W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Rozprawa doktorska

Pobierz BibTeX

Tytuł

New Directions in Interactive Evolutionary Multiple Objective Optimization Based on Holistic Preference Information

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Promotor

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Recenzenci

Wariant tytułu

PL Nowe kierunki w interaktywnej ewolucyjnej optymalizacji wielokryterialnej opartej na holistycznych przykładach preferencji

Język

angielski

Słowa kluczowe
EN
  • evolutionary multi-objective optimization
  • evolutionary algorithms
  • multi-criteria decision aiding
  • preference modelling
PL
  • ewolucyjna optymalizacja wielokryterialna
  • algorytmy ewolucyjne
  • wielokryterialne wspomaganie decyzji
  • modelowanie preferencji
Streszczenie

EN The recent trend in evolutionary multiple objective optimization consists in integrating the Decision Maker’s preference information with the optimization process. In this way, the evolutionary search can be biased towards his or her highly relevant region in the Pareto front. Nonetheless, the joint studies of evolutionary multiple objective optimization and multiple criteria decision aiding often do not incorporate state-of-the-art tools and paradigms from either research areas. This doctoral dissertation addressed the above problem and explored different research avenues intending to integrate multiple objective optimization with decision aiding. These directions were oriented towards developing new hybridized algorithms, verifying their applicability, and proposing new tools for better understanding their performance.

PL Jednym z kierunków badań w obszarze ewolucyjnej optymalizacji wielokryterialnej jest obecnie dodatkowe wykorzystanie informacji preferencyjnej decydenta w procesie optymalizacji. Dzięki takiej integracji algorytm jest w stanie ukierunkować proces przeszukiwania przestrzeni rozwiązań w taki sposób, by odnaleźć rozwiązania najbardziej istotne dla decydenta. Niemniej jednak wiele istniejących prac, które integrują ewolucyjną optymalizację wielokryterialną z komputerowym wspomaganiem decyzji, nie wykorzystuje nowoczesnych technik i paradygmatów wywodzących się z obydwu obszarów badań. Niniejsza rozprawa doktorska porusza ten problem. W ramach tej pracy zrealizowano wiele kierunków badań, których nadrzędnym celem była hybrydyzacja wymienionych obszarów. W tych pracach zostały zaproponowane nowe algorytmy, dokonano weryfikacji ich stosowalności, oraz przedstawiono nowe narzędzia służące do lepszego zrozumienia ich działania.

Liczba stron

306

Dziedzina wg OECD

nauki o komputerach i informatyka

Dyscyplina wg KBN

informatyka

Sygnatura rozprawy w wersji drukowanej

DrOIN 2095

Katalog on-line

to2021500471

Pełny tekst rozprawy doktorskiej

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Pierwsza recenzja

Bogumił Kamiński

Data

29.07.2020

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Druga recenzja

Konrad Kułakowski

Miejsce

Kraków, Polska

Data

18.08.2020

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Status rozprawy

rozprawa doktorska

Miejsce obrony

Poznań, Polska

Data obrony

16.10.2020

Jednostka nadająca tytuł

Rada Dyscypliny Informatyka Techniczna i Telekomunikacja Politechniki Poznańskiej

Uzyskany tytuł

doktor nauk inżynieryjno-technicznych w dyscyplinie: informatyka techniczna i telekomunikacja

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.