Single Objective Rankings
Single Objective Rankings
Definition
Ein Single Objective Ranking ist eine eindeutige Rangfolge von Lösungen, die auf der Bewertung durch genau eine Zielfunktion basiert. Jede Lösung erhält dabei einen skalaren Wert, sodass alle Lösungen vollständig vergleichbar und sortierbar sind.
---
Grundlagen
Zielfunktion
Die Zielfunktion f(x) ordnet jeder möglichen Lösung x einen numerischen Wert zu.
Beispiele:
- Minimierung: f(x) → Kosten, Fehler, Laufzeit
- Maximierung: f(x) → Gewinn, Genauigkeit, Effizienz
Lösungsraum
Die Menge aller möglichen Lösungen, die bewertet werden können.
Bewertung
Jede Lösung wird durch die Zielfunktion bewertet:
- f(x₁), f(x₂), ..., f(xₙ)
Rangbildung
Die Lösungen werden anhand ihrer Zielfunktionswerte sortiert.
Beispiel:
- f(x₁) < f(x₂) < f(x₃)
---
Eigenschaften
- Totale Ordnung: Jede Lösung ist mit jeder anderen vergleichbar
- Eindeutige Rangfolge: Es existiert eine klare Reihenfolge
- Eine optimale Lösung: Beste Lösung ist eindeutig bestimmbar
- Skalare Bewertung: Nur ein Bewertungswert pro Lösung
---
Mathematische Formulierung
Gegeben:
- Zielfunktion: f(x)
- Lösungsmenge: X
Gesucht:
- x* ∈ X mit
- f(x*) ≤ f(x) für alle x ∈ X (Minimierung)
oder
- f(x*) ≥ f(x) für alle x ∈ X (Maximierung)
---
Beispiel
Ziel: Minimierung der Kosten
| Lösung | Kosten (€) | Rang |
|---|---|---|
| A | 100 | 2 |
| B | 80 | 1 |
| C | 120 | 3 |
Ergebnis:
- B > A > C (beste Lösung zuerst)
---
Visualisierung
Ein Single Objective Ranking lässt sich häufig als sortierte Liste oder eindimensionale Skala darstellen.
---
Abgrenzung zur Multi-Objective Optimierung
| Kriterium | Single Objective | Multi Objective |
|---|---|---|
| Anzahl Ziele | 1 | mehrere |
| Vergleichbarkeit | vollständig | eingeschränkt |
| Ergebnis | eine beste Lösung | Pareto-Front |
| Ordnung | total | partiell |
---
Zusammenhang mit Pareto-Optimalität
Single Objective Rankings sind ein Spezialfall der Optimierung:
- Bei nur einem Ziel existiert immer eine totale Ordnung
- Pareto-Dominanz reduziert sich auf direkten Vergleich
- Die Pareto-Front besteht aus genau einer Lösung (dem Optimum)
---
Methoden zur Erzeugung eines Single Objective Rankings
Direkte Bewertung
- Anwendung einer Zielfunktion auf alle Lösungen
- Sortierung nach Wert
Scoring-Modelle
- Gewichtete Bewertung von Kriterien
- Aggregation zu einem Gesamtwert
Beispiel:
- Score = w₁·Kriterium₁ + w₂·Kriterium₂
Normalisierung
- Anpassung von Werten auf vergleichbare Skalen
Ranking-Algorithmen
- Sortieralgorithmen (z. B. Quicksort, Mergesort)
---
Typische Algorithmen
- Greedy-Algorithmen
- Lineare Programmierung
- Gradientenverfahren
- Dynamic Programming
---
Anwendungsgebiete
- Produktionsoptimierung
- Routenplanung
- Machine Learning (Loss-Funktion)
- Suchmaschinen-Ranking
- Scheduling
- Finanzoptimierung
---
Vorteile
- Einfache Interpretation
- Klare Entscheidungsgrundlage
- Effiziente Berechnung
- Gute mathematische Handhabung
---
Nachteile
- Keine Berücksichtigung von Zielkonflikten
- Informationsverlust bei Reduktion mehrerer Ziele
- Abhängigkeit von der gewählten Zielfunktion
---
Erweiterung: Gewichtete Aggregation
Mehrere Ziele können zu einem Single Objective Problem kombiniert werden:
- f(x) = w₁·f₁(x) + w₂·f₂(x) + ... + wₙ·fₙ(x)
Probleme:
- Wahl der Gewichte schwierig
- Subjektivität
- Verlust von Pareto-Information
---
Herausforderungen
- Skalierung der Zielfunktion
- Umgang mit Ausreißern
- Wahl geeigneter Bewertungsmetriken
- Bias in der Zielfunktion
---
Begriffe
- Zielfunktion
- Ranking
- Optimierung
- Pareto-Dominanz
- Heuristik
---
Literatur
- Nocedal, J.: Numerical Optimization
- Deb, K.: Multi-Objective Optimization using Evolutionary Algorithms
---