ミッション保証のための高度な遺伝的アルゴリズムに基づくネットワーク最適化

要約 ネットワーク構成の最適化は、ミッションクリティカルシステムの性能向上に不可欠です。本論文では、制約を保持する変異のみの定式化とスケーラブルなCPU-GPU実行戦略を統合した遺伝的アルゴリズム（GA）フレームワークを提案します。このフレームワークは、最適化中に構造の実現可能性を維持し、独立したスレッドブロックがサブ集団を同時に進化させるGPUアーキテクチャを介して並列評価を可能にします。このアプローチの重要な特徴は、トーナメントブランケットからインスパイアされた構造化確率選択メカニズムであるダイナミックブランケット選択（DBS）です。DBSは、調整可能な選択圧を伴うマルチラウンドの進行を導入することで既存の確率的選択スキームを拡張し、変異のみの検索環境においても多様性を維持できるようにします。これは、特に厳格な実現可能性の制約下で運用する際に、従来のエリート主義的およびトーナメント戦略に対する実用的な代替手段を提供します。このフレームワークは、最適化動作を特定し、完全な物理的電力フロー動態を複製するのではなく、最適化動作を隔離するために設計された単純化された電力網モデルで評価されました。比較実験では、CPUおよびGPUの性能、ブロックレベルの並列性、異なる選択戦略の影響を検討します。結果は、GPUの並列化がネットワーク最適化タスクにおける早期収束を加速させ、DBSが多様な探索を促進しつつ競争力のあるフィットネス成果を生み出すことを示しています。これらの要素は、構造化された確率的選択とGPU対応の並列処理を組み合わせることで、制約されたネットワークシステムにおける進化的探索の効率性と適応性が向上することを示しており、複雑な工学アプリケーションにおける設計段階の分析の基盤を提供します。