Developing a set of scales to assess interactive multiobjective optimisation methods

Abstract

Solving problems that involve considering multiple conflicting objective functions simultaneously is called multiobjective optimisation. Multiple mathematically equally good solutions can be found to these problems. These solutions are called Pareto optimal solutions. In order to choose one of these solutions as the final solution of the multiobjective optimisation problem considered, more information is required. This information is acquired from a decision-maker. The decision-maker is assumed to be an expert regarding the optimisation problem to be solved, and preference information provided by them is exploited to generate solutions that fit the decision maker’s preferences. Multiobjective optimisation methods can be classified based on how the preference information is given. Methods where preference information is given progressively during the decision process are called interactive methods. Interactive methods repeat steps of the solution process until the decision-maker is satisfied and confident about the final solution. Interactive methods place a significant role on the decision-maker in solving the multiobjective optimisation problem. Despite the importance of the decision-maker, the literature lacks a validated measurement instrument to help develop and improve interactive methods to better match the needs and constraints of the decision-maker. The goal of this thesis was to examine whether research data from a previous study can be utilised to form a reliable scale or scales to assess interactive multiobjective optimisation methods. Principal component analysis was conducted to identify the components from the research data (N = 164). Three components were found: Cognitive load, Satisfaction and Decision-making support. Each component was calculated into a sum variable and their internal consistency was evaluated using Cronbach’s alpha. Cronbach’s alpha values were at an acceptable level. The correlations between the components indicate that they measure distinct constructs of interaction between the decision-maker and the interactive multiobjective optimisation methods and are therefore best utilised as individual scales. More research is needed in order to evaluate the validity of these scales.

Monitavoiteoptimointi on ongelmanratkaisua, jossa tulee yhtäaikaisesti ottaa huomioon useampi keskenään ristiriidassa oleva tavoitefunktio. Monitavoi-teoptimoinnin ongelmiin on löydettävissä useita matemaattisesti keskenään yhtä hyviä ratkaisuja. Näitä ratkaisuja kutsutaan Pareto-optimaalisiksi ratkaisuiksi. Lisätietoa tarvitaan, jotta jokin näistä ratkaisuista voitaisiin valita ratkaistavan monitavoiteoptimointiongelman lopulliseksi ratkaisuksi. Tämä lisätieto saadaan päätöksentekijältä. Päätöksentekijän, jonka oletetaan olevan ratkaistavan monitavoiteoptimointiongelman asiantuntija, tarjoamaa preferenssitietoa hyödynnetään hänen preferensseihinsä sopivien vastausten luomiseksi. Monitavoiteoptimointimenetelmiä on useita erilaisia, ja ne voidaan luokitella sen mukaan, miten preferenssitietoa annetaan. Vuorovaikutteisissa monitavoiteoptimointimenetelmissä päätöksentekijä antaa preferenssitietoa pikkuhiljaa, ohjaten samalla päätöksentekoprosessia, kunnes hän on tyytyväinen lopulliseen ratkaisuun. Päätöksentekijällä on tärkeä rooli sopivan ratkaisun löytämisessä, mutta alalta puuttuu validoitu mittari, jonka avulla voitaisiin paremmin tutkia päätöksentekijää sekä päätöksentekoa vuorovaikutteisia monitavoiteoptimoinnin menetelmiä käytettäessä. Tässä tutkimuksessa oli tavoitteena selvittää, voiko aiemmasta tutkimusmateriaalista koostaa luotettavan mittarin tai mittareita, joilla voitaisiin arvioida vuorovaikutteisia monitavoiteoptimoinnin menetelmiä. Tutkimusdatan (N = 164) analysoinnissa hyödynnettiin pääkomponenttianalyysiä, jonka avulla tunnistettiin datasta löytyvät kolme komponenttia. Nämä kolme komponenttia nimettiin seuraavasti: Kognitiivinen kuormitus, Tyytyväisyys, ja Päätöksenteon tukeminen. Komponenteista laskettiin keskiarvosummamuuttujat, joiden sisäinen konsistenssi tarkastettiin Cronbachin alfan avulla. Komponenttien väliset korrelaatiot osoittavat, että ne mittaavat päätöksentekijän ja interaktiivisen monitavoiteoptimointimenetelmän välisen vuorovaikutuksen erillisiä osa-alueita, ja ovat täten parhaiten hyödynnettävissä yksittäisinä mittareina. Mittareiden validiteetin arviointi vaatii jatkotutkimusta.