전역 최적화 문제에 대한 미국 얼룩말 최적화 알고리즘
Scientific Reports 13권, 기사 번호: 5211(2023) 이 기사 인용
1366 액세스
1 인용
2 알트메트릭
측정항목 세부정보
본 연구에서는 야생에서 미국 얼룩말의 사회적 행동을 모방한 새로운 생체 영감 메타 휴리스틱 알고리즘, 즉 미국 얼룩말 최적화 알고리즘(AZOA)을 제안합니다. 미국 얼룩말은 독특하고 매혹적인 사회적 성격과 리더십 활동으로 다른 포유류와 구별됩니다. 이는 새끼 얼룩말이 성숙하기 전에 무리를 떠나 가족 관계 없이 별도의 무리에 합류하도록 유도합니다. 이러한 새끼 얼룩말의 이탈은 가족 내 짝짓기를 방지함으로써 다양성을 장려합니다. 더욱이, 그룹의 속도와 방향을 지시하는 미국 얼룩말의 리더십 훈련을 통해 수렴이 보장됩니다. 미국 얼룩말의 이러한 사회적 생활 방식 행동은 본질적으로 고유하며 AZOA 메타 휴리스틱 알고리즘을 제안하는 주요 영감입니다. AZOA 알고리즘의 효율성을 검토하기 위해 CEC-2005, CEC-2017 및 CEC-2019 벤치마크 기능을 고려하고 여러 최신 메타 휴리스틱 알고리즘과 비교합니다. 실험 결과와 통계 분석을 통해 AZOA는 탐색과 활용 사이의 적절한 균형을 유지하면서 최대 벤치마크 기능을 위한 최적의 솔루션을 얻을 수 있음을 보여줍니다. 또한 AZOA의 견고성을 입증하기 위해 수많은 실제 엔지니어링 문제가 사용되었습니다. 마지막으로, AZOA는 앞으로 나올 고급 CEC 벤치마크 기능과 기타 복잡한 엔지니어링 문제를 압도적으로 달성할 것으로 예상됩니다.
최적화는 비용 함수를 최대화하거나 최소화하기 위해 다양한 제약 조건을 유지하면서 의사 결정 변수를 식별하는 프로세스입니다. 제약 조건, 비용 함수 및 설계 변수는 모든 최적화 문제의 중요한 구성 요소입니다. 최적화 기술은 엔지니어링1, 기능 선택2,3, 기계 학습 매개변수 조정4, 무선 센서 네트워크5, 이미지 처리6, 생물정보학7 분야에 널리 적용 가능합니다. 대부분의 실제 문제는 여러 설계 변수가 존재하고 제약 조건의 본질적인 특성으로 인해 매우 비볼록하고 비선형적입니다. 더욱이, 전체적인 최적의 솔루션을 얻을 것이라는 확신도 없습니다8. 이러한 실제 문제와 관련된 과제는 과학자들이 더 나은 결과를 위한 새롭고 성공적인 전략을 설계하도록 영감을 줍니다. 최적화 접근법은 기울기 기반 결정론적 접근법과 확률론적 기반 비전통적 접근법9과 같은 두 가지 유형으로 분류될 수 있습니다. 결정론적 기반 접근 방식은 불연속 검색 공간, 볼록하지 않은 고차원, 미분 불가능한 목적 함수 문제를 해결하는 데 한계가 있습니다. 그러나 확률 기반 전략은 기울기 기반 정보를 실행하지 않습니다. 대신 검색 공간에서 무작위 방법을 사용하여 한계를 극복할 만큼 지능적입니다. 메타 휴리스틱 알고리즘은 확률 기반 접근 방식의 다양한 기술 중에서 폭넓게 적용할 수 있다는 점에서 널리 사용됩니다. 메타 휴리스틱 알고리즘은 솔루션 공간을 탐색하고 최상의 최적 솔루션을 활용할 수 있는 높은 잠재력을 가지고 있습니다. 따라서 몇몇 연구자들은 새로운 메타휴리스틱 알고리즘을 제안할 뿐만 아니라 기존 방법의 효율성을 높이려는 시도를 하여 지난 수십 년 동안 여러 가지 새로운 메타휴리스틱 개념이 탄생하게 되었습니다. 일반적으로 메타 휴리스틱 알고리즘은 크게 EA(진화 알고리즘), NP(자연 현상) 기반 알고리즘, SI(군집 지능) 알고리즘의 세 가지 유형으로 분류할 수 있습니다10,11. 진화 알고리즘(EA)은 선택, 번식, 돌연변이라는 세 가지 메커니즘을 사용하여 다윈의 진화 과정을 모방합니다. 가장 눈에 띄는 EA로는 DE(차등 진화)12, GA(유전 알고리즘)13, CMA-ES(공분산 행렬 적응 진화 전략)14, ES(진화 전략)15, 선형 인구 규모를 갖춘 역사 기반 적응형 DE 변종 등이 있습니다. 감소(L-SHADE)16, 생물지리학 기반 최적화 도구(BBO)17 및 학습자 성과 기반 행동(LPB)18. NP 기반 알고리즘은 우주의 화학적, 물리적 법칙을 모방합니다. 이 범주에 기반을 둔 잘 알려진 알고리즘의 대부분은 SA(Simulated Annealing)19, CFO(Central Force Optimization)20, GSA(Gravitational Search Algorithm)21, WCO(Water Cycle Optimizer)22, BHA(Black Hole Algorithm)23입니다. , 낙뢰 검색 알고리즘(LSA)24, 다중 우주 최적화(MVO)25, 열교환 최적화(TEO)11, 헨리 가스 용해도 최적화26, 평형 최적화(EO)27, 아르키메데스 최적화 알고리즘(AOA)28, 리히텐베르크 알고리즘(LA )29, 흐름 방향 알고리즘(FDA)30 및 핵융합-분열 최적화(FuFiO)31. SI(군집 지능) 알고리즘은 포유류, 조류, 곤충의 자연적인 행동을 따릅니다. 널리 사용되는 SI 기반 알고리즘의 대부분은 PSO(Particle Swarm Optimizer) 알고리즘32, GWO(Gray Wolf Optimizer)33, EHO(Elephant Herding Optimization)34, MFO(Moth Flame Optimization)35, WOA(Whale Optimization Algorithm)36, Salp 등입니다. 떼 알고리즘(SSA)37, 그래스호퍼 최적화 알고리즘(GOA)38, 해리스 호크스 최적화(HHO)39, 즉석 경쟁 떼 최적화 프로그램(ICSO)40, Tunicate 떼 알고리즘(TSA)41, 부과금 비행 분배(LFD)10 및 AVOA(American Vultures Optimization Algorithm)42, AO(Aquila Optimizer)43, GEO(Golden Eagle Optimizer)44, OPA(Orca Predation Algorithm)45, ARO(Artificial Rabbit Optimization)46, GTO(Artificial Gorilla Troops Optimizer)47, MGO(산가젤 최적화 프로그램)48. 기존의 메타 휴리스틱49에는 장점과 한계가 있다는 점이 강조되어 있습니다. 예를 들어, 기존 PSO 알고리즘은 고차원 검색 공간에서 조기 수렴이라는 약점이 있는 반면, 유전자 알고리즘은 매개변수 조정 및 광범위한 계산에 어려움이 있습니다. 마찬가지로 중력 탐색 알고리즘은 수렴 속도가 느리고 제어 매개변수가 많다는 단점이 있습니다. 뛰어난 GWO 알고리즘은 낮은 로컬 검색 기능으로 인해 까다로운 엔지니어링 문제를 해결하는 데 어려움을 겪습니다. 또한 최근 제안된 TSA 알고리즘은 큰 차원의 다중 모드 문제를 해결할 수 없습니다. 따라서 새로운 기술과 방법론을 적용하여 이러한 한계에 도전하는 것이 필수적입니다. 또한 "공짜 점심 없음(NFL) 정리"50에서는 어떤 알고리즘도 모든 최적화 문제에 대한 최상의 최적화 프로그램으로 간주될 수 없다고 명시합니다. 해결되지 않은 문제는 해결책을 찾기 위한 희소한 접근 방식도 필요합니다. 결과적으로 전 세계 조사자들은 선구적인 메타 휴리스틱을 자주 제공해야 합니다. 이에 본 논문에서는 미국 얼룩말의 사회적 행동에서 영감을 얻은 새로운 메타 휴리스틱, 즉 AZOA(American Zebra Optimization Algorithm)를 기획하고 있다. 미국 얼룩말은 수컷, 여러 마리의 암컷, 자손과 함께 무리를 지어 지내는 사회적으로 능숙한 동물입니다51. 얼룩말의 가장 중요한 행동에는 먹이주기, 짝짓기, 사회적 계층 보존, 새끼 안내 등이 있습니다52,53. 미국 얼룩말은 독특하고 매혹적인 특성인 "정직"으로 인해 다른 포유류와 구별됩니다. 사회적 성격인 "정직"은 아기 얼룩말이 성숙하기 전에 무리를 떠나 가족 관계가 없는 별도의 무리에 합류하도록 유도합니다. 이러한 새끼 얼룩말의 이탈은 가족 내 짝짓기를 방지함으로써 다양화의 균형을 유지합니다. 더욱이 무리 속 성숙한 수컷 얼룩말은 암컷 얼룩말을 매혹해 융합을 설득한다. 이 가장 희소한 사회적 일치 개념은 우리가 AZOA(American Zebra Optimization Algorithm)를 제안하도록 영감을 주었습니다. AZOA 알고리즘의 간편성과 견고성은 벤치마크 기능과 실제 엔지니어링 문제를 해결하는 동시에 빠르고 정확한 글로벌 솔루션을 추진할 것으로 예상됩니다. 이 연구의 주요 기여는 다음과 같이 강조됩니다.