엔지니어링 문제 해결을 위한 효율적인 행성 최적화 알고리즘

Scientific Reports 12권, 기사 번호: 8362(2022) 이 기사 인용

2232 액세스

24 인용

3 알트메트릭

측정항목 세부정보

본 연구에서는 뉴턴의 중력 법칙에서 영감을 받아 POA(Planet Optimization Algorithm)라는 메타 휴리스틱 알고리즘을 제안합니다. POA는 태양계 행성의 움직임을 시뮬레이션합니다. 태양은 검색 공간의 중심에서 알고리즘의 핵심 역할을 합니다. 정확성을 높이고 동시에 검색 공간을 확장하기 위해 로컬 및 글로벌 검색의 두 가지 주요 단계가 채택되었습니다. 이 알고리즘의 정확도를 높이기 위한 기법으로 가우스 분포 함수를 사용합니다. POA는 잘 알려진 테스트 함수 23개, IEEE CEC 벤치마크 테스트 함수 38개(CEC 2017, CEC 2019), 실제 엔지니어링 문제 3개를 사용해 평가됩니다. 벤치마크 기능의 통계 결과는 POA가 매우 경쟁력 있고 유망한 결과를 제공할 수 있음을 보여줍니다. POA는 문제 해결에 상대적으로 짧은 계산 시간이 필요할 뿐만 아니라, 최적해를 활용하는 측면에서도 뛰어난 정확도를 보여줍니다.

최근에는 자연에서 영감을 받은 최적화 알고리즘이 많이 제안되었습니다. PSO(Particle Swarm Optimization)1, FA(Firefly Algorithm)2, DA(Dragonfly Algorithm)3, WOA(Whale Optimization Algorithm)4, GWO(Gray Wolf Optimizer)5, Monarch 등 떼에서 영감을 받은 일부 알고리즘이 높이 평가됩니다. 나비 최적화(MBO)6, 지렁이 최적화 알고리즘(EWA)7, 코끼리 몰이 최적화(EHO)8, 나방 검색(MS) 알고리즘9, 점액 곰팡이 알고리즘(SMA)10, 군체 포식 알고리즘(CPA)10 및 해리스 호크스 최적화( HHO)11. 게다가 CSO(Curved Space Optimization)12, WWO(Water Wave Optimization)13 등과 같이 물리학에서 영감을 받은 꽤 많은 알고리즘이 우주나 자연의 물리 법칙을 시뮬레이션했습니다. 또한 수학적 기초를 기반으로 한 일부 알고리즘도 있습니다. 창의적인 접근 방식, 예: Runge Kutta 최적화 프로그램(RUN)14.

반면 일부 알고리즘은 TLBO(Teaching-Learning-Based Optimization)15 및 HBBO(Human Behavior-Based Optimization)16과 같은 인간 행동을 시뮬레이션합니다. 한편, 유전 알고리즘(GA)17은 진화에서 영감을 받아 여러 분야에서 최적화 문제를 해결하는 데 많은 성공을 거두었습니다. GA의 인기가 높아짐에 따라 EP(진화 프로그래밍)18 및 ES(진화 전략)19를 포함하여 많은 진화 기반 알고리즘이 문헌에서 제안되었습니다.

오늘날 메타휴리스틱 알고리즘은 다양한 분야의 복잡한 최적화 문제를 해결하는 데 필수적인 도구가 되고 있습니다. 많은 연구자들이 생물학20, 경제학21, 공학22,23 등의 어려운 문제를 다루기 위해 이러한 알고리즘을 적용했습니다. 따라서 이러한 복잡한 요구 사항을 충족하기 위한 새로운 알고리즘을 구축하는 것은 상당한 장점이 있습니다.

본 연구에서는 로컬 및 글로벌 최적화 문제를 해결하기 위한 강력한 알고리즘을 구축했습니다. 아이디어는 우리 태양계 행성의 자연스러운 움직임과 수명주기 전반에 걸친 행성 간 상호 작용에서 비롯됩니다. 뉴턴의 중력 법칙은 태양과 행성의 중력 상호 작용을 반영하여 개별 행성의 특성을 통해 최적화된 위치를 찾습니다. 이 행성의 특징은 질량과 거리입니다.

본 논문에서는 뉴턴의 만유인력 법칙을 기반으로 개발한 최적화 알고리즘을 제안한다. 이 알고리즘에서는 우주에서 행성의 움직임을 시뮬레이션하는 데 내장된 정확한 솔루션을 찾는 능력을 높이기 위해 지역 검색, 전역 검색과 같은 여러 가지 뛰어난 기능이 고려됩니다.

본 연구논문은 다음과 같이 여러 부분으로 구성되어 있다. 다음 섹션에서는 메타 휴리스틱 알고리즘의 구성이 제시됩니다. 구조적 POA는 뉴턴의 만유 인력 법칙과 천문 현상을 기반으로 시뮬레이션됩니다. 그런 다음 다양한 벤치마크 문제를 광범위하게 적용하여 POA가 얼마나 효과적인지 보여줍니다. 동시에 실제 엔지니어링 문제에 POA를 적용하는 방법을 제시합니다. 마지막으로 제시된 결과를 바탕으로 마지막 절에서는 결론을 보고한다.