[논문 리뷰] Firefly Algorithm, Stochastic Test Functions and Design Optimisation

Xin‐She Yang|arXiv (Cornell University)|2010. 03. 06.

Metaheuristic Optimization Algorithms Research참고 문헌 11인용 수 36

한 줄 요약

이 논문은 비선형 공학 설계 최적화 문제를 해결하기 위해 파도류 알고리즘(Firefly Algorithm, FA)을 소개하며, 기존 방법들인 입자 군집 최적화(PSO)보다 우수한 성능을 보임을 입증한다. 압력용기 설계 문제에 적용된 FA는 기존 최고 해인 6,059.71달러보다 훨씬 낮은 약 5,885.33달러의 비용을 기록하였다.

ABSTRACT

Modern optimisation algorithms are often metaheuristic, and they are very promising in solving NP-hard optimization problems. In this paper, we show how to use the recently developed Firefly Algorithm to solve nonlinear design problems. For the standard pressure vessel design optimisation, the optimal solution found by FA is far better than the best solution obtained previously in literature. In addition, we also propose a few new test functions with either singularity or stochastic components but with known global optimality, and thus they can be used to validate new optimisation algorithms. Possible topics for further research are also discussed.

연구 동기 및 목표

• 복잡한 비선형 설계 문제를 해결하기 위해 새로운 메타휴리스틱 최적화 알고리즘인 파도류 알고리즘(Firefly Algorithm, FA)을 개발하고 검증하는 것.
• 신규한 확률적 및 특이성 함수를 제안하여 전역 최적해가 알려진 기준점으로서 신규 최적화 알고리즘 평가에 활용할 수 있도록 하는 것.
• 실제 공학 최적화 문제, 특히 압력용기 설계 문제에서 FA의 효과성을 입증하는 것.
• 해의 질과 수렴성 측면에서 기존 알고리즘들인 입자 군집 최적화(PSO) 및 유전 알고리즘과의 FA 성능 비교를 수행하는 것.
• 메타휴리스틱 알고리즘 설계, 수렴 분석, 성능 기준점 설정에 대한 향후 연구의 기초를 마련하는 것.

제안 방법

• 파도류 알고리즘은 파도류의 이상화된 빛나는 행동에 기반하며, 매력도는 밝기(목적 함수 값)에 비례하고 거리에 따라 지수 감쇠 모델에 따라 감소한다.
• 파도류 간의 매력도는 $\beta = \beta_0 e^{-\gamma r^2}$ 로 모델링되며, 여기서 $r$ 은 파도류 간 유클리드 거리이고, $\gamma$ 는 빛 흡수 계수이다.
• 파도류는 더 밝은 파도류 쪽으로 이동하며, 더 밝은 파도류가 존재하지 않으면 무작위 보행을 수행함으로써 전역 탐색과 국소 최적해에서의 탈출이 가능하다.
• 알고리즘은 $n$ 개의 파도류로 구성된 집단을 사용하여, 수렴할 때까지 목적 함수 평가에 기반해 위치를 반복적으로 갱신한다.
• 신규 테스트 함수로는 전역 최소값이 $\mathbf{x}_* = (0,\dots,0)$ 에 있는 특이 함수 $f(\mathbf{x}) = \sum_{i=1}^{d} |x_i|^i$ 와 $\epsilon_i \sim \text{Unif}[0,1]$ 인 확률적 함수 $f(\mathbf{x}) = \sum_{i=1}^{d} \epsilon_i |x_i|^i$ 가 제안된다.
• 압력용기 설계 문제는 40개의 파도류와 20회의 반복을 통해 FA를 사용하여 해결되었으며, 네 개의 부등식 제약 조건과 단순 경계 조건 하에서 비용 함수를 최소화하는 것을 목표로 하였다.

실험 결과

연구 질문

• RQ1 파도류 알고리즘이 압력용기 설계와 같은 제약 조건이 있는 비선형 설계 최적화 문제를 효과적으로 해결할 수 있는가?
• RQ2 해의 질과 수렴성 측면에서 파도류 알고리즘의 성능이 입자 군집 최적화(PSO)와 같은 기존 메타휴리스틱 알고리즘과 비교해 어떻게 다른가?
• RQ3 특이성과 확률적 성분을 가진 새로운 테스트 함수가 새로운 최적화 알고리즘의 검증에 효과적인 기준점이 될 수 있는가?
• RQ4 인구 수 및 반복 횟수와 같은 알고리즘 파라미터가 수렴성과 해의 질에 미치는 영향은 어떠한가?
• RQ5 복잡하고 다중 최적해를 가진 환경에서 파도류 알고리즘이 국소 최적해에서 벗어나 전역 최소값을 탐색할 수 있는 정도는 어느 정도인가?

주요 결과

• 파도류 알고리즘은 압력용기 설계 문제에서 약 5,885.33달러의 최소 비용을 달성하여 이전에 보고된 최고 해인 6,059.71달러보다 뚜렷이 낮은 비용을 기록하였다.
• FA가 도출한 최적 설계는 $\mathbf{x}_* \approx (0.7782, 0.3846, 40.3196, 200.0000)^T$ 이며, 길이 $L$ 이 상한값에 도달함으로써 더 비용 효율적인 구성임을 시사한다.
• 제안된 확률적 테스트 함수 $f(\mathbf{x}) = \sum_{i=1}^{d} \epsilon_i |x_i|^i$ 는 전역 최소값 $\mathbf{x}_* = (0,\dots,0)$ 과 $f_* = 0$ 에서 존재하며, 비연속성과 무작위성 모두를 보인다.
• 특이성 테스트 함수 $f(\mathbf{x}) = \sum_{i=1}^{d} |x_i|^i$ 는 전역 최소값 $\mathbf{x}_* = (0,\dots,0)$ 과 $f_* = 0$ 에서 존재하며, 원점에서 미분 가능하지 않아 도전적인 기준점이 된다.
• FA는 20마리의 파도류로 15회의 반복 내에 확률적 함수 $f(\mathbf{x}) = \sum_{i=1}^{d} \epsilon_i |x_i|^i$ 의 전역 최소값에 성공적으로 수렴하여 확률적 환경에서의 강건성을 입증하였다.
• 알고리즘의 성능은 다수의 실행에 걸쳐 안정적이었으며, 결정론적 및 확률적 테스트 함수 모두에서 파도류가 전역 최적해 쪽으로 수렴하는 것으로 나타나 강력한 전역 탐색 능력을 보였다.