[논문 리뷰] On Self-Regulated Swarms, Societal Memory, Speed and Dynamics

Vitorino Ramos, Carlos M. Fernandes외 1명|ArXiv.org|2005. 12. 01.

Metaheuristic Optimization Algorithms Research참고 문헌 33인용 수 10

한 줄 요약

이 논문은 복잡하고 변화하는 환경에서 동적으로 적응할 수 있도록 군집지능과 직접적 번식 메커니즘을 융합한 자기조절 군집(SRS) 알고리즘을 소개한다. 집단적 페로몬 기반 환경 기억과 자기조절을 활용함으로써 SRS는 동적 최적화에서 표준 유전적 알고리즘(GAs), 박테리아 탐색 최적화(BFOA), 그리고 공진화 방법보다 뛰어난 성능을 보이며, 개별 에이전트보다 최대 10배 빠르게 이동 정점(peak)을 추적하면서도 65%의 정확도를 유지한다.

ABSTRACT

We propose a Self-Regulated Swarm (SRS) algorithm which hybridizes the advantageous characteristics of Swarm Intelligence as the emergence of a societal environmental memory or cognitive map via collective pheromone laying in the landscape (properly balancing the exploration/exploitation nature of our dynamic search strategy), with a simple Evolutionary mechanism that trough a direct reproduction procedure linked to local environmental features is able to self-regulate the above exploratory swarm population, speeding it up globally. In order to test his adaptive response and robustness, we have recurred to different dynamic multimodal complex functions as well as to Dynamic Optimization Control problems, measuring reaction speeds and performance. Final comparisons were made with standard Genetic Algorithms (GAs), Bacterial Foraging strategies (BFOA), as well as with recent Co-Evolutionary approaches. SRS's were able to demonstrate quick adaptive responses, while outperforming the results obtained by the other approaches. Additionally, some successful behaviors were found. One of the most interesting illustrate that the present SRS collective swarm of bio-inspired ant-like agents is able to track about 65% of moving peaks traveling up to ten times faster than the velocity of a single individual composing that precise swarm tracking system.

연구 동기 및 목표

• 변화하는 환경에 동적으로 적응하는 자기조절 군집 시스템을 개발하는 것.
• 집단적 페로몬 배치를 통한 사회적 기억 통합을 통해 탐색과 이용의 균형을 향상시키는 것.
• 국소 환경 피드백과 연결된 직접적 번식 메커니즘을 통해 글로벌 탐색 속도를 향상시키는 것.
• 다양한 다모드 문제에서 표준 및 공진화 최적화 방법과의 성능 평가를 수행하는 것.
• 군집이 이동 정점을 효율적이고 강건하게 추적할 수 있는 능력을 입증하는 것.

제안 방법

• SRS 알고리즘은 토양에 페로몬을 배치하는 개미 유사 에이전트를 사용하여 집단적 인지 지ap을 형성한다.
• 자기조절 메커니즘이 국소 환경 품질에 기반해 직접적으로 에이전트를 번식시음으로써 인구 수를 제어한다.
• 페로몬 업데이트 규칙은 동적 탐색 공간에서 탐색(다양성)과 이용(수렴)의 균형을 유지한다.
• 알고리즘은 동적 다모드 함수와 동적 최적 제어 문제에서 테스트된다.
• 성능는 표준 유전적 알고리즘(GAs), 박테리아 탐색 최적화(BFOA), 그리고 공진화 접근법과 비교된다.
• 시스템은 환경 피드백과 페로몬 기울기 기반으로 에이전트 밀도와 이동을 동적으로 조정한다.

실험 결과

연구 질문

• RQ1 자기조절 군집은 동적이고 다모드 최적화 문제에서 높은 성능를 유지할 수 있는가?
• RQ2 페로몬 배치를 통한 사회적 기억 통합이 탐색 효율성과 적응 가능성에 어떤 영향을 미치는가?
• RQ3 국소 적합도 기반 직접 번식이 수렴 속도와 강건성에 얼마나 기여하는가?
• RQ4 군집은 이동 정점을 효과적으로 추적할 수 있으며, 개별 에이전트와의 속도 비교에서 어떤가?
• RQ5 SRS는 동적 환경에서 GAs, BFOA, 공진화 방법과 비교해 정량적으로 어떻게 성능가능한가?

주요 결과

• SRS는 최적화 환경의 변화에 대해 신속한 적응 반응을 보였다.
• SRS는 동적 다모드 함수 테스트에서 표준 유전적 알고리즘(GAs)과 박테리아 탐색 최적화(BFOA)를 능가하는 성능를 보였다.
• SRS는 동적 최적화 작업 동안 약 65%의 이동 정점을 성공적으로 추적하였다.
• 군집은 시스템 내 단일 개체의 속도보다 최대 10배 빠른 속도로 정점 추적 성능를 달성하였다.
• 국소 적합도 기반 번식을 통한 자기조절 메커니즘이 글로벌 탐색 속도와 강건성을 향상시켰다.
• 집단적 페로몬 기반 사회적 기억은 탐색과 이용의 균형을 크게 향상시켰다.