Sommersemester 2006 Mehrkriterielle Optimierung mit Metaheuristiken (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering (LS XI) Fachgebiet Computational Intelligence Kapitel 4: Skalarisierungsmethoden 1. Ansatz: Gewichtete Summe wobei Idee: Vektorielles Problem umwandeln in skalares Problem Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 2 Kapitel 4: Skalarisierungsmethoden Skalares Ersatzproblem (m = 2) Umformen ergibt Geradengleichung: z → finde Gerade mit minimalem z, so dass F gerade noch berührt wird → Tangentialpunkte mit F Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden wird minimiert bei Optimierung des skalaren Problems zmin F w1 w2 3 Kapitel 4: Skalarisierungsmethoden Definition 4.1: Sei Menge aller Vektoren, die für gegebene Gewichte wi die gewichtete Summe minimieren, wobei w 2 int(Cm). ■ Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 4 Kapitel 4: Skalarisierungsmethoden ■ Satz 4.1: S(F) µ F*. d.h. jeder durch Summenbildung mit positiven Gewichten gefundene Zielvektor ist effizient! Beweis von Satz 4.1: Wenn z* 2 S(F), dann existiert w 2 int(Cm), so dass 8 z 2 F: (*) Annahme: z* F*. Dann existiert z 2 F, das z* dominiert: z Á z* bzw. bzw. (mal wi > 0) Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden im Widerspruch zu (*). ■ 5 Kapitel 4: Skalarisierungsmethoden 2. Ansatz: Referenzpunktmethode wobei z0 Referenzpunkt. → Wie wählt man Referenzpunkt? Definition 4.2: Der Zielvektor heisst idealer Punkt. ■ Anmerkung: Idealer Punkt bei konfliktären Zielen nicht erreichbar. Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 6 Kapitel 4: Skalarisierungsmethoden min-max-Methode TschebyscheffMethode Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 7 Kapitel 4: Skalarisierungsmethoden f2 F z0 f1 Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 8 Kapitel 4: Skalarisierungsmethoden Erweiterungen: • weighted metric method → Abweichungsterme je Ziel gewichten • rotated weighted method → zusätzlich rotieren rotiert achsenparallel Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 9 Kapitel 4: Skalarisierungsmethoden Satz 4.2: Sei z0 der ideale Punkt eine mehrkriteriellen Problems und 1 ≤ r < 1. Jede optimale Lösung des skalaren Ersatzproblems ist Pareto-optimal. Beweis: (durch Widerspruch) Ann.: Sei x* optimale Lösung des Ersatzproblems, aber x* nicht Pareto-optimal. ) 9 x 2 X: 8 i: fi(x) ≤ fi(x*) und 9 k: fk(x) < fk(x*). ) 8 i: 0 ≤ fi(x) – zi0 ≤ fi(x*) – zi0 und 9 k: 0 ≤ fk(x) – zi0 ≤ fk(x*) – zi0 ) i ( fi(x) – zi0 )r < i ( fi(x*) – zi0 )r ) x* nicht opt. für Ersatzproblem! WIDERSPRUCH zur Annahme. Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden ■ 10 Kapitel 4: Skalarisierungsmethoden 3. Ansatz: Goal Attainment wobei wi zu wählende Gewichte Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 11 Kapitel 4: Skalarisierungsmethoden Anmerkungen: • bei systematischem Variieren der Gewichte alle Lösungen auf konvexem Zielbereich auffindbar • kann nicht alle Lösungen im nicht-konvexen Bereich finden • kann Lösungen finden, die nicht Pareto-optimal (→ ausfiltern, wenn möglich) Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 12 Kapitel 4: Skalarisierungsmethoden 4. Ansatz: Kompromissmethode ( – constraint method) wobei i erlaubter Höchstwert für Ziel i Prozedur: • systematisches Variieren der i • liefert Pareto-optimale Lösungen (auch für nicht kegelkonvexes F) Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 13 Kapitel 4: Skalarisierungsmethoden f2 min! F z* 1 Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden f1 14 Kapitel 4: Skalarisierungsmethoden f2 min! F z* 2 Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden f1 15 Kapitel 4: Skalarisierungsmethoden 5. Ansatz: Lexikografische Methode Idee: m monokriterielle Probleme, zunehmend angereichert mit Nebenbedingungen … Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden Lösung von (m) = multikriterielle Lösung 16 Kapitel 4: Skalarisierungsmethoden Probleme: 1. Reihenfolge der Ziele muss vorgegeben werden 2. Häufig keine natürliche Priorisierung vorhanden willkürliche Reihenfolge 3. Verschiedene Reihenfolgen Verschiedene Lösungen! Fazit: Ohne natürliche Zielpriorisierung erhält man beliebige Lösung! Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 17 Kapitel 4: Skalarisierungsmethoden Zusammenfassung bzgl. Skalarisierungsmethoden 1. 9 Lösungen, die diesen Methoden verborgen bleiben 2. bei einmaliger Anwendung nur eine Lösung zudem: a-priori-Auswahl von Gewichten, Schranken, etc. fragwürdig 3. bei mehrmaliger Anwendung mehrere Lösungen falls Gewichte, Schranken, etc. systematisch variiert und dominierte Lösungen ausgefiltert werden 4. stillschweigende Annahme: monokriterielle Optimierung „einfach“ aber: auch monokriterielle Optimierung ist schwierig! → multimodale Probleme, lokale Lösungen → welche Verfahren? Rudolph: MOMH (SS 2006) ● Kap. 4: Skalarisierungsmethoden 18