Управляемый локальный поиск
Эта статья нуждается в дополнительных цитатах для проверки . ( декабрь 2009 г. ) |
Управляемый локальный поиск — это метод метаэвристического поиска. Метаэвристический метод — это метод, который находится поверх алгоритма локального поиска и изменяет его поведение.
Управляемый локальный поиск влечет за собой штрафы во время обыска. Он использует штрафы, чтобы помочь алгоритмам локального поиска выйти из локальных минимумов и плато. Когда данный алгоритм локального поиска достигает локального оптимума, GLS модифицирует целевую функцию, используя определенную схему (поясняется ниже). Тогда локальный поиск будет осуществляться с использованием расширенной целевой функции, которая предназначена для вывода поиска из локального оптимума. Ключевым моментом является способ изменения целевой функции.
Метод в его нынешней форме был разработан доктором Кристосом Вудурисом и подробно описан в его докторской диссертации. [1] GLS был вдохновлен и расширен GENET, архитектурой нейронной сети для решения проблем удовлетворения ограничений, которая была разработана Чанг Вангом, Эдвардом Цангом и Эндрю Дэвенпортом. Механизм выхода из локальных минимумов как в GLS, так и в GENET напоминает обучение с подкреплением .
Обзор
[ редактировать ]Возможности решения
[ редактировать ]Для применения GLS необходимо определить особенности решения для данной задачи. Характеристики решения определяются для того, чтобы различать решения с разными характеристиками, чтобы можно было распознать области сходства вокруг локальных оптимумов и избежать их. Выбор признаков решения зависит от типа задачи, а также в определенной степени от алгоритма локального поиска. Для каждой функции функция стоимости определяется.
Каждая функция также связана со штрафом. (изначально установлено значение 0) для записи количества вхождений признака в локальные минимумы.
Характеристики и затраты часто берутся непосредственно из целевой функции. Например, в задаче о коммивояжере вопрос «проходит ли тур напрямую из города X в город Y» можно определить как признак. Расстояние между X и Y можно определить как стоимость. В задачах SAT и взвешенных MAX-SAT признаками могут быть «удовлетворяется ли пункт C текущими назначениями».
На уровне реализации мы определяем для каждой функции индикаторная функция указывая, присутствует ли эта функция в текущем решении или нет. равно 1, когда решение экспонаты собственности , 0 в противном случае.
Выборочные модификации штрафов
[ редактировать ]GLS вычисляет полезность штрафа за каждую функцию. Когда алгоритм локального поиска возвращает локальный минимум x, GLS штрафует все те функции (путем увеличения штрафа за функции), присутствующие в этом решении, которые имеют максимальную полезность. , как определено ниже.
Идея состоит в том, чтобы наказать функции, которые имеют высокую стоимость, хотя полезность этого снижается по мере того, как функция наказывается все чаще и чаще.
Поиск через расширенную функцию стоимости
[ редактировать ]GLS использует расширенную функцию стоимости (определенную ниже), позволяющую вывести алгоритм локального поиска за пределы локального минимума путем штрафования функций, присутствующих в этом локальном минимуме. Идея состоит в том, чтобы сделать локальный минимум более дорогостоящим, чем окружающее пространство поиска, где эти функции отсутствуют.
Параметр λ может использоваться для изменения интенсификации поиска решений. Более высокое значение λ приведет к более разнообразному поиску, при котором плато и котловины будут искаться более грубо; низкое значение приведет к более интенсивному поиску решения, при этом плато и впадины в поисковом ландшафте будут просматриваться более детально. Коэффициент используется для того, чтобы сделать штрафную часть целевой функции сбалансированной относительно изменений целевой функции и зависит от конкретной задачи. Простая эвристика для настройки состоит в том, чтобы просто записать среднее изменение целевой функции до достижения первого локального минимума, а затем установить на это значение, разделенное на количество функций GLS в проблемном экземпляре.
Расширения управляемого локального поиска
[ редактировать ]Миллс (2002) описал расширенный управляемый локальный поиск (EGLS), который использует случайные ходы и критерий стремления, разработанный специально для схем, основанных на штрафах. Полученный алгоритм улучшил надежность GLS в диапазоне настроек параметров, особенно в случае квадратичной задачи назначения . Общая версия алгоритма GLS, использующая алгоритм восхождения на холм на основе минимальных конфликтов (Minton et al. 1992) и частично основанная на GENET для удовлетворения ограничений и оптимизации, также была реализована в проекте «Компьютерное программирование ограничений».
Альшедди (2011) расширил управляемый локальный поиск до многоцелевой оптимизации и продемонстрировал его использование для расширения возможностей персонала при планировании. [ нужна ссылка ] .
Связанная работа
[ редактировать ]GLS была построена на базе GENET, разработанной Чангом Ваном, Эдвардом Цангом и Эндрю Дэвенпортом.
Метод прорыва очень похож на GENET. Он был разработан для удовлетворения ограничений .
Табу-поиск — это класс методов поиска, экземпляры которых могут быть созданы для конкретных методов. GLS можно рассматривать как частный случай табу-поиска .
Поместив GLS поверх генетического алгоритма , Тунг-ленг Лау представил алгоритм управляемого генетического программирования (GGA). Он был успешно применен к общей проблеме назначения (при планировании), проблеме конфигурации процессоров (при электронном проектировании) и ряду задач о назначении частот радиоканала (абстрактное военное применение).
Чой и др. использовать GENET как лагранжев поиск.
Библиография
[ редактировать ]- Алшедди, А., Планирование расширения возможностей: многокритериальный подход к оптимизации с использованием управляемого локального поиска, докторская диссертация, Школа компьютерных наук и электронной инженерии, Университет Эссекса, 2011 г.
- Чой, К.М.Ф., Ли, Дж.Х.М. и Стаки, П.Дж., Лагранжева реконструкция GENET, Искусственный интеллект, 2000, 123(1-2), 1-39.
- Давенпорт А., Цанг ЭПК, Канмин Чжу и Си Джей Ван, GENET: Коннекционистская архитектура для решения проблем удовлетворения ограничений путем итеративного улучшения, Proc., AAAI, 1994, стр. 325-330
- Лау, Т.Л. и Цанг, Е.П.К., Решение проблемы конфигурации процессора с помощью генетического алгоритма, основанного на мутациях, Международный журнал по инструментам искусственного интеллекта (IJAIT), World Scientific, Том 6, № 4, декабрь 1997 г., 567-585.
- Лау, Т.Л. и Цанг, Е.П.К., Управляемый генетический алгоритм и его применение к задачам назначения частот радиосвязи, Ограничения, Том 6, № 4, 2001, 373-398.
- Лау, Т.Л. и Цанг, Е.П.К., Управляемый генетический алгоритм и его применение к общим задачам назначения, 10-я Международная конференция IEEE по инструментам с искусственным интеллектом (ICTAI'98), Тайвань, ноябрь 1998 г.
- Миллс П. и Цанг ЭПК, Управляемый локальный поиск для решения задач SAT и взвешенных задач MAX-SAT, Журнал автоматизированного рассуждения, Специальный выпуск по проблемам выполнимости, Kluwer, Vol.24, 2000, 205-223
- Миллс П., Цанг ЭПК и Форд Дж. Применение расширенного управляемого локального поиска к квадратичной задаче назначения, Анналы исследования операций, Kluwer Academic Publishers, Vol.118, 2003, 121–135.
- Минтон С., Джонстон М., Филипс А.Б. и Лэрд П., Минимизация конфликтов: эвристический метод устранения ограничений и проблем планирования, Искусственный интеллект (Специальный том по рассуждениям, основанным на ограничениях), Том 58, №№. 1–3 1992, 161–205
- Цанг, Е.П.К. и Вудурис, К., Быстрый локальный поиск и управляемый локальный поиск и их применение к проблеме планирования рабочей силы British Telecom, Письма об исследованиях операций, Elsevier Science Publishers, Амстердам, Том 20, № 3, март 1997 г., 119–127.
- Вудурис, К., Цанг, Е.П.К., Проблемы удовлетворения частичных ограничений и управляемый локальный поиск, Труды Второй международной конференции по практическому применению технологии ограничений (PACT'96), стр. 337-356, Лондон, Великобритания, 1996 г.
- Вудурис, К., Управляемый локальный поиск задач комбинаторной оптимизации, докторская диссертация, факультет компьютерных наук, Университет Эссекса, Колчестер, Великобритания, июль 1997 г.
- Вудурис, К., Управляемый локальный поиск — наглядный пример оптимизации функций, BT Technology Journal, Том 16, № 3, июль 1998 г., 46–50.
- Вудурис, К., Цанг, Э., Решение проблем присвоения частот радиоканала с использованием управляемого локального поиска, В материалах симпозиума НАТО по присвоению, совместному использованию и сохранению частот в системах (AEROSPACE), AGARD, документ № 14, Ольборг, Дания , 5-7 октября 1998 г.
- Вудурис, К. и Цанг, ЕПК, Управляемый локальный поиск и его применение к задаче коммивояжера, Европейский журнал операционных исследований, Anbar Publishing, том 113, выпуск 2, март 1999 г., 469-499.
- Вудурис, К. и Цанг, ЕПК, Управляемый локальный поиск присоединяется к элите в области дискретной оптимизации, Серия DIMACS по дискретной математике и теоретической информатике, том 57, 2001, 29–39.
- Вудурис, К. и Цанг, ЕПК, Управляемый локальный поиск, в Ф. Гловере (ред.), Справочник по метаэвристике, Kluwer, 2003, 185–218.
- Вудурис, К., Цанг, Е.ПК. и Альшедди, А., Управляемый локальный поиск, глава 11, в М. Жандро и Дж. Я. Потвине (ред.), Справочник по метаэвристике, Springer, 2010, 321–361.
- Вудурис, К., Цанг, Э., Альшедди, А., Управляемый локальный поиск, Энциклопедия исследований операций и науки управления Wiley, Wiley, 2010 г.
- Вудурис, К., Цанг, Э., Альшедди, А., Эффективное применение управляемого локального поиска, Энциклопедия исследований операций и науки управления Wiley, Wiley, 2010 г.
Ссылки
[ редактировать ]- ^ Вудурис, К., Управляемый локальный поиск задач комбинаторной оптимизации, докторская диссертация, факультет компьютерных наук, Университет Эссекса, Колчестер, Великобритания, июль 1997 г.