Računalništvo in informatika

Doc. dr. Tea Tušar

je znanstvena sodelavka na Odseku za inteligentne sisteme, kjer rešuje zahtevne optimizacijske probleme iz realnega sveta z metodami računske inteligence. Ob tem prispeva k razvoju platforme COCO za primerjavo optimizacijskih algoritmov. Zanimajo jo tudi nove metode za vizualizacijo optimizacijskih problemov in njihovih rešitev, ki upoštevajo človeške zmožnosti vidne zaznave. O vizualizaciji podatkov predava na Univerzi v Trstu in Mednarodni podiplomski šoli Jožefa Stefana.

Tusar Tea
Raziskovalni program: Umetna inteligenca in inteligentni sistemi
Tema usposabljanja: Metode računske inteligence za reševanje zahtevnih optimizacijskih problemov

Reševanje praktičnih optimizacijskih problemov je lahko zelo zahtevno. Številni namreč vsebujejo več nasprotujočih si kriterijev, ki jih želimo optimirati, in znatne omejitve. Poleg tega vrednotenje rešitev pogosto poteka s pomočjo simulacije, kar pomeni, da je časovno zamudno in deluje kot črna škatla (tj. problema se ne da izraziti s formulo). Takšnih problemov torej ne moremo reševati z metodami matematične optimizacije, ampak s hevrističnimi metodami računske inteligence, kot so evolucijski algoritmi.

Čeprav je bilo v zadnjih nekaj desetletjih veliko raziskav posvečenih večkriterijskim optimizacijskim algoritmom, je bila glavnina usmerjena v reševanje optimizacijskih problemov brez omejitev, medtem ko so bili večkriterijski optimizacijski problemi z omejitvami zapostavljeni. Na tem področju so zato številna odprta raziskovalna vprašanja in odločitev, katerih se bomo lotili v okviru doktorske raziskave, bo sprejeta v dogovoru s kandidatom/-ko.

 

Analiza večkriterijskih optimizacijskih problemov z omejitvami:

  • Kako dodajanje omejitev vpliva na problemsko pokrajino?
  • Kako problemsko pokrajino opisati z numeričnimi značilkami?
  • Kako intuitivno vizualizirati problemsko pokrajino in njene značilke?

Razvoj učinkovitih algoritmov za reševanje večkriterijskih optimizacijskih problemov z omejitvami:

  • Kako najbolje obravnavati (stroge in šibke) omejitve pri reševanju večkriterijskih optimizacijskih problemov?
  • Kako prilagoditi komponente/parametre algoritma problemski pokrajini, da bi povečali njegovo učinkovitost?

Primerjava uspešnosti optimizacijskih algoritmov:

  • Kako sestaviti nove večkriterijske optimizacijske probleme z omejitvami z želenimi lastnostmi?
  • Kako učinkovito meriti delovanje algoritmov ob upoštevanju kriterijev in omejitev?