[論文レビュー] Squeaky Wheel Optimization

David P. Clements, David Joslin|arXiv (Cornell University)|May 27, 2011

VLSI and FPGA Design Techniques参考文献 14被引用数 218

ひとこと要約

Squeaky Wheel Optimization (SWO) は、反復的に解を改善するためのメタヒューリスティックフレームワークであり、構築／分析／優先順位付けのサイクルを経て動作する。グリーディーなアルゴリズムが解を構築し、分析者が問題のある要素に責任（「責め」）を帰し、優先順位付け者がその責任の高い要素を構築順序で上位に引き上げる。この方法は、動的に影響力の高いコンponentsに注目することで、スケジューリング問題やグラフ彩色問題を効果的に解き、複雑な組合せ最適化分野において最適または近似最適な結果を達成する。

ABSTRACT

We describe a general approach to optimization which we term `Squeaky Wheel' Optimization (SWO). In SWO, a greedy algorithm is used to construct a solution which is then analyzed to find the trouble spots, i.e., those elements, that, if improved, are likely to improve the objective function score. The results of the analysis are used to generate new priorities that determine the order in which the greedy algorithm constructs the next solution. This Construct/Analyze/Prioritize cycle continues until some limit is reached, or an acceptable solution is found. SWO can be viewed as operating on two search spaces: solutions and prioritizations. Successive solutions are only indirectly related, via the re-prioritization that results from analyzing the prior solution. Similarly, successive prioritizations are generated by constructing and analyzing solutions. This `coupled search' has some interesting properties, which we discuss. We report encouraging experimental results on two domains, scheduling problems that arise in fiber-optic cable manufacturing, and graph coloring problems. The fact that these domains are very different supports our claim that SWO is a general technique for optimization.

研究の動機と目的

• 多様な問題分野に適用可能な汎用的最適化フレームワークの開発。
• 組合せ最適化における複雑な探索空間を効率的に探索する課題の解決。
• 手動によるチューニングに依存しないようにし、重要な問題コンponentsに自動的かつ適応的に注目できる仕組みの提供。
• 劣悪な性能要因に与える要素の貢献度に基づき、動的に優先順位を再設定することで解の品質を向上。
• スケジューリングやグラフ彩色など、異なる問題タイプに適応可能な統一的でモジュラーなアプローチ（構築／分析／優先順位付け）の提供。

提案手法

• この手法はサイクル的なプロセスで動作する：まず、グリーディーなコンストラクタが問題要素の優先順序に基づいて解を構築する。
• 次に、分析者が解を評価し、目的関数の性能が悪い要因となっている要素に数値的な「責め」要因を割り当てる。
• 優先順位づけ者が、高い「責め」要因を持つ要素を順序の先頭に移動させることで、問題要素の順序を再編集する。
• このサイクルを繰り返し、各イテレーションで劣悪なコンponentsに早期に注目することで、解を段階的に改善する。
• このアプローチは、解と優先順序シーケンスという2つの密接に結びついた探索空間を扱い、間接的だが効果的な探索を可能にする。
• 局所探索や進化計算技術と組み合わせることで、微調整を強化し、局所最適解からの脱出を促進するハイブリッド化をサポートする。

実験結果

リサーチクエスチョン

• RQ1 責任に基づく再優先順位付け戦略は、多様な最適化分野において、グリーディーな構築プロセスを高品質な解へ導くのに有効であるか。
• RQ2 解の分析に基づく問題要素の動的再順序付けは、収束性と解の品質にどのように影響するか。
• RQ3 標準的な局所探索やグリーディー手法と比較して、Construct/Analyze/Prioritizeサイクルは、局所最適解を回避するのにどの程度有効であるか。
• RQ4 スケジューリングとグラフ彩色といった根本的に異なる問題タイプにおいて、この手法はどの程度頑健であるか。
• RQ5 効果的な問題構造の発見を実現するため、分析者モジュールと優先順位づけ者モジュールの主な設計上の配慮事項は何か。

主な発見

• SWO は、ファイバーオプティカルケーブルのスケジューリング問題およびグラフ彩色問題の両方で最適または近似最適な解を達成し、分野間での強い一般化能力を示した。
• スケジューリング分野では、SWO が3回のイテレーションで遅延タスクの数を2つから1つに削減し、最適解に収束した。
• この手法は、解の品質に重要な影響を与えるボトルネックタスク（例：「Job 24」および「Job 26」）を的確に特定し、優先順位を高めた。
• 常にスケジューリングが容易だったタスク（例：「Job 39」）は、優先順位が徐々に低下した一方、問題のあるタスクは責任を問われると急速に優先順位が上昇した。
• カップルド探索メカニズムにより、SWO は解のフィードバックに基づき、問題コンponentsを継続的に再評価・再優先順位づけすることで、局所最適解からの脱出に成功した。
• SWO のナイーブな実装でも、妥当な性能を示したため、高度なモジュールチューニングがなくても、このフレームワークはアクセスしやすく、効果的であることが示唆された。