[論文レビュー] Digenes: genetic algorithms to discover conjectures about directed and undirected graphs

Romain Absil, Hadrien Mélot|arXiv (Cornell University)|Apr 30, 2013

Scheduling and Timetabling Solutions参考文献 22被引用数 4

ひとこと要約

Digenesは、与えられたグラフ不変量に対して極値の有向および無向グラフを同定するために遺伝的アルゴリズムを用いる、革新的な発見システムであり、予想の生成、反例の特定、証明の探求を可能にする。2点交叉とルーレット選択を用いることで、最適解に到達する平均生成回数を4,000以上から1,500未満に削減し、ベースライン手法を上回る性能を発揮する。

ABSTRACT

We present Digenes, a new discovery system that aims to help researchers in graph theory. While its main task is to find extremal graphs for a given (function of) invariants, it also provides some basic support in proof conception. This has already been proved to be very useful to find new conjectures since the AutoGraphiX system of Caporossi and Hansen (Discrete Math. 212-2000). However, unlike existing systems, Digenes can be used both with directed or undirected graphs. In this paper, we present the principles and functionality of Digenes, describe the genetic algorithms that have been designed to achieve them, and give some computational results and open questions. This do arise some interesting questions regarding genetic algorithms design particular to this field, such as crossover definition.

研究の動機と目的

• 既存のシステムが無向グラフに限定されているのに対し、有向および無向グラフの両方を処理できる発見システムの開発。
• 直径、不規則性、平均距離などの与えられた不変量に対して、ヒューリスティック最適化を用いて極値のグラフを自動的に発見することの実現。
• グラフ理論研究における予想形成、反例同定、グラフ変換ルールの検証を支援すること。
• グラフ構造の解に特化した遺伝的アルゴリズムの演算子（交叉、変異、選択）の設計を検討すること。
• 異なるグラフ符号化法および初期集団生成戦略がアルゴリズムの収束性とパフォーマンスに与える影響を調査すること。

提案手法

• グラフ不変量の関数fを最大化する形の組合せ最適化問題max_{G∈G_n} f(G)を解くために遺伝的アルゴリズムを採用。
• 隣接行列および次数列に基づくグラフ符号化を用い、グラフの性質を保つように特別に設計された交叉および変異を適用。
• 特に直径および不規則性の最適化において、探索効率を向上させるために、符号化の整列後に2点交叉を適用。
• ルーレット選択、トーナメント選択、直接淘汰の選択メカニズムを実装し、ルーレット選択が優れた性能を示した。
• 初期集団の生成のためのフィルタリングルーチンを導入したが、他の戦略に比べて効果が低いことが判明。
• 直径、不規則性、平均距離を含む極値グラフ問題における計算実験を通じて、結果の妥当性を検証。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムを、有向および無向グラフ空間における極値のグラフ探索に効果的に適応させる方法は何か？
• RQ2 強連結性などのハード制約を保ちつつ、効率的な探索を可能にする最適な交叉および変異演算子は何か？
• RQ3 異なる初期集団生成手法が、グラフ最適化における収束速度と解の品質に与える影響は何か？
• RQ4 直径や不規則性といったグラフ不変量が、遺伝的交叉演算子の設計にどの程度影響を与えるか？
• RQ5 多様なグラフ理論的最適化問題に最小限の再設定で適応可能な汎用的遺伝的アルゴリズムフレームワークを構築できるか？

主な発見

• 符号化の整列後に2点交叉を適用することで収束効率が著しく向上し、最適解に到達する平均生成回数が4,000以上から1,500未満に削減された。
• 収束速度と解の品質の両面で、ルーレット選択が直接淘汰およびトーナメント選択を上回った。
• 次数列の広がりに基づく初期集団生成は、最も効率が悪く、ランダムまたはヒューリスティックベースの初期化手法の改善が求められる。
• 部分グラフ選択を用いて交叉をガイドすることで、一部の不変量において性能が向上したが、強い連結性の制約があるため平均距離の最適化には効果がなかった。
• テストされたすべてのケースで、直径および不規則性の最適グラフを正しく同定できたため、これらの不変量に対して高い信頼性があることが示された。
• 反例の同定およびグラフ変換の検証が可能であるため、証明の構想および予想の発見において実用的であることが明らかになった。