[論文レビュー] Demonstrating the Applicability of PAINT to Computationally Expensive Real-life Multiobjective Optimization

Markus Hartikainen, Vesa Ojalehto|arXiv (Cornell University)|Sep 15, 2011

Advanced Multi-Objective Optimization Algorithms参考文献 33被引用数 4

ひとこと要約

本論文は、パラトープフロントの近似から混合整数線形サロゲート問題を構築することにより、計算的に高価な問題におけるインタラクティブな多目的最適化を顕著に高速化するPAINT手法の有効性を示している。5目的の下水処理プラント設計問題を用いた実験では、著者らはIND-NIMBUS® PAINTモジュールが反復処理時間を約30分から数秒に短縮したことを示し、意思決定者が解の質を損なわず、より高速かつ直感的であると感じた。

ABSTRACT

We demonstrate the applicability of a new PAINT method to speed up iterations of interactive methods in multiobjective optimization. As our test case, we solve a computationally expensive non-linear, five-objective problem of designing and operating a wastewater treatment plant. The PAINT method interpolates between a given set of Pareto optimal outcomes and constructs a computationally inexpensive mixed integer linear surrogate problem for the original problem. We develop an IND-NIMBUS(R) PAINT module to combine the interactive NIMBUS method and the PAINT method and to find a preferred solution to the original problem. With the PAINT method, the solution process with the NIMBUS method take a comparatively short time even though the original problem is computationally expensive.

研究の動機と目的

• 計算的に高価な問題におけるインタラクティブな多目的最適化の収束が遅いという課題に対処すること。
• 解の質と意思決定者の関与を保ちながら、計算負荷を軽減する実用的な手法を開発すること。
• PAINTをNIMBUS法と統合し、現実世界の応用においてパレート最適解の効率的探索を可能にすること。
• 元のNIMBUS手法と直接比較することで、PAINTを強化したインタラクティブ手法の使いやすさと性能を評価すること。
• 複雑な現実世界の多目的最適化問題において、サロゲートモデリングの実現可能性と利点を実証すること。

提案手法

• PAINT手法を用いて、既知のパレート最適解の集合を補間し、混合整数線形サロゲート問題を構築する。
• 元の高価な問題に対して、UPS-EMOアルゴリズムを用いて初期のパレート最適解集合を生成する。
• 補間された解に基づいてサロゲート問題を構築し、インタラクティブな反復処理中に高速かつ近似的な評価を可能にする。
• PAINT手法をIND-NIMBUS®フレームワークに統合し、意思決定者がリアルタイムでサロゲート問題と対話できるようにする。
• 各反復処理において、CPLEXを用いて混合整数線形サロゲート問題を効率的に解く。
• 近似的な解を元の問題空間に再投影し、妥当性を検証し、実際のパレート最適解と整合していることを保証する。

実験結果

リサーチクエスチョン

• RQ1 PAINT手法は、現実世界の計算的に高価な問題におけるインタラクティブな多目的最適化において、計算時間を顕著に短縮できるか？
• RQ2 PAINTを強化したNIMBUS手法の性能は、元のNIMBUS手法と比較して反復速度と解の質の面でどのように異なるか？
• RQ3 複雑な現実世界の問題を解く際、意思決定者はサロゲートベースのアプローチを、使いやすく信頼できるとどのように感じているか？
• RQ4 PAINTによる近似が、実際の応用において最終解の妥当性や受容性を損なうことはないか？
• RQ5 NIMBUSのようなインタラクティブ最適化フレームワークにPAINTを統合する際の主な使いやすさと機能的課題は何か？

主な発見

• PAINT手法により、NIMBUS手法における反復処理時間が約30分から数秒に短縮され、リアルタイム対話が可能になった。
• 意思決定者は、元の問題に対して直接NIMBUSを使用するのと比べて、PAINTを強化したプロセスが著しく高速かつ直感的であったと報告した。
• 意思決定プロセス中に不適切または不正確な解は特定されず、サロゲートモデルが重要な解の特性を保持していることが示された。
• 意思決定者は、モデルの不確実性が存在する中でも、投影された近似的な解が実際のパレート最適解に十分近いと確認した。
• PAINT手法により、各ステップで元の高価な問題を完全に再評価する必要なく、パレートフロントの効率的探索が可能になった。
• 一部のソフトウェアのバグや機能の欠落はあったが、全体のワークフローは滑らかで、意思決定者はメソッドのコアロジックに変更を求めることがなかった。