A4 Artikkeli konferenssijulkaisussa
An Interactive Framework for Offline Data-Driven Multiobjective Optimization (2020)
Mazumdar, A., Chugh, T., Hakanen, J., & Miettinen, K. (2020). An Interactive Framework for Offline Data-Driven Multiobjective Optimization. In B. Filipic, E. Minisci, & M. Vasilei (Eds.), BIOMA 2020 : 9th International Conference on Bioinspired Optimization Methods and Their Applications, Proceedings (pp. 97-109). Springer. Lecture Notes in Computer Science, 12438. https://doi.org/10.1007/978-3-030-63710-1_8
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Mazumdar, Atanu; Chugh, Tinkle; Hakanen, Jussi; Miettinen, Kaisa
Emojulkaisu: BIOMA 2020 : 9th International Conference on Bioinspired Optimization Methods and Their Applications, Proceedings
Emojulkaisun toimittajat: Filipic, Bogdan; Minisci, Edmondo; Vasilei, Massimiliano
Konferenssi:
- International conference on bioinspired optimization methods and their applications
Konferenssin paikka ja aika: Brussels, Belgium, 19.-20.11.2020
ISBN: 978-3-030-63709-5
eISBN: 978-3-030-63710-1
Lehti tai sarja: Lecture Notes in Computer Science
ISSN: 0302-9743
eISSN: 1611-3349
Julkaisuvuosi: 2020
Sarjan numero: 12438
Artikkelin sivunumerot: 97-109
Kirjan kokonaissivumäärä: 322
Kustantaja: Springer
Kustannuspaikka: Cham
Julkaisumaa: Sveitsi
Julkaisun kieli: englanti
DOI: https://doi.org/10.1007/978-3-030-63710-1_8
Julkaisun avoin saatavuus: Ei avoin
Julkaisukanavan avoin saatavuus:
Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/72822
Tiivistelmä
We propose a framework for solving offline data-driven multiobjective optimization problems in an interactive manner. No new data becomes available when solving offline problems. We fit surrogate models to the data to enable optimization, which introduces uncertainty. The framework incorporates preference information from a decision maker in two aspects to direct the solution process. Firstly, the decision maker can guide the optimization by providing preferences for objectives. Secondly, the framework features a novel technique for the decision maker to also express preferences related to maximum acceptable uncertainty in the solutions as preferred ranges of uncertainty. In this way, the decision maker can understand what uncertainty in solutions means and utilize this information for better decision making. We aim at keeping the cognitive load on the decision maker low and propose an interactive visualization that enables the decision maker to make decisions based on uncertainty. The interactive framework utilizes decomposition-based multiobjective evolutionary algorithms and can be extended to handle different types of preferences for objectives. Finally, we demonstrate the framework by solving a practical optimization problem with ten objectives.
YSO-asiasanat: monitavoiteoptimointi; päätöksentukijärjestelmät; kriging-menetelmä; gaussiset prosessit
Vapaat asiasanat: decision support; decision making; decomposition-based MOEA; metamodelling; surrogate; Kriging; Gaussian processes
Liittyvät organisaatiot
Hankkeet, joissa julkaisu on tehty
- Yliopistojen profiloitumisen vahvistaminen kilpaillulla rahoituksella. Profilointitoimet JYU:ssä, 3. kierros
- Hämäläinen, Keijo
- Suomen Akatemia
OKM-raportointi: Kyllä
Raportointivuosi: 2020
JUFO-taso: 1