A Polynomial-Decay and Pinhole-Imaging Whale Optimization Algorithm for UAV Relay Communication Deployment

技術要約：UAV中継展開のための多項式減衰およびピンホール・イメージングを用いたクジラ最適化アルゴリズム

問題提起
本論文は、災害復旧や戦術通信などのシナリオにおいて、柔軟かつオンデマンドな無線カバレッジを提供するための重要な課題である、無人航空機（UAV）中継展開の結合最適化を取り扱う。目的は、UAVの3次元位置（水平座標 $x, y$ および高度 $h$）、送信電力 ($p_{tx}$)、および帯域幅 ($B$) を同時に決定することである。これは、非凸で制約の多いブラックボックス最適化問題である。展開にあたっては、5つの特定の不等式制約（最小シャノン容量、高度に対する視線クリアランス、電力・帯域幅予算、および2つの地上ノードに対する水平範囲制限）を満たす必要がある。目標は、サービスコスト関数（電力、高度、帯域幅を考慮）を最小化しつつ、容量を最大化することであり、通常は二次ペナルティ関数を用いて処理される。

手法：PWOAアルゴリズム
著者らは、多項式減衰およびピンホール・イメージング・クジラ最適化アルゴリズム（PWOA）を提案している。PWOAは、単なる既存手法の緩やかな累積ではなく、標準的なクジラ最適化アルゴリズム（WOA）の特定の失敗モードに対処するように設計された、役割結合型のオプティマイザである。この手法は、3つの補完的な改善策を統合している。

1. 良質なノード集合（GNS）初期化:
   ランダムな初期化によって生じる不均一なカバレッジや集団の塊（特に狭い実行可能領域において問題となる）に対処するため、著者らは決定論的なGNS初期化を導入している。この手法は、多様性を維持するための小さなジッターを加えつつ、探索空間全体に初期集団を均一に分散させる。これにより、擬似乱数サンプリングと比較して優れた空間充填特性が確保され、スウォーム（群れ）に対してよりバランスの取れた出発点を提供する。

2. 収束係数 ($a$) の多項式非線形減衰:
   標準的なWOAは、収束係数 $a$ に対して線形減衰を使用しており、これが早期の搾取（exploitation）を強制してしまうことが多い。PWOAはこれを多項式非線形スケジュール ($a(t)$) に置き換え、指数 $\mu > 1$ を用いる。この設計により、反復の前半では（大きな $|A|$ 値を保持することで）探索（exploration）フェーズを延長し、後半では（$a$ を急速に減少させることで）搾取フェーズを鋭敏にする。この適応的なスケジューリングは、十分なグローバル探索が行われるまでローカルサーチへの移行を遅らせることで、探索行動を問題のランドスケープに適合させる。

3. 停滞トリガー型のピンホール・イメージング・オブポジション・ベース学習（POBL）とエリート局所探索:
   探索を不必要に乱すことなく局所最適解から脱出するために、PWOAはグローバルベストのスコアが停滞したとき（閾値 $\sigma_{max} = 15$ を超えたとき）にのみ作動する条件付きリカバリメカニズムを採用している。

• エリート・ガウス局所探索: すべての反復において、縮小するガウスステップを用いて現在のリーダー ($X^*$) の周囲で局所探索を行う。
• ピンホール・イメージングPOBL: 停滞時に、リーダーに対してピンホール・イメージング変換が適用される。探索空間の中心が「ピンホール」として機能し、リーダーを反射させて候補解を生成する。拡大係数 $k(t)$ は適応的である。初期段階では、局所解から脱出するための積極的な長距離ジャンプを可能にするよう小さく設定され、後半段階では、制御された多様化のために候補を探索空間の重心に近づけるよう大きく設定される。得られた候補は、集団内の最悪の個体に注入され、停滞を打破する。

主な貢献
本論文は、主に3つの貢献を述べている。

1. 問題定式化: 5つの不等式制約と二次ペナルティ関数を含む、厳密な5次元制約付きUAV中継展開モデル。
2. アルゴリズム設計: GNS初期化、多項式非線形減衰、およびエリート・ガウス局所探索を伴う停滞トリガー型POBLオペレータを独自に組み合わせたPWOAの開発。
3. 実証的検証: 30回の独立した試行に基づき、3つのベースライン（標準的なWOA、正弦余弦アルゴリズム（SCA）、および改良型粒子群最適化（IPSO））に対する包括的な評価。

実験結果
実験は、集団サイズ ($N$) 30、最大反復回数 500 で実施された。結果は、PWOAがすべての指標においてすべてのベースラインを上回ることを示している。

• 精度と信頼性: PWOAは、Best、Worst、Mean、および標準偏差（Std）のすべてにおいて同時に最小値を達成した。
• 性能向上: ベースラインと比較して、PWOAは平均フィットネスを SCA に対して 1.4%、WOA に対して 2.9%、IPSO に対して 18.5% 低減させた。また、標準偏差を 15～87% 低減させており、有意に高い安定性と信頼性を示した。
• 収束速度: PWOAは最も速い平均収束を示し、最初の 30 反復以内に WOA の曲線を下回り、実行の残りの期間を通じて最低のフィットネスを維持した。対照的に、SCA は初期の停滞を示し、IPSO は、オペレータがスウォームを早期に実行可能領域から遠ざけすぎたため、最も遅い結果となった。

意義と主張
本論文は、PWOAが、制約付きの非凸環境における標準的なメタヒューリスティックの限界に対処することで、UAV展開におけるスウォームインテリジェンスの重要な進歩を遂げたことを主張している。著者らは、PWOAの成功は「カバレッジ・遷移・リカバリ」の連鎖によるものであると強調している。すなわち、GNSが初期のカバレッジを確保し、多項式減衰が探索と搾取の遷移を管理し、停滞トリガー型POBLが捕捉されたリーダーに対する標的を絞ったリカバリメカニズムを提供する。

本研究の意義は、目的関数が直接評価可能であるものの、凸化や微分が困難な「ワンショットまたは限定的なデータ」による中継展開シナリオへの適用可能性にある。論文は、PWOAがグローバル探索とローカルリファインメントを効果的にバランスさせる、役割結合型の堅牢なオプティマイザであり、複雑なUAV展開タスクにおいて既存のWOAバリアントや他のスウォームアルゴリズムに代わる優れた選択肢であることを結論付けている。今後の課題として、マルチUAVの協調展開や、オンラインチャネル推定を用いたクローズドループシナリオへの拡張が挙げられている。