[논문 리뷰] Sine Cosine Crow Search Algorithm: A powerful hybrid meta heuristic for global optimization

Seyed Hamid Reza Pasandideh, Soheyl Khalilpourazari|arXiv (Cornell University)|2018. 01. 25.

Metaheuristic Optimization Algorithms Research참고 문헌 29인용 수 35

한 줄 요약

이 논문은 코브 서치 알고리즘(CSA)의 탐색 능력과 사인 코사인 알고리즘(SCA)의 정밀한 이용 능력을 융합한 새로운 하이브리드 메타휴리스틱인 사인余코사인 코브 서치 알고리즘(SCCSA)을 제안한다. 두 알고리즘의 연산자를 통합함으로써 SCCSA는 탐색과 이용 사이의 균형 잡힌 무게를 확보하여, 최신 메타휴리스틱들과 비교해 일곱 개의 기준 함수에서 뛰어난 성능을 보였다.

ABSTRACT

This paper presents a novel hybrid algorithm named Since Cosine Crow Search Algorithm. To propose the SCCSA, two novel algorithms are considered including Crow Search Algorithm (CSA) and Since Cosine Algorithm (SCA). The advantages of the two algorithms are considered and utilize to design an efficient hybrid algorithm which can perform significantly better in various benchmark functions. The combination of concept and operators of the two algorithms enable the SCCSA to make an appropriate trade-off between exploration and exploitation abilities of the algorithm. To evaluate the performance of the proposed SCCSA, seven well-known benchmark functions are utilized. The results indicated that the proposed hybrid algorithm is able to provide very competitive solution comparing to other state-of-the-art meta heuristics.

연구 동기 및 목표

• 메타휴리스틱 최적화에서 탐색과 이용의 균형을 맞추는 데 도전하는 것.
• 코브 서치 알고리즘(CSA)과 사인 코사인 알고리즘(SCA)의 장점을 살린 하이브리드 알고리즘을 개발하는 것.
• 복잡한 전역 최적화 문제에서 수렴 속도와 해의 정밀도를 향상시키는 것.
• 표준 기준 함수를 사용해 제안된 SCCSA를 기존의 메타휴리스틱들과 비교 평가하는 것.

제안 방법

• SCCSA는 CSA의 비행 메커니즘과 SCA의 사인 및 코사인 기반 위치 갱신 방식을 통합한다.
• 하이브리드화된 탐색 연산자를 통해 탐색과 이용 사이의 동적 균형을 확보한다.
• 위치 갱신은 사인 및 코사인 함수에 의해 유도되어 국소 탐색 정밀도를 향상시킨다.
• 비행 길이와 인지 확률을 포함한 코브의 비행 행동이 조정되어 전역 탐색 능력을 향상시킨다.
• 하이브리드화 과정을 통해 다양한 최적화 환경에서의 강건성을 확보한다.
• 성능 평가를 위해 일곱 개의 표준 기준 함수를 사용해 알고리즘을 테스트한다.

실험 결과

연구 질문

• RQ1 CSA와 SCA의 통합이 뛰어난 탐색과 이용 균형을 가진 메타휴리스틱을 생성할 수 있는가?
• RQ2 SCCSA는 수렴 속도와 해의 정밀도 측면에서 다른 최신 메타휴리스틱들과 비교해 어떻게 성능을 내는가?
• RQ3 하이브리드 접근 방식은 다양한 기준 함수에서 안정성과 강건성을 유지하는가?
• RQ4 사인-코사인과 코브 서치 메커니즘의 조합이 전역 최적화 성능을 얼마나 향상시키는가?

주요 결과

• 테스트한 일곱 개의 기준 함수 전반에서 SCCSA는 매우 경쟁력 있는 해를 확보했다.
• 하이브리드 알고리즘이 개별 CSA 및 SCA보다 향상된 수렴 속도를 보였다.
• 테스트된 함수들에서 SCCSA는 다른 최신 메타휴리스틱들보다 해의 정확도 측면에서 뛰어난 성능을 보였다.
• CSA의 탐색 능력과 SCA의 이용 능력을 융합함으로써 균형 잡힌 탐색 행동이 달성되었다.