[論文レビュー] Critical control of a genetic algorithm

Raphaël Cerf|arXiv (Cornell University)|May 19, 2010

Evolutionary Algorithms and Applications参考文献 20被引用数 4

ひとこと要約

本論文は、世代をまたいで最良の適応度をモニタリングすることにより、遺伝的アルゴリズムにおける突然変異確率と集団サイズの動的制御のための新しいヒューリスティックを提案する。探索と選択の間の予想される臨界点の近くで動作させることで、パラメータをリアルタイムで調整する：適応度が停滞している場合は突然変異確率を増加させ、適応度が低下している場合は減少させ、適応度が向上している場合は再初期化することで、効率的な探索に最適なバランスを維持する。

ABSTRACT

Based on speculations coming from statistical mechanics and the conjectured existence of critical states, I propose a simple heuristic in order to control the mutation probability and the population size of a genetic algorithm.

研究の動機と目的

• 実用的応用における遺伝的アルゴリズムの最適パラメータ（突然変異率と集団サイズ）の選択という長年の課題に取り組む。
• 理論的臨界点の計算に依存しない、単純で経験的根拠に基づいたヒューリスティックを提供する。
• 有限集団における遺伝的アルゴリズムに統計力学からの臨界性の概念を実装する。
• 突然変異（探索）と選択（適応度に基づく選択）の間の動的平衡を維持することで、探索効率を向上させる。

提案手法

• 適応度の変化の傾向をリアルタイムでモニタリングし、アルゴリズムの現在の状態を特定する。
• 適応度のトレンドに基づいて突然変異確率を調整する：適応度が一定の場合は選択が優勢と判断し、突然変異確率を増加。適応度が低下している場合は突然変異が優勢と判断し、突然変異確率を減少。
• 適応度が向上した場合、突然変異制御を再初期化し、集団サイズを2にリセットすることで、局所最適解からの脱出を支援する。
• 突然変異確率を有界区間内で二分探索的手法により精密化し、最適値への収束を保証する。
• 適応度が向上した際には、最高個体を保持することでエリート主義を統合する。
• 突然変異確率が収束した後にのみ集団サイズを増加させることで、早期収束を回避する。

実験結果

リサーチクエスチョン

• RQ1 適応度トレンドのモニタリングに基づく単純なヒューリスティックは、遺伝的アルゴリズムにおける突然変異確率と集団サイズの制御に効果的か。
• RQ2 探索と選択がバランスの取れた臨界点付近で動作させることで、有限集団における遺伝的アルゴリズムの探索がより効率的になるか。
• RQ3 エーゲンのクオーシスペシーズモデルにおける誤り閾値の概念を、実用的遺伝的アルゴリズムのパラメータ制御に適応できる範囲はどの程度か。
• RQ4 適応度ランドスケープの事前知識や臨界点の理論的計算なしに、動的パラメータ制御をどのように実装できるか。

主な発見

• リアルタイムの適応度変化への反応によって、探索と選択のバランスをうまく維持し、停滞や過度の破壊的変化を回避する。
• 適応度が複数世代にわたり一定である場合、突然変異確率を増加させることで探索を強化し、早期収束を防ぐ。
• 適応度が低下している場合、突然変異確率を減少させることで選択が優勢となり、探索プロセスの安定化を図る。
• 適応度が向上した場合、突然変異制御の再初期化と集団サイズの2へのリセットにより、局所最適解からの脱出と新たな領域の探索が可能になる。
• 二分探索に基づく精密化プロセスにより、突然変異確率の収束が達成され、安定したパラメータ適応が保証される。
• エリート主義の統合により、優れた解決策が保持されるとともに、適応的パラメータ制御が可能となり、全体的な性能が向上する。