Titel
Multi-objectieve optimalisatie in stochastische simulatie (Onderzoek)
Abstract
Multi-objectieve optimalisatieproblemen komen vaak voor in de
realiteit, niet alleen binnen een ingenieurscontext maar ook binnen
een bedrijfscontext. Vaak kunnen de verschillende objectieven enkel
geobserveerd worden via een fysisch experiment, of een
computerexperiment. Het doel is steeds om de set van optimale
oplossingen te vinden, die de essentiële trade-offs tussen de
objectieven blootleggen (i.e., de Pareto grens). Een bepaald
resultaat is optimaal als geen enkel objectief nog kan verbeterd
worden, zonder dat men zou moeten ingeven op een ander objectief.
Dit postdoctoraal project focust op multi-objectieve optimalisatie in
stochastische simulatie, en situeert zich op de interface van twee
onderzoeksvelden: operationeel onderzoek en machine learning. Dit
type optimalisatie bevat nog vele kritieke onderzoeksuitdagingen, die
overwonnen moeten worden om dergelijke methoden toepasbaar te
maken in de praktijk. Meer specifiek zal dit project zich toeleggen
op:1) het inbouwen van gebruikersvoorkeuren in het
optimalisatieproces; 2) het gebruik van een indifferentiezone bij het
identificeren van de Pareto-optimale oplossingen; 3) het ontwikkelen
van kwaliteitsindicatoren voor stochastische Pareto grenzen; en 4)
het ter beschikking stellen van een (publiek beschikbare) testset voor
stochastische multi-objectieve optimalisatieproblemen, om de
vergelijking tussen verschillende algoritmes in de
onderzoeksgemeenschap te kunnen vergemakkelijken.
Periode
01 oktober 2020 - 30 september 2023