[論文レビュー] COCO: The Large Scale Black-Box Optimization Benchmarking (bbob-largescale) Test Suite

Ouassim Elhara, Konstantinos Varelas+5 more|arXiv (Cornell University)|Mar 15, 2019

Advanced Multi-Objective Optimization Algorithms被引用数 11

ひとこと要約

本論文は、次元20から640までの24の単一目的連続関数を備えた大規模ブラックボックス最適化のベンチマークであるCOCO bbo-largescaleテストスイートを紹介する。本研究では、メモリと計算コストを削減しながら回転関数の重要な性質を保持する、計算的に効率的なブロック対角および置換ベースの回転法を提案する。これにより、高次元における最適化アルゴリズムのスケーラブルで再現可能な性能評価が可能になる。

ABSTRACT

The bbob-largescale test suite, containing 24 single-objective functions in continuous domain, extends the well-known single-objective noiseless bbob test suite, which has been used since 2009 in the BBOB workshop series, to large dimension. The core idea is to make the rotational transformations R, Q in search space that appear in the bbob test suite computationally cheaper while retaining some desired properties. This documentation presents an approach that replaces a full rotational transformation with a combination of a block-diagonal matrix and two permutation matrices in order to construct test functions whose computational and memory costs scale linearly in the dimension of the problem.

研究の動機と目的

• 次元640まで対応する大規模最適化問題をサポートする、広く確立されたbbo-largescaleテストスイートの拡張。
• 従来のベンチマーク関数における完全な回転変換の高い計算コストとメモリ使用量を解決するため、より効率的な代替手法を導入。
• 回転不変性と問題の難易度といった本質的特性を維持しながら、リソース要件を低減。
• 大規模問題における勾配なし最適化アルゴリズムの再現可能でスケーラブルな性能評価を可能にする。
• 大次元最適化タスクにおけるBBOBワークショップシリーズにおける標準化されたベンチマークを支援。

提案手法

• 完全な回転変換を、2つの置換行列と組み合わせたブロック対角行列構造に置き換えることで、計算コストを低減。
• ブロック対角回転行列と置換を組み合わせてテスト関数を構築し、次元に対してメモリおよび計算量が線形にスケーリングされるようにする。
• 元のbbo-largescale関数の核心的特性（分離性、悪条件性、バイアスなど）を維持しながら、効率性を向上。
• 次元 $ n $、関数識別子 $ i $、インスタンスインデックス $ j $ を用いて問題インスタンスを定義し、各最適化問題に対して三つ組 $ (n, i, j) $ を形成。
• ターゲット値 $ t $ を用いて成功条件を定義し、ランタイムを $ f(x) \leq t $ を達成するまでの関数評価回数として測定。
• 結果として得られるテストスイートが、広範な問題次元をカバーし、既存のBBOB評価フレームワークと互換性を持つように設計。

実験結果

リサーチクエスチョン

• RQ1 大規模最適化ベンチマークにおける回転変換を、問題の質を損なわせることなく計算的に効率化する方法は何か？
• RQ2 ブロック対角および置換ベースの回転が、最適化アルゴリズムのスケーラビリティおよびパフォーマンスに与える影響は何か？
• RQ3 低コストの回転法は、悪条件性や分離性といったベンチマーク関数の本質的特性を保持できるか？
• RQ4 新しいテストスイートは、高次元空間における異なる最適化アルゴリズム間で再現可能で標準化されたベンチマークをどのように支援するか？
• RQ5 次元（20から640）の変化が、新しい回転方式を用いた際のアルゴリズムパフォーマンスに与える影響は何か？

主な発見

• 提案されたブロック対角および置換ベースの回転法により、計算コストとメモリ使用量が次元に線形にスケーリングされる一方で、完全な回転では二次的にスケーリングされる。
• テストスイートは次元20から640までをカバーし、大規模最適化設定におけるアルゴリズムの評価を可能にする。
• この方法により、元のbbo-largescale関数の重要な特性（分離性、悪条件性、バイアスなど）が保持され、ベンチマークの妥当性が保証される。
• 既存のBBOB評価プロトコルと互換性を持つように設計されており、異なる次元間でのアルゴリズムパフォーマンスの直接比較が可能。
• ランタイムのメトリクスは、ターゲット値に達するまでの関数評価回数として定義され、アルゴリズム間での標準化されたパフォーマンス測定が可能。
• テストスイートには24の単一目的、無制約最小化関数が含まれており、それぞれ次元、関数ID、インスタンスインデックスでパrameter化され、合計1,440の異なる問題（6次元 × 24関数 × 10インスタンス）を形成する。