Title: Project Portfolio Decision Support using evolutionary algorithms
Language: English
Authors: Kremmel, Thomas 
Qualification level: Diploma
Keywords: Evolutionäre Algorithmen; mPOEMS; Genetische Algorithmen; Optimierung; Mehr-Ziel Optimierung; Projekt Portfolio Management; NSGA; SPEA; Visualisierung; CIDECS
Evolutionary Algorithms; mPOEMS; Decision Support; Optimisation; Multi-Criteria Optimisation; Project Portfolio Management; NSGA; SPEA; Visualisation; CIDECS
Advisor: Biffl, Stefan 
Issue Date: 2008
Number of Pages: 143
Qualification level: Diploma
Abstract: 
Mehrzieloptimierung, Gruppen-Entscheidungs-Unterstützung und Visualisierung von komplexen Daten sind die Hauptforschungsthemen dieser Arbeit. Jener Teil der Arbeit der sich mit Mehrzieloptimierung 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 behandelt.
Studenten und wissenschaftlich an den Bereichen evolutionäre Optimierung, Projekt Portfolio Management und Gruppen-Entscheidungs-Unterstützung, interessierte Personen sind die Hauptadressaten der vorliegenden Arbeit. Entscheidungsträger, die im Portfolio Management tätig sind, können in der vorliegenden Arbeit wertvolle Informationen zur Verbesserung des Portfolio Management finden. Projekt Portfolio Management beinhaltet eine Menge von Prozessen, die der bestmöglichen Projektauswahl eines Unternehmens dient. Die vom Unternehmen durchgeführte Auswahl von Projekten, die Koordination dieser Projekte und periodisch wiederkehrende Reviews bezüglich der Projektauswahl, 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 Projektanzahl 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. Das daraus resultierende Optimierungsprogramm ist fähig innerhalb weniger Minuten effiziente Portfolios zu erstellen, welche im Sinne der Mehrzieloptimierung 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 erhält besondere Relevanz, da diesbezüglich eine neue Methode zur Auswahl und Anordnung von Projekten beschrieben wird. Weiters werden hierfür Methoden zur Optimierung von Portfolios bezüglich verschiedenster objektiver Präferenzen wie Risiko Verteilung vorgestellt. Dabei werden zahlreiche Restriktionen, Bedingungen und logische Abhängigkeiten beachtet. Der vorgestellte Optimierungsansatz schränkt die zu optimierende Projektanzahl nicht ein.

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 focusing 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 organisation's various needs. This set of processes includes the selection of projects an organisation conducts, maintaining the selected projects in portfolios, and periodically reviewing the mix of projects, to check whether the selection still supports 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 grows exponentially with the number of projects to select. In this thesis a two-phase decision support framework is presented, which focuses 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 state-of-the-art optimisation algorithms NSGA-2 and SPEA-2, shows that mPOEMS performs better in two out of three multi-criteria optimisation metrics. The 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 the search for consent in subjective preferences is facilitated. The presented evolutionary approach to portfolio optimisation is especially meaningful, because a new method about how 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. The presented approach is theoretically not restricted in the number of projects it can deal with.
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-27762
http://hdl.handle.net/20.500.12708/12371
Library ID: AC05038968
Organisation: E188 - Institut für Softwaretechnik und Interaktive Systeme 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

16
checked on Feb 18, 2021

Download(s)

58
checked on Feb 18, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.