Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Introducción
Propuesta
Estudio experimental
Conclusión
Optimización Multi-objetivo Basada en Preferencias
para la Planifica...
Introducción
Propuesta
Estudio experimental
Conclusión
Esquema de la presentación
1 Introducción
Problema de optimización ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Problema de optimización multiobjetivo
Optimización multiobjetivo: ...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
Preferencias en el problema SPS
Un enfoque interactivo en el proble...
Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados...
Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados...
Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados...
Introducción
Propuesta
Estudio experimental
Conclusión
EMO vs Preference-based EMO
Configuración del experimento
Resultados...
Introducción
Propuesta
Estudio experimental
Conclusión
Buen rendimiento de los algoritmos basados en preferencias.
iSPS es...
Introducción
Propuesta
Estudio experimental
Conclusión
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febre...
Upcoming SlideShare
Loading in …5
×

Optimización Multi-objetivo Basada en Preferencias para la Planificación de Proyectos Software

125 views

Published on

Presentación en el congreso de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados (MAEB) del año 2015 (Mérida, España).

Published in: Software
  • Be the first to comment

  • Be the first to like this

Optimización Multi-objetivo Basada en Preferencias para la Planificación de Proyectos Software

  1. 1. Introducción Propuesta Estudio experimental Conclusión Optimización Multi-objetivo Basada en Preferencias para la Planificación de Proyectos Software Rubén Saborido1 Francisco Chicano2 1École Polytechnique de Montréal 2Universidad de Málaga Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  2. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  18. 18. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Arquitectura software de iSPS Basado en el patrón MVC. Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  19. 19. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Interfaz gráfica de usuario de iSPS Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  20. 20. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Ejemplo práctico de uso de iSPS Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  21. 21. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Ejemplo práctico de uso de iSPS Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  22. 22. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Ejemplo práctico de uso de iSPS Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  23. 23. Introducción Propuesta Estudio experimental Conclusión Preferencias en el problema SPS Un enfoque interactivo en el problema SPS Interactive SPS Ejemplo práctico de uso de iSPS Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
  24. 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. 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. 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. 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. 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
  29. 29. Introducción Propuesta Estudio experimental Conclusión Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015

×