Constrained Multiobjective Optimization Based on Problem Landscape Analysis
Project goals
Real-world optimization problems often involve multiple conflicting objectives and constraints. Such constrained multiobjective problems (CMOPs) are generally hard to solve. While population-based metaheuristics, such as multi-objective evolutionary algorithms (MOEAs), are a successful approach for solving multiobjective optimization problems, the increasing number of objectives and the presence of constraints critically reduce their effectiveness. A powerful means for characterizing the optimization problems, tuning the algorithms, and improving their performance is problem landscape analysis. In this project, we will extend the concept of problem landscapes to multiobjective optimization with constraints and enhance the performance of evolutionary metaheuristics for continuous CMOPs. This will be achieved with new methods for problem landscape modeling, original approaches for identification and extraction of landscape features, a new test suite of CMOPs reflecting the properties of real-world problems, and rigorous evaluation of the developed concepts.
Keywords
multiobjective optimizationconstraint handlingproblem landscape analysismetaheuristic algorithmstest problems
Public support
Provider
Czech Science Foundation
Programme
—
Call for proposals
—
Main participants
Vysoká škola báňská - Technická univerzita Ostrava / Fakulta elektrotechniky a informatiky
Contest type
M2 - International cooperation
Contract ID
22-34873K
Alternative language
Project name in Czech
Vícekriteriální optimalizace s omezeními pomocí analýzy potenciálních ploch
Annotation in Czech
Reálné optimalizační problémy často zahrnují řadu protichůdných kritérií a omezení. Takovéto vícekriteriální optimalizační úlohy s omezeními (CMOP) je obecně obtížné řešit. Populační metaheuristické metody jako jsou vícekriteriální evoluční algoritmy (MOEAs) jsou užitečné při řešení problému s více kritérii. Rostoucí počet kritérií a přítomnost mnoha omezení však zásadním způsobem omezujich jejich výkonnost. Analýza potenciálních ploch je efektivní metodou pro charakterizaci optimalizačních problémů, ladění algoritmů a zlepšení jejich výkonnosti. V rámci tohoto projektu rozšíříme koncept potenciálních ploch pro oblast vícekriteriální optimalizace s omezeními a zlepšíme výkon MOEAs v oblasti spojitých vícekriteriálních optimalizačních úloh s omezeními. V projektu toho docílíme pomocí návrhu nových metod pro modelování potenciálních ploch, vývoje původních postupů pro identifikaci a extrakci jejich klíčových vlastností, nové sady testovacích CMOP reflektující vlastnosti reálních problémů a důslednou validací navržených postupů.
Scientific branches
R&D category
ZV - Basic research
OECD FORD - main branch
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
OECD FORD - secondary branch
—
OECD FORD - another secondary branch
—
AF - Documentation, librarianship, work with information
BC - Theory and management systems
BD - Information theory
IN - Informatics
Solution timeline
Realization period - beginning
Mar 1, 2022
Realization period - end
Dec 31, 2025
Project status
K - Ending multi-year project
Latest support payment
Feb 29, 2024
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP25-GA0-GF-R
Data delivery date
Feb 21, 2025
Finance
Total approved costs
4,826 thou. CZK
Public financial support
4,826 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK
Basic information
Recognised costs
4 826 CZK thou.
Public support
4 826 CZK thou.
100%
Provider
Czech Science Foundation
OECD FORD
Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Solution period
01. 03. 2022 - 31. 12. 2025