The Paradox of Success in Evolutionary and Bioinspired Optimization: Revisiting Critical Issues, Key Studies, and Methodological Pathways

要約

進化的で生物からインスピレーションを得た計算は、さまざまなアプリケーション ドメインにわたる複雑な最適化問題に効率的に対処するために不可欠です。
進化そのものなど、自然界で観察されるプロセスを模倣することにより、これらのアルゴリズムは、従来の最適化手法の範囲を超えた革新的なソリューションを提供します。
彼らは、大規模で複雑な検索空間で最適に近いソリューションを見つけることに優れており、多くの分野で非常に貴重です。
しかし、どちらの分野も、不十分なベンチマーク、問題固有の過剰適合、不十分な理論的根拠、生物学的な比喩によってのみ正当化される余分な提案など、本質的な課題に悩まされています。
この概要では、この分野における実験研究における革新性と厳密性の欠如に関する批判を要約し、徹底的に分析しています。
この目的を達成するために、私たちは、研究コミュニティをこれらの分野における確かな貢献と進歩の方向に導くために、情報に基づいて既存の文献の判断的立場を検討します。
私たちは、進化的および生物由来のオプティマイザーの設計、実験的比較の開発、およびこの分野をさらに一歩進める新しい提案の導出のためのガイドラインを要約します。
これらのアルゴリズムの作成プロセスの自動化に関する簡単なメモを提供します。これは、特定された経路に従えば、メタヒューリスティック最適化研究をその主な目的 (現実世界の問題の解決) に合わせるのに役立つ可能性があります。
私たちの結論は、これらの高度な計算技術の可能性を完全に実現するには、イノベーションに向けた継続的な推進と前向き研究における方法論的厳密性の強化の必要性を強調しています。

要約(オリジナル)

Evolutionary and bioinspired computation are crucial for efficiently addressing complex optimization problems across diverse application domains. By mimicking processes observed in nature, like evolution itself, these algorithms offer innovative solutions beyond the reach of traditional optimization methods. They excel at finding near-optimal solutions in large, complex search spaces, making them invaluable in numerous fields. However, both areas are plagued by challenges at their core, including inadequate benchmarking, problem-specific overfitting, insufficient theoretical grounding, and superfluous proposals justified only by their biological metaphor. This overview recapitulates and analyzes in depth the criticisms concerning the lack of innovation and rigor in experimental studies within the field. To this end, we examine the judgmental positions of the existing literature in an informed attempt to guide the research community toward directions of solid contribution and advancement in these areas. We summarize guidelines for the design of evolutionary and bioinspired optimizers, the development of experimental comparisons, and the derivation of novel proposals that take a step further in the field. We provide a brief note on automating the process of creating these algorithms, which may help align metaheuristic optimization research with its primary objective (solving real-world problems), provided that our identified pathways are followed. Our conclusions underscore the need for a sustained push towards innovation and the enforcement of methodological rigor in prospective studies to fully realize the potential of these advanced computational techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google