[논문 리뷰] Graph Colouring Problem Based on Discrete Imperialist Competitive Algorithm

Hojjat Emami, Shahriar Lotfi|arXiv (Cornell University)|2013. 08. 17.

Scheduling and Timetabling Solutions참고 문헌 23인용 수 4

한 줄 요약

이 논문은 NP-난이도의 그래프 색칠 문제(GCP)를 해결하기 위해 이민자 경쟁 알고리즘(DICA)의 이산적 버전을 제안한다. 여기서 색은 인접한 정점이 동일한 색을 갖지 않도록 정점에 할당된다. DICA는 일곱 개인 표준 벤치마크에서 유전 알고리즘(GA)을 능가하며, 더 빠른 수렴 속도와 향상된 전역 탐색 능력을 바탕으로 최적 또는 근접 최적의 해를 도출한다.

ABSTRACT

In graph theory, Graph Colouring Problem (GCP) is an assignment of colours to vertices of any given graph such that the colours on adjacent vertices are different. The GCP is known to be an optimization and NP-hard problem. Imperialist Competitive Algorithm (ICA) is a meta-heuristic optimization and stochastic search strategy which is inspired from socio-political phenomenon of imperialistic competition. The ICA contains two main operators: the assimilation and the imperialistic competition. The ICA has excellent capabilities such as high convergence rate and better global optimum achievement. In this research, a discrete version of ICA is proposed to deal with the solution of GCP. We call this algorithm as the DICA. The performance of the proposed method is compared with Genetic Algorithm (GA) on seven well-known graph colouring benchmarks. Experimental results demonstrate the superiority of the DICA for the benchmarks. This means DICA can produce optimal and valid solutions for different GCP instances.

연구 동기 및 목표

• 새로운 메타휴리스틱 접근법을 사용하여 NP-난이도의 그래프 색칠 문제(GCP)를 해결하기 위해.
• 조합 최적화에 적합한 조합 GCP 최적화를 위한 이민자 경쟁 알고리즘(ICA)의 이산적 변형을 개발하기 위해.
• 기존 메타휴리스틱 기법들인 GA와 비교해 수렴 속도와 전역 탐색 성능을 향상시키기 위해.
• 제안된 DICA의 효과성을 잘 알려진 GCP 벤치마크 인스턴스에서 검증하기 위해.
• 다양한 GCP 인스턴스를 해결하는 데 있어 DICA가 GA보다 뛰어난 해 품질과 강건성을 보여주기 위해.

제안 방법

• GCP에 특화된 이산적 이민자 경쟁 알고리즘(DICA)이 개발되었으며, 연속적 ICA 연산자를 이산적 해 공간에 적응시켰다.
• DICA의 흡수 연산자는 이민자 지배력에 기반해 최적화되지 않은 정점에 색을 재할당하여 유효한 색 할당을 보장한다.
• 이민자적 경쟁은 더 약한 제국이 더 강한 제국에 흡수되는 선택 메커니즘을 통해 구현되어 수렴을 촉진한다.
• 해는 정점에 할당된 이산적 색상으로 표현되며, 적합도는 인접한 정점 간 동일한 색상 할당 수(충돌 수)에 기반해 평가된다.
• 새로운 해를 탐색하고 局부 최적해에 갇히는 것을 방지하기 위해 DICA는 이산적 돌연변이 메커니즘을 사용한다.
• DICA는 이민자와 식민지의 집단을 유지하며, 식민지는 점진적으로 흡수 및 경쟁 과정을 통해 향상된다.

실험 결과

연구 질문

• RQ1 이민자 경쟁 알고리즘의 이산적 버전은 그래프 색칠 문제를 효과적으로 해결할 수 있는가?
• RQ2 표준 GCP 벤치마크에서 DICA는 해 품질과 수렴 속도 측면에서 유전 알고리즘(GA)과 비교해 어떻게 다른가?
• RQ3 ICA의 이산적 적응은 조합 최적화에서 원래 알고리즘의 전역 탐색 이점을 유지하는가?
• RQ4 DICA는 다양한 복잡도를 지닌 다양한 GCP 인스턴스에 대해 최적 또는 근접 최적의 색상 할당을 달성할 수 있는가?
• RQ5 DICA의 흡수 및 경쟁 메커니즘은 해의 다양성과 수렴에 어떤 영향을 미치는가?

주요 결과

• DICA는 테스트한 일곱 개인 표준 GCP 벤치마크에서 최적 또는 최고의 알려진 해를 달성했다.
• 모든 벤치마크 인스턴스에서 DICA는 유전 알고리즘(GA)보다 더 빠른 수렴 속도를 보였다.
• 제안된 DICA는 해 품질 측면에서 GA를 능가했으며, 항상 유효하고 최소한의 색상 할당을 생성했다.
• ICA의 이산적 적응은 강력한 전역 탐색 능력을 유지하여 해 공간의 효과적인 탐색을 가능하게 했다.
• 실증 결과는 DICA가 NP-난이도 GCP 인스턴스 해결에 강건하고 효과적임을 확인했다.
• 비교 실험을 통해 DICA는 해 품질과 수렴 속도 양 측면에서 GA에 비해 일관된 우월성을 보였다.