[論文レビュー] How to use the Scuba Diving metaphor to solve problem with neutrality ?

Philippe Collard, Sebástien Vérel+1 more|ArXiv.org|Jul 4, 2007

Metaheuristic Optimization Algorithms Research参考文献 12被引用数 4

ひとこと要約

この論文は、中立的性質を有する探索空間において中立的ネットワークを走破することで、適応可能性（より優れた後継を生成する潜在的能力）を向上させる、新しいメタヒューリスティックであるScuba Search（SS）を提案する。中立的ネットワーク上で適応可能性を明示的に最適化した後、より優れた解へジャンプすることで、特に中立性が高い状況下で、標準的勾配上昇法より優れた性能を発揮する。一方で、基本的な勾配上昇法よりも評価コストが高くなる。

ABSTRACT

We proposed a new search heuristic using the scuba diving metaphor. This approach is based on the concept of evolvability and tends to exploit neutrality which exists in many real-world problems. Despite the fact that natural evolution does not directly select for evolvability, the basic idea behind the scuba search heuristic is to explicitly push evolvability to increase. A comparative study of the scuba algorithm and standard local search heuristics has shown the advantage and the limitation of the scuba search. In order to tune neutrality, we use the NKq fitness landscapes and a family of travelling salesman problems (TSP) where cities are randomly placed on a lattice and where travel distance between cities is computed with the Manhattan metric. In this last problem the amount of neutrality varies with the city concentration on the grid ; assuming the concentration below one, this TSP reasonably remains a NP-hard problem.

研究の動機と目的

• 中立的フィットネスランドスケープ上でのローカルサーチヒューリスティックの早期収束問題に対処すること。
• 現実世界の問題に共通する中立性が、探索効率を向上させるためにどのように活用できるかを調査すること。
• 局所最適解から脱出するため、中立的ネットワーク上で適応可能性を明示的に最適化する新しいヒューリスティックを提案すること。
• Scuba Searchの性能を、中立的および粗いランドスケープ上での標準的勾配上昇法（HC）および繰り返し勾配上昇法（HC2）と比較すること。
• 中立的ネットワークの構造に応じて、Scuba Searchが成功または失敗する条件を同定すること。

提案手法

• Scuba Searchヒューリスティックは、スキューバダイビングの比喩を用いる：ダイバー（解）は、同じフィットネスを持つ平坦領域（中立的ネットワーク）を探索しながら、表面より上（近傍内）のより優れた状態を観察することで、より高いフィットネスへのインformedな遷移を可能にする。
• 適応可能性は、解の近傍における最大フィットネスとして定義され、アルゴリズムは中立的ネットワーク上でこれを局所的に最大化することを目的とする。
• 解がその中立的ネットワーク上で局所最大であるが、外部により優れた近傍を持つ場合、それは局所的中立的最適解とされ、より高いフィットネスの解へジャンプを開始する。
• アルゴリズムは中立的ネットワーク上で局所探索を実行し、すべての近傍を評価して適応可能性を評価した後、より優れた解が見つかった段階で、その最良の近傍に移行する。
• 本手法は2つの問題クラスで評価された：パラメータqを用いて中立性を調整可能なNKqフィットネスランドスケープ、および都市の集中度に応じて中立性が変化するマンハッタン距離を用いた希釈TSP。
• 評価には平均フィットネス評価回数と達成された最終フィットネスを用い、Scuba Search（SS）を標準的勾配上昇法（HC）および繰り返し勾配上昇法（HC2）と比較した。

実験結果

リサーチクエスチョン

• RQ1 中立的ネットワーク上で適応可能性を明示的に最適化することで、中立的フィットネスランドスケープ上での探索性能が向上するか？
• RQ2 Scuba Searchは、中立的および粗いランドスケープ上での収束速度と解の品質の観点から、標準的ローカルサーチヒューリスティック（HCおよびHC2）と比べてどのように異なるか？
• RQ3 適応可能性が中立的ネットワーク全体で一定である場合、Scuba Searchはどのような条件下で失敗するか？
• RQ4 Scuba Searchの評価コストの増加は、中立的問題における優れた解の品質を補って十分に価値があるか？
• RQ5 近傍のサブセットをサンプリングするなど、適応可能性の定義を代替することで、計算コストを削減できるか、性能に影響を与えないか？

主な発見

• N=64のNKqランドスケープにおいて、中立性が高い場合（q ≥ 8）、Scuba SearchはHCおよびHC2よりも高い平均フィットネスを達成したが、評価回数は多かった。
• 同じNKq設定において、q=16のとき、Scuba Searchの平均評価回数は3,962回であったのに対し、HCは424回、HC2は12,374回であった。評価コストは高いが、解の品質は優れていた。
• N=64の希釈TSP問題において、L=10（低濃度、高中立性）ではScuba Searchは25.3×10⁶回の評価を要したが、L=100（高濃度、低中立性）では13.0×10⁶回に減少した。一方、HCはL=100で0.117×10⁶回の評価で済んだ。
• 中立性が十分に高い状況下では、NKqおよびTSPn問題の両方において、Scuba SearchはHCおよびHC2を上回る最終フィットネスを達成した。これは、中立領域における有効性を示している。
• Scuba Searchの性能は、中立的ネットワーク上で適応可能性を最適化できる能力に強く依存しており、適応可能性がネットワーク全体で一定である場合（例：ロイヤル・ロードランドスケープ）、失敗する。
• HCより評価コストは高いが、Scuba Searchの優れた解の品質は、中立的ネットワークのより良い探索と局所最適解からの脱出能力の向上によって正当化される。