[논문 리뷰] Heterogeneous Objectives: State-of-the-Art and Future Research

Richard Allmendinger, Joshua Knowles|arXiv (Cornell University)|2021. 02. 26.

Advanced Multi-Objective Optimization Algorithms인용 수 11

한 줄 요약

이 논문은 평가 시간, 계산 복잡도 또는 결정성에서 상이한 목적이 포함된 다목적 최적화 문제—즉, 이질적인 목적이 포함된 문제—에 대해 검토하며, 기존 알고리즘들이 이러한 이질성에 적합하지 않음을 제기한다. 본 논문은 주로 느린 목표와 빠른 목표 간의 지연 이질성에 초점을 맞추며, 서면 기반 및 스케줄링 기법을 조사하고, 실제 응용 분야에서의 다중 유형 이질성 문제를 해결하기 위한 새로운 벤치마크 프레임워크와 알고리즘 개발을 촉구한다.

ABSTRACT

Multiobjective optimization problems with heterogeneous objectives are defined as those that possess significantly different types of objective function components (not just incommensurable in units or scale). For example, in a heterogeneous problem the objective function components may differ in formal computational complexity, practical evaluation effort (time, costs, or resources), determinism (stochastic vs deterministic), or some combination of all three. A particularly challenging variety of heterogeneity may occur by the combination of a time-consuming laboratory-based objective with other objectives that are evaluated using faster computer-based calculations. Perhaps more commonly, all objectives may be evaluated computationally, but some may require a lengthy simulation process while others are computed from a relatively simple closed-form calculation. In this chapter, we motivate the need for more work on the topic of heterogeneous objectives (with reference to real-world examples), expand on a basic taxonomy of heterogeneity types, and review the state of the art in tackling these problems. We give special attention to heterogeneity in evaluation time (latency) as this requires sophisticated approaches. We also present original experimental work on estimating the amount of heterogeneity in evaluation time expected in many-objective problems, given reasonable assumptions, and survey related research threads that could contribute to this area in future.

연구 동기 및 목표

• 평가 시간, 계산 복잡도 또는 결정성에서 상이한 목적이 포함된 다목적 최적화 문제에서의 이질적 목표에 대한 인식을 제고하기 위해.
• 공통 척도가 불가능한 것 외의 이질성 유형, 예를 들어 지연, 계산 비용, 확률적 성격을 식별하고 분류하기 위해.
• 특히 진화 및 서면 보조 기법에서 지연 이질성을 다루는 데에 사용되는 기존 알고리즘 접근법을 검토하기 위해.
• 다중 유형의 이질성에 대한 연구 부족과 맞춤형 벤치마크 및 성능 메트릭이 필요한 이유를 부각하기 위해.
• 다수의 이질성 유형을 동시에 다룰 수 있는 알고리즘 개발을 향한 향후 연구를 촉구하기 위해.

제안 방법

• 평가 시간(지연), 계산 복잡도, 결정성(확률적 대비 결정적)의 차이를 포함한 이질성 유형의 분류 체계를 제안한다.
• 빠른 목표에서 학습된 모델을 사용해 느린 목표의 평가를 가속화하는 서면 보조 진화 알고리즘(예: T-SAEA)을 검토한다.
• 다목적 워크플로우에서의 유휴 시간을 최소화하고 자원 활용도를 향상시키기 위해 스케줄링 및 배치 최적화 기법을 적용한다.
• 합리적인 가정 하에 다목적 문제에서의 기대 지연 이질성에 대한 실험적 분석을 수행한다.
• 이행 학습과 차원 축소를 활용해 상호 상관관계가 높은 고비용 목표를 제거하여 목표를 동질화한다.
• 자원 제약이 있는 스케줄링과 큐잉 이론을 통합하여 평가 순서를 최적화하고 총 실행 시간을 단축시킨다.

실험 결과

연구 질문

• RQ1 지연, 계산 비용, 확률적 성격 등의 다양한 이질성 유형이 다목적 최적화 알고리즘의 성능에 어떻게 영향을 미치는가?
• RQ2 평가 시간이 크게 상이한 목표를 가진 문제에 적용했을 때 기존의 진화 및 서면 기반 방법의 한계는 무엇인가?
• RQ3 스케줄링 및 배치 처리 기법은 이질적 목표의 평가 순서 최적화에 어떻게 적응시킬 수 있는가?
• RQ4 차원 축소와 상관 분석은 이질적 다목적 문제를 단순화하는 데 어떤 역할을 할 수 있는가?
• RQ5 다양한 이질성 유형을 시뮬레이션할 수 있는 구성 가능한 이질성 문제를 갖춘 새로운 벤치마크 프레임워크는 무엇이 필요한가?

주요 결과

• 특히 지연 시간의 차이가 뚜렷한 이질적 목표는 닫힌 루프 최적화 및 시뮬레이션 기반 설계와 같은 실제 응용 분야에서 흔히 발생한다.
• 기존 연구는 주로 지연 이질성에 집중했으며, 서면 보조 기법이 느린 목표의 평가 시간을 줄이는 데 효과적임을 보여주고 있다.
• 서면 모델링과 스케줄링의 조합은 느린 목표와 빠른 목표를 동시에 포함하는 다목적 문제에서 효율성을 크게 향상시킬 수 있다.
• 목표 공간 분석을 통한 차원 축소는 상호 상관관계가 높거나 불필요한 고비용 목표를 제거함으로써 문제를 단순화할 수 있으나, 최적 영역 근처에서 정확도 손실의 위험이 있다.
• 현재의 벤치마크 도구와 성능 메트릭은 이질적 문제에 대한 알고리즘 평가에 부적합하며, 확장 또는 재설계가 필요하다.
• 공정하고 의미 있는 알고리즘 비교를 가능하게 하기 위해 다양한 이질성 유형을 시뮬레이션할 수 있는 구성 가능한 테스트 문제의 개발이 절실하다.