Data-driven interactive multiobjective optimization using cluster based surrogate in discrete decision space

Abstract

Tutkielma esittää klusteripohjaisen sijaismallin diskreetin päätöksentekoavaruuden dimension pienentämiseksi ja lineaaristen kokonaislukuoptimointitehtävien yksinkertaistamiseksi. Sijaismalli on suunnattu erityisesti datapohjaisten päätöksenteko-ongelmien interaktiiviseen ratkaisemiseen, sillä se yhdistää sijaismallin interaktiota helpottavan vaikutuksen ja interaktiivisen NIMBUS menetelmän hyvän suorituskyvyn sijaismallin tuloavaruudessa. Kehitettyä sijaismallia ja metodia myös sovellettiin monitavoitteiseen metsätalousongelmaan hyvin tuloksin.

This thesis presents a cluster based surrogate model approach for reducing dimension of discrete decision space and so for simplifying integer linear optimization problems. The model is especially aimed for solving data-driven decision making problems interactively, as the surrogate makes interaction more seamless and the interactive NIMBUS method manages well within the product space of the surrogate. The developed cluster based surrogate and method were also applied for a Boreal Forest management problem with promising results.