[論文レビュー] Evolutionary Multi-Objective Optimization for the Dynamic Knapsack Problem.

Vahid Roostapour, Aneta Neumann+1 more|arXiv (Cornell University)|Apr 27, 2020

Advanced Multi-Objective Optimization Algorithms参考文献 16被引用数 6

ひとこと要約

本稿では、knapsack容量が一様分布または正規分布に従って時間とともに変化する動的ナップサック問題に対する、単目的および多目的の進化的アルゴリズムを提案し、評価している。結果から、変化周波数が中程度の場合は、多目的アプローチが適応的集合を用いることで単目的手法を常に上回ることが示された。一方、NSGA-II や SPEA2 で用いられる高度な指標に基づく手法は、一貫した性能向上をもたらさず、場合によっては解の品質を損なうことがある。

ABSTRACT

Evolutionary algorithms are bio-inspired algorithms that can easily adapt to changing environments. In this paper, we study single- and multi-objective baseline evolutionary algorithms for the classical knapsack problem where the capacity of the knapsack varies over time. We establish different benchmark scenarios where the capacity changes every $ au$ iterations according to a uniform or normal distribution. Our experimental investigations analyze the behavior of our algorithms in terms of the magnitude of changes determined by parameters of the chosen distribution, the frequency determined by $ au$, and the class of knapsack instance under consideration. Our results show that the multi-objective approaches using a population that caters for dynamic changes have a clear advantage in many benchmarks scenarios when the frequency of changes is not too high. Furthermore, we demonstrate that the distribution handling techniques in advance algorithms such as NSGA-II and SPEA2 do not necessarily result in better performance and even prevent these algorithms from finding good quality solutions in comparison with simple multi-objective approaches.

研究の動機と目的

• ナップサック容量が時間とともに変化する動的ナップサック問題における進化的アルゴリズムの性能を調査すること。
• 変化周波数と変化の大きさの変動する条件下で、単目的と多目的の進化的アプローチを比較すること。
• NSGA-II や SPEA2 などのアルゴリズムに組み込まれた高度な指標処理手法が、動的環境下での性能向上に寄与するかどうかを評価すること。
• 多目的集合ベースの戦略が、単純な手法やより複雑な手法に比べて明確な優位性を示す状況を特定すること。

提案手法

• 本研究では、ナップサック問題の単目的および多目的最適化のためのベースライン進化的アルゴリズムを用いる。
• ナップサック容量は、τ 回ごとに一様分布または正規分布を用いて動的に変更され、環境の変化を模擬する。
• 変化周波数を制御するτ値や、変化の大きさを制御する分布パラメータを変更することで、ベンチマークシナリオを設計する。
• 多目的アルゴリズムは、矛盾する目的間のトレードオフを探索できるように、多様な集合を維持する。
• NSGA-II や SPEA2 の性能を、より単純な多目的アプローチと比較することで、高度な指標処理の価値を評価する。
• 異なるナップサックインスタンスクラスを用いて実験を行い、多様な問題特性下での頑健性と適応性を評価する。

実験結果

リサーチクエスチョン

• RQ1 τ で制御される容量変化の周波数が、動的ナップサック問題における進化的アルゴリズムの性能にどのように影響するか？
• RQ2 分布パラメータで制御される変化の大きさが、アルゴリズムが高品質な解を維持する能力に与える影響は何か？
• RQ3 NSGA-II や SPEA2 に組み込まれた高度な指標処理メカニズムは、単純な多目的アプローチと比較して、動的ナップサック状況下でより優れた性能を発揮するか？
• RQ4 どの動的ベンチマークシナリオにおいて、適応的集合を用いた多目的進化的アルゴリズムが単目的手法に明確な優位性を示すか？
• RQ5 どのような条件下で、洗練された多目的アルゴリズムが単純な代替手法を上回ることができないか？

主な発見

• 変化周波数が中程度の動的ナップサック問題において、適応的集合を用いた多目的進化的アルゴリズムは、常に単目的手法を上回る性能を示す。
• 多目的手法の性能優位性は、極端でない変化周波数と中程度の変化の大きさを伴う状況で顕著に現れる。
• NSGA-II や SPEA2 で用いられる高度な指標に基づく手法は、必ずしも優れた結果をもたらさず、むしろ単純な多目的アプローチに比べて性能が低下することがある。
• NSGA-II や SPEA2 の分布処理メカニズムは、収束性と多様性の維持を阻害し、動的環境下での解の品質を低下させる可能性がある。
• 単純な多目的手法は、計算オーバーヘッドが少なく、変化周波数が高すぎない場合には、しばしばより良いまたは同等の性能を達成する。
• 動的ナップサック最適化において、アルゴリズムの設計と動的適応性の工夫が、複雑な指標処理メカニズムの使用よりも重要である。