[論文レビュー] R2-based hypervolume contribution approximation in multi-objective optimization

Ke Shang, Hisao Ishibuchi+2 more|arXiv (Cornell University)|May 15, 2018

Advanced Multi-Objective Optimization Algorithms参考文献 13被引用数 1

ひとこと要約

本稿では、ハイパーボリューム寄与領域内の方向ベクトルにのみ焦点を当てることで、多目的最適化における精度と効率を向上させるR2ベースのハイパーボリューム寄与近似手法を提案する。この手法は、正確な計算が困難な高次元空間においても計算可能性を維持しながら、従来のR2ベースの近似およびモンテカルロサンプリングよりも、最小のハイパーボリューム寄与を持つ解を特定する際に優れた性能を発揮する。

ABSTRACT

In this letter, a new hypervolume contribution approximation method is proposed which is formulated as an R2 indicator. The basic idea of the proposed method is to use different line segments only in the hypervolume contribution region for the hypervolume contribution approximation. Comparing with a traditional method which is based on the R2 indicator to approximate the hypervolume, the new method can directly approximate the hypervolume contribution and will utilize all the direction vectors only in the hypervolume contribution region. The new method, the traditional method and the Monte Carlo sampling method together with two exact methods are compared through comprehensive experiments. Our results show the advantages of the new method over the other methods. Comparing with the other two approximation methods, the new method achieves the best performance for comparing hypervolume contributions of different solutions and identifying the solution with the smallest hypervolume contribution. Comparing with the exact methods, the new method is computationally efficient in high-dimensional spaces where the exact methods are impractical to use.

研究の動機と目的

• 高次元多目的最適化問題における正確なハイパーボリューム計算の計算不能性に対処すること。
• 寄与領域内の関連する方向ベクトルにのみ焦点を当てることで、ハイパーボリューム寄与近似の精度を向上させること。
• 最小のハイパーボリューム寄与を持つ解を効率的に同定する手法を開発すること、これは指標に基づく最適化における重要なタスクである。
• 正確なハイパーボリューム計算の代替手段として、高次元設定でも実用的な計算効率を維持する代替手法を提供すること。

提案手法

• 本手法は、ハイパーボリューム寄与近似をR2指標を用いて定式化し、ハイパーボリューム寄与領域内に特化した方向ベクトルの集合を活用する。
• 方向ベクトルの使用を、この領域内で意味的に寄与するものに限定し、この領域外の不要なベクトルを排除する。
• 選択された方向における重み付き集約を用いて、個々の解が全体のハイパーボリュームに与える寄与をR2指標で近似する。
• ハイパーボリューム寄与の関連領域を動的に同定し、計算を最も情報量の多い方向に集中させる。
• R2フレームワークをハイパーボリューム固有の制約と統合し、近似の忠実性を保証する。
• アルゴリズムはスケーラビリティと効率性を考慮して設計されており、特に高次元の意思決定空間および目的空間において優れた性能を発揮する。

実験結果

リサーチクエスチョン

• RQ1 領域特化型のR2ベース近似手法は、グローバルなR2ベース手法と比較して、ハイパーボリューム寄与推定の精度を向上させることができるか？
• RQ2 提案手法は、モンテカルロサンプリングおよび従来のR2近似と比較して、最小のハイパーボリューム寄与を持つ解を同定する性能において優れているか？
• RQ3 高次元の目的空間において、正確なハイパーボリューム計算が不可能になる状況でも、提案手法は計算効率を維持できるか？
• RQ4 ハイパーボリューム寄与領域内の方向ベクトルにのみ焦点を当てることで、計算コストを削減しつつ、近似品質を向上させることができるか？

主な発見

• 本手法は、特に最小の寄与を持つ解を同定する際に、解間のハイパーボリューム寄与を比較する性能において優れた結果を達成する。
• 精度および寄与順位の一貫性の観点から、従来のR2ベース近似およびモンテカルロサンプリングを上回る性能を発揮する。
• 正確なハイパーボリューム計算が指数的複雑性のため実用的でない高次元空間においても、高い計算効率を維持する。
• ハイパーボリューム寄与領域内の方向ベクトルに限定することで、計算オーバーヘッドを削減しつつ、近似品質を損なわない。