Technische Samenvatting: ZIVARI-TLBO

1. Probleemstelling

Teaching–Learning-Based Optimization (TLBO) is een populatiegebaseerde optimizer die steunt op leerling- en docentfasen. Hoewel gegroepeerde of multi-populatie uitbreidingen van TLBO onderscheidende zoektrajecten kunnen behouden, hangt hun effectiviteit af van de manier waarop informatie tussen groepen wordt uitgewisseld. Zwakke uitwisseling isoleert groepen, terwijl agressieve transfer de diversiteit kan aantasten. Een kritieke uitdaging in experimentele eerlijkheid is dat veel migratie-operators nieuwe kandidaat-oplossingen genereren, wat extra evaluatie van de objectieffunctie (calls) vereist. Deze calls verbruiken het eindige evaluatiebudget, waardoor het moeilijk is om de waarde van het informatie-uitwisselingsmechanisme te isoleren van de kosten van het genereren van nieuwe kandidaten.

Het artikel adresseert de behoefte aan een inter-groep informatie-uitwisselingsmechanisme dat de zoekdynamiek verbetert zonder het budget voor de evaluatie van de objectieffunctie te verbruiken.

2. Methodologie: ZIVARI-TLBO

ZIVARI-TLBO (Zero-Cost Inter-Group Evaluated-Elite Relay) is een specifieke implementatie van een gegroepeerd TLBO-framework (vastgesteld als gts-v4-cm-fixed). Het breidt een bestaande gegroepeerde TLBO uit met een landschap-bewuste populatie-toestandscontroller door een vaste ring-geëvalueerde-elite-relay toe te voegen.

Kernmechanisme

• Topologie: Groepen zijn gerangschikt in een vaste ring ($g \to (g+1) \mod G$).
• Relay Event: Op geplande intervallen (elke groepsepoche) wordt de beste reeds-geëvalueerde leerling (elite) uit een bron groep vergeleken met de slechtste in aanmerking komende leerling in de doelgroep.
• Selectiecriteria:
  • De doelgroep sluit de huidige globale-beste positie uit om overschrijven van de tot nu toe gevonden beste oplossing te voorkomen.
  • Als de opgeslagen objectieve waarde van de bron-elite beter is dan de slechtste in aanmerking komende leerling van de doelgroep, vervangt de bron-oplossing en de opgeslagen objectieve waarde de doel-leerling.
  • Als de bron niet beter is, vindt er geen verandering plaats.
• Zero-Cost Eigenschap: Cruciaal is dat de relay een exacte kopie van een reeds-geëvalueerde oplossing overdraagt. Het genereert geen nieuwe kandidaat, noch past het perturbatie, ruis of interpolatie toe. Bijgevolg vereist de relay-operatie nul extra objectieffunctie-calls. De vergelijking en vervanging berusten volledig op eerder berekende fitnesswaarden.

Formele Definitie

De methode verdeelt de populatie $P(t)$ in $G$ disjuncte groepen. Laat $e^{(t)}_g$ de elite van groep $g$ zijn en $w^{(t)}_b$ het slechtste in aanmerking komende lid van groep $b$. De relay-operatie wordt gedefinieerd als:
$$\text{als } f(e^{(t)}_a) < f(w^{(t)}_b): \quad w^{(t)}_b \leftarrow e^{(t)}_a$$
Aangezien $f(e^{(t)}_a)$ een opgeslagen waarde is, is $\Delta NFE_{relay} = 0$.

3. Belangrijkste Bijdragen

Het artikel somt expliciet zes bijdragen op, waarbij de nadruk ligt op rigoureuze experimentele vormgeving en statistische voorzichtigheid:

1. Fixed Ring Relay: Een mechanisme dat de elites van de bron-groep overdraagt naar de slechtste in aanmerking komende leerlingen van de volgende groep met behulp van opgeslagen objectieve waarden.
2. Budget Audit: Een implementatie-niveau bewijs dat aantoont dat de exacte relay-operatie geen extra objectieffunctie-calls veroorzaakt.
3. Directe Ablatie: Een gecontroleerde vergelijking tegen dezelfde gegroepeerde landschap-bewuste controller zonder de relay, gebruikmakend van gematchte seeds en gelijke budgetten.
4. Multidimensionale Vergelijking: Evaluatie tegen TLBO, MCTLBO, DE, PSO, GWO, WOA en HHO over dimensies 10, 30, 50 en 100.
5. Statistische Analyse: Gebruik van gepaarde Wilcoxon signed-rank tests, Holm-correctie, rank-biserial effect sizes en Friedman-rangordes.
6. Reproduceerbaarheid: Een pakket bevattende ruwe bewijslast, gestandaardiseerde data, scripts en expliciete claim-beperkingen.

4. Experimentele Resultaten

Klassieke Benchmark Resultaten

• Directe Ablatie: Tegen dezelfde controller zonder relay, behaalde ZIVARI-TLBO 728 overwinningen, 11 gelijkspelen en 221 nederlagen over alle dimensies. De rank-biserial effect size was 0,624, en de Holm-gecorrigeerde $p$-waarde was $1,411 \times 10^{-61}$. Dit bevestigt dat de relay de prestaties binnen het geteste protocol verbetert.
• Multidimensionale Vergelijking: In een vergelijking van acht algoritmen:
  • WOA behaalde de beste gemiddelde rang (2,914).
  • ZIVARI-TLBO rangschikte als tweede (3,382).
  • HHO rangschikte als derde (3,465) en was niet significant verschillend van ZIVARI-TLBO na de Holm-correctie.
  • ZIVARI-TLBO presteerde significant beter dan TLBO, MCTLBO, DE, PSO en GWO.
  • ZIVARI-TLBO verloor significant van WOA.

Engineering Design Resultaten

• Geëvalueerd op vijf geconstreinde engineering problemen (welded beam, pressure vessel, etc.) met behulp van een statische kwadratische penalty.
• De resultaten waren gemengd en gevoelig voor constraint handling.
• ZIVARI-TLBO behaalde de op één na beste algemene gepenaliseerde rang (achter DE).
• Feasibility-percentages varieerden aanzienlijk per probleem (bijv. 30/30 haalbaar voor tension-spring, 0/30 voor three-bar truss).
• Onder een Deb-stijl feasibility-first analyse, rangschikte ZIVARI-TLBO als tweede (5,200) achter DE (4,933).

5. Betekenis en Claims

Het artikel neemt een bescheiden en afgebakende houding aan met betrekking tot de betekenis ervan:

• Gevalideerde Bijdrage: Het bewijs ondersteunt de claim dat een afgebakende, zero-cost relay positief bijdraagt aan de prestaties van het specifieke geteste gegroepeerde TLBO-framework. Het demonstreert dat informatie-uitwisseling kan plaatsvinden zonder het evaluatiebudget te verbruiken.
• Geen Universele Superioriteit: De auteurs verwerpen expliciet claims van universele state-of-the-art prestaties, globale convergentie of engineering dominantie.
  • ZIVARI-TLBO behaalde niet de eerste plaats in de brede vergelijking (WOA deed dit).
  • Het is niet significant beter dan HHO.
  • De engineering resultaten zijn gemengd en afhankelijk van de statische-penalty formulering.
• Beperkingen: De studie bevat geen geverifieerde implementaties van moderne state-of-the-art algoritmen zoals CMA-ES, SHADE, L-SHADE of jSO. Het claimt niet de CEC benchmark suite op te lossen.
• Conclusie: De primaire waarde is de demonstratie van een budget-consistente informatie-uitwisselingsmechanisme en de rigoureuze isolatie van het effect via ablatie. Het artikel concludeert dat de passende volgende stap onafhankelijke review en validatie tegen moderne baselines en geverifieerde CEC-implementaties is, in plaats van verdere versies van de optimizer.