Investigação de técnicas eficientes para algoritmos evolutivos multiobjetivo baseados em decomposição

• Autor(a) principal: Lianny Sanchez Lopez
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-ARFGQS
• topic: Computação evolucionária; Problemas de otimização com muitos objetivos; Decomposição Tchebycheff; Multiple-layer simplex-lattice design; MOEA/D; Algoritmos; Método de decomposição; Engenharia elétrica; Otimização multiobjetivo

Algoritmos evolucionários (EAs) baseados em decomposição apresentam grande sucesso na otimização de problemas com duas ou três funções mérito e, nos últimos anos, esse potencial tem sido investigado também no contexto de problemas com muitos objetivos. Nesse sentido, esta dissertação investiga duas abordagens promissoras para aumento do desempenho de algoritmos baseados em decomposição, a saber, (i) um modelo sistemático para a geração, uniformemente distribuída, dos vetores de ponderação (vetores referência), e (ii) uma estratégia de escalarização Tchebycheff ponderada transformada, a qual promove um controle simples, e independente de parâmetros, tanto da convergência quanto do espalhamento das alternativas aproximadas. Estas técnicas são incorporadas à estrutura geral do Multiobjective Evolutionary Algorithm Based on Decomposition (MOEA/D) e o desempenho de cada uma é avaliado frente a outras estratégias populares, considerando-se problemas teste conhecidos, a saber, DTLZ1 a DTLZ4 com 3, 5, 8, 10 e 15 objetivos. Os resultados indicam uma forte competitividade das técnicas sugeridas, principalmente em relação aos indicadores de qualidade Inverted Generational Distance (IGD) e Hypervolume (HV).