[論文レビュー] Hybridizing PSM and RSM Operator for Solving NP-Complete Problems: Application to Travelling Salesman Problem

Otman Abdoun, Chakir Tajani+1 more|arXiv (Cornell University)|Mar 22, 2012

Metaheuristic Optimization Algorithms Research参考文献 17被引用数 4

ひとこと要約

本稿では、NP完全問題である巡回セールスマン問題（TSP）の高品質な解を求めるために、部分シャッフル変異（PSM）と逆順列変異（RSM）を組み合わせた新規ハイブリッド変異演算子HPRMを提案する。両演算子を統合することで、BERLIN52インスタンスにおいて、独立したPSMおよびRSMよりも優れた性能を発揮し、高品質なTSP解の生成が可能となる。

ABSTRACT

In this paper, we present a new mutation operator, Hybrid Mutation (HPRM), for a genetic algorithm that generates high quality solutions to the Traveling Salesman Problem (TSP). The Hybrid Mutation operator constructs an offspring from a pair of parents by hybridizing two mutation operators, PSM and RSM. The efficiency of the HPRM is compared as against some existing mutation operators; namely, Reverse Sequence Mutation (RSM) and Partial Shuffle Mutation (PSM) for BERLIN52 as instance of TSPLIB. Experimental results show that the new mutation operator is better than the RSM and PSM.

研究の動機と目的

• メタヒューティック最適化を用いてNP完全問題（例：TSP）の高品質な解を求める挑戦に応えること。
• 遺伝的アルゴリズムにおける既存の変異演算子の限界を克服し、より効果的なハイブリッド手法を設計すること。
• PSMおよびRSM演算子の長所を統合することで、TSPインスタンスにおける収束性と解の品質を向上させること。
• 標準ベンチマーク上で、提案されたハイブリッド演算子の性能を、既存の変異戦略と比較して評価すること。

提案手法

• HPRM演算子は、2つの既存の変異演算子（部分シャッフル変異（PSM）と逆順列変異（RSM））のハイブリッドとして設計されたものである。
• HPRMは、親解のペアに対してPSMおよびRSMの両操作を組み合わせて適用することで、後代を生成する。
• ハイブリダイゼーションプロセスでは、親解からセグメントを選択し、シャッフルおよび反転操作を連携して適用する。
• 変異プロセスにおいて、PSMおよびRSMのコンポonentをいつ、どのように適用するかを決定するため、確率的または決定論的戦略を用いる。
• 解の品質および収束速度の評価を目的として、TSPLIBベンチマークのBERLIN52インスタンス上で手法を評価する。
• 一貫した実験設定および評価指標を用いて、単独のPSMおよびRSMと性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 PSMおよびRSMを統合したハイブリッド変異演算子は、TSPを解く際に、個別の変異演算子を上回る性能を発揮できるか？
• RQ2 PSMおよびRSMの統合は、NP完全問題における遺伝的アルゴリズムの解の品質および収束性にどのように影響を与えるか？
• RQ3 BERLIN52 TSPインスタンスにおいて、HPRMはPSMおよびRSMと比較して相対的にどの程度の性能を示すか？
• RQ4 ハイブリッドアプローチは、局所探索の効果を高める一方で、集団の多様性を維持できるか？
• RQ5 提案された演算子は、TSPを越えて他のNP完全問題へ一般化可能か？

主な発見

• HPRM演算子は、TSPの高品質な解を生成するうえで、単独のPSMおよびRSMを著しく上回る性能を示した。
• BERLIN52インスタンスにおいて、巡回路長および収束速度の観点から、HPRMはPSMおよびRSMよりも優れた解の品質を達成した。
• PSMおよびRSMのハイブリダイゼーションにより、遺伝的アルゴリズムにおける探索と開拓のバランスが向上した。
• 結果から、複数の変異戦略を組み合わせることで、単一の演算子を用いる場合よりもより効果的な探索行動が実現可能であることが示された。
• HPRMは、複数回の実行において一貫した解の品質の向上を示し、その強固さと信頼性が裏付けられた。
• 本研究では、演算子のハイブリダイゼーションが、組合せ最適化問題におけるメタヒューティックの性能向上に有効であると確認された。