[論文レビュー] Fitness Uniform Selection to Preserve Genetic Diversity

Marcus Hütter|ArXiv.org|Mar 14, 2001

Evolutionary Algorithms and Applications参考文献 13被引用数 6

ひとこと要約

本稿では、適応度比例に基づくのではなく、適応度値の均等なサンプリングに基づいて個体を選択する、進化的アルゴリズムにおける新しい選択方式であるフィットネス均等選択（FUSS）を提案する。適応度が疎に分布する領域を優遇することで、FUSSは遺伝的多様性を維持し、早期収束を低減し、特に多峰性最適化問題において、標準的選択方式（STD）を上回る性能を発揮する。

ABSTRACT

In evolutionary algorithms, the fitness of a population increases with time by mutating and recombining individuals and by a biased selection of more fit individuals. The right selection pressure is critical in ensuring sufficient optimization progress on the one hand and in preserving genetic diversity to be able to escape from local optima on the other. We propose a new selection scheme, which is uniform in the fitness values. It generates selection pressure towards sparsely populated fitness regions, not necessarily towards higher fitness, as is the case for all other selection schemes. We show that the new selection scheme can be much more effective than standard selection schemes.

研究の動機と目的

• 早期収束を回避しつつ最適化の進行を維持するための選択圧のバランスを図ること。
• 高適応度個体を優遇する標準的選択方式（STD）の限界を克服し、遺伝的多様性の喪失を回避すること。
• 絶対的適応度値ではなく、適応度分布の密度に基づいて選択圧を動的に調整する選択メカニズムを開発すること。
• 局所最適解からの脱出能力を高めるために遺伝的多様性を維持すること。
• 難易度の高い最適化タスクにおいて、FUSSが収束速度および解の品質の面でSTDを上回ることを実証すること。

提案手法

• FUSSを、現在の集団の適応度範囲 [f_min, f_max] から一様にランダムに適応度値を抽出し、その値に最も近い適応度を持つ個体を選択するものとして定義する。
• 連続的適応度関数に対応するため、有効分解能 ε または ε̂ を用いた離散化された適応度空間を導入し、適応度値を離散的集合として扱う。
• 再結合のためのジョイントペア選択方式を実装し、現在の適応度範囲から一様にペア (f, f') を選択し、隣接距離に基づいた確率を用いる。
• 特に最適化の後期段階においても再結合による遅延を回避するため、スケールに依存しないペア選択戦略を適用する。
• 適応度値の正規化を施し、絶対値ではなく相対的適応度間隔に基づいて選択を行うことで、変換不変性を実現する。
• ペア選択におけるバイアスを補正するため、|P_t| の対数 ln|P_t| を抑圧項として導入し、集団サイズの変動に対しても頑健性を確保する。

実験結果

リサーチクエスチョン

• RQ1 適応度が疎に分布する領域を優遇する選択方式は、標準的選択方式に比べて遺伝的多様性をより効果的に維持できるか？
• RQ2 高適応度個体による指数的支配を回避することで、FUSSは早期収束のリスクを低減するか？
• RQ3 多峰性最適化問題において、FUSSは収束速度および解の品質の面で標準的選択方式に比べて優れているか？
• RQ4 標準的選択方式では交差が無効となる状況でも、FUSSは有効な再結合を可能にするか？
• RQ5 特に最適解に到達するまでの期待時間の観点から、FUSSの理論的最悪ケース性能はSTDに対してどの程度か？

主な発見

• FUSSは、最高適応度を持つ個体ではなく、適応度が疎に分布する領域に位置する個体を優遇することで、標準的選択方式に比べて顕著に高い遺伝的多様性を維持する。
• 適応度が高い領域に個体が蓄積するにつれて選択圧が自然に低下するため、FUSSは早期収束のリスクを低減する。
• 簡単な最適化例において、FUSSはSTDよりも速やかに収束を達成し、局所最適解からの脱出能力の有効性を示している。
• 標準的選択方式で交差が失敗する場合でも、FUSSは適応度レベルに広がって選択された個体を活用でき、有効な再結合を可能にする。
• FUSSが最適解に到達するまでの最悪ケースの期待時間は、定数の集団サイズでは T_FUSS ≲ |P|·T_STD で抑えられ、ステディステート更新では T_FUSS ≲ ½·T_STD² で抑えられる。
• 本方式は線形および非線形の適応度変換に対して頑健であり、適応度値のスケール不変な再重み付けに対しても性能が維持される。