모바일 어플리케이션을 이용한 컴퓨터-인간 상호작용적 최적화

Abstract

지난 수년간 단일 목적함수를 갖는 의사결정에 대한 문제에 관한 현실성의 한계 때문에 다목적함수 최적화 (Multi-Objective Programming; MOP) 문제에 대해서 여러 접근법의 연구가 진행되어 왔다. 그러나 다목적함수 최적화 문제 또한 정보 보안에 관한 이슈, 사람들의 선호도 반영에 관한 이슈들 때문에 많은 논의 거리가 있었다. 최근에 개발된 분산 조정 알고리즘 (Decentralized Coordination Algorithm; DCA)은 의사 결정과 관련된 각 에이전트의 정보가 최소한 공유된다는 조건에서 정보 보안에 관한 이슈를 해결함과 동시에 파레토 최적 솔루션을 생성하는 이점이 있다. 그럼에도 불구하고 해당 알고리즘은 각 의사결정자의 선호도를 반영하지 않음으로 인해 편향된 파레토 최적 솔루션 생성 가능성을 열어 두고 있다. 따라서 본 연구에서 다중목적 선형 할당 문제 (Multi-Objective Linear Assignment Problem; MOLAP)를 위한 상호작용적으로 바뀌는 다중 에이전트들의 선호도 정보를 기반하여 점근적으로 파레토 최적해를 찾아내는 상호작용적 분산 조정 알고리즘 (Interactive Decentralized Coordination Algorithm; IDCA)를 활용한 모바일 어플리케이션 개발을 진행하였다. 이 후, 수리 모형과 알고리즘이 적용된 본 모바일 어플리케이션을 통해 32명의 인간 의사 결정자들을 대상으로 실증적 연구까지 진행되었다. 해당 실험에서 인간 의사결정자들은 본인들의 선호도를 반영하기 위해 문제에 관련된 모수를 변형시키도록 요구된다. 실증적 연구를 통해 IDCA가 생성하는 솔루션의 비편향성에 영향을 미치는 요인들 분석과 IDCA와 DCA로 인해 생성된 솔루션에 대한 비편향성 비교를 진행하였다. 요인 분석 결과, 유의한 주 효과 (Main effect)는 관측되지 않았지만 두 개의 유의한 상호작용 효과 (Interaction effect)는 관측되었다. 또한, IDCA와 DCA로 인해 생성된 해의 비편향성 측면의 비교를 통해 총 32 개의 문제들 중 10 개의 문제들에서 IDCA가 DCA보다 비편향된 해를 생성한 것을 확인하게 되었고 10 개의 문제들 중 70%에 해당되는 7 개의 문제들에서 이타적인 에이전트들이 있다는 것을 확인할 수 있었다. 반면에 IDCA가 DCA보다 편향된 해를 생성한 9 개의 문제들 중 22%에 해당되는 2 개의 문제들에서만 이타적인 에이전트들이 있다는 것을 확인할 수 있었다.; In the past decades, there has been a plenty of researches on multi-objective programming problems that can be found in real-world scenarios. A recently developed decentralized coordination algorithm (DCA) has been proved to generate a Pareto optimal solution where the relevant information and decision authorities are dispersed among agents. Nevertheless, DCA does not reflect the preference of each decision maker, and thus can generate a biased Pareto optimal solution. Therefore, in this study, we developed a mobile application that iteratively searches the Pareto optimal solution through an interactive decentralized coordination algorithm (IDCA) by interactively exchanging agent’s preference information in the realm of multi-objective linear assignment problem. An empirical study was conducted with 32 human decision makers equipped with a smartphone application where a mathematical model and a solution algorithm are implemented. Human decision makers are asked to modify a problem parameter in order to incorporate their own preferences during the procedure. Through this empirical study, we figure out factors affecting the generation of unbiased Pareto solutions and compare IDCA and DCA in terms of unbiasedness. As a result of factor analysis, we found that main effect factors were not significant but two interaction effect factors were significant. The proposed IDCA found 10 more unbiased solutions than DCA out of 32 problems. Among 10 unbiased solutions, IDCA found that unselfish agents exist in 7 problems which is 70% of the entire problems. Meanwhile, among 9 more biased solutions than DCA, unselfish agents exist only 2 problems which is 22% of the entire problem.