2. Introducción
Propuesta
Estudio experimental
Conclusión
Esquema de la presentación
1 Introducción
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
2 Propuesta
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
3 Estudio experimental
EMO vs Preference-based EMO
Configuración del experimento
Resultados
4 Conclusión
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
3. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Definición problema de optimización multiobjetivo
minimizar {f1(x), f2(x), . . . , fk(x)}
sujeto a x ∈ S
(1)
Z=f (S)
Z
S
f2
f1
f(S)
Espacio de decisión <-> Espacio de objetivos
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
4. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Definición problema de optimización multiobjetivo
¿Cuáles son las mejores soluciones en Z?
Z=f (S)
Z
S
f2
f1
f(S)
Espacio de decisión <-> Espacio de objetivos
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
5. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Relación de dominancia de Pareto
Dado x, x ∈ S, se dice que x Pareto domina a x si
fi(x) ≤ fi(x ) ∀i = 1, . . . , k y ∃j ∈ {1, . . . , k} : fj(x) < fj(x )
Z=f (S)
Z = f(S)
A
B
C
f2
f1
A y B son Pareto equivalentes, pero C es dominada por A y B.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
6. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Relación de dominancia de Pareto
x ∈ S es eficiente o Pareto óptima si x ∈ S tal que x x
Z=f (S)
Z = f(S)f2
f1
Conjunto de soluciones Pareto óptimas → frente óptimo de Pareto
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
7. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Resolución de un problema de optimización multiobjetivo
Diferentes puntos de vista:
Evolutionary Multiobjective Optimization (EMO): generar un
conjunto bien distribuido de soluciones no dominadas que
aproximen el frente óptimo de Pareto.
Multiple Criteria Decision Making (MCDM): encontrar
soluciones pareto óptimas considerando las preferencias del
decisor.
Preference-based EMO: aproximar una región del frente
óptimo de Pareto considerando las preferencias del decisor.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
8. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Preferencias mediante punto de referencia
Punto de referencia alcanzable Punto de referencia inalcanzable
Región de interés determinada por un punto de referencia q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
9. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
Preferencias mediante punto de referencia
Punto de referencia alcanzable Punto de referencia inalcanzable
Región de interés determinada por un punto de referencia q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
10. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
El problema SPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
11. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
El problema SPS: una posible solución
La evaluación de una solución se basa en una simulación del proyecto
Objetivos:
Duración: tiempo requerido para completar todas las tareas
Coste: salario de los empleados multiplicado por su dedicación
y horas trabajadas
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
12. Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: metodologías
Enfoque basado en punto de referencia
Planificación de proyectos software
El problema SPS: una posible solución
Posible asignación (ineficiente) de empleados a tareas.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
13. Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
Aproximación sin preferencias
Un algoritmo multi-objetivo que no considere preferencias permite
aproximar el frente óptimo de Pareto
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
14. Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
Región de interés en el problema SPS
¿Y si el director de proyectos tiene ciertas preferencias?
No es necesario aproximar el frente óptimo de Pareto.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
15. Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
Un enfoque interactivo en el problema SPS
Inicialmente se aproxima el frente óptimo de Pareto.
En la interacción con el decisor (DM), éste determina q.
Con el enfoque interactivo, el DM adquiere conocimiento sobre el problema.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
16. Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
iSPS: un software de resolución interactivo
Ayudar al director de proyectos en la toma de decisiones.
Resolver el problema SPS.
Enfoque interactivo basado en punto de referencia.
Mediante algoritmos evolutivos basados en preferencias
diseñados para aproximar la región de interés:
1 WASF-GA.
2 g-NSGA-II.
3 P-MOGA.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
17. Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el problema SPS
Interactive SPS
Arquitectura software de iSPS
Desarrollado en JAVA.
Hace uso de GNUPlot y extiende jMetal.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
24. Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados
Calidad de la aproximación de la región de interés
¿Aproximar la región de interés o todo el frente óptimo de Pareto?
Algunos experimentos
NSGA-II, WASF-GA, G-NSGA-II y P-MOGA.
Instancia del problema SPS con 8 empleados y 64 tareas.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
25. Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados
Algoritmos, operadores y parámetros empleados
Dos puntos de referencia aleatorios.
Tamaño de la población = 100.
Número de generaciones = 10.000 (1.000.000 evaluaciones).
Recombinación: operador TwoPointsCrossover, con Pc = 0,9.
Mutación: operador RandomMutation, con Pm = 1/n.
Criterio de parada: Número de generaciones.
Número de ejecuciones: 30.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
26. Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados
Aproximación de cada algoritmo (30 ejec.): todos los frentes
Punto de referencia alcanzable Punto de referencia inalcanzable
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
27. Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados
Aproximación de cada algoritmo (30 ejec.): 50 %-EAS
Punto de referencia alcanzable Punto de referencia inalcanzable
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
28. Introducción
Propuesta
Estudio experimental
Conclusión
Buen rendimiento de los algoritmos basados en preferencias.
iSPS es un software multiplataforma que permite:
Resolver diferentes instancias del problema SPS.
Guiar y ayudar al DM en la toma de decisiones.
Aproximar la región de interés definida por q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015