멀티-스왑 최적화

멀티-스왑 최적화는 하나의 (표준) 군집 대신 복수의 서브-스왑을 사용하는 것에 기초한 입자 군집 최적화(PSO)의 변형이다. 멀티-스왑 최적화의 일반적인 접근방식은 각 서브스왑이 특정 지역에 초점을 맞추는 반면, 구체적인 다각화 방법은 서브스왑을 실행할 장소와 시기를 결정하는 것이다. 다중(로컬) 최적화가 존재하는 다중모드 문제에 대한 최적화를 위해 다중스왑 프레임워크가 특히 적합하다.

설명

다중모드 문제에서는 탐사와 착취 사이의 효과적인 균형을 이루는 것이 중요하다. 멀티-스왑 시스템은 이러한 균형을 개선하기 위한 새로운 접근방식을 제공한다. 탐색과 착취 사이의 절충을 이루기 위해 노력하는 대신, 다중 스왑 시스템은 그것들을 뚜렷한 단계로 분리한다. 각 단계는 착취(개별 서브스왑)나 탐색(디버라이징 방식) 중 어느 하나에 더 집중된다.

서브스왑의 조정은 멀티스왑 시스템에 의해 구현되는 구체적인 다각화 방법에 따라 달라진다. 예를 들어 WOSP(^[1]Wave of Particles, Wave of Departments, WOSP)는 그것의 다양화 메커니즘을 입자의 "충돌"에 기초한다. 입자가 너무 가까워지면 짧은 범위에 의해 새로운 파동/하위-스왑으로 배출되어 완전한 수렴을 피한다. DMS-PSO(^[2]Dynamic Multi-Swarm-Particle Marm Optimizer)는 서브스왑의 입자를 새로운 서브스왑으로 주기적으로 재조합하며, 새로운 무리들은 이전 서브스왑의 입자로 시작한다. 메뚜기 떼는^[3] "악마와 이동" 전략에 근거한다. 서브스왑 "악" 전략에 근거한다. 서브스왑 "악" 전략에 따라 상대적으로 작은 검색 공간(지역 최적) 정찰대들이 배치되어 새로운 유망 지역을 "이동"할 수 있는 곳을 찾는다.

하위 군집의 독특한 특징은 초기 위치와 초기 속도가 일반 군집처럼 무작위로 선택되지 않는다는 것이다. 대신에, 그들은 입자들의 이전의 궤적으로부터 약간의 정보를 유지한다. 일반적으로, 멀티-스왑 시스템의 개발은 각 서브스왑에 사용할 입자의 수, 수축 인자에 대한 최적 값 및 비랜덤 초기 위치와 초기 속도의 영향과 같은 입자 군집 최적화의 초기 개발 동안에 존재하지 않았던 설계 결정으로 이어진다. 이러한 설계 결정은 철저히 연구되었고 잘 확립된 지침이 있다. 예를 들어, 비랜덤 초기 위치 및 초기 속도 사용으로 인해 다중-스왑 시스템에서 개선된 결과가 도출된다. 단, 단일-스왑의 경우는 그렇지 않다.^[4] 어떤 다각화 방법을 사용할 것인지 또는 어떤 특정 검색 전략이 서브스왑의 초기 위치와 초기 속도를 선택할 것인지와 같은 다른 설계 결정은 지침이 덜 확립되어 있고 다중스왑 시스템 분야에서 개방된 질문을 구성한다.

이러한 설계 결정 중 일부는 서로 다른 최적화 기법을 삽입할 수 있는 비교적 독립적인 하위 구성요소에 의해 다루어질 수 있다. 따라서 멀티-스왑 시스템은 하이브리드 알고리즘 개발에 유용한 프레임워크를 제공한다. 예를 들어 UMDA-PSO^[5] 멀티스왑 시스템은 입자 군집 최적화, 분포 알고리즘 추정, 미분 진화에서 나온 성분들을 멀티스왑 하이브리드로 효과적으로 결합한다.

현재업무

멘델리에 관한 독서 모임은 모든 관심 있는 연구자들이 이용할 수 있다.

참고 항목

• 군집 지능

참조