[Zurück]


Diplom- und Master-Arbeiten (eigene und betreute):

T. Kremmel:
"Project Portfolio Decision Support Using Evolutionary Algorithms";
Betreuer/in(nen): S. Biffl; Institut für Softwaretechnik und Interaktive Systeme, 2008; Abschlussprüfung: 19.10.2008.



Kurzfassung deutsch:
Mehr-Ziel Optimierung, Gruppen-Entscheidungs-Unterstützung und Visualisierung
von komplexen Daten sind die Hauptforschungs Themen die in dieser Arbeit
behandelt werden. Der Teil der Arbeit der sich mit Mehr-Ziel Optimierung beschäftigt,
zeigt wie das Projekt-Auswahl-Problem im Portfolio Management gelöst werden kann.
Der Bereich der Gruppen-Entscheidungs-Unterstützung und Visualisierung von komplexen
Daten wird durch die Erstellung eines Portfolio-Auswahl-Prozesses adressiert. Studenten
und wissenschaftlich an den Bereichen, Evolutionäre Optimierung, Projekt Portfolio
Management, und Gruppen-Entscheidungs-Unterstützung, interessierte Personen, sind
das Hauptpublikum der vorliegenden Arbeit. Entscheidungsträger die im Portfolio Management
tätig sind, können wertvolle Informationen zur Verbesserung des Portfolio Management
in der vorliegenden Arbeit finden.
Projekt Portfolio Management ist eine Menge von Prozessen, die genutzt werden, um
ein Unternehmen in der Ausführung der besten Auswahl von Projekten zu unterstützen.
Auswahl von Projekten welche vom Unternehmen ausgeführt werden, Koordination der
ausgewählten Projekte, und periodisch wiederkehrende Reviews bezüglich der Projekt
Auswahl, sind Hauptaufgaben des Portfolio Managements. Strategische Ausrichtung, effiziente
Nutzung von Ressourcen, und ausgeglichene Portfolios bezüglich des Risikos,
sind die Hauptziele von Projekt Portfolio Management. Die Auswahl von Projekten ist
eine komplexe Aufgabe, da verschiedenste Ziele, Restriktionen, Bedingungen und subjektive
Präferenzen beachtet werden müssen. Die Komplexität wächst mit der Anzahl
von Projekten aus denen eine Auswahl getroffen werden muss.
Die vorliegende Diplomarbeit präsentiert ein Entscheidungs-Unterstützungs-Rahmenwerk,
welches auf die automatisierte Auswahl von Projekten abzielt, und hierfür einen sogenannten
evolutionären Optimierungs-Algorithmus nutzt. Im ersten Teil wird eine Implementation
des Optimierungs-Algorithmus für dieses Problem präsentiert. Dieses Optimierungs-
Programm ist fähig effiziente Portfolios innerhalb weniger Minuten zu erstellen, welche
im Sinne der Mehrziel-Optimierung besser sind als sonstige im Lösungsraum vorhandene
Portfolios. Diese Auswahl wird die Pareto-Optimale Front genannt. Im zweiten
Teil wird ein Gruppen-Entscheidungs-Prozess vorgestellt, der eine Gruppe von Entscheidungsträgern
bei der Auswahl eines Portfolios aus der Pareto-Optimalen Front unterstützen
soll.
Hauptbeitrag dieser Diplomarbeit ist die Kombination eines objektiven Optimierungs-
Projekt-Auswahl-Rahmenwerks, mit einem einfach zu bedienenden Gruppen-Entscheidungs-
Prozesses, in welchem individuelle Präferenzen visualisiert werden können und die Suche
nach Konsens bezüglich unterschiedlicher Präferenzen erleichtert wird. Der präsentierte
Ansatz zur Portfolio-Optimierung ist besonders relevant, da eine neue Methode zur Auswahl
und Anordnung von Projekten beschrieben wird, und Methoden zur Optimierung von
Portfolios bezüglich verschiedenster objektiver Präferenzen wie Risiko Verteilung vorgestellt
werden. Weiters werden zahlreiche Restriktionen, Bedingungen und logische Abhängigkeiten
beachtet. Theoretisch ist der vorgestellte Optimierungs-Ansatz nicht eingeschränkt in der
Anzahl von Projekten, die es zu optimieren gilt.

Kurzfassung englisch:
Multi-Objective Optimisation, Group Decision Support and Visualisation
are the major fields of research in this thesis. The optimisation part deals with solving the
demanding project selection problem, especially focused on selecting software development
projects. The fields of Group Decision Support and Visualisation are addressed by
creating a portfolio selection process, applicable to group decisions, supported by visualisation
and data exploration techniques. Students and researchers interested in the field
of optimisation, especially with evolutionary algorithms, project portfolio management in
general, and group decision support, are the main audience of this thesis. Managers and
consultants can find practical and valuable information to improve the project portfolio
management of an organisation.
Project Portfolio Management is a set of processes, used to support a business in conducting
the mix of projects, which best fit the organisations various needs. This set
of processes includes selection of projects an organisation conduct, maintaining the selected
projects in portfolios, and periodically review the mix of projects, to check whether
the selection still support the main business goals. Strategic alignment of the selected
projects, efficient use of scarce resources, and balanced portfolios regarding risk and category
alignment, are among the main goals of Project Portfolio Management. The selection
of projects is a complex task, since numerous goals, restrictions, constraints and subjective
preferences have to be taken into account. The complexity is exponentially growing
with the number of projects to select.
In this thesis a two phase decision support framework is presented, which focus on the
selection of projects, using an evolutionary optimisation algorithm. In the first phase, an
implementation of a mathematically based optimisation framework is presented, using
the evolutionary algorithm mPOEMS, based on general goals which the portfolio management
should support. This optimisation framework is able to find efficient portfolios
on the pareto-optimal front. In the second phase, a decision support process for the selection
of one portfolio out of the pareto-optimal front is presented, especially designed to
be applicable to a group of decision makers.
A comparison of the presented optimisation approach using mPOEMS, with the two stateof-
the-art optimisation algorithms NSGA-2 and SPEA-2, shows that mPOEMS performs
better in two out of three multi-criteria optimisation metrics. Main contribution of this
thesis, is the combination of an objective optimisation project selection framework, with
an easy-to-use group decision process, in which individual preferences can be visualised
and search for consent in subjective preferences is facilitated. The presented evolutionary
approach to portfolio optimisation is especially meaningful, because a new method to deal
with the sequencing of projects is outlined, methods are presented to optimise portfolios
with respect to certain objective preferences like category assignment and risk distribution,
the consideration of numerous restrictions, constraints and logical dependencies, and
the theoretically not restricted number of projects the algorithm can deal with.

Erstellt aus der Publikationsdatenbank der Technischen Universität Wien.