[논문 리뷰] Multicriteria Optimization and Decision Making: Principles, Algorithms and Case Studies

Michael Emmerich, André Deutz|arXiv (Cornell University)|2024. 06. 29.

Advanced Multi-Objective Optimization Algorithms참고 문헌 90인용 수 8

한 줄 요약

이 연구는 다목적 최적화 및 의사결정(MODA)에 대한 광범위한 소개를 제공합니다. 형식적 정의, 파레토 개념, 스칼라라이제이션, 그리고 교수학적 강조와 사례 연구를 포함한 대표적 해법들을 다룹니다.

ABSTRACT

Real-world decision and optimization problems, often involve constraints and conflicting criteria. For example, choosing a travel method must balance speed, cost, environmental footprint, and convenience. Similarly, designing an industrial process must consider safety, environmental impact, and cost efficiency. Ideal solutions where all objectives are optimally met are rare; instead, we seek good compromises and aim to avoid lose-lose scenarios. Multicriteria optimization offers computational techniques to compute Pareto optimal solutions, aiding decision analysis and decision making. This reader offers an introduction to this topic and has been developed on the basis of the revised edition of the reader for the MSc computer science course "Multicriteria Optimization and Decision Analysis" at the Leiden Institute of Advanced Computer Science, Leiden University, The Netherlands. This course was taught annually by the first author from 2007 to 2023 as a single semester course with lectures and practicals. Our aim was to make the material accessible to MSc students who do not study mathematics as their core discipline by introducing basic numerical analysis concepts when necessary and providing numerical examples for interesting cases. The introduction is organized in a unique didactic manner developed by the authors, starting from more simple concepts such as linear programming and single-point methods, and advancing from these to more difficult concepts such as optimality conditions for nonlinear optimization and set-oriented solution algorithms. Besides, we focus on the mathematical modeling and foundations rather than on specific algorithms, though not excluding the discussion of some representative examples of solution algorithms.

연구 동기 및 목표

• 다목적 최적화 및 의사결정을 시스템 설계 문제로 동기를 부여하고 정의합니다.
• MODA의 기초를 구축하기 위해 형식적 문제 정의, 부분순서 및 파레토 개념을 도입하여 MODA의 기초를 다진다.
• 스칼라화, 파레토 프런트 접근법, 그리고 단일 기준 문제로의 전환을 포함한 핵심 해법을 제시합니다.
• 상태 공간 분석(랜드스케이프 분석), 최적성 조건, 그리고 알고리즘적 접근법(결정론적 및 진화적)을 논의합니다.
• MSc 학생 및 MCO/MCDM 수학에 익숙하지 않은 독자를 위한 교육적이고 예제 중심의 소개를 제공합니다.

제안 방법

• 표준 수학적 계획법 표기법으로 다목적 최적화를 형식화합니다.
• 파레토 지배, 선행 순서(preorders), 그리고 파레토 프런트의 기하학적 특성을 설명합니다.
• 스칼라라이제이션 방법들(선형 및 비선형 집계, 다속성 유틸리티 이론, 기준점으로부터의 거리)과 이들이 단일 기준 재구성에 미치는 관계를 설명합니다.
• 다목적 문제를 제약된 단일 기준 문제로 변환하는 방법을 도입합니다(ε-제약/타협 프로그래밍).
• 결정론적 파레토 프런트 계산과 진화적 다목적 최적화(전략/지배 대 다양성, 지표 기반 방법)를 개략합니다.
• 사례 연구 중심의 시연과 특정 알고리즘보다 기초에 초점을 맞춥니다.

실험 결과

연구 질문

• RQ1 다목적 최적화 문제를 수학적 프로그래밍 내에서 어떻게 형식적으로 정의하고 분류할 수 있는가?
• RQ2 지배(dominance) 및 파레토 효율성의 어떤 개념들이 다목적 문제의 해 집합을 구성하는가?
• RQ3 여러 개의 목적함수를 어떻게 단일 목적형으로 전환할 수 있으며, 이는 해의 질에 어떤 함의를 갖는가?
• RQ4 결정론적 및 진화적 접근법을 포함하여 파레토 프런트를 근사하기 위한 핵심 알고리즘 계열은 무엇인가?
• RQ5 최적화 이론과 실제 의사결정 간의 연결을 이루는 기본 개념은 무엇인가?

주요 결과

• 이 노트는 간단한 개념에서 고급 개념으로의 구조화된 경로를 제공하고, 최적화 이론과 의사결정 분석을 연결합니다.
• 그들은 MCO/MCDM를 이해하는 데 필수적인 형식적 문제 클래스와 파레토 개념을 정의합니다.
• 그들은 스칼라화 기법을 파레토 프런트 접근법과 연결하고 단일 기준 재구성에 대해 논의합니다.
• 그들은 파레토 최적화를 위한 결정론적 방법과 진화적 접근법 모두를 제시하고 지배와 다양성 간의 트레이드오프를 강조합니다.
• MODA에서 의사결정 지원 도구의 역할과 인간 중심 고려사항을 강조합니다.
• 경제학, 공학, 의학, 사회과학 전반에 걸친 응용 사례를 설명하기 위한 사례 연구 관점을 제공합니다.