[论文解读] 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 41

一句话总结

本文提出将数据挖掘技术——特别是分类算法——作为多准则决策（MCDM）中的预处理步骤，以识别最具影响力的输入变量和目标，从而降低设计空间的复杂性。该方法在三维机翼设计案例研究中得到应用，有效优先处理关键变量，通过聚焦最具影响力的参数，简化了后续的多目标优化过程。

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.

研究动机与目标

• 为应对多目标优化（MOO）问题中变量、目标和约束数量不断增加的复杂性。
• 在优化前通过识别最具影响力的输入变量和目标，降低设计空间的维度。
• 通过在预处理阶段整合数据挖掘工具，提升MCDM工作流程的效率与自动化程度。
• 展示基于分类的变量选择在实际工程设计问题中的可行性和有效性。
• 提供一种系统化方法，利用数据驱动的洞察，为MCDM过程中的仿真工具初始化和初始值设定提供支持。

提出的方法

• 利用数据挖掘分类技术分析MCDM系统中输入与输出之间的关系。
• 应用分类算法以确定输入变量对优化目标的相对重要性。
• 处理历史数据或仿真数据，提取输入与目标函数值之间关联的模式。
• 基于分类指标，按变量对结果的预测能力或影响程度对输入变量进行排序。
• 将选定的关键变量整合至MCDM流程中，以降低计算负担并提升收敛性。
• 通过三维机翼设计的案例研究，利用真实工程数据验证预处理方法的有效性。

实验结果

研究问题

• RQ1 如何有效应用数据挖掘分类技术对MCDM问题进行预处理？
• RQ2 在多目标优化系统中，哪些输入变量对目标具有最显著的影响？
• RQ3 通过数据挖掘进行预处理，在多准则决策中能在多大程度上降低设计空间的复杂性？
• RQ4 基于分类的变量选择能否提升后续多目标优化的效率？
• RQ5 与传统的人工或启发式变量选择方法相比，所提出的方法在工程设计中表现如何？

主要发现

• 基于分类的预处理步骤成功识别出三维机翼设计问题中最具影响力的输入变量。
• 该方法显著减少了优化阶段所考虑的变量数量，简化了设计空间。
• 通过聚焦关键变量，该方法提升了MCDM流程的效率，并降低了计算开销。
• 结果表明，数据挖掘技术能够有效指导复杂工程系统在优化前的变量选择。
• 案例研究证实，预处理步骤可增强多目标优化工作流程的自动化与鲁棒性。