ABCの改良手法 — 知識ノート

標準の ABC は探索は得意だが収束が遅いと繰り返し指摘されてきた。原因は近傍生成式にある。

v_{i j} = x_{i j} + ϕ_{i j} (x_{i j} - x_{k j})

改良手法の多くは、この 2 点のどちらかを突いている。

GABC — 最良解の情報を足す#

Zhu と Kwong は、PSO の gBest にならって全体最良への引力を加えた。

v_{i j} = x_{i j} + ϕ_{i j} (x_{i j} - x_{k j}) + ψ_{i j} (y_{j} - x_{i j})

$y$ が現在の最良解。無作為な参照だけだった探索に方向が入り、収束が速くなる。代わりに早すぎる収束のリスクが増えるので、 $ψ$ の範囲で調整する。

方向	内容
複数成分の更新	変更する成分数を増やす（ $M R$ という修正率を導入）
他手法との融合	差分進化の変異を Onlooker 段階に使う (HABCDE)
選択圧の変更	ルーレット選択をトーナメント選択に置き換える
パラメータ適応	`limit` や $ϕ$ の範囲を探索の進み具合で変える

ABC の改良手法は非常に数が多く、比較実験の条件が揃っていないものも目立つ。評価回数を揃えているか、統計的検定をしているか、ベンチマーク関数が偏っていないかを確認したい。

Sörensen は、群知能の分野で比喩を変えただけの「新手法」が量産されている状況を批判しており、ABC 系の改良提案を読むときにも念頭に置く価値がある。

Guopu Zhu, Sam Kwong. Gbest-guided artificial bee colony algorithm for numerical function optimization. Applied Mathematics and Computation 217(7), 2010. https://doi.org/10.1016/j.amc.2010.09.049
Dervis Karaboga et al. A comprehensive survey: artificial bee colony (ABC) algorithm and applications. Artificial Intelligence Review 42, 2014. https://doi.org/10.1007/s10462-012-9328-0
Kenneth Sörensen. Metaheuristics — the metaphor exposed. International Transactions in Operational Research 22(1), 2015. https://doi.org/10.1111/itor.12001