高速k-opt法を用いた遺伝的局所探索法について
2
0
0
全文
(2) 情報処理学会第68回全国大会 表 2 実験結果 instances beas500-1 beas500-5 beas500-10 beas1000-1 beas1000-5 beas1000-10 beas2500-1 beas2500-5 beas2500-10. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23. dens (Q) 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1. bestknown 116586 125487 130619 371438 352760 352760 1515944 1491816 1483355. best 116586 125487 130619 371438 352756 351187 1515532 1491803 1482609. (%) 0.000 0.000 0.000 0.000 0.001 0.065 0.027 0.001 0.050. GLSf ixed avg 116481.164 125465.203 130613.367 371261.688 352337.063 350907.031 1513495.500 1490740.625 1481257.750. (%) 0.090 0.017 0.004 0.047 0.120 0.145 0.162 0.072 0.141. t(s) 219 198 225 554 607 575 2802 2676 2912. best 116586 125487 130619 371438 352730 351415 1515672 1491796 1482724. t(s) 104 103 116 244 252 249 735 699 710. best 116586 125487 130619 371438 352730 351415 1515452 1491672 1482723. GLSf ast (50%) (%) avg 0.000 116565.281 0.000 125487.000 0.000 130619.000 0.000 371257.313 0.009 352471.438 0.000 351037.625 0.032 1513406.000 0.010 1490929.125 0.043 1481719.250. (%) 0.018 0.000 0.000 0.049 0.082 0.107 0.167 0.059 0.110. t(s) 104 102 123 254 264 267 828 770 797. 対する Merz らの k-opt 法を用いた GLS(GLSf ixed ),高速 k-opt 法を用いた GLS(GLSfast ),GLSf ast に突然変異確率 50%を加 えた GLSf ast (50%) における,100 回の施行で得られた最良解 (best) と既知の最良解からのその解質 (%),平均値 (avg) とそ の解質 (%),全計算時間 t(秒) を示す. 例えば,beas500-1,2,3,beas1000-2,3,beas2500-2,3 の問題 例における GLSfast の平均の解質,計算時間は共に GLSf ixed よりも優れている.計算時間については,beas500 の問題例群 では 49.688%,beas1000 の問題例群では 57.085%,beas2500 の問題例群では 74.448%の短縮が可能であり,問題サイズが大 きくなるに従って計算時間効率化の効果が表れていることが分 かる.また,GLSf ast 突然変異を 50%加えることによって,解 質がさらに向上する傾向があることが分かる.. procedure Fast-k-Opt-Local-Search(x, g) begin set Lbasic repeat xprev := x, Gmax := 0, G := 0, C := f1; : : : ; ng, Lpres := 0, Lgmax := 0, Gprev := 0; update Lbasic ; repeat Lpres + +; ¯nd j with gj = maxi2C gi ; G := G + gj ; xj := 1 ¡ xj , C := Cnfjg; update gains gi for all i; if (G > Gmax ) then Gmax := G, xbest := x, Lgmax := Lpres ; if ((Lpres ¸ Lbasic ) and (Gprev · G)) then break; Gprev = G; until C = ;; if (Lgmax > Lpres ¡ p) then Lbasic := Lpres + p, goto 5; if (Gmax > 0) then x := xbest , else x := xprev ; until Gmax · 0; return x; end;. 7. むすび 本研究では,BQP に対する遺伝的局所探索法(Genetic Local Search, GLS)における高速 k-opt 法の効果を検討するために, GLS の枠組みを利用した,既存の k-opt 法,高速 k-opt 法の比 較を行った.高速 k-opt 法を用いた GLS は,既存の k-opt 法を 用いた GLS よりも,多くの問題例で解質向上させながら探索時 間を大幅に短縮できることを示した.. 図 2 近傍探索における知識を導入した高速 k-opt 法 表 1 高速 k-opt 法で使用した変数 変数 Lbasic Lpres Lgmax Gprev p. GLSf ixed (%) avg (%) 0.000 116566.297 0.017 0.000 125486.383 0.000 0.000 130619.000 0.000 0.000 371253.063 0.050 0.009 352450.844 0.088 0.000 351028.844 0.110 0.018 1513314.375 0.173 0.001 1490886.625 0.062 0.043 1481668.875 0.114. 意味 内ループの基本繰返し回数 現在の内ループの繰返し回数 Gmax が得られたときの内ループの回数 前回の内ループでのゲイン値 ある区間における G の増減を調べるための変数. 参考文献. 回目以降の外ループでは前回の外ループで用いた IteInLoop の 1/2 とした. このアルゴリズムでは,まず内ループの基本繰返し回数とし て Lbasic 回の内ループを繰返す.その後,14 行目の処理で現在 の G と前回の内ループで得られた Gprev の比較を行い,G の増 大があれば増大がみられなくなるまで内ループを繰返す.この 処理によって,無駄な内ループの繰返しを大きく省くことができ る.しかしながら,この時点から何回かの内ループを繰返すこと によって Gmax が更新される場合がある.そこで,G max が更 新される可能性を予測するために,現時点までの内ループにお ける G の増減を着目する.18 行目では,区間 [L pres ¡ p; Lpres ] における p 個の G の増減を調べる.その区間内で Gmax が更新 されていれば,今後,Gmax が更新される可能性があると考え, 現時点 Lpres から更に p 回の内ループを繰返す.. 6. 数値実験 GLS における高速 k-opt 法の効果を検討するために,ベンチ マーク問題を用いて,Merz らの k-opt 法(m を 100 に固定)を 用いた GLS との比較を行う.使用した問題例は,Beasley によ る 500, 1000, 2500 変数 (beas500, beas1000, beas2500)[1] の 3 つの問題例群からそれぞれ 3 問ずつを選んだ.これらは,問 題サイズなどの違いがある.また,高速 k-opt 法での変数 p の 値は 30,GLS での集団サイズは 20,世代数は 50 とした.使用 した計算機は,Amphis Value 3000DVR(Pentium IV, 3GHz) である. 表 2 の各欄は,行列 Q において 0 以外の数値が含まれる割合 (dens(Q)),既知の最良解値 (best-known),ランダムな初期解に. 2-42. [1]. J.E. Beasley, \Heuristic algorithms for the unconstrained binary quadratic programming problem," Technical Report, Management School, Imperial College, UK, 1998.. [2]. B.W. Kernighan and S. Lin, \An e±cient heuristic procedure for partitioning graphs," Bell System Technical Journal, vol.49, pp.291{307, 1970.. [3]. K. Kohmoto, K. Katayama, and H. Narihisa, \Empirical Knowledge of a Parameter Setting in k-opt Local Search for the Binary Quadratic Proggramming Problem," Proc. of the 2001 Seventeenth International Joint Conference on Arti¯cal Intelligence (IJCAI-01), August 4{10, Seattle, USA, 2001.. [4]. S. Lin and B.W. Kernighan, \An e®ective heuristic algorithm for the traveling salesman problem," Operations Research, vol.21, pp.498{516, 1973.. [5]. P. Merz and B. Freisleben, \Greedy and local search heuristics for unconstrained binary quadratic programming," Journal of Heuristics, vol.8, no.2, pp.197{213, 2002.. [6]. 河本敬子, 片山謙吾, 成久洋之, \近傍探索における知識を導入 した高速 k-opt 局所探索法の検討," 平成 14 年度電気・情報 関連学会中国支部第 53 回連合大会講演論文集, pp. 406{407, 2002.. [7]. 河本敬子,片山謙吾,成久洋之,\バイナリー 2 次計画問題に 対する k-opt 局所探索法の効率化," 電子情報通信学会論文誌, vol.J85-D-1, no.3, pp.322{328, 2002.. [8]. 河本敬子,片山謙吾,成久洋之, \探索傾向に基づいた知識の 導入による k-opt 局所探索法の研究," 岡山理科大学紀要, 第 37 号 A, pp.127{135, 2001..
(3)
図
関連したドキュメント
睡眠を十分とらないと身体にこたえる 社会的な人とのつき合いは大切にしている
問についてだが︑この間いに直接に答える前に確認しなけれ
基本波を用いる近似はピクセル単位の時間放射能曲線に対しては用いることができる
そればかりか,チューリング機械の能力を超える現実的な計算の仕組は,今日に至るま
実際, クラス C の多様体については, ここでは 詳細には述べないが, 代数 reduction をはじめ類似のいくつかの方法を 組み合わせてその構造を組織的に研究することができる
大六先生に直接質問をしたい方(ご希望は事務局で最終的に選ばせていただきます) あり なし
これはつまり十進法ではなく、一進法を用いて自然数を表記するということである。とは いえ数が大きくなると見にくくなるので、.. 0, 1,
こらないように今から対策をとっておきた い、マンションを借りているが家主が修繕