G5 Artikkeliväitöskirja
Pioneering techniques to tackle challenges of interactive multiobjective optimization (2022)
Uraauurtavia menetelmiä vastaamaan interaktiivisen monitavoiteoptimoinnin haasteisiin

Saini, B. S. (2022). Pioneering techniques to tackle challenges of interactive multiobjective optimization [Doctoral dissertation]. University of Jyväskylä. JYU Dissertations, 556. http://urn.fi/URN:ISBN:978-951-39-9196-8

JYU-tekijät tai -toimittajat

Saini, Bhupinder

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Saini, Bhupinder Singh

eISBN: 978-951-39-9196-8

Lehti tai sarja: JYU Dissertations

eISSN: 2489-9003

Julkaisuvuosi: 2022

Sarjan numero: 556

Kirjan kokonaissivumäärä: 1 verkkoaineisto (80 sivua, 104 sivua useina numerointijaksoina, 31 numeroimatonta sivua)

Kustantaja: University of Jyväskylä

Kustannuspaikka: Jyväskylä

Julkaisumaa: Suomi

Julkaisun kieli: englanti

Pysyvä verkko-osoite: http://urn.fi/URN:ISBN:978-951-39-9196-8

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Tiivistelmä

Tehdessään päätöksiä päätöksentekijöiden tulee usein samanaikaisesti huomioida monia, tyypillisesti ristiriitaisia tavoitefunktioita. Näillä ns. monitavoiteoptimoinnin ongelmilla ei ole yhtä optimia vaan useita (jopa ääretön määrä) kompromissiratkaisuja, joita kutsutaan Pareto-optimaalisiksi. Ratkaisemiseen voidaan käyttää interaktiivisia menetelmiä, jotka huomioivat päätöksentekijän mieltymykset ratkaisuprosessin aikana. Interaktiivisten menetelmien käytössä on kuitenkin haasteita. Itse optimointiongelman muotoileminen voi olla vaativaa. Miten valitaan optimoitavat tavoitteet ja käytettävä menetelmä? Monilta julkaistuilta menetelmiltä puuttuvat avoimesti saatavissa olevat implementaatiot, mikä osaltaan vaikeuttaa niiden käyttöä. Joissakin ongelmissa tavoitearvojen laskeminen edellyttää käytännön kokeita tai kalliita tietokonesimulaatioita. Tällöin on mielekästä korvata tavoitteet vähemmän kalliilla koneopin malleilla, jotka sovitetaan ongelman dataan. Tässäkin on omat haasteensa, esimerkiksi miten mallit valitaan ja miten niitä hallitaan. Tärkeää on myös havainnollistaa ratkaisuja päätöksentekijälle ja varmistaa että interaktiivisten menetelmien käyttö on ymmärrettävää. Tässä väitöskirjassa tarjotaan vastauksia edellä mainittuihin haasteisiin. Työssä esitellään ns. SMTS-menetelmä, joka ehdottaa parhaan koneopin mallin optimointitehtävän muotoiluun. IOPIS-menetelmä puolestaan tarjoaa täysin uuden paradigman interaktiiviseen monitavoiteoptimointiin. Sen avulla voidaan modulaarisesti luoda uusia interaktiivisia menetelmiä ja huomioida eri tavoin esitettyjä päätöksentekijän mieltymyksiä. Jos ongelmassa on kalliita tavoitteita, päätöksentekijä voi kohdentaa niiden arvojen laskemisen hänelle kiinnostaviin alueisiin O-NAUTILUS-menetelmällä. Työssä esitellään myös uusi visualisointimenetelmä SCORE bands, joka pystyy havainnollistamaan samanaikaisesti jopa tuhansia ratkaisuvaihtoehtoja. Työssä kuvataan myös Pythonilla tehty avoimen lähdekoodin modulaarinen DESDEO-ohjelmistokehikko, joka sisältää monia interaktiivisia menetelmiä. Lopuksi edellä esiteltyjen uusien menetelmien käyttökelpoisuutta havainnollistetaan ratkaisemalla interaktiivisesti DESDEOn avulla vaativa datapohjainen monitavoiteoptimointiongelma metallurgian alalta.

YSO-asiasanat: monitavoiteoptimointi; geneettiset algoritmit; interaktiivisuus; visualisointi; avoin lähdekoodi; päätöksenteko; päätöksentukijärjestelmät; väitöskirjat

Vapaat asiasanat: preferenssipohjainen optimointi; sijaismallit; evoluutioalgoritmit

Liittyvät organisaatiot

Hankkeet, joissa julkaisu on tehty

OKM-raportointi: Kyllä

Raportointivuosi: 2022