Ä¢¹½Ö±²¥

Kun haluamme minimoida elintarvikkeisiin kuukaudessa käytettävän rahamäärän, vaikuttaa ostopäätöksiimme hinnan lisäksi myös halu parantaa elintasoa ja hyvinvointia ostamalla myös muutakin kuin halvinta mahdollista ruokaa. Tämä on esimerkki monitavoitteisesta päätösongelmasta, jossa tarkoituksena on löytää paras tasapaino elintarvikkeiden hinnan ja laadun välillä.

Ostopäätösten tekemisessä voimme hyödyntää tietoa edellisen kuukauden elintarvikeostoistamme. Tällöin me tietämättämme muodostamme arvioita elintarvikeostostemme kokonaiskustannuksista ja elintasostamme. Seuraavan kuukauden ostopäätöksiä tehdessämme me myös päivitämme aiempia arvioitamme hyödyntämällä tietoa nykyisistä elintarvikkeiden hinnoista.

Elintarvikeostoksia pohtiessamme ratkaisemme siis datapohjaista päätösongelmaa. Kuitenkin esimerkiksi inflaatio ja hintojen muutokset vaikuttavat siihen, että tekemämme arvio tulevan kuukauden elintarvikeostojen kustannuksista ei välttämättä vastaa täysin toteutunutta. Laskennallisissa tieteissä tätä kutsutaan epävarmuudeksi ja ottamalla tämä huomioon päätöksiä tehdessä voimme tehdä lopulta parempia päätöksiä. Aina meillä ei ole mahdollisuutta saada uutta tietoa arvioidemme päivittämiseksi.

Esimerkkitapauksessamme tämä tarkoittaa sitä, että tulevan kuukauden ostopäätöksemme perustuu ainoastaan aiemmin tekemiimme ostopäätöksiin. M.Eng. Atanu Mazumdarin väitöstutkimus keskittyy juuri tällaisten datapohjaisten päätösongelmien ratkaisemiseen muun muassa optimoinnin ja tekoälyn keinoin.

Mazumdarin väitöstyössään esittämät ratkaisumenetelmät pohjautuvat tekoälyn käyttämiseen arviointimallien muodostamisessa ja niin sanotun monitavoiteoptimoinnin menetelmien käyttämiseen muodostetun päätösongelman ratkaisemisessa. Ne kykenevät ottamaan samanaikaisesti huomioon useita ristiriitaisia tavoitteita. Kehitettyjä menetelmiä voidaan hyödyntää esimerkiksi liikenteen, metsänhoidon suunnittelun ja terveydenhuollon aloilla, joissa kokeellisen tiedon hankkiminen on vaikeaa tai käytännössä mahdotonta. Toisaalta kehitettyjä menetelmiä voidaan myös soveltaa laskennallisesti vaativien suunnittelutehtävien ratkaisemiseen (esimerkiksi laskennallisessa virtausdynamiikassa), joissa käytetään useita tunteja tai päiviä kestäviä simulaatioita.

Väitöskirjassa esitetään useita ratkaisumenetelmiä, joissa hyödynnetään arviomallien epävarmuustietoa ja päädytään parempiin ratkaisuihin kuin olemassa olevat menetelmät. Nämä uudet menetelmät mahdollistavat myös päätöksentekijän osallistumisen ratkaisuprosessiin entistä läheisemmin. Tällöin käytännön tarpeet voidaan ottaa paremmin huomioon. Väitöskirjassa käsitellään myös sitä, miten arviointimallit voidaan muodostaa tehokkaasti silloin kun aiempaa tietoa on käytössä suuria määriä. Väitöskirjassa esitetyt uudet ratkaisumenetelmät muodostavat tärkeän ensiaskeleen parempaan päätöksentekoon, missä käytössä olevaa tietoa ja dataa käytetään mahdollisimman monipuolisesti hyväksi. Menetelmät on toteutettu avoimen lähdekoodin DESDEO-alustalle (desdeo.it.jyu.fi), minkä ansiosta ne ovat helposti sekä tutkijoiden että käytännön soveltajien saatavilla ja
edelleen kehitettävissä.

M.Eng. Atanu Mazumdarin laskennallisen tieteen väitöskirjan "Novel Approaches for Offline Data-Driven Evolutionary Multiobjective Optimization" tarkastustilaisuus järjestetään torstaina 9.12. kello 12 alkaen. Vastaväittäjänä toimii professori Richard Everson (University of Exeter, Iso-Britannia) ja kustoksena professori Kaisa Miettinen (Jyväskylän yliopisto). Väitöstilaisuuden kieli on englanti.

Yleisö voi seurata väitöstilaisuutta väitössalissa (Seminarium, Vanha Juhlasali) tai verkkovälitteisesti. Linkki Zoom-webinaariin (suositellaan Zoom-sovellusta tai Google Chrome selainta): .

Tilaisuutta verkkovälitteisesti seuraava yleisö voi tilaisuuden lopussa osoittaa mahdolliset lisäkysymyksensä (kustokselle) numeroon +358 50 3732247.

Atanu Mazumdar sai tekniikan alan kandidaatintutkintonsa vuonna 2012, National Institute of Technologysta, Durgapurista, Intiasta. Valmistuttuaan hän työskenteli autoteollisuudessa ja muutti jatkamaan opintojaan Saksaan. Maisterin tutkintonsa (M.Eng. in automation and IT) Mazumdar suoritti vuonna 2017 (Technische Hochschule Köln). Hän aloitti tohtorinopintonsa Jyväskylän yliopistossa vuoden 2018 alusta. Mazumdar kuuluu Multiobjective Optimization Group -tutkimusryhmään.

³¢¾±²õä³Ù¾±±ð³Ù´ÇÂá²¹:

Atanu Mazumdar, atanu.a.mazumdar@student.jyu.fi