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?