[论文解读] EDOLAB: An Open-Source Platform for Education and Experimentation with Evolutionary Dynamic Optimization Algorithms

Mai Peng, Danial Yazdani+10 more|arXiv (Cornell University)|Aug 24, 2023

Metaheuristic Optimization Algorithms Research被引用 4

一句话总结

EDOLAB 是一个开源的 MATLAB 平台，旨在通过提供一个统一的环境来实现、测试和可视化 25 种进化动态优化算法（EDOAs）以及三种可配置的基准生成器，从而推动进化动态优化领域的研究与教育。该平台通过标准化接口、对动态问题景观和算法行为的实时可视化，以及对新算法、基准和性能指标的可扩展性，支持可复现的实验研究。

ABSTRACT

Many real-world optimization problems exhibit dynamic characteristics, posing significant challenges for traditional optimization techniques. Evolutionary Dynamic Optimization Algorithms (EDOAs) are designed to address these challenges effectively. However, in existing literature, the reported results for a given EDOA can vary significantly. This inconsistency often arises because the source codes for many EDOAs, which are typically complex, have not been made publicly available, leading to error-prone re-implementations. To support researchers in conducting experiments and comparing their algorithms with various EDOAs, we have developed an open-source MATLAB platform called the Evolutionary Dynamic Optimization LABoratory (EDOLAB). This platform not only facilitates research but also includes an educational module designed for instructional purposes. The education module allows users to observe: a) a 2-dimensional problem space and its morphological changes following each environmental change, b) the behaviors of individuals over time, and c) how the EDOA responds to environmental changes and tracks the moving optimum. The current version of EDOLAB features 25 EDOAs and four fully parametric benchmark generators. The MATLAB source code for EDOLAB is publicly available and can be accessed from [https://github.com/Danial-Yazdani/EDOLAB-MATLAB].

研究动机与目标

• 通过为 EDOAs 提供公开可用、文档齐全的源代码，解决进化动态优化研究中的可复现性危机。
• 通过提供标准化、可扩展的 MATLAB 框架，减少重新实现复杂 EDOAs 时容易出错的问题。
• 通过动态问题景观和算法行为随时间变化的交互式可视化，支持对动态优化的教育性理解。
• 通过一致的基准测试和性能指标，促进新 EDOAs 与现有算法之间的公平、系统性比较。
• 通过使平台在研究之外也具备实用价值，支持从业者解决现实世界中的动态优化问题。

提出的方法

• EDOLAB 作为一个模块化 MATLAB 平台构建，设有专门的文件夹用于算法、基准和性能指标，支持新组件的即插即用式集成。
• 平台采用标准化接口，所有 EDOAs 必须定义一个名为 `main_EDOA.m` 的主函数，以与 `BenchmarkGenerator.m` 和 `fitness.m` 函数对接。
• 教育模块能够实时可视化二维问题景观、个体轨迹以及算法对环境变化的响应，支持教学理解。
• 性能评估通过可配置的性能指标支持，结果通过 `fitness.m` 收集，并在 `Problem` 结构中聚合。
• 通过在 `Algorithm/` 下创建子文件夹、实现所需接口，并确保与 `RunWithoutGUI.m` 兼容，将新 EDOAs 集成到平台中。
• 通过修改主 EDOA 函数中的特定部分实现可扩展性：性能指标收集、输出准备和可视化代码。

实验结果

研究问题

• RQ1 一个标准化的开源 MATLAB 平台在多大程度上能提升进化动态优化研究中的可复现性和可比性？
• RQ2 对动态问题景观和算法行为的实时可视化，在多大程度上能增强对 EDOA 动态特性的教育性理解？
• RQ3 哪些关键的架构和接口设计原则能够实现在共享框架中无缝集成新的 EDOAs、基准生成器和性能指标？
• RQ4 该平台的模块化和可配置性在多大程度上支持在多样化动态优化场景中对 EDOAs 进行系统性评估和比较？
• RQ5 此类平台在加速学术界和工业界对先进 EDOAs 的采用与开发方面，可能发挥什么作用？

主要发现

• EDOLAB 提供了一个公开可访问的开源 MATLAB 平台，托管了 25 种 EDOAs 和 3 个完全参数化的基准生成器，显著提升了动态优化研究的可复现性。
• 平台的教育模块能够实时可视化二维问题形态的变化、个体运动轨迹以及算法对环境变化的响应。
• 性能指标的集成是模块化且可扩展的，用户可通过修改 EDOA 主函数中的特定部分轻松添加新指标。
• 平台支持通过 `RunWithoutGUI.m` 进行 GUI 和命令行执行，支持自动化基准测试，并可集成到更大的实验流程中。
• 该架构通过标准化的命名和接口约定，支持无缝添加新的 EDOAs、基准和性能指标。
• EDOLAB 的设计显著降低了重新实现复杂 EDOAs 所需的努力和出错风险，适用于初学者和高级研究人员。