[論文レビュー] Multiple Criteria Decision-Making Preprocessing Using Data Mining Tools

Amir Mosavi|arXiv (Cornell University)|Apr 19, 2010

Advanced Multi-Objective Optimization Algorithms参考文献 14被引用数 41

ひとこと要約

本稿では、多次元意思決定（MCDM）における前処理ステップとして、分類アルゴリズムを含むデータマイニング技術を用いることを提案する。これにより、設計空間の複雑さを軽減し、最も影響力のある入力変数および目的関数を特定する。3次元翼の設計事例に適用した結果、重要な変数を効果的に特定し、その後の多目的最適化を、最も影響力のあるパrameterに集中させることで簡素化した。

ABSTRACT

Real-life engineering optimization problems need Multiobjective Optimization (MOO) tools. These problems are highly nonlinear. As the process of Multiple Criteria Decision-Making (MCDM) is much expanded most MOO problems in different disciplines can be classified on the basis of it. Thus MCDM methods have gained wide popularity in different sciences and applications. Meanwhile the increasing number of involved components, variables, parameters, constraints and objectives in the process, has made the process very complicated. However the new generation of MOO tools has made the optimization process more automated, but still initializing the process and setting the initial value of simulation tools and also identifying the effective input variables and objectives in order to reach the smaller design space are still complicated. In this situation adding a preprocessing step into the MCDM procedure could make a huge difference in terms of organizing the input variables according to their effects on the optimization objectives of the system. The aim of this paper is to introduce the classification task of data mining as an effective option for identifying the most effective variables of the MCDM systems. To evaluate the effectiveness of the proposed method an example has been given for 3D wing design.

研究の動機と目的

• 多数の変数、目的関数、制約条件を伴う多目的最適化（MOO）問題の複雑さに対処すること。
• 最適化の前段階で、最も影響力のある入力変数および目的関数を特定することで、設計空間の次元を低減すること。
• 前処理段階にデータマイニングツールを統合することで、MCDMワークフローの効率化と自動化を図ること。
• 分類ベースの変数選択が、実世界の工学的設計問題において実用的かつ有効であることを実証すること。
• データ駆動のインサイトを用いて、MCDMプロセスにおけるシミュレーションツールの初期化と初期値の設定を体系的に行うアプローチを提供すること。

提案手法

• MCDMシステムにおける入力-出力関係を分析するために、データマイニング分類技術を活用する。
• 分類アルゴリズムを用いて、入力変数が最適化目的に与える相対的な重要度を特定する。
• 履歴データまたはシミュレーションデータを処理し、入力と目的関数値との間のパターンを抽出する。
• 分類指標を用いて、変数の予測力または結果に与える影響に基づき、入力変数を順位付けする。
• 選択された重要な変数をMCDMパイプラインに統合し、計算負荷の低減と収束性の向上を図る。
• 実際の工学的データを用いた3次元翼の設計事例を用いて、前処理アプローチの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてデータマイニング分類技術をMCDM問題の前処理に効果的に適用できるか？
• RQ2 多目的最適化システムにおけるどの入力変数が目的関数に最も顕著な影響を与えるか？
• RQ3 データマイニングによる前処理によって、MCDMにおける設計空間の複雑さはどの程度軽減されるか？
• RQ4 分類ベースの変数選択は、その後の多目的最適化の効率を向上させることができるか？
• RQ5 本手法は、工学的設計における従来の手動またはヒューリスティックな変数選択と比較して、どのように異なるか？

主な発見

• 分類ベースの前処理ステップにより、3次元翼の設計問題における最も影響力のある入力変数が効果的に特定された。
• 最適化段階で考慮される変数の数が顕著に減少し、設計空間が簡素化された。
• 重要な変数に焦点を当てたことで、MCDMプロセスの効率が向上し、計算オーバーヘッドが低減された。
• 結果から、データマイニング技術が、複雑な工学的システムにおける最適化前の変数選択を効果的に支援できることを示した。
• 事例研究により、前処理ステップが多目的最適化ワークフローの自動化と頑健性を高めることを確認した。