Project R-11029

Multi-objectieve optimalisatie in stochastische simulatie (Onderzoek)

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.

01 oktober 2020 - 30 september 2023