[论文解读] HyFlex: A Benchmark Framework for Cross-domain Heuristic Search

Edmund Burke, Tim Curtois+3 more|arXiv (Cornell University)|Jul 27, 2011

Metaheuristic Optimization Algorithms Research参考文献 2被引用 6

一句话总结

HyFlex 是一个基于 Java 的基准框架，通过在四个组合优化问题中提供标准化的问题特定组件（实例、表示法、算子），使跨领域元启发式搜索算法的开发与评估成为可能。该框架使研究人员能够专注于设计自适应、自配置的搜索策略，而无需重新实现领域特定代码，并已促成首届国际跨领域元启发式搜索挑战赛（CHeSC）的举办，吸引了来自23个国家的43支队伍参与。

ABSTRACT

Automating the design of heuristic search methods is an active research field within computer science, artificial intelligence and operational research. In order to make these methods more generally applicable, it is important to eliminate or reduce the role of the human expert in the process of designing an effective methodology to solve a given computational search problem. Researchers developing such methodologies are often constrained on the number of problem domains on which to test their adaptive, self-configuring algorithms; which can be explained by the inherent difficulty of implementing their corresponding domain specific software components. This paper presents HyFlex, a software framework for the development of cross-domain search methodologies. The framework features a common software interface for dealing with different combinatorial optimisation problems, and provides the algorithm components that are problem specific. In this way, the algorithm designer does not require a detailed knowledge the problem domains, and thus can concentrate his/her efforts in designing adaptive general-purpose heuristic search algorithms. Four hard combinatorial problems are fully implemented (maximum satisfiability, one dimensional bin packing, permutation flow shop and personnel scheduling), each containing a varied set of instance data (including real-world industrial applications) and an extensive set of problem specific heuristics and search operators. The framework forms the basis for the first International Cross-domain Heuristic Search Challenge (CHeSC), and it is currently in use by the international research community. In summary, HyFlex represents a valuable new benchmark of heuristic search generality, with which adaptive cross-domain algorithms are being easily developed, and reliably compared.

研究动机与目标

• 为解决由于实现问题特定组件所需工作量过高，导致自适应元启发式搜索算法缺乏跨领域测试的问题。
• 通过抽象化低层次的问题特定实现细节，减轻研究人员负担，使其能够专注于高层次的自适应策略设计。
• 建立统一的基准，用于评估跨多样化问题领域的一般性、自配置搜索方法。
• 通过标准化的软件接口，支持超启发式算法和自适应搜索算法的开发与公平比较。
• 通过跨领域元启发式搜索挑战赛（CHeSC）促进国际研究合作与竞争。

提出的方法

• HyFlex 提供一个通用软件接口，抽象化问题特定组件，如解的表示法、目标函数评估和搜索算子。
• 它封装了四个高难度的组合问题：最大可满足性问题、一维装箱问题、排列流水车间调度问题和人员排班问题。
• 每个问题领域均包含真实世界和基准实例，以及一套全面的领域特定启发式算法与算子。
• 该框架使用户仅需实现高层次的控制策略（如超启发式），同时可复用标准化的问题模块。
• 它支持自动记录适应度轨迹和性能指标，实现在执行过程中对算法进行详细分析。
• 该框架具有可扩展性，可支持新领域、额外实例、多目标问题以及动态环境。

实验结果

研究问题

• RQ1 统一的软件框架是否能显著降低研究人员开发跨领域元启发式搜索算法的实现负担？
• RQ2 自适应搜索策略在多样且无关的组合优化问题上，能达到多大程度的性能平衡？
• RQ3 在共享评估标准下，不同超启发式策略在多个问题领域中的性能表现如何比较？
• RQ4 通用接口是否能实现在竞争性研究环境中对自配置算法进行公平可靠的比较？
• RQ5 在线学习与动态算子选择在异构问题领域中的性能影响如何？

主要发现

• 在所有四个问题领域中，没有单一的超启发式算法始终优于其他算法，表明需要采用自适应、上下文感知的策略进行选择。
• 在装箱问题领域，嗜好算法在更短时间内获得了比迭代局部搜索和禁忌搜索超启发式更好的解质量。
• 禁忌搜索超启发式初期表现优于其他算法，但随后陷入停滞，凸显了搜索过程中动态适应的重要性。
• 该框架促成了首届国际跨领域元启发式搜索挑战赛（CHeSC）的举办，截至2011年5月，吸引了来自23个国家的43支队伍参与。
• 截至2011年5月，HyFlex 已被下载超过460次，其网页访问量超过11,844次，表明研究社区对其有广泛采纳。
• 该框架能够实时记录适应度轨迹和性能指标，显著减少了算法分析与比较所需的时间。