[논문 리뷰] Ontology of Preference-Based Multiobjective Evolutionary Algorithms

Longmei Li, Iryna Yevseyeva외 3명|arXiv (Cornell University)|2017. 03. 20.

Semantic Web and Ontologies인용 수 3

한 줄 요약

이 논문은 선호 기반 다목적 진화 알고리즘(MOEAs)을 공식적으로 모델링하기 위해 OWL 기반 온톨로지를 제안하며, 이는 의미적 상호운용성과 지식 재사용을 가능하게 한다. 알고리즘 구성 요소, 선호 처리 메커니즘, 최적화 워크플로우를 기계에서 읽을 수 있는 형식으로 구조화함으로써, 온톨로지는 자동 추론, 도구 통합, MOEAs 간 체계적 비교를 촉진한다.

ABSTRACT

An OWL ontology of preference-based multiobjective evolutionary algorithms.

연구 동기 및 목표

• 선호 기반 다목적 진화 알고리즘에 대한 표준화되고 기계에서 해석 가능한 표현 방식의 부족을 해결하기 위해.
• 재사용 가능하고 확장 가능한 방식으로 알고리즘 구성 요소, 선호 처리, 최적화 워크플로우를 공식적으로 모델링하기 위해.
• 의미적 구조화를 통해 자동 추론, 도구 통합, MOEAs 간 체계적 비교를 지원하기 위해.
• 다목적 최적화 연구 분야에서 지식 공유와 재사용을 위한 기반을 마련하기 위해.

제안 방법

• 논문은 웹 온톨로지 언어(OWL)를 사용하여 선호 기반 MOEAs의 핵심 엔티티를 모델링하는 온톨로지를 정의한다.
• 핵심 클래스로는 Algorithm, PreferenceModel, SelectionOperator, PreferenceHandlingStrategy가 있으며, 각각 정의된 속성과 공리와 함께 제공된다.
• 선호 모델이 선택 연산자에 어떻게 영향을 주는지 등 알고리즘 구성 요소 간의 관계를 모델링한다.
• 실용적 상호운용성을 확보하기 위해 MOEA 프레임워크와 같은 기존 표준과 통합된다.
• 일致성 유지 및 알고리즘 구성 설정에 대한 추론을 가능하게 하기 위해 의미적 공리가 사용된다.
• 실제 MOEA 구성 요소와 사용 사례를 활용한 인스턴스화를 통해 온톨로지가 검증된다.

실험 결과

연구 질문

• RQ1 선호 기반 다목적 진화 알고리즘은 어떻게 기계가 처리할 수 있는 방식으로 공식적이고 의미적으로 표현할 수 있는가?
• RQ2 선호 기반 MOEAs의 구조와 행동을 가장 잘 포괄하는 온톨로지 설계 패턴은 무엇인가?
• RQ3 제안된 온톨로지는 다양한 MOEA 도구 및 프레임워크 간의 상호운용성과 지식 재사용을 어떻게 지원하는가?
• RQ4 온톨로지는 알고리즘 구성 설정 및 성능에 대한 자동 추론를 어느 정도 가능하게 하는가?

주요 결과

• 온톨로지는 선호 모델, 선택 연산자, 선호 처리 전략를 포함한 선호 기반 MOEAs의 핵심 구성 요소를 성공적으로 모델링한다.
• 공식적인 구조는 알고리즘 구성 요소의 일관된 분류 및 의미적 강화를 가능하게 한다.
• 온톨로지는 일관성 검출 또는 알고리즘 구성 설정 간의 관계 유추와 같은 자동 추론을 지원한다.
• MOEA 프레임워크와의 통합은 실용적 타당성과 상호운용성을 입증한다.
• 온톨로지는 다양한 연구 및 응용 맥락에서 MOEA 설계의 체계적 비교 및 재사용을 가능하게 한다.
• 이 방법은 다목적 최적화 분야에서 지식 관리 및 도구 통합을 위한 기반을 제공한다.