Projekti / Programi
Vključevanje realnih problemov v primerjavo večkriterijskih optimizacijskih algoritmov
| Koda |
Veda |
Področje |
Podpodročje |
| 2.07.07 |
Tehnika |
Računalništvo in informatika |
Inteligentni sistemi - programska oprema |
| Koda |
Veda |
Področje |
| P170 |
Naravoslovno-matematične vede |
Računalništvo, numerična analiza, sistemi, kontrola |
| Koda |
Veda |
Področje |
| 1.02 |
Naravoslovne vede |
Računalništvo in informatika |
Primerjava algoritmov, realni optimizacijski problemi, večkriterijska optimizacija
Raziskovalci (1)
| št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
| 1. |
24894 |
dr. Tea Tušar |
Računalništvo in informatika |
Vodja |
2017 - 2019 |
0 |
Organizacije (1)
| št. |
Evidenčna št. |
Razisk. organizacija |
Kraj |
Matična številka |
Štev. publikacijŠtev. publikacij |
| 1. |
0106 |
Institut "Jožef Stefan" |
Ljubljana |
5051606000 |
18 |
Povzetek
Realni optimizacijski problemi, ki jih najdemo v inženirstvu, medicini in na drugih področjih, so po naravi večinoma večkriterijski, saj iščejo kompromise med, na primer, visoko kakovostjo in nizkimi stroški. Zelo pogosto nimamo vpogleda v lastnosti funkcij, ki jih želimo optimirati, kar pomeni, da imamo opravka s tako imenovanimi optimizacijskimi problemi črne škatle. Obstaja na stotine algoritmov za reševanje večkriterijskih optimizacijskih problemov črne škatle. Njihovo uspešnost lahko primerjamo med sabo samo s testiranjem na testnih problemih. Odprtokodna platforma za primerjavo optimizacijskih algoritmov COCO (angl. Comparing Continuous Optimizers), je bila pred kratkim razširjena z dvokriterijskimi testnimi problemi. To je bil pomemben napredek v metodologiji ocenjevanja uspešnosti v večkriterijski optimizaciji, saj COCO uspešnost ocenjuje s pristopom s fiksno ciljno vrednostjo (namesto s pristopom s fiksnim številom vrednotenj), ki omogoča kvantitativno interpretacijo rezultatov.
Čeprav primerjava večkriterijskih optimizacijskih algoritmov s platformo COCO pomeni pomemben korak naprej, so trenutni večkriterijski problemi v tej platformi (kot tudi drugih dostopnih zbirkah testnih problemov) v svojem bistvu še vedno sintetični in ne vključujejo pomembnih lastnosti realnih problemov, kot so: mešane spremenljivke, omejitve, dolgotrajna vrednotenja in vrednotenja v svežnjih. Za raziskave je na voljo le peščica realnih večkriterijskih optimizacijskih problemov, zato raziskovalci na področju večkriterijske optimizacije prepoznavajo potrebo po prosto dostopni zbirki realnih testnih problemov, modelov realnih problemov ter bolj realističnih sintetičnih problemov.
Ideja tega projekta je nadgraditi uveljavljeno platformo COCO in jo razširiti z vključitvijo realnih problemov in njihovih lastnosti z namenom premostitve vrzeli med raziskavami in praktično uporabo večkriterijskih optimizacijskih metod. Natančneje, glavni cilji tega projekta so: (1) razširiti formulacijo testnih problemov in metodologijo ocenjevanja uspešnosti v platformi COCO, da bosta podpirali posebnosti realnih problemov, (2) zgraditi novo zbirko večkriterijskih optimizacijskih problemov, ki bo vsebovala realne probleme, modele realnih problemov in sintetične probleme z lastnostmi realnih problemov, ter (3) razviti algoritem, ki bo omogočal reševanje problemov iz te nove zbirke, in njegove rezultate dati na voljo za prihodnje primerjave.
Nova zbirka večkriterijskih optimizacijskih problemov bo vključena v prihodnje delavnice BBOB (angl. Black-box Optimization Benchmarking) na priznanih konferencah s področja evolucijskega računanja, zato lahko upravičeno pričakujemo, da bo rezultat projekta imel velik vpliv v večkriterijski optimizacijski skupnosti.
Pomen za razvoj znanosti
Ideja za predlagani raziskovalni projekt izhaja neposredno iz potrebe po zbirki realnih testnih problemov, ki so jo izpostavili ključni raziskovalci in uporabniki iz večkriterijske optimizacijske skupnosti, kar potrjuje relevantnost projekta.
Platforma COCO in z njo tesno povezane delavnice BBOB so splošno znane v mednarodni optimizacijski skupnosti. Do danes je na voljo že 169 različnih algoritmov, ki so opisani v 126-ih prispevkih 93-ih avtorjev iz 25-ih držav. Članki, ki opisujejo pripravo eksperimentov in testne funkcije COCO/BBOB, so bili skupaj citirani že več kot 750-krat (po podatkih Google Scholar). Tudi algoritem DEMO je dobro poznan v skupnosti. Različni raziskovalci so predstavili že številne razširitve osnovnega algoritma (DEMOwSA, AMS-DEMO, CFDE, DEMO-TDQL, AC-DEMO, GP-DEMO itd.) in ga uporabili na realnih problemih. Osnovna članka, ki opisujeta algoritem DEMO, sta bila skupno citirana že več kot 500-krat (po podatkih Google Scholar).
Vse to nakazuje, da bodo rezultati projekta imeli velik vpliv na raziskovalno skupnost. Projekt ne bo le izboljšal postopka primerjave večkriterijskih optimizacijskih algoritmov, ampak bo spodbudil tudi razvoj novih optimizacijskih algoritmov, naravnanih k optimizaciji realnih problemov. Čeprav bo projekt usmerjen na večkriterijske optimizacijske probleme, bo večina razširitev platforme COCO (mešane spremenljivke, omejitve in časovno zahtevna vrednotenja) uporabna tudi za enokriterijsko optimizacijo, kar še dodatno poveča učinek projekta.
Dodatno bo projekt prispeval k razvoju novejšega raziskovalnega področja “raziskovalne analize krajine”, ki je namenjeno avtomatizaciji izbora najboljšega izmed razpoložljivih algoritmov za določen problem z uporabo statistične analize in orodij strojnega učenja na obsežnih podatkih o rezultatih algoritmov, da bi napovedali, katerega izmed razpoložljivih algoritmov je priporočljivo izbrati za rešitev nekega novega problema. Ta projekt bo zagotovil podatke, potrebne za razširitev raziskovalne analize krajine od enokriterijskih na večkriterijske probleme.
Pomen za razvoj Slovenije
Glavni cilj predlaganega projekta je premostitev vrzeli med raziskavami in praktično uporabo večkriterijske optimizacije, z oddaljitvijo od umetnih testnih problemov in osredotočanjem na realne optimizacijske probleme. To bo neposredno vplivalo na realne optimizacijske probleme, vključene v novo zbirko testnih problemov. Ker jih bodo optimirali številni dobri algoritmi na prihodnjih delavnicah BBOB, je razumno pričakovati, da se bodo najboljše znane rešitve za te probleme v kratkem času precej izboljšale. Poleg tega bodo razvite razširitve platforme COCO in zbirka realnih testnih problemov spodbudili vključevanje drugih realnih problemov v platformo. Ker bodo ti problemi lažje dostopni raziskovalcem, bodo zanje najdene nove najboljše rešitve. Ker je zmanjšanje stroškov vseprisotni cilj večkriterijske optimizacije, bo projekt imel tudi ugoden gospodarski učinek.
Realne probleme, ki bodo vključeni v COCO direktno ali preko nadomestnih modelov, bi lahko prispevala slovenska podjetja s katerimi sodelujemo oz. smo sodelovali pri številnih projektih. Mednje štejejo Štore Steel s projekta SYNERGY (kontinuirno ulivanje jekla), Kolektor s projekta COPCAMS (proizvodnja v avtomobilski industriji) in Domel s projekta SYNERGY (optimizacija načrtovanja električnega motorja). Tako bo predlagani projekt slovenskim podjetjem omogočil, da izkoristijo vrhunske raziskave na področju večkriterijske optimizacije.
Na dolgi rok bo projekt omogočil novo razvrstitev algoritmov glede na dosežene rezultate na realnih problemih, vključenih v platformo. To bo končnim uporabnikom pomagalo pri izbiri "pravega algoritma za pravi namen" in bo omogočilo boljše in hitrejše reševanje njihovih realnih problemov.
Najpomembnejši znanstveni rezultati
Vmesno poročilo,
zaključno poročilo
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati
Vmesno poročilo,
zaključno poročilo
