収束性とグローバル最適性の観点で、どのような性能を示すか？
• RQ4 従来の進化的アルゴリズムと比較して、ネットワークサイズの増大に伴うスケーリング性能はいかがなっているか？

主な発見

• 提案されたC³戦略は、大規模な感染拡散ネットワークにおいて、収束速度と解の品質を顕著に向上させた。
• ε制約処理の統合により、目的関数の最小化と制約の満たし方のバランスを効果的にとることができた。
• 高次元問題において、標準的な進化的アルゴリズムと比較して、本手法は優れたスケーラビリティを示した。
• Barabási-Albertネットワークにおける数値シミュレーションにより、複雑で動的な環境下でも近似的なグローバル最適解に到達できることを確認した。
• 分解アプローチにより、計算負荷が軽減された一方で、高い解の正確性を維持した。
• 結果から、制約処理を統合した協調的共進化は、大規模な感染ネットワーク最適化において実用的かつ効果的な戦略であると示唆された。