Algorithm Selection for Multi-Objective Optimization

Bibliographic Details
Main Author: Jesus, Alexandre Daniel Borges de
Publication Date: 2022
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: https://hdl.handle.net/10316/114276
Summary: Tese de Programa de Doutoramento em Ciências e Tecnologias da Informação apresentada à Faculdade de Ciências e Tecnologia
id RCAP_c3c62d194cb82145f643d9e8eea0dbe9
oai_identifier_str oai:estudogeral.uc.pt:10316/114276
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Algorithm Selection for Multi-Objective OptimizationSeleção de Algoritmos em Otimização Multiobjetivoalgoritmos anytimealgoritmos exatosheurísticasotimização multi-objetivoseleção de algoritmosalgorithm selectionanytime algorithmsexact algorithmsheuristicsmulti-objective optimizationCiências exactas e naturais::Ciências da computação e Ciência da informaçãoTese de Programa de Doutoramento em Ciências e Tecnologias da Informação apresentada à Faculdade de Ciências e TecnologiaMulti-objective optimization problems, which consider multiple objective functions to be optimized, can arise in many real-life scenarios, e.g., when trying to minimize both the cost and the time needed for traveling between two locations. In the last few decades, several algorithms have been proposed to solve multi-objective optimization problems. These algorithms can have very distinct behaviors, and their performance is often significantly affected by the problem instance to be solved, the time budget available, or the desirable solution quality. As such, which algorithm performs best often depends on the scenario that is being considered.This gives rise to the algorithm selection problem, which is concerned with the automatic selection of the best algorithm for a given scenario. In this thesis, we investigate the case of automatically selecting the best multi-objective optimization algorithm to solve a previously unseen problem instance, taking into account that the available time budget and desirable solution quality may be uncertain, and are only known when selecting the algorithm. We make several contributions in this line.First, we propose theoretical and empirical models to characterize the anytime performance of an algorithm, i.e., how solution quality improves over time, for previously unseen problem instances. Then, considering these models, we develop an offline selection methodology to select the best algorithm for a previously unseen problem instance given a utility function that describes the desirable time budget and solution quality. We also propose an online selection methodology that can swap between multi-objective branch and bound strategies to improve anytime performance. Lastly, we propose a scalarization technique and a branch and bound search strategy for multi-objective optimization problems to achieve a better anytime performance than previous approaches. Each contribution is backed by an experimental study on a multi-objective knapsack problem, and the results highlight the quality of the proposed models, selection methodologies, and algorithms.Problemas de otimização multi-objetivo, que consideram múltiplas funções objetivo a otimizar, podem surgir em diversos cenários reais, por exemplo, quando se quer minimizar tanto o custo como o tempo de uma viagem entre dois locais. Nas últimas décadas, vários algoritmos foram propostos para resolver problemas multi-objetivo. Estes algoritmos podem ter comportamentos distintos, e o seu desempenho é tipicamente afetado pela instância do problema a resolver, o tempo disponível para resolver o problema, e a qualidade da solução desejada. Como tal, qual o algoritmo que tem melhor desempenho depende do cenário em consideração.Isto dá origem ao problema de seleção de algoritmos, que considera a escolha automática do algoritmo com melhor desempenho para um dado cenário. Nesta tese, investigamos a seleção automática do melhor algoritmo para resolver instâncias do problema nunca antes vistas, tendo em conta que o tempo disponível e a qualidade da solução desejada podem ser incertos, e apenas conhecidos aquando da seleção. Fazemos várias contribuições nesta direção.Em primeiro lugar, propomos modelos teóricos e empíricos para caracterizar o desempenho de algoritmos anytime, ou seja, modelos que caracterizem a evolução da qualidade da solução devolvida pelo algoritmo ao longo do tempo, para instâncias do problema nunca antes vistas. Em segundo lugar, tendo em conta os modelos propostos, desenvolvemos uma metodologia de seleção offline para selecionar o melhor algoritmo para uma instância do problema nunca antes vista, dada uma função de utilidade que descreve o tempo disponível e a qualidade da solução desejada. Também propomos uma metodologia de seleção online capaz de mudar de estratégias branch and bound multi-objetivo de forma a melhorar o desempenho do algoritmo ao longo do tempo. Por fim, propomos uma técnica de escalarização e uma estratégia de branch and bound para problemas de otimização multi-objetivo para obter um melhor desempenho ao longo do tempo comparativamente a abordagens já existentes. Cada contribuição é acompanhada por um estudo experimental de um problema knapsack multi-objetivo, sendo que os resultados destacam a qualidade dos modelos, metodologias de seleção, e algoritmos propostos.FCT2022-12-09doctoral thesisinfo:eu-repo/semantics/publishedVersionhttps://hdl.handle.net/10316/114276https://hdl.handle.net/10316/114276TID:101710100engJesus, Alexandre Daniel Borges deinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2024-03-26T14:14:47Zoai:estudogeral.uc.pt:10316/114276Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T06:07:05.411117Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Algorithm Selection for Multi-Objective Optimization
Seleção de Algoritmos em Otimização Multiobjetivo
title Algorithm Selection for Multi-Objective Optimization
spellingShingle Algorithm Selection for Multi-Objective Optimization
Jesus, Alexandre Daniel Borges de
algoritmos anytime
algoritmos exatos
heurísticas
otimização multi-objetivo
seleção de algoritmos
algorithm selection
anytime algorithms
exact algorithms
heuristics
multi-objective optimization
Ciências exactas e naturais::Ciências da computação e Ciência da informação
title_short Algorithm Selection for Multi-Objective Optimization
title_full Algorithm Selection for Multi-Objective Optimization
title_fullStr Algorithm Selection for Multi-Objective Optimization
title_full_unstemmed Algorithm Selection for Multi-Objective Optimization
title_sort Algorithm Selection for Multi-Objective Optimization
author Jesus, Alexandre Daniel Borges de
author_facet Jesus, Alexandre Daniel Borges de
author_role author
dc.contributor.author.fl_str_mv Jesus, Alexandre Daniel Borges de
dc.subject.por.fl_str_mv algoritmos anytime
algoritmos exatos
heurísticas
otimização multi-objetivo
seleção de algoritmos
algorithm selection
anytime algorithms
exact algorithms
heuristics
multi-objective optimization
Ciências exactas e naturais::Ciências da computação e Ciência da informação
topic algoritmos anytime
algoritmos exatos
heurísticas
otimização multi-objetivo
seleção de algoritmos
algorithm selection
anytime algorithms
exact algorithms
heuristics
multi-objective optimization
Ciências exactas e naturais::Ciências da computação e Ciência da informação
description Tese de Programa de Doutoramento em Ciências e Tecnologias da Informação apresentada à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-12-09
dc.type.driver.fl_str_mv doctoral thesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10316/114276
https://hdl.handle.net/10316/114276
TID:101710100
url https://hdl.handle.net/10316/114276
identifier_str_mv TID:101710100
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833602582867607552

Similar Items