[논문 리뷰] Multiple Criteria Decision-Making Preprocessing Using Data Mining Tools

Amir Mosavi|arXiv (Cornell University)|2010. 04. 19.

Advanced Multi-Objective Optimization Algorithms참고 문헌 14인용 수 41

한 줄 요약

이 논문은 다기준 의사결정법(MCDM)의 전처리 단계로 데이터 마이닝 기법—특히 분류 알고리즘—을 사용하여 가장 영향력 있는 입력 변수와 목표를 식별하고, 설계 공간의 복잡성을 줄이는 방법을 제안한다. 3차원 날개 설계 사례 연구에 적용된 결과, 핵심 변수들이 효과적으로 우선순위가 매겨져 후속 다목적 최적화 과정이 영향력 있는 파라미터에 집중함으로써 간소화되었다.

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.

연구 동기 및 목표

• 다양한 변수, 목표, 제약 조건을 포함한 다목적 최적화(MOO) 문제의 복잡성 증가에 대응하기 위해.
• 최적화 이전에 가장 영향력 있는 입력 변수와 목표를 식별하여 설계 공간의 차원을 감소시키기 위해.
• 전처리 단계에 데이터 마이닝 도구를 통합함으로써 MCDM 워크플로의 효율성과 자동화를 향상시키기 위해.
• 분류 기반 변수 선택 기법이 실제 공학 설계 문제에 적용될 수 있는지의 타당성과 효과성을 입증하기 위해.
• 데이터 기반 통찰을 활용해 시뮬레이션 도구의 초기화 및 MCDM 과정의 초기 값 설정을 체계적으로 수행하는 방법을 제공하기 위해.

제안 방법

• MCDM 시스템 내 입력-출력 관계를 분석하기 위해 데이터 마이닝 분류 기법을 활용한다.
• 분류 알고리즘을 적용하여 입력 변수가 최적화 목표에 미치는 상대적 중요도를 평가한다.
• 역사적 또는 시뮬레이션 데이터를 처리하여 입력과 목적 함수 값 간의 패턴을 추출한다.
• 분류 성능 지표를 사용해 변수의 예측 능력 또는 결과에 대한 영향력을 기반으로 입력 변수를 순위화한다.
• 선택된 핵심 변수를 MCDM 파이프라인에 통합하여 계산 부담을 줄이고 수렴성을 향상시킨다.
• 실제 공학 데이터를 사용한 3차원 날개 설계 사례 연구를 통해 전처리 방법의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 데이터 마이닝 분류 기법은 어떻게 효과적으로 MCDM 문제의 전처리에 적용될 수 있는가?
• RQ2 다목적 최적화 시스템에서 어떤 입력 변수가 목표에 가장 큰 영향을 미치는가?
• RQ3 데이터 마이닝을 통한 전처리가 MCDM에서 설계 공간의 복잡성에 얼마나 큰 영향을 미치는가?
• RQ4 분류 기반 변수 선택은 후속 다목적 최적화의 효율성을 향상시킬 수 있는가?
• RQ5 제안된 방법은 공학 설계에서 전통적인 수작업 또는 히ュ리스틱 변수 선택 방식과 비교해 어떻게 다른가?

주요 결과

• 분류 기반 전처리 단계는 3차원 날개 설계 문제에서 가장 영향력 있는 입력 변수를 성공적으로 식별했다.
• 최적화 단계에서 고려 대상이 되는 변수의 수가 크게 감소하여 설계 공간이 단순화되었다.
• 핵심 변수에 집중함으로써 이 접근법은 MCDM 과정의 효율성을 향상시키고 계산 오버헤드를 줄였다.
• 결과적으로 데이터 마이닝 기법이 복잡한 공학 시스템에서 최적화 이전에 변수 선택을 효과적으로 이끌 수 있음을 입증했다.
• 사례 연구를 통해 전처리 단계가 다목적 최적화 워크플로의 자동화성과 강건성을 향상시킨다는 점이 확인되었다.